语义教育应用研究进展及发展趋势

王巍巍

摘 要：语义网技术的出现推动了网络教育资源的共享和整合，为实现多样化的教育服务应用带来了机会，因此得到了国内外教育领域研究者的重点关注，研究成果丰硕。本文首先从语义教育资源入手，对教育领域本体和教育关联数据建设情况进行了梳理，进而从面向学习资源、面向学习者、面向教育管理三个维度对语义教育应用研究进展进行了总结。最后对语义教育研究的发展趋势进行了探讨。

关键词：语义技术；本体；关联数据；教育资源；教育应用

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2017）05-0007-05

一、引言

互联网的发展为人们获取学习资源提供了便利，同时也带来了网络教育资源的海量增长。随着语义网概念的提出，语义教育资源及其应用研究引起了多方关注，研究伊始，本体和语义网技术就被认为是将影响下一代E-learning系统和应用的关键技术[1]。目前语义教育研究已经成为E-learning、开放教育资源等领域的研究热点和重点问题，近年来关联数据的出现，更是将语义教育研究推向了新的研究阶段，国内学者也开始关注该领域的研究。本文将从语义教育资源和语义教育应用两个方面梳理近年来语义教育研究领域的研究进展，并在此基础上对未来的发展趋势进行探讨。

二、语义教育资源

语义教育资源是指基于语义网创建的各类教育数据和服务。目前在语义教育资源研究领域，最受瞩目的为教育领域本体的构建和教育关联数据的创建。

1.教育领域本体

本体是对某一领域中的术语及术语间关系的规范化说明。Vega-Gorgojo等[2]对教育及其相关领域的词表进行了较为全面的梳理，获得了包括学术、学习资源、跨领域、社会的、图书馆、媒体、标签、地理和其它共九大类66种教育相关词表。这些本体根据其用途和研究目标，侧重描述的知识领域各有不同，例如mEducator项目[3]全称为“医学教育多类型内容的共享与再利用”（Multi-type Content Sharing and Repurposing in Medical Education），该项目遴选出45个核心概念，构建了医学领域的专业教育本体。这45个核心概念被划分为教育实践资料、专业实践资料和参考资料三个大类，每个大类中包含的词汇又进一步划分为核心资源类型和医学资源类型两大类。LinkedScience项目[4]创建的教学相关的词表TEACH词表，用于描述教学的核心词汇及其属性，让教师可以将有关其课程的各类资源整合在一起。还有如学术组织内部结构的本体AIISO（Academic Institution Internal Structure Ontology）等。

2.教育关联数据

本体对于概念和概念之间关系的表示是语义网实现计算机可理解可推理的核心信息组织模式，而语义网实现数据之间互相关联、共享与整合的途径则是关联数据[5]。近年来教育关联数据蓬勃发展，研究者发现关联数据在教育资源整合、发现和个性化推荐方面都有较好的应用[6]，在Elearning、学习资源共享等领域研究成果丰富。

有关教育关联数据的研究主要集中在两个方面：

一方面是将教育数据集发布为关联数据。DAquin等人[7]曾对已经发布的跟教育有关的关联数据集进行过统计，获取到来自22个不同数据端点的146个数据集，这些教育数据集的发布者来自各种行业，有大学、出版组织、政府机构和标准化组织，还有来自于项目的研究成果（如meducator.open.ac.uk等）等，其中共包含了588种不同类型的词表，这些词表的共现网络如图1所示，节点的颜色代表连通性，标签字体的大小代表使用该词表的数据集的多少。很多研究机构也纷纷投入到教育关联数据的发布中，如英国联合信息系统委员会（JISC）、欧洲eContentPlus基金会和英国开放大学等机构开展的研究项目，英国开放大学发起的LUCERO项目，欧洲框架项目7资助的LinkedUp项目等。

另一方面是实现教育关联数据与现有关联数据集的链接。教育关联数据发布的重要环节就是要与已有的关联数据集建立关联关系，这样才能保证所发布的关联数据能够被发现、共享和整合。Rajabi等[8]对现有关联数据链接工具进行了分析，获取了人工鏈接、自动链接和半自动链接三类链接工具，并采用其中的半自动链接工具LIMES[9]将发布为关联数据的GLOBE元数据与已有关联数据云进行了链接。

三、语义教育应用

教育本体的创建和教育关联数据集的发布，为教育应用的开发提供了基础。根据对现有语义教育应用的梳理，将语义教育应用分为三大部分进行总结，分别为面向学习资源研究的应用、面向学习者研究的应用和面向教育管理的应用。

