国际中文教育知识图谱的构建与应用——实现规模化因材施教的新途径*

曹 钢, 梁 宇

(1. 赣南师范大学 文学院,江西 赣州 341000;2. 北京语言大学 国际中文教育研究院,北京 100083)

一、引 言

在教育4.0的背景下,教育规模化覆盖和学生个性化培养二者之间的矛盾不断凸显,以人工智能为代表的新一代数字技术为化解这一对矛盾提供了新的方案。(1)杨现民,张瑶.教育规模化与个性化矛盾何以破解?——数据驱动规模化因材施教的逻辑框架与实践路径[J].中国远程教育,2022,(8).作为一种关键的认知智能技术,知识图谱(Knowledge Graph)是一种结构化的语义知识库,以符号形式描述物理世界中的概念及其相互关系。(2)赵军,刘康,何世柱,等.知识图谱:算法与实践[M].北京:高等教育出版社,2022.知识图谱与教育的结合产生了一种新型教学资源——教育知识图谱(Educational Knowledge Graph)。教育知识图谱是利用知识图谱的方法来描述教育领域知识及知识间关联关系的集合。(3)钟卓,唐烨伟,钟绍春,等.人工智能支持下教育知识图谱模型构建研究[J].电化教育研究,2020,(4).基于教育知识图谱的学习软件平台既能面向大规模的学习者,又能为其规划个性化学习路径、推荐个性化学习资源,因而对促进规模化的因材施教起着重要作用。

当前,国际中文教育教学资源建设也呈现出新的趋势:资源建设机制初步建立,资源库规模不断扩大,呈现立体化、结构化和系列化的特点,(4)马箭飞,梁宇,吴应辉,等.国际中文教育教学资源建设70年:成就与展望[J].天津师范大学学报(社会科学版),2021,(6).其中数字教学资源形态丰富,数量可观,(5)梁宇,李诺恩.中文数字学习资源使用意愿及其影响因素研究——基于TAM扩展模型[J].语言文字应用,2023,(2).为国际中文教育的内涵式发展注入了新的活力。(6)梁宇,刘晶晶,李诺恩,等.内涵式发展之“内涵”:国际中文教育教学资源建设的维度[J].天津师范大学学报(社会科学版),2023,(1).在推进国际中文教育数字化转型的背景下,教育知识图谱在国际中文教育中的应用正逐步展开,促进了大规模、个性化的中文学习。然而,学界尚未对国际中文教育知识图谱进行系统梳理和论述。因此,本文重点分析、考察国际中文教育知识图谱的典型类型、构建技术和应用现状,以期促进知识图谱技术与国际中文教育的深度融合,并为国际中文数字教学资源的建设提供参考借鉴。

二、教育知识图谱

知识图谱通常采用“实体—关系—实体”或者“实体—属性—属性值”的三元组为基本组成单位,构成网状的知识结构。知识图谱可以有效提升搜索引擎、信息抽取、智能问答、智能机器人等应用的效果与质量。(7)冯志伟.自然语言处理的重要资源:“知识图谱”[J].外语学刊,2021,(5).近年来,Google、Microsoft、百度等许多国内外企业,清华大学、中国科学院等一批科研院所都相继创建了不同规模的知识图谱项目,足见知识图谱技术具有极大的发展潜力。

