知识图谱结合强化学习在物联网导论教学艺术中的体现探究

摘要：如何创造性地因材施教是从古至今人们不断思考的问题。如今人工智能技术在各个领域的应用都取得了一定的进展，具有更好地回答这个问题的潜力。针对物联网知识繁多、更新快等特点，人工智能技术中的知识图谱技术能梳理知识点之间的关系，进而启发授课教师产生新的教学策略。图是互相连接事物及其关系的一种结构化表达，是最接近真实世界的数据结构，通过图将所有的知识点连接起来，更易于揭示其中复杂的关系结构。同时，人工智能中的强化学习技术可以根据环境反馈的奖励情况调整参数来寻找最优策略。使用了强化学习技术的聊天机器人ChatGPT和GPT-4引发了热烈讨论。教学过程也可以看成强化学习的过程，教师可以采用的教学方法集合可以看成教学策略，学生的测试成绩可以作为奖励值。文章以自动识别技术这一章为例，介绍知识图谱结合强化学习的教学案例。首先通过CiteSpace软件分析相关文献数据获得知识图谱，揭示知识点之间的隐性关系和知识点串联的重要线索。其次，根据知识点之间的关联关系开拓新的教学思路，改进教学策略。最后从强化学习的思想出发，根据学生的反馈来判断所采用教学策略的效果，并尽可能找到最优策略。教学实践表明，知识图谱结合强化学习的方法符合成果导向性教育理念，可以增強教学的艺术性。

关键词：强化学习；知识图谱；物联网；教学改革；教学策略

中图分类号：G622 文献标识码：A 文章编号：1004-9436（2023）15-00-03

0 引言

先贤孟子曾提出，“有如时雨化之者，有成德者，有达财者，有答问者，有私淑艾者。此五者，君子之所以教也”，指面对不同的场景、不同的学生要采用不同的教学策略，有润物细无声式的，有重视思政道德的，有侧重能力培养的，还有答疑解惑、激励学生自学的教学策略。在教学中应采用哪些先进的教学策略，如何创造性地选择教学策略，是从古至今人们一直思考的问题。

人工智能技术中的知识图谱和强化学习技术有望成为解决教学策略产生和选择两大问题的关键。强化学习，也叫增强学习，源自对动物行为心理的学习和心理学的行为主义［1］。类似于动物学习适应环境的过程，强化学习中的智能体是根据环境反馈的奖励情况调整参数，从而找到最优策略。OpenAI公司开发的聊天机器人ChatGPT和GPT-4引发了热烈讨论，同样使用了强化学习技术。

1 物联网导论的教学特点

物联网导论作为物联网工程专业的学生接触到的第一门专业课，其重要性毋庸置疑。但物联网导论的一些特点使其成为一门看似容易实则难度不小的课程，教学过程中存在一些难点需要克服。

1.1 课程内容的多样性

物联网课程是信息学科的集大成者，内容涉及众多学科，例如识别技术部分就涉及模式识别、无线通信以及电子信息中的射频识别芯片技术、信息安全等技术；而定位技术部分涉及卫星通信、无线接入、蜂窝网等技术，还涉及一些高中解析几何的思想，同时又和前一节的射频识别技术内容相关。学生在短时间内会获取大量知识点和专有名词，增加了学生学习的难度，容易挫伤他们的积极性。

如今物联网导论的内容在不断扩展和延伸。随着一些物联网新技术在现实生活中的不断普及和发展，物联网导论的课程内容也需要与时俱进。例如在新兴智能交通的大背景下，基于5G技术的车路协同智能交通技术迅速发展，智能交通章节的内容不能仅局限在导航和不停车收费系统等的简单介绍，而要紧跟时事，介绍车联网新技术，让学生了解我国制定的车联网新标准及其思政意义。

1.2 教学策略的选择难题

因为物联网导论课程涉及内容众多，各种技术虽然在使用场景方面有不少共同点，但在原理方面大相径庭，所以章与章、节与节之间的关联性不强，建立整体的知识结构需要花费较长的时间。

如何选择适合讲授当前知识点的教学策略是一个重要问题。因为各个知识点的特点不同，所以要在讲授过程中随时调整。例如讲授条形码和二维码技术时比较适合采用对比教学策略，通过对比一维条形码和二维码之间的进化关系和区别来讲授二维码的特点，从而使学生更容易理解与二维码相关的知识点。但是教学策略是否适合，目前还是通过教师的主观感受和经验来判断。