1.面向学习资源的应用

面向学习资源的应用主要是围绕学习资源的整合、导航和检索，以及教育资源推荐三个方面。

（1）学习资源整合

利用语义技术可以实现基于学习资源内容的深度整合。Zablith[10]将关联数据用于高等教育课程资源的链接，将课程资源标注为多个核心概念，通过创建语义关联数据层，将包含相同概念的课程资源和有关同一课程的学习资源链接起来，解决传统的文本式课程资源组织模式下，难于描述资源之间联系的问题。该研究还引入了学习者创建关联学习资源的方法，支持用户通过点击网页书签的方式，主动为某一概念添加相关学习资源，从而扩展资源范围。Mudu等人[11]构建了Zenaminer平台，将共享内容对象参考模型SCORM与关联数据云链接在一起，通过学习管理系统LMS对课程结构进行分析，灵活地实现了共享内容对象（SCO）、课程评论和注释依据课程结构的有机整合。LUCERO项目[12]构建的开放学习系统OpenLearn实现了不同类型学习资源的整合，该系统采用关联数据将存储在两个不同系统Podcasts和OpenLearn中的课程整合在一起，使得用户在一个系统内就可以获取有关课程的文本及多媒体资源，提升学习者的浏览和学习体验。

（2）学习资源的导航与检索

目前，获取分布式异构资源主要有两种方法：一种是采取元数据收割的方式，整合不同数据库中的元数据资源，另一种是采用跨库检索的方式，将检索结果进行整合显示。这两种方法的主要问题是：对于非本地资源的浏览只有通过检索的方式才能获取，所浏览的资源局限于检索词所限定的范围，对资源缺乏全局性的了解。为了解决这一问题，Sicilia等[13]在Organic.Edunet项目中提出将学习对象仓储中的资源发布为关联数据，尝试基于关联数据的跨库资源检索新方法，以实现资源检索范围的拓展，以及分布式资源库之间的资源浏览与导航。类似的还有FORGE项目[14]，该项目基于关联数据整合丰富的在线开放教育资源，为用户提供资源导航、发现和推荐等服务。

（3）学习资源推荐

一方面，将资源通过使用者建立关联，可以实现基于用户兴趣的资源协同推荐。Deursen等[15]通过构建基于Web的Elearning平台，将学习内容和与其配套的多媒体资源以及学习者档案发布为关联数据，用户登录平台后，平台将根据学习者档案为其提供个性化的课程浏览，进而根据用户选择的课程，推荐适合其学习水平和使用设备的课程配套练习，让用户在任何设备都能获得个性化的学习资源。

另一方面，可以通过建立资源之间的关联匹配，实现个性化资源推荐。Zotou等[16]基于欧洲技术/能力、质量和职业（ESCO）分类词表，采用关联数据将课程的学习目标与用户的职业发展需求关联在一起，实现了大规模开放在线课程与用户需求之间的自动匹配，为学习者提供符合自身需求的课程选择。

2.面向学习者的应用

面向学习者的应用主要是对学习者特征进行的研究，包括用户建模、学习分析、社会化学习等。

（1）用户建模

在Elearning系统研究中，根据用户知识水平提供最适合用户的学习内容被认为是非常重要的，而描述用户知识水平或兴趣爱好的工具就是用户学习模型。在ImReal项目[17]中，研究者开发了基于使用数据和用户数据的语义Web服务系统U-Sem，该系统重用Grapple核心本体来买描述使用行为或事件，基于FOAF朋友本体和加权兴趣词表来描述用户的属性，如姓名、主页或出生日期等，利用关联数据服务将来自用户的社交网络数据、关联数据集DBpedia和MeSH等数据源的数据整合在一起，实现数据的语义拓展、链接和保证一致性。

（2）学习分析

学习分析是通过对学习者及其所处学习环境进行分析，理解学习者的学习行为并为其提供学习改进策略。DAquin等[18]将关联数据引入到学习分析中实现多源数据整合，为理解数据挖掘结果提供更加丰富的背景信息，帮助学习分析专家更好地理解学习者的学习动机等。

（3）社会化学习

社会化学习环境中，用户学习经验、用户注释、浏览/阅读等行为被认为是一种具有价值的资源，通过分享用户行为，建立相似用户之间的关系，为其他用户提供学习推荐，可以发挥缩小书本知识与用户知识之间鸿沟的作用。Robinson等[19]根据用户注释建立了一种检索机制，当读者使用某一关键词检索一本电子书中的内容时，系统通过语义分析和相似度计算后，根据相关性将所有用户注释用不同的颜色标注出来，可以为读者提供阅读借鉴。