目前,学界关于教育知识图谱的研究包括如下几类:一是教育知识图谱的理论模型构建,如教育领域知识图谱的标准词汇参考模型。(8)袁满,曹阳,陈萍.教育知识图谱构建中的标准词汇参考模型研究[J].电化教育研究,2020,(3).二是教育知识图谱的构建方法研究,如:按照知识元抽取、前驱后继关系挖掘、认知状态诊断、学习路径生成四个步骤来完成知识图谱的智能化构建;(9)李振,周东岱.教育知识图谱的概念模型与构建方法研究[J].电化教育研究,2019,(8).或通过采集教育数据,邀请专家参与领域本体构建,并根据本体框架进行知识抽取,再进行知识融合,最后对图谱进行质量评价和优化迭代。(10)朱佳,黄昌勤.智慧教育技术与应用[M].北京:清华大学出版社,2022:44～47.三是教育知识图谱的应用研究,如:基于教育知识图谱来完成学习资源的自适应推荐;(11)孙飞鹏,于淼,汤京淑.基于知识图谱的汉语词汇学习资源推荐研究——以HSK三级词汇为例[J].现代教育技术,2021,(1).使用知识图谱作为数据模型之一,精准定位学生的学习状态;(12)万海鹏,王琦,余胜泉.基于学习认知图谱的适应性学习框架构建与应用[J].现代远距离教育,2022,(4).将教育知识图谱中的认知地图应用于“智慧学伴”机器人的开发。(13)卢宇,薛天琪,陈鹏鹤,等.智能教育机器人系统构建及关键技术——以“智慧学伴”机器人为例[J].开放教育研究,2020,(2).从以上三类研究中,我们可以看到,教育知识图谱作为开展个性化教育的重要载体,正逐渐从理论模型构建走向多样化场景的教学实践。

教育知识图谱的应用价值可以归纳为三个方面:学科知识结构化表示、教师精准化教学、学生个性化学习。

1. 学科知识结构化表示

教育知识图谱通过图的形式来表征学科知识,用节点表示学科知识的概念,边表示概念之间的关系,从而完成学科知识的标准化、层次化、结构化存储与表征,帮助学习者更好地理解与吸收,提高学习效率。教育知识图谱是领域知识及其关联所形成的知识体系,可以促成智能化的知识抽取、知识融合,实现知识的语义搜索、智能问答等功能,有效解决ChatGPT等生成式智能技术潜在的知识真伪难辨、认知发展窄化的问题。(14)徐娟,马瑞祾.ChatGPT浪潮下国际中文教育的技术变革[J].国际汉语教学研究,2023,(2).

2. 教师精准化教授

教育知识图谱可以帮助教师动态调整教学策略,完成日常的备课、作业布置和检查、考试测评、个性化答疑辅导等任务。例如,知识图谱将学科知识、教材、图片、视频、试题等建立关联后,可以根据教学进度,精准分析学情,规划后续课程内容,设计教学活动方案,实现智能化备课,有效提升教研效率。

3. 学生个性化学习

通过建立学习者“学前—学中—学后”三个阶段的能力素质图谱,可以反映学生个体的认知能力的动态变化,分析并预测学生的学习兴趣、知识水平、学习风格、学习进度,帮助学生构建知识体系、把握知识结构、理解知识概念、查阅知识要点、规划学习路径、推送学习资源、培养个人能力,最终实现个性化发展。

三、国际中文教育知识图谱的类型

国际中文教育知识图谱是指对国际中文教育领域的学科知识、标准与政策、教学资源、学生个体及其间关系进行结构化建模和可视化表征的一种知识图谱。互联网、VR/AR等数字技术为国际中文教育提供了“骨骼”,各种多媒体课件、慕课等教学资源内容充实了国际中文教育的“肌肉”,以知识图谱为代表的智能技术则为国际中文教育提供了“神经系统”,可以支持自适应决策和个性化学习路径规划,解决信息过载的问题,从而纾解国际中文教育长期存在的规模化教育与个性化培养的矛盾,实现规模化的因材施教。

本文将国际中文教育知识图谱分为四类:学科知识图谱、标准与政策图谱、教学资源图谱、学习者图谱,模型见图1。四类图谱系统集成、相互协作、彼此融通,共同促进个性化中文教学的发生。学科知识图谱是国际中文教育知识图谱的“底基”,可为教学资源图谱提供知识组织的内在逻辑结构。教学资源图谱是连接学科知识图谱和学习者图谱的关键纽带,可为学科知识图谱的知识信息提供传播载体,并作为与学习者交互的直接对象,是向学习者提供知识服务的“窗口”。标准与政策图谱则是指导、调控学科知识图谱、教学资源图谱、学习者图谱及其间交互环节的“指挥棒”,同时起到评估检验其他图谱效果的作用。前三类图谱能够确保国际中文教育知识的标准化、层次化、结构化,是实现规模化教学的重要前提。学习者图谱利用学习者的个体特征数据和学习过程相关数据进行图谱建模,可以对学习者的学习过程进行针对性规划、推荐和指导,是实现个性化因材施教的关键。

