摘要：人工智能技術的快速發展為教育智能化帶來重大機遇。教育信息化、數字化基礎已然夯實，人工智能，特別是以知識圖譜為核心的認知智能技術在教育的智能化發展過程中扮演著重要的角色。人工智能助力教育行業智能化轉型、高質量發展發揮積極作用，才能彰顯其獨特價值。本文結合作者的一些研究與實踐，對教育知識圖譜的內涵與意義、應用方式、落地挑戰與應對思路等展開系統性介紹。

一、什么是教育知識圖譜

人工智能解決問題的重要實踐方式是知識工程。知識工程旨在將人類的知識和推理能力賦予機器解決實際問題。知識工程發展到大數據時代的代表性技術就是知識圖譜。知識圖譜是一種大規模語義網絡，富含概念、實體及各種語義關系，成為了人工智能基礎設施，各類知識的重要載體，是實現認知智能的基石。教育知識圖譜將碎片化、分散式的教育資源與相關實體關聯成一張巨大的語義網絡，為教育的智能化應用提供知識支撐。教育知識圖譜通過語義網絡的形式表達和沉淀了傳統教育教學過程中所涉及的課程知識、教學知識、學科知識、百科知識、語言知識等。教育知識圖譜側重于實現教育相關的實體或資源的關聯，包括知識點之間語義關聯、知識點與學習資源之間的語義關聯、知識點與術語、公式、圖表等各種表達形式之間語義關聯、知識點構成的概念層級關系、以及與師生（甚至機構）相關的語義關聯等等。

二、教育知識圖譜的意義

教育知識圖譜是實現教育智能化的關鍵基礎設施，是教育智能化實現的重要技術工具。教育知識圖譜的意義從技術視角來看，其重要作用體現在以下幾點：

1．知識圖譜是教育知識的集中載體。教育是典型的知識密集型行業，各類學科知識、教學知識、專業知識在教育的各環節密集呈現、相互交織。教育的基本使命是實現知識在人類代際之間的連續傳承。機器在教育過程中部分環節輔助甚至代替教師，首先需要具備教師的知識體系。而教育知識圖譜正是一種結構化、規范化表達與承載教師經驗或學科知識的技術手段。

2．知識圖譜實現碎片化教學資源的關聯。教育行業經過信息化、大數據時代的發展，積累了教學資源、學習過程、評估評測等類型多樣的數據。這些數據以一種碎片化的形態分散在學校、教師、評估機構、教學平臺等不同所有者手中，需要將碎片式的教育數據要素鏈接成為巨大的關聯網絡，創造價值。知識圖譜正是通過建立碎片化教育要素的之間的關聯而創造其技術價值。

3．知識圖譜實現教育智能服務。知識與推理是一個智能系統的核心要素。作為教育知識的載體，教育知識圖譜是教育知識引擎的核心部件，是教育智腦的重要構成，實現各種智能化教育信息服務的基礎。教育知識圖譜為語義搜索、個性化推薦、用戶畫像、智能問答、行為預測、精準分析、決策支持等一系列智能服務提供不可或缺的知識支撐。

知識圖譜技術與教育各應用場景深度融合之后將會釋放更大價值，對教育核心問題的解決帶來機遇，將有力促進教育走上高質量發展道路，表現在以下幾個方面：

提升教學效果

教學質量很大程度上取決于技術手段對于個性化教育、精準化干預的支撐程度。基于知識圖譜的用戶畫像等技術能夠實現學生學習情況、教師授課情況的精準刻畫，從而對學習與教學過程進行精準干預，比如向學生針對性地推薦學習素材或練習題以強化學生薄弱知識點的掌握。知識圖譜讓因材施教有了更為具體的發力點。

提高教學效率

知識圖譜作為背景知識能夠實現優質學習資源的語義搜索和智能推薦，降低學生學習資源的獲取門檻、提升資源獲取效率。將常見問題組織成知識圖譜實現答疑機器人，利用知識圖譜實現閱卷機器人，均能較大幅度節省師生時間，提高師生互動效率。

優化教育決策

教育知識圖譜既是教學過程中的重要資源，也是感知教學效果、優化教學過程的重要工具。提供個性化知識服務的同時，教育知識圖譜中的實體或概念可用作學情標簽幫助感知和刻畫個體學生的學習情況，學生集體的學習狀態，進而幫助學校和教師做出適時的、合理的教育決策，也可以作為檢驗知識指引并優化序列化的教育決策過程。