3.面向教育管理的应用

随着信息技术的发展，教育管理中存在的问题是否可以用技术的方法来解决已经引起诸多学者的兴趣。以下从教学、科研和管理服务三个方面概述面向教育管理的主要应用进展。

（1）教学服务

教学服务主要是围绕教学过程，通过资源的整合等方法，提高教学效率，实现教学改进等。Vega-Gorgojo [20]指出，引入关联数据能够在学生入学、就业与招聘、教学、科研、教育质量保证、教育数据统计发布等多个领域，例如在教学领域，可以利用关联数据实现不同教育机构间教学资源的检索和匹配等。David[21]等为了实现LATEX格式的教学资料与其它资源的整合，Afuan等[22]基于学生本体和推理机制构建了学生期末作业查询系统。

（2）科研服务

科研服务主要指科研信息检索、研究现状分析、研究者分析等服务。Maturana等[23]采用关联数据将学习分析领域的研究成果集成在一起，为用户提供这一领域研究成果的多面檢索、更为丰富的上下文内容、图表浏览和动态的数据可视化展示等功能。Agbo等[24]采用本体来描述科研文献信息，改善学生和教师在学习和研究中从大量信息中查找有价值信息的低效率状况。

（3）管理服务

管理服务主要是利用组织内外的开放数据，通过语义整合，提高工作效率和服务质量，提升用户满意度。例如南安普顿大学将一些学校管理数据发布为开放数据，并采用关联数据将大学内外的相关信息整合到一起，在此基础上提供开放数据服务方便学校师生以及访问者，并可增加管理的透明性[25]。如图2所示，为开放数据服务提供的校园（Highfield Campus）地图服务 ，该地图将学校教学楼位置、电话亭、景点、休闲娱乐场所和交通等各类信息整合在一起，用户从一张图上就可以迅速地了解校园全貌，找到其所需要的服务。在图2中，点击左下方的“Building 1”可以打开有关Building 1的信息页面，如图2右所示，该页面中包含这栋建筑的位置、建造时间、包含的系所、设施、服务（打印服务等）和电力试用情况等内容。

四、发展趋势与展望

语义网技术与教育领域的结合，被给予很大期望。基于现有研究和趋势分析，将语义教育资源及应用领域的发展方向总结为以下几个方面：

1.关注学习整合模型研究

学习整合模型是指将学习者、学习资源关联在一起的学习序列构建模型，该模型将学习者按照学习阶段/程度进行划分，并将其映射为对应的学习资源对象。从依据资源特征建立资源关系，或依据学习者兴趣建立资源之间的相关关系，深化为根据学习者阶段/程度整合学习资源，是根据学习者现有知识、学习目标、学习程度等建立与学习资源的关联关系，需要借鉴认知科学、学习科学等学科研究成果进行深入研究。

2.探索面向教育管理的應用

基于语义的教育应用突破了原有资源整合研究的局限，将用户与用户、用户与资源连接在一起，实现了资源的深度导航与检索、个性化资源推荐等。然而由于教育开放数据集的数量不足和类型局限等原因，目前针对这种管理服务类的应用尚显不足。在未来的研究中，与教育管理相结合的语义教育服务应用将引起关注。

3.拓展教育应用深度和广度

除了教育资源整合和资源推荐应用，语义教育可以在更多领域发挥更大的作用。例如支持混合式学习、开放学习、智慧学习等学习情境的应用，支持协作学习、小组学习、自主学习的应用，支持在线学习、移动学习、泛在学习等的应用。语义教育应用还有更深更广阔的研究空间等待研究者们去探索开发。

参考文献：

[1]Sampson D G， Lytras M D， Wagner G， et al. Ontologies and the Semantic Web for E-learning[J]. Educational Technology & Society， 2004， 7（4）：26-28.

[2]Vega-Gorgojo G， Asensio-Pérez J I， Gómez-Sánchez E， et al. A Review of Linked Data Proposals in the Learning Domain[J]. Journal of Universal Computerence， 2015， 21（2）：326-364.

[3]Giordano D， Kavasidis I， Spampinato C， et al. Developing controlled vocabularies for educational resources sharing： a case study[EB/OL].[2016-03-06]. http：//ceur-ws.org/Vol-717/paper8.pdf.

[4]Teaching Core Vocabulary Specification[EB/OL]. [2016-03-06]. http：//linkedscience.org/teach/ns-20130425/.

[5]Heath T， Ltd T I， Kingdom U. Linked data-the story so far[J]. International Journal on Semantic Web & Information Systems， 2009， 5（3）：1-22.