图1 国际中文教育知识图谱的系统模型图

(一)学科知识图谱

国际中文教育学科知识图谱的设计需遵循中文作为第二语言的教学和习得规律,对不同的语言知识、语言技能、国情文化进行系统性、细粒度整合。据此,国际中文教育学科知识图谱可以细分为语言要素知识图谱、语言技能知识图谱、国情文化知识图谱三个类别。

1. 语言要素知识图谱

(1)语音

根据汉语语音的特点,从音素、音位、音节等不同层级的语音单位及声母、韵母、声调出发,构建面向国际中文教育用的汉语语音知识图谱。基于该知识图谱,能够科学合理地进行语音学习路径规划、语音知识推理,并可以有针对性地为学习者提供示范语音音频、发音部位图、发音动作演示视频等多样化学习资源。例如,学习者出现sh和x混淆的偏误时,可以从音素图谱上,成功将偏误归因为二者发音部位存在差异:sh为舌尖后音,x为舌面前音,从而为学习者提供与之关联的发音方法的口肌演示视频,辅助其进行反复操练。

(2)汉字

汉字知识图谱以汉字为节点,以同部件(如“江”“河”“湖”)、同笔画数(如“句”和“它”)、同源(如“古”和“故”)、同结构(如“问”和“凤”)、同六书类型(象形、形声等)等关系作为连接条件。依据字形关系,汉字知识图谱可以为学习者推荐形近字辨析等练习资源,符合“以部件为中心”的合体字教学原则。根据字音关系,图谱可以为学习者推荐同音字、多音字辨析等练习资源。此外,中文的汉字基本与语素相对应,通过在汉字知识图谱与汉语词汇知识图谱建立映射,还可以实现构词理据检索,有利于培养学习者语素意识,发展基于规则的词汇能力。

(3)词汇

实现汉语词汇知识图谱化,关键在有效利用词汇之间多种多样的关系类型,如结构维度的同素关系(如“出租车”“汽车”等)、同构关系(复合、派生等),语义维度的同义关系、反义关系、互存关系、类属关系、顺序关系、整体-部分关系、主题关系等,功能维度的搭配关系、共现关系、互释关系等。借助汉语词汇知识图谱的网络化结构特征,通过词频、等级、语义距离、共现频率、搭配紧密度等量化指标综合确定汉语词汇学习的先后次序,可以让词汇教学更加有的放矢,生成个性化学习路径,并建立学习者专属的词汇动态增长模型。

(4)语法

通过对汉语语法知识点进行梳理,明确语法点之间的学习先后序关系、结构相似关系、语义相关关系、功能相近关系等关系,构建汉语语法知识图谱,建立起语法知识本体和图谱之间的映射,从而促进语法项目的形式结构、作用功能、典型语境三者的有机结合。例如,存现句“处所+有+数量短语+名词”这一语法点,与表示领有的“有字句”具有结构相似关系,与“处所+动词+着(+数量短语)+名词”具有先后序关系和语义相关关系。

受限于文章篇幅,仅以词汇和语法知识为例,展示部分学科知识图谱内容,见图2。

图2 国际中文词汇(左)与语法(右)知识图谱示例(15)于淼.基于知识图谱的初级汉语自适应学习系统构建研究[D].北京语言大学博士学位论文,2019.