2 强化学习与知识图谱结合的教学思想

2.1 强化学习的教学思想

往年引起轰动的打败人类顶尖围棋手的AlphaGo就是基于强化学习，通过蒙特卡洛采样遍历整个棋局走向，找到最优的下棋步骤。下棋对弈是一个典型的马尔科夫过程，而强化学习非常适用于解决马尔科夫过程的问题。同样，大学中的教学也可以看成一个较为复杂的马尔科夫过程。教学过程可以看成强化学习的过程：教师以及相关的教学设备可以看成强化学习中的智能体（或者决策者）；教师采用的教学方法集合可以看成策略；实际的教学过程就是动作；学生对本课程知识点的掌握程度（或者教学效果）可以看成状态，但该指标无法直接观察，是一个隐变量；因为状态直接影响学生的测试成绩，所以可将便于观察的学生测试成绩（或者成绩达标情况）作为奖励值。

基于强化学习的教学思想符合当前最先进的成果导向性教育理念。根据学生的学习情况调整教学策略，以学生能力培养为导向，强调以学生学习掌握知识的情况为核心，而不是以教师的讲授内容为核心，是一种研究性教育思想而非传统的填鸭式教育，同时在一定程度上还能体现个性化的教学。

教学过程有一些特点，一些综合性知识点和交叉知识点会受到之前多节课的影响，是一个复杂的马尔科夫过程。因此在教学工作中利用强化学习的思想也面临一些挑战。一是教学策略集的建立：教学策略是教师教学能力的体现，受到教学经验的影响，因为策略集的丰富程度在很大程度上会影响强化学习在教学中的使用效果，所以如何迅速建立教学策略集是一个重要的问题。二是奖励值的观察：测试的手段包括平时作业、课题测试和期末考核等，但存在反馈周期较长、时间花费较多等问题，这些都不利于策略的选择。

2.2 知识图谱的使用

六度分割理论很好地将人类社会描述成一个网状的结构。知识图谱就是将这一理论扩展到知识领域的现实化和实体化方法［2］。图是互相连接事物及其关系的一种结构化表达，是最接近真实世界的数据结构。通过图将所有的知识点连接起来，易于揭示其中复杂的关系结构［3］。

图由节点和边构成，具体到教学应用中，节点就是各个知识点，节点可以由多种属性和标签构成，表示知识点的重要程度、难易程度等不同属性，同时边也有多个属性，表示知识点之间的多种关联，如包含关系、理论与案例的关系等。这与生活中人的属性多样性和人与人之间的相关关系多样性是一致的。这些容易被忽视的隐性关系和看似极为常见的关联关系往往是突破口和知识点串联的重要线索。

知识图谱的建立：现有的知识图谱工具很多，本文选用的是CiteSpace，其可以梳理各个数据库中的文献，将文献之间的关系以知识图谱的方式可视化展现在研究人员面前，既能够梳理过去的研究轨迹，又能对未来的研究前景形成大概的认识［4］。这些特点非常契合物联网导论这门课，既可以梳理物联网众多相关学科的发展，又可以使物联网导论的内容不断扩展和延伸。与此同时，关联图谱可以帮助人们发现容易被忽视的隐性关系和整理看似极为常见的关联关系，还能从各个知识点之间的关系中启发教学策略的产生。

3 知识图谱结合强化学习的教学案例

以自动识别技术这一章为例，这一章的核心知识点是射频识别技术。针对这一核心知识点，采取以下步骤。

首先，将从知网获取到的相关文献数据导入CiteSpace软件进行分析。因为本文对CiteSpace软件的使用主要侧重于知识基础和学科结构两个方面，所以选择的是共现网络分析中的关键词分析。

其次，为了更清晰地展现各关键词之间的关联程度，本文使用CiteSpace软件中的聚类功能，将文献分成若干簇［5］。射频识别技术是物联网感知识别层的重要技术，和物联网其他层的技术关系紧密，这与聚类结果是相对照的：簇0是射频识别自身，簇1、2、3分别是移动系统、信息感知和云计算，分别对应其他层的主要技术；簇5为二维码，是射频识别技术的相近技术。

最后，分簇图体现了与射频识别技术关联紧密的知识点，但当需要扩展思路时，主要关联知识点往往不够用。此时可以通过调整展示节点的度值显示更多的关联知识点，尤其是更多的应用场景，如智能矿山、智能仓储、冷链物流、医疗系统、古树名木等。顺着这个思路，可以选择易于学生理解的相关案例。