[6]Ke？茁ler C， D'Aquin M， Dietze S. Semantic Web - Linked Data for science and education[J]. Semantic Web， 2013， 4（1）：1-2.

[7]D'Aquin M， Adamou A， Dietze S. Assessing the educational linked data landscape[C]. Acm Web Science Conference. ACM， 2013：43-46.

[8]Rajabi E， Sicilia M A， Sanchez-Alonso S. Interlinking educational data： an experiment with GLOBE resources[C]. Proceedings of the First International Conference on Technological Ecosystem for Enhancing Multiculturality. ACM， 2013：339-348.

[9]Ngomo A C N， Auer， S&#. LIMES： a time-efficient approach for large-scale link discovery on the web of data[C]. Proceedings of the Twenty-Second international joint conference on Artificial Intelligence-Volume Volume Three. AAAI Press， 2011：2312-2317.

[10]Zablith F. Interconnecting and Enriching Higher Education Programs using Linked Data[C]. Proceedings of the 24th International Conference on World Wide Web. 2015：711-716.

[11]Mudu E， Schiatti L， Rizzo G， et al. Zenaminer： driving the SCORM standard towards the Web of Data[J]. Linked Learning 2011： the 1st International Workshop on eLearning Approaches for the Linked Data Age （Heraklion， Greece， 2011）， 2011：78-92.

[12]Zablith F， Fernandez M， Rowe M. The OU Linked Open Data： Production and Consumption[J]. Lecture Notes in Computer Science， 2012：35-49.

[13]Miguel-Angel Sicilia， Hannes Ebner， Salvador Sánchez-Alonso， et al. Navigating learning resources through linked data： a preliminary report on the re-design of Organic.Edunet[C].Extended Semantic Web Conference. 2010：1-8.

[14]Mikroyannidis A， Domingue J. Interactive learning resources and linked data for online scientific experimentation[C]. International Conference on World Wide Web Companion. 2013：431-434.

[15]Deursen D V， Jacques I， Wannemacker S D， et al. A Mobile and Adaptive Language Learning Environment based on Linked Data[C]. 1st International Workshop on eLearning Approaches for the Linked Data Age. Ghent University， Department of Electronics and information systems， 2011：156-170.

[16]Zotou M， Papantoniou A， Kremer K， et al. Implementing “Rethinking Education”： Matching Skills Profiles with Open Courses through Linked Open Data technologies. Bulletin of the IEEE Technical Committee on Learning Technology，2014，16（4）：18-21.

[17]Abel， A.， Celik， I.， Hauff， C.， Hollink， L.， Houben， G.-J . U-Sem： Semantic Enrichment， User Modeling and Mining of Usage Data on the Social Web[EB/OL]. [2016-03-06]. http：//fabianabel.de/papers/2011-wis-usem-usewod.pdf.

[18]D'Aquin M， Jay N. Interpreting data mining results with linked data for learning analytics： motivation， case study and directions[C]. International Conference on Learning Analytics & Knowledge. ACM， 2013：155-164.

[19]Robinson J， Stan J， Ribière M. Using Linked Data to Reduce Learning Latency for e-Book Readers[M]. The Semantic Web： ESWC 2011 Workshops. Springer Berlin Heidelberg， 2012：28-34.

[20]Vega-Gorgojo G.， Tiropanis T.， Millard D. E.. The Opportunity of Linked Data for the European Higher Education Area[EB/OL]. [2015-11-09]. http：//eprints.soton.ac.uk/369954/1/659-JR156.pdf_sequence%3D1.

[21]David C， Kohlhase M， Lange C， et al. Publishing math lecture notes as linked data[M]. The Semantic Web： Research and Applications. Springer Berlin Heidelberg， 2010： 370-375.

[22]Afuan F， Ashari A. The Development of Semantic Web to Search Student Final Study Collections（Work Practice and Final Project）[J]. International Journal of Computer Applications.2016，135（3），10-14.

[23]R. Maturana， M. Alvarado， S. L′opez-Sola， M. Iba～nez， and L. Ruiz El′osegui（2013）. Linked data based applications for learning analytics research： faceted searches，enriched contexts， graph browsing and dynamic graphic visualisation of data[EB/OL]. [2015-11-06]. http：//www.ceur-ws.org/Vol-974/lakdatachallenge2013_03.pdf.

[24]Agbo F. J， Sunday K. Employing Semantic Web Technologies to Leverage Learning and Research[J]. International Journal of Computer and Information Technology，2015，4（4）：669-674.

[25]Open Data Service[EB/OL]. [2015-11-06]. http：//data.southampton.ac.uk/.

（編辑：王晓明）