2. 语言技能知识图谱

结合知识图谱技术构建听、说、读、写、译五项语言技能的知识图谱,梳理各项技能之间及内部微技能之间的关系,同时与上述语音、词汇、语法、汉字等语言要素知识图谱、文化知识图谱等实现交互,从而提升语言交际能力训练的质量与效率。例如,通过写作技能知识图谱,将写作过程涉及的语言知识、文化知识、策略知识、写作文体知识、写作技巧知识等关联起来,对老师教写作和学生学写作起到有效的辅助作用。

3. 国情文化知识图谱

世界知识图谱以存储现实世界事实的知识为主,国情文化知识是世界知识的一个子集。在国情文化知识图谱中,知识点之间具有上下位关系、包含关系、先后序关系、前提关系、包含关系、因果关系、主题相关关系、地理空间关系等关系。例如,可以对某一时期的历史文化知识进行主题聚类,构成主题相关关系的知识图谱(图3)。将国情文化知识图谱与语言要素知识图谱关联,可以促进文化知识的自动识别和抽取,在一定程度上解决图谱更新、知识发现、知识补全等问题,提升图谱的自适应性能。

图3 汉代历史文化知识图谱(16)梁毅.面向国际中文教育的历史词汇概念网络设计与生成——以汉代历史词汇为例[D].北京语言大学硕士学位论文,2022.

(二)标准与政策知识图谱

《国际中文教育中文水平等级标准》(GF 0025-2021)《国际中文教师专业能力标准》(T/ISCLT 001-2022)《国际中文教育用中国文化和国情教学参考框架》《新汉语水平考试大纲》《国际汉语教学通用课程大纲》以及各国的本土教学大纲等一系列指导性标准、政策、大纲,可以成为构建国际中文教育标准与政策知识图谱的知识来源。标准与政策知识图谱可以对其他知识图谱起到规范指导、调节控制、评估检验的作用,能够确保教与学的过程符合预定的目标、规范、进度。各国的本土教学大纲,因其充分考虑了不同国家学习者的教育需求和文化特点,可以有效指导当地的中文教学实践,因此也可以作为学科标准与政策知识图谱的重要内容来源。

(三)教学资源知识图谱

知识图谱与国际中文教育教学资源结合,构成教学资源知识图谱,便于组织教学资源,可以解决教学资源的检索质量、检索效率的问题。将不同教学资源的名称作为知识图谱的节点,在标注节点属性时可以增加媒体格式(如文本、图像、视频等)、资源属性(教材、教案、讲义、练习题、试卷、课件、教学视频、VR/AR、游戏)、教学功能(语法点讲解、易混淆词辨析、HSK备考等)。教学资源知识图谱的节点之间,可以依据不同的关系建立连接,比如图像节点之间可以根据主题、场景等关系建立连接。教学资源知识图谱和学科知识图谱之间,也可以形成对应关系,实现知识点与教学资源的互融互通。可视化的资源图谱和多模态的教学资源可以为学习者提供多感官通道、具象化的认知体验,能够减少学习者的外部认知加工,增强心理图式的内部唤醒机制。

(四)学习者知识图谱

针对知识建构过程和学习状态难以可视化呈现、个性化不足等问题,需要以优化知识体系、培养语言技能为目标,构建国际中文教育学习者知识图谱。构建时需要以下两类信息:

一是学习者特征,如年龄、国籍、性格、学能、态度、动机、认知风格等,这一类数据可以通过调查问卷、测验、智能感知设备采集等途径获取。

二是学习行为数据,如学习历史情况、答题记录、作文语料、学习过程的行为数据等,通过学习平台记录、学习材料收集、学习行为采集等方式获取。

依据学习者的知识特征、能力特征、偏好特征、学习行为等不同数据,可以利用机器学习算法进行特征提取建模、特征选择建模,生成相应的模型标签;并采用聚类及回归等算法,优化模型,建立学习者之间的同年龄段、同国籍、同学能水平、同性格类型、同标签类型等多样化的关联关系,从而完成学习者知识图谱的构建。基于学习者知识图谱,可以描摹更加精准的学习者画像,更好地表征知识学习状态与能力特征。通过进一步建立学习者知识图谱与学科知识图谱、教学资源图谱、学科标准与政策图谱之间的映射关系,实现学习状态自动追踪,学习路径自动规划,学习资源自动推荐,学习进度自动调节,学习方式自动优化,促进深层认知加工,从而提升习得效率。