保障教育公正

教育知識圖譜作為公共教學資源，能夠借助互聯網傳播與服務等形式向所有學習者以一種智能化的交互方式提供優質學習資源，從而實現人工智能技術普惠，是緩解我國教育資源、教育發展不平衡等問題的重要手段。知識賦能下的應用場景，比如智能閱卷，在減輕了教師負擔的同時，也能夠避免人為閱卷的主觀性，保證教育評測的客觀與公正。

三、教育知識圖譜如何應用

教育的應用場景復雜多樣，對于人工智能技術有著不同的需求。需要從場景價值與技術可行性等角度仔細甄別適合知識圖譜的應用場景。從當前的技術水平來看，以下幾個典型的應用場景是可以直接受益于知識圖譜的。

01數智教材

教材是教育最為重要的工具。發展教材的關鍵在于深植服務理念，深耕以教材為核心的知識服務。教材應該以一種平臺化的服務形式呈現，一本經典教材應該變身成為該學科（或課程）的數字化與智能化教學與知識服務平臺，系統性地集成圍繞學科（或課程）學習、授課、練習、實驗、評價等各環節的智能服務平臺。知識圖譜是驅動整個教材數化轉變的知識引擎，是教材變革的助推器。

02深度閱讀

閱讀是人類獲取知識最重要的方式之一。閱讀過程本質上是知識獲取的過程。通過知識圖譜技術，可以將書籍自身的知識元素（知識點、實體、概念）以及書籍之外的背景知識進行關聯，從而極大地拓展一本書籍所承載的有限知識容量。在內容理解、關聯分析以及行為分析等技術的支撐下，可以實現個性化閱讀、探索式閱讀、主動推薦式閱讀，因而形成深度閱讀模式。早在2012年知識圖譜技術誕生之初，筆者就提出基于知識圖譜的深度閱讀模式，并篤信知識圖譜將在促進人類閱讀方式變革方面有所作為。圖1展示了《紅樓夢》深度閱讀的示例。

圖1 基于知識圖譜技術的《紅樓夢》人物實體識別，并鏈接到紅樓夢知識圖譜百科，從而在讀者閱讀時，鏈接到背景知識。

03學科洞察

在學科教育中，尤其是高等教育的各個學科，其知識體系并非一成不變，往往處于動態發展與持續更新的過程。對于科研、教學和學科情報工作而言，需要具備足夠的學科背景知識才能擁有一定的學科洞察力。學科知識圖譜對于學科洞察具有積極意義，比如，學生搜索“深度學習”相關的文獻，通過直接匹配論文關鍵字很難檢索得到相關文獻，但事實上標題含有“圖神經網絡”、“卷積神經網絡”的論文均是符合要求的。顯然，如果機器也擁有人類類似的學科背景知識，是能夠勝任這類文獻查找工作的。學科知識圖譜的建立可以深化整個學科發展態勢的洞察，提升科技情報服務的內涵。當前，詞匯挖掘和關系挖掘等方法能夠從海量學科論文、專利等語料數據自動挖掘學科術語（詞匯、關鍵詞等）及其之間的各種語義關系，構建以術語為核心的詞匯知識圖譜（其內涵與傳統圖書情報領域的敘詞表相近），為學科洞察奠定了良好基礎。圖2展示了人工智能領域的部分詞匯知識圖譜。

圖2?從NeurIPS會議論文集自動抽取的學科知識圖譜，包含了學科術語及其之間的語義關系

04師生畫像

個性化教學、精準化服務建立在學生的學情畫像、教師的技能畫像的基礎上。而對于教師和學生的畫像建立在學習資源、教學素材的畫像基礎之上。全面、實時、多維度的標簽是精準畫像的關鍵，是實現學習資源的語義搜索、精準推送的關鍵。知識圖譜的標簽挖掘技術可以從教育素材和資源中自動挖掘或生成大量的優質標簽。標簽還可以進一步組織成標簽層級體系。教育知識圖譜和標簽體系可以增強知識點或者教學資源的語義描述，進而提升教師和學生畫像完整性與精度，精準感知與刻畫學情態勢，為個性化的資源推薦、學習路徑推薦等提供支撐，助力自適應性教學。

