一文讲明白知识图谱到底有什么作用？

只要用过晓果智学智能自适应系统，都会对其中的知识图谱不陌生。

这是一张学生端的知识图谱，展示知识点状态和知识点关系，其实除此之外，在晓果智学系统中还有另外的“知识图谱”。 揭秘之前，我们要先从知识图谱是什么说起。“一个逻辑学家，不需要亲眼见过，或听过大西洋和尼亚加拉大瀑布，他能凭借一滴水推测出它们的存在。所以整个生活就是一个巨大的链条，只要见到其中一环，整个链条的情况就可推想出来。”阿瑟·柯南·道尔有言。 这样的巨大链条和知识图谱有相似之处，官方定义，知识图谱（Knowledge Graph）是