四、国际中文教育知识图谱的构建

(一)知识图谱的构建原则

以实现规模化因材施教为典型特征的国际中文教育知识图谱,应以应用为导向,以知识服务为中心,在构建时遵循下列原则:

第一,规范性原则。国际中文教育知识图谱的构建和应用力求规范化,需要在国际中文教育领域相关标准文件的指导下,探索建立并遵循本体建模、构建环节、属性标注、知识融合、检索方式等多个维度的工作标准。

第二,全面性原则。尽可能全面地收集更为丰富、可用的多模态教育大数据,系统梳理四类图谱所涉及的全部实体,对实体的属性进行精细化、多维度标注,力求让知识图谱广泛覆盖相关知识信息。

第三,教育性原则。这是教育知识图谱有别于其他知识图谱的本质属性,教育知识图谱必须为不同教育主体,如教师、学生、科研工作者、管理者等服务,同时,需要满足教、学、管、测、研等多元应用场景。服务对象的需求满足程度是衡量知识图谱质量的主要标准。

第四,智能性原则。力求集成多种数字技术来增强图谱的性能,包括信息采集、语料库建设、大数据、自然语言处理、深度学习等底层技术,以及知识抽取、知识推理、知识发现、知识存储、知识呈现等图谱相关技术。

(二)知识图谱的构建思路

知识图谱的架构包括两方面:一是知识图谱自身的逻辑架构,二是构建知识图谱所使用的技术体系架构。国际中文教育知识图谱主要的构建方式分为两种:

一种是“自上而下”的构建。该方式需要经验丰富的领域专家参与,采用一定的技术辅助手段,定义适宜的本体规范,做到概念齐备、关系明确,在此基础上添加数据内容。例如,标准与政策知识图谱涉及国际中文教育的总体标准、课程标准、考试大纲,需要定义相关概念,梳理概念属性、概念的关系及相关约束条件。

另一种是“自下而上”的构建。该方式通过从数据源中自动提取资源的模式,完成知识抽取,选择其中置信度较高的新模式,经人工审核后加入知识库中,从而完成图谱的半自动构建,并根据知识的扩增不断迭代图谱。文化知识图谱属于世界知识图谱的一种,适用的自动化模型较多,可以采用这种方式构建。

(三)知识图谱的构建流程

国际中文教育知识图谱的构建流程为:(1)领域专家参与构建学科知识图谱的本体,确定数据描述的规格。(2)收集学科知识、标准与政策、教学资源、学习者数据,完成数据预处理。(3)基于学科知识本体,采用众包标注,经本体映射,从结构化、半结构化数据中转换生成三元组,从非结构化数据中基于不同的算法模型抽取三元组。(4)将不同数据来源,不同方法抽取的知识三元组进行实体对齐、属性对齐等,完成知识融合。(5)经过质量控制和迭代,完成国际中文教育知识图谱的构建。(6)通过知识连接建立国际中文教育知识图谱中各种学科知识、教学资源和学习者的关联。图谱构建的技术流程如图4所示。

图4 国际中文教育知识图谱构建的技术路线

构建流程中以下四个环节较为关键。

一是数据获取。在国际中文教育领域,数据获取多采用众包、网络爬虫、德尔菲法等几种方式。例如,汉字、词汇的节点数量往往较大,构建汉字图谱、词汇图谱时可以主要采用众包的方式。还可以使用爬虫技术自动抓取网络开源教材语料库、百科知识网站、中文学习平台等各类网站上的公开数据。

二是本体建模。采用多轮德尔菲法,邀请领域专家参与两大环节的图谱构建任务:一是不同类型知识图谱的本体架构设计,如节点类型、边关系类型等,并制定有针对性的构建方案;二是对自动构建的知识图谱进行审阅和校对,特别是对属性信息进行复查。

三是信息抽取。信息抽取是学科知识图谱构建的核心步骤,指从多源异构的数据源中自动抽取信息,得到实体、属性及其相互关系等知识要素,从而形成本体化知识表达的过程。在国际中文教育领域,信息抽取可以采用模式匹配的方式,如抽取特定语法格式(“说X就X”“VV+看”),也可以采用基于深度神经网络的方式,从大量无结构数据中发现知识,如对阅读文本的主题分类、文本摘要等。