05智能服務

知識圖譜作為背景知識有助于機器理解教育行業數據、提升機器學習的能力，實現可解釋人工智能，在數據分析、語義搜索、智能推薦、問答系統、可解釋決策以及文本生成中得以廣泛應用。知識圖譜賦能的這些應用均可以在教育場景中取得顯著效果。比如通過如圖2所示的以術語為核心的詞匯知識圖譜，有助于實現精準的學科熱點分析（比如將題目含有 “CNN”與“卷積神經網絡”文獻進行合并統計）、學科資源語義搜索（比如搜索“CNN”召回卷積神經網絡相關的文章）、學科資源的精準推薦（比如向搜索了“CNN”的學生推薦RNN相關的資料）、自然語言問答（比如對于問題 “CNN存在哪些改進模型”，經圖2的簡單檢索可以找到GRCNN）、可解釋決策（比如CNN與隨機森林之間的關系可以通過圖2中的相應兩個節點的路徑進行解釋）。

四、教育知識圖譜存在哪些挑戰

教育知識圖譜與通用知識圖譜存在哪些異同，與其他領域知識圖譜相比有哪些特點，這些獨特之處帶來了哪些技術挑戰。這些問題是在開展教育知識圖譜實踐之前必須澄清的問題。只有深刻理解教育知識圖譜的獨特挑戰，才可能提出解決問題的有效思路。

01類型多樣

教育所涉及的知識內容豐富多樣，包含課程知識、教學知識、教材知識、學科知識、百科知識、課程題庫等。知識內容的多樣性增加了知識獲取和組織的難度。不同類型的知識需要不同的表示方式，不同的知識處理手段。例如，在教學環節，教材知識極為重要，通常需要以知識點為核心組織教材的知識體系與內容邏輯，因而需要建設以知識點之間的邏輯關系為核心、輔以知識點與其定義、公式、說明的關聯關系為外圍的知識點知識圖譜。而考評環節的關鍵是考題資源，往往需要建設以考題為核心的知識圖譜，包含題目與知識點、學生、老師的關聯關系。在某些應用場景，比如機器輔助解題，需要進一步從題目中拆解題干、選項、答案、解釋等知識要素。教育的不同環節需要不同類型的知識，需要建設不同類型的圖譜。類型多樣對教育知識圖譜的建設提出了巨大挑戰。

02粒度多樣

學科中的知識點是有粒度之分的。歷史學科中的玄奘西行是個重要的歷史事件，是歷史教學重要知識點之一。一方面可以進一步抽象歸類到唐朝的宗教活動這一粗粒度知識點，另一方面也可以細分為玄奘西行的目的、時間、路線、意義等更細粒度的知識點。不同抽象層次的知識點很自然地組織成層級體系，不同的層級對應不同的知識粒度，不同的知識粒度需要不同的處理手段。比如在將具體的教學資源向合適的知識點進行掛載時，知識點的粒度有著重要影響。一般而言粗粒度掛載較為簡單，細粒度掛載則相對困難。細粒度處理需十分精細的語義識別能力，比如識別一道題是否在講玄奘西行相對容易，但將其區分為是在考察玄奘西行的目的還是意義則要相對困難的多。不同學科的知識點層級也存在差異，往往在深淺、寬度、劃分的維度等方面存在差異，增加層級粒度處理復雜程度。圖3給出了化學和數學兩個學科的不同深淺的知識點層級結構。