知识图谱的建立可以通过图的形式将所有知识点连接起来，从而帮助任课教师更好地建立教学策略集。尤其是使用强化学习思想时，策略价值函数就不仅仅与当前知识点的策略奖励值有关，还与其相关知识点的策略奖励值有关。

用于物联网导论教学的强化学习方法如下：建立策略价值表，存放每次课采用每种策略产生的策略价值；采用ε贪心算法，在策略价值表中选择当前状态的策略，即设定一个较小的ε值随机选择策略，剩下的1-ε选择最优策略。执行策略，并根据公式更新策略价值表。

以前述的射频识别技术这一节为案例，按照知识图谱结合强化学习的思路，本节课采用的教学方法有以下几种。

第一，识别技术引入法，即通过识别技术引入要解决的问题。感知识别技术融合物理世界和信息世界，是物联网区别于其他网络最独特的部分。接着可以从三方面展开：人类认识世界的过程就是不断识别的过程；从人工识别向自动识别转换；自动识别技术是物联网的基础。

第二，横向技术比较法，包括与一些生物特征识别方法的比较和与二维码等方法的比较。生物特征识别是指与人体生命特征存在一定关联的技术，包括语音识别、指纹识别、人脸识别、虹膜识别等，它们都需要提取人的生命特征，而这也导致它们的适用范围有限。

第三，交集技术引入法，射频识别技术与智能卡技术之间有很大的交集，非接触智能卡大量使用射频识别技术，可以通过身份证等既是智能卡又使用了射頻识别技术的例子展开论述。

第四，案例引入法，案例法可以作为引入课程的方法。以一次时间教学为例，在本节课的开始阶段，可以设置一个如何实现无人超市的讨论，让学生发现无人超市场景中的识别难题，从而顺理成章地引入射频识别技术。

第五，案例补充法，案例可以作为相关技术介绍的补充。比如讲述射频识别技术的工作原理时，可以结合不停车收费系统，将枯燥的知识实例化，让学生有具象认识。

第六，案例讲述法，即结合实例讲述工作原理等知识。

在实际教学中，发现案例引入法、案例补充法和案例讲述法的结合能达到更好的教学效果。在2020—2021第一学期采用交集技术引入法后，发现学生测试成绩下降，于是在下一学期探索新的引入法，采用案例引入法后学生成绩有所提升。在实际教学过程中，要避免不停试错的过程，任课教师应根据教学的实际情况有倾向性地选择合适的教学策略，避免采用教学效果一般的策略，体现出一定的主观能动性。受到课时的限制，教学过程中并不能选择所有的教学策略。

4 结语

相较于传统的无反馈教学方法和单纯采用强化学习的方法，本文所提方法在物联网导论课程的教学中，有以下优势：能帮助任课教师迅速了解最新的应用；能提供更多可供选择的教学策略，帮助任课教师更好地进行教学改革的尝试；能通过不同的教学策略激发学生的学习兴趣，帮助他们更清晰地了解物联网这个专业，做好大学的学习规划以及将来的职业规划。从近两年的教学数据来看，学生的平均成绩均超过85分，相较于往年提升了3分左右，教学满意度达到了92分。

知识图谱结合强化学习符合成果导向性教育理念，能根据学生的学习情况调整教学策略，以学生能力培养为导向，强调以学生学习掌握知识的情况为核心，使其成为复合型高素质理工类人才。同时，本文所提方法也可以应用在其他专业、其他科目的教学中，具有普适性。

参考文献：

［1］ 余亮，张腾飞.基于强化学习的算法分析与设计课程重难点教学方法探索［J］.计算机教育，2022（5）：185-188，195.

［2］ 潘玉珠，贾文丽，徐方全，等.基于知识图谱的云计算技术研究现状与分析［J］.软件导刊，2020，19（7）：267-270.

［3］ 汤宇轩，齐恒，申彦明，等.基于知识图谱的课程思政素材库构建［J］.软件导刊，2022，21（7）：214-219.

［4］ 李杰，陈超美. CiteSpace： 科技文本挖掘及可视化［M］.北京：首都经济贸易大学出版社，2016：31-64.

［5］ 谢榕，朱卫平.人工智能课程领域知识图谱及其创新教学模式［J］.软件导刊，2021，20（12）：179-186.

作者简介：师晓晔（1982—），男，山西忻州人，博士，讲师，研究方向：物联网通信、强化学习。

基金项目：本论文为2020年度江苏省自然科学基金项目“无线携能中继系统中的能量-信息权衡传输”成果，项目编号：BK20160903