四是知识融合。知识融合是指为提升知识的逻辑性和层次性,对多源知识的整合、汇总、消歧、加工、更新等一系列操作过程。知识融合涉及实体链接、知识合并等技术,在生成图谱时要求突破原有不同图谱的界限,形成具有丰富的节点类型和连接属性的一体化图谱体系。比如,考试大纲与试题资源进行连接,可以产生“考点”“考纲要求程度”等连接属性;学习者的学习数据与练习题、试题资源进行连接,产生“难点”“易错点”等连接属性。

五、国际中文教育知识图谱的应用

(一)教育知识图谱支撑国际中文教学的全流程

国际中文教育知识图谱可以应用于传统线下教学、线上同步教学、线上自主学习、线上线下混合式教学等多种教学场景,并有效支撑国际中文课堂教学的课前、课中、课后全流程,促进实现国际中文教育规模化的因材施教。首先,支撑课前的“精心设计”,如撰写教案、查询知识点、确定教学重难点等,教师还可以结合学习者图谱了解学习者的学情信息,开展二次备课;其次,助力课中的“精细授导”,如结合词汇知识图谱,教师快速发现学习者未掌握的词汇知识,在课堂上着重讲解,并结合词语的语义和搭配关系,适度补充拓展词语练习。最后,助力课后的“精益辅导”,教师课后可以利用知识图谱,为学习者布置个性化的作业,如擅长写作的学习者可以完成看图写话、连词成句等书写练习,擅长说话的学习者则可以选用口头输出的任务形式进行操练,并借助语音智能技术为学习者的发音情况进行智能诊断,进而动态更新学习者知识图谱,最终实现“轻负高质、兼顾人人”的国际中文教学。

(二)基于教育知识图谱的国际中文自适应学习系统开发

本文以“国际中文词汇自适应学习系统”为例展示知识图谱在词汇教学中的应用。(17)曹钢,董政,徐娟.基于《国际中文教育中文水平等级标准》的词汇知识图谱与词汇自适应学习平台构建[J].国际汉语教学研究,2023,(1).该系统的研制目标为:科学确定词语学习顺序、合理处理超纲词问题、生成个性化学习路径。具体做法是:(1)利用国际中文教材作为构建知识图谱的文本,按照词语的前后相邻关系构建词语共现网络,采用复杂网络方法考查并量化词语节点在词汇网络中的重要性;(2)通过大规模开源语料训练得到词向量,进一步计算词语之间的语义距离,再与词汇共现网络中的词语重要性、共现频率等信息相结合,参照《国际中文教育中文水平等级标准》词汇表,构建出具有丰富特征信息的国际中文词汇知识图谱;(3)基于该知识图谱最终建成具有词汇释义图谱、词汇共现图谱以及例句检索功能为一体的国际中文词汇自适应学习系统,见图5。

图5 国际中文自适应学习系统的词汇释义图谱(左上)、词汇共现图谱(右上)、例句检索(下)