圖3 不同層級的知識點

左圖的化學知識點層級較淺，右圖數學的知識點層級較深

03多模形態

現代教育的典型特征之一就是多媒體教學手段的大量應用。多媒體教學采用諸如視頻、音頻等多種渠道和手段，促進教學過程的直觀性和趣味性，提升學習效率。多模態手段的應用對于某些學科的知識而言是必要的，比如，很難想象如果不借助具體的圖示學生如何能夠理解等腰三角形這個概念。因此，教育數據往往呈現出復雜的多模態特性，這一特性多模態的教育知識圖譜提出了訴求也創造了條件。如圖4所示，教育知識圖譜中通常需要將多模態教育數據掛載到相應的知識點。多模態知識圖譜本質上實現抽象的符號化概念（知識點）向多模態實例（考題、多模態素材）的接地（Grounding)。人類的抽象概念或知識往往是通過具體經驗歸納總結而得到。這些經驗是具體的、可感官的，其對應的數據形態是圖像與影音。因此，理解某個概念一定程度上體現為能夠列舉概念的某個多模態實例。總體而言，多模態知識圖譜的自動化構建仍處于起步階段。相對于研究較多的互聯網環境的多模態知識圖譜構建，教育知識圖譜的多模態化尤為困難。其原因是教育與互聯網（或消費互聯網）等通用領域的多模態數據內容與形式不同，后者的多模態數據往往是人類社會的真實圖像、影音，而教育領域的多模態數據多是面向教學的示意圖、表格、公式、流程圖、原理圖。這些圖表的抽象程度介于真實世界的圖像與純文本之間，其理解方式與處理手段與物理世界圖像完全不同。如何高效地構建大規多模態化的教育知識圖譜，如何基于教育多模態圖譜進行跨模態推理、跨模態搜索、跨模態閱讀理解等仍存在很大的研究空間。

圖4?教育知識圖譜的多模態特性

04質量控制

質量是教育的生命線，更是教育知識圖譜的生命線。錯誤、缺失、過期的知識會對學生的學習產生誤導，反而增加了學習成本。教育知識圖譜的質量要求相對苛刻。然而，現有的自動化構建方法往往帶來知識圖譜的質量問題。一方面，自動化方法不可避免地產生錯誤。另一方面，教育知識圖譜的數據來源也良莠不齊。教育知識圖譜的質量評估與控制需要付出巨大努力，需要專家的謹慎審核。為盡量減少教育知識圖譜的質量維護成本，需要一套針對教育知識圖譜的質量評估和控制方法，需要對知識圖譜進行準確性、時效性、完整性、一致性的全面評估，對圖譜的增、刪、改等操作做風險評估。

05持續更新

信息時代，知識日新月異。從知識的更新速度而言，高等教育甚于基礎教育。高等教育更關注理論與技術前沿，其持續更新恰是常態。在人工智能、氣候變化與碳中和、生物醫藥等新興學科，研究成果加速產出，新理論、新方法、新結果層出不窮，不斷刷新舊知識，補充并完善著整個學科的知識體系。因此，教育知識圖譜的持續更新能力對于高等教育而言尤為重要，然而，在技術層面知識圖譜的更新研究相對稀少。如何識別需要更新的知識，如何評估知識更新所帶來的影響均是開放性問題。

06學科差異

不同學科的知識形式與內涵存在巨大差異，對于教育知識圖譜方案的普適性提出巨大挑戰，學科差異是教育知識圖譜落地的挑戰之一。例如，語文教學過程中注重學生對文字的感知和表達能力，課堂上以閱讀、寫作等形式為主，教材也以各種文學作品的解讀與分析為主。而數學教學過程則大不相同，其注重學生的數理邏輯和計算能力，課堂上以答題等邏輯和計算訓練形式開展教學，教材則多圍繞術語提供大量的定義、解釋、示例進行組織。即使是同為理科的數學和化學之間也存在很大的區別，化學更加關注真實世界化學物質的性質、合成等，而數學則主要包含抽象世界中的邏輯和計算。

不同學科間的巨大差異對于知識表示與應用提出巨大挑戰。數學中需要表達數理與運算的邏輯，歷史需要表達事件之間的時序關系、地理需要表達時空邏輯、物理需要表達物理規律。作為語義網絡的知識圖譜很難應對不同學科的知識表示需求。學科差異也對知識的獲取與應用手段提出了挑戰。語文、歷史、政治等文科類的學科，使用大規模語言模型有可能取得比較好的效果。理科的各類學科單單文本不足以表達相應學科的基本邏輯，需要發展額外的知識表示方式，以顯著提升相應學科的知識表示與應用水平。此外，各個學科之間存在緊密關系（所謂文史哲不分家、數理化不分家），跨學科的知識融合對技術提出了巨大挑戰。比如牛頓的萬有引力（物理）與微積分方法（數學）有著緊密聯系。如何關聯與融合不同學科的知識仍有待深入研究。

五、教育知識圖譜如何推進

教育知識圖譜的落地實踐應堅持實用主義，要將知識圖譜系統視作一類復雜的人機交互系統，將其落地實踐視作一類典型的系統工程。堅持系統觀，不能將知識圖譜系統視作孤立系統，要將其置于整個教育智能化的大環境中，充分考慮與環境以及其他子系統之間千絲萬縷的關系。還要堅持工程觀，在成本與資源合理約束下最大化落地效果。此外，具體推進過程需要謹慎處理以下幾個問題：

01定位問題

教育知識圖譜作為新興信息技術，對于教育智能化發展的具有積極作用。然而，不能簡單認為教育智能化全部內容就是知識圖譜建設。知識圖譜只是各種知識表示的一種形式，其表達能力仍然有待進一步拓展與提升，在教育領域的應用模式仍有待深入探索與驗證。基于知識圖譜的教育智能化發展，是機器智能循序漸進發展，逐步代替人類教育工作者的部分工作的過程。認知智能在行業的應用水平大致會經歷新手、工匠、大師三個階段。在新手階段，認知智能通過領域知識的初步掌握能夠實現類似文獻查找的功能（比如教育中的學習資料檢索）。在工匠階段，認知智能通過專家知識能勝任一些復雜問題的推理與決策（比如教育中答疑解惑）。在大師階段，認知智能習得了海量教育數據中所蘊含的隱形知識并通過解釋與反思等手段以人類可理解的符號形式表達出來。即便實現第一階段目標，就已經能夠實現教育行業極大的提質提效。

02場景問題

推進基于知識圖譜的教育智能化最迫切的任務是準確識別知識能解決問題的合適場景。我們的應用往往分為模式內蘊或者背景關聯兩類。所謂模式內蘊的任務是指其答案可以單純從數據中獲得。所謂背景關聯是指解決某個任務需要輸入之外的背景知識。比如識別一幅圖是貓還是狗，不需要關聯到什么背景知識就能完成。但是，沒有豐富的背景知識要讓機器理解“關公戰秦瓊”的不合理是很困難的。不難發現教育領域有著太多的背景關聯類的任務。這類任務恰是知識圖譜的用武之地。此外，數據稀疏的場景也往往需要借助知識圖譜。“數據不夠，知識來湊”，但凡數據不充分所導致的應用效果低下的場景，往往也是知識圖譜能夠發揮顯著效力之處。尋找適合的場景需要跨學科的知識背景，需要對于教育本身有著深刻的理解，同時對知識圖譜等技術的本質有著深入的理解。

03人的作用

面對各階段教育教學繁多的學科，單一專家來梳理全部學科的知識體系是不現實的。同樣地，讓機器完全自主、絕對自動化的構建教育知識圖譜也是不現實的，教育知識圖譜的建設需要機器和人的協作，二者缺一不可。機器智能的發展仍然需要人類為其設定認知框架（比如本體設計）、反饋結果好壞（比如樣本標注）、驗證事實對錯（比如知識驗證）。以知識點體系梳理為例，上層的知識體系涉及理解一個學科的思維方法，只有教育專家才能勝任。但是對于細粒度知識點的資源掛載任務而言，海量的教育資源使得人類專家難以勝任，恰恰需要機器自動化完成。人機協作是教育知識圖譜的保質保量完成構建的關鍵。

04視角問題

知識是人類認知世界的結果，人類的認知存在主觀性。不同的認知主體，不同的認知視角，均會產生不同認知結果。教育知識圖譜建設過程中面臨著同樣的問題。學習者、教學者、管理者往往對教育的理解是不盡相同的，普通教師、專家教師對于統一教學內容的看法也往往存在差異。因而教育實踐中往往需要從不同視角表達同一主題的知識圖譜。一類圖譜不能也不必表達所有視角，不同視角的圖譜往往只需共享一個相同的內核，在此內核基礎上不同視角需要進行相應知識內容的擴展或調整，以滿足不同的需求。

05應用指引

知識圖譜技術需要融入到教育的典型應用中。教育知識圖譜的邊界、內容、粒度均需要從實際應用出發進行合理界定。教育知識圖譜的建設與應用必須形成閉環，從應用尋求反饋與指引才能更好地建設知識圖譜，才能保障知識圖譜的效用。應用引領、以用促建，是教育知識圖譜落地應該堅持的基本原則之一。