(三)基于教育知识图谱的国际中文自适应学习系统应用

“国际中文词汇自适应学习系统”依托知识图谱的技术优势,主要用于支持学习者个性化学习,同时还可以为教师提供多样化的教学支持。

对中文学习者而言,该学习系统将词语之间的释义、共现等关系通过节点大小、色彩、距离等可视化的形式进行呈现,有助于激活学习者的内部心理图式,从而辅助其词汇知识的创生、传递、加工。借助词汇释义图谱,学习者可以自助查询当前词语并获得适需的释义理解。例如,在初学“习惯”一词时,由于该词是二级词,此时系统将在释义图谱中为其呈现不高于二级的“常常”“长”“改变”“行为”“新”等词,学习者充分调用已获得的旧知,基于类似“新的事情,常常去做”“长时间不改变的行为”等说法建构“习惯”的词义,而随着学习者水平提升,再增加如“适应”“情况”“倾向”等词用来解释“习惯”。通过词汇共现图谱,系统可以自动选择与当前所学词语语义密切关联的、相对常用的、经常共现的词语,学习该词的相关搭配,直观体验图谱中词语的语义相关度、重要性、共现频率等信息,并推荐给学习者进行搭配、扩展、替换练习等。例如,针对“习惯”的名词义,可以用“养成习惯”“好习惯/坏习惯”进行搭配练习,针对其动词义则可以用“已经习惯……”来练习;而针对“生活习惯”进行替换练习,则可以说“风俗习惯”“饮食习惯”。通过系统的例句检索功能,学习者能够得到“i+1”可理解输入水平的优质例句,通过发挥例句的上下文语境功能,促成有意义的词汇学习;同时,学习者还可以根据需要,在例句的任何词语上进行连续自由跳转,跳转后的页面将优先展示同时包含两个词语的例句,从而加强旧知与新知之间的连接,充分发挥系统个性化、自主式、探索式学习的特色。

对中文教师而言,该学习系统集成了词语语义关系、共现频率的计算和比较,以及词语等级过滤等功能,能够有效提高教师在词汇讲练环节的备课效率。通过词汇释义图谱,可以从具有释义关系的候选词语中,快速选择适合学习者水平的词语组句进行释义讲解。通过词汇共现图谱,教师可以挑选可供学生进行搭配、扩展、替换练习的词语。通过例句检索功能,教师可以根据学习者水平检索语料文本库,筛选过滤出符合讲练要求的例句。

(四)基于教育知识图谱的国际中文自适应学习系统评价

为了验证“国际中文词汇自适应学习系统”在中文教育中的有效性,本文针对学习者在线自主学习这一典型场景开展实验,让系统自动为多位学习者生成个性化的词语学习顺序,并提供每个词语的释义图谱、共现图谱和例句,用于规模化、个性化的词汇学习。

被试登录学习系统后随机划入实验组或对照组,分组情况由系统后台做好记录,研究者在实验过程中不能查看,也不对被试做过多干预。被试首先参加前测,系统根据前测情况确定其词汇水平,进而设定相应的学习目标。在学习环节,实验组使用系统推荐的学习顺序,而对照组则使用随机生成的学习顺序。学习的界面由词语、词语的拼音、英文解释、释义图谱、共现图谱及例句组成,每位被试图谱中出现的词语及例句都根据其学习水平量身定制。学习完成后马上进行后测以确认学习效果。

本次实验共有73名被试参与,其中39人分配为试验组,34人分配为对照组,满足实验样本容量大于30的人数要求。实验的成绩数据采用双总体参数、独立样本t检验,p=.00017<α/2 (α=5%),统计差异显著。据此,系统的推荐效果得到了初步验证。

六、结 语

人工智能从一开始的计算智能,经过以语音识别、图像识别为主的感知智能,已经发展到以理解、解释、推理为核心的认知智能。(18)李艳燕,张香玲,李新,等.面向智慧教育的学科知识图谱构建与创新应用[J].电化教育研究,2019,(8).构建新一代可解释的人工智能离不开知识图谱的支持。本文顺应国际中文教育数字化转型的要求,依托教育知识图谱知识结构化表示、教师精准化教授、学生个性化学习三大优势,剖析了国际中文教育知识图谱的深刻内涵,从学科知识、政策与标准、教学资源及学习者等维度阐释四种类型的知识图谱,从而提出了图谱的构建原则、思路和流程,并通过“国际中文词汇自适应学习系统”的开发与应用这一典型案例分析,提出我们对国际中文教育知识图谱应用的若干思考与启示,以此建立一条国际中文教育领域实现规模化因材施教的新途径。

展望未来,在知识的内部组织层面,以知识图谱为基础的认知图谱将成为重要的发展方向;而在知识与学习者的交互层面,将知识图谱技术与教育游戏理念结合,还能为学习者提供更加轻松、愉悦、高效的学习体验。在知识图谱技术的赋能下,未来的国际中文教育必将走向规模化与个性化兼具的教育新样态。