06標準化與靈活性

教育知識圖譜的建設是否需要遵循標準化規范？標準化是保障知識圖譜系統集成、發揮知識圖譜產業生態的集成效應的重要保障。但標準化需要結合實際應用，需要建立在具體實踐案例的基礎之上。不能脫離應用實際空泛談論標準化，要讓標準化建立在多樣化的具體的實踐案例基礎之上。應在推進標準化的同時，充分考慮教育知識圖譜實踐的實際情況，做到標準化與靈活性兼顧。

六、教育知識圖譜如何發展

當前階段，基于知識圖譜的教育智能化實踐初顯成效。在各學科專家的指導下，知識工程師能夠完成覆蓋學科主要知識單元與重要知識點的教育知識圖譜構建，并能將少量精選的教育資源以規則匹配為主的方式掛載到教育知識圖譜的對應知識點上。基于知識點與教育資源知識圖譜，實現了教育資源的智慧搜索、智能推薦，針對特定學科實現了一些智慧閱卷的智能化功能，在一定程度上提升了教師教學和學生自學的效率。

然而，現階段的教育知識圖譜及其智能化成果還遠遠無法惠及“教、學、練、測、評、研、管、服”等全鏈條中的各教學環節。具體來說：

1）以文字表達為主的學科知識點，難以準確全面刻畫復雜場景、多模態數據中的知識點或教學資源；

2）以專家手工構建為主的知識圖譜構建方式，無法滿足大規模教育資源關聯的需求，難以滿足新興學科的快速發展；

3）以規則匹配為主的資源掛載方式，無法實現海量教育教學資源向細粒度知識點的自動掛載；

4）人工判定為主的教育資源質量評判方式，難以滿足數據驅動方法所構建出的大規模教學知識圖譜的質量評估；

5）教育知識圖譜的應用模式與知識圖譜在消費互聯網領域的應用模式趨同，仍然需要巨大努力挖掘教育知識圖譜的獨特應用模式。

為了應對教育知識圖譜研究與應用的上述問題，仍需在以下方面做出努力：

增強以知識圖譜為核心的教育知識表達能力

應針對學科的差異，深入研究以圖譜為核心的不同學科的知識表示方式；拓展教育知識圖譜的內涵，拓展教育核心實體的類型與語義關系的多樣性；探索多模態的教育知識表示方式；探索教育知識圖譜與預訓練語言模型的融合表示方式；研究基于這些新型知識表示方式的推理方法。

提升教育知識圖譜的構建能力

研究多模態教育知識圖譜構建、教育資源的知識點自動掛載、教育知識圖譜自動更新等關鍵技術；研究面向教案、教材、考題與教學視頻等不同類型教育數據的知識獲取技術；研究學科知識體系與概念層級的自動化或半自動化構建技術；研究可遷移、可泛化的教育知識圖譜構建技術，大幅降低教育知識圖譜的構建成本；開展以術語、圖表、公式、定義、引用、作者、機構、專家為核心的高等教育知識圖譜建設。

研究教育知識圖譜的應用技術

豐富教育知識圖譜應用場景，研究基于教育知識圖譜的語義搜索、精準推薦、用戶畫像、學習路徑規劃、教學評估、考查考評、學科洞察以及可解釋的學情診斷，探索教育知識圖譜的獨特應用場景，深挖教育知識圖譜的潛在價值，實現基于教育知識圖譜的自適應學習、個性化學習。

建立教育知識圖譜完整的質量評估體系

建立教育知識圖譜的質量評測體系，研究相應的評測方法，開展教育知識圖譜評測數據集構建；探索預訓練語言模型與教育知識圖譜的聯合評價機制；建立教育應用驅動與反饋下的知識圖譜評測方法；實現教育知識圖譜的客觀可信評價，保障教育知識圖譜的高質量建設，提升教育知識圖譜的應用效果。

總結

教育智能化征程已經開啟，基于知識圖譜的教育智能化將會進入發展的快車道。教育智能化應用將牽引知識圖譜技術向領域認知的縱深方向持續發展。知識圖譜技術也將持續助力教育的高質量發展。最后作出以下提醒。教育是人類的最偉大事業之一。基于知識圖譜的教育智能化一定程度上實現了教育的提質增效，其本質是在輔助教師完成“授業”或者“解惑”的工作，然而以培養人的內在品質為核心的“傳道”仍然難以假手于機器，這或許正是教師工作者無法推脫的根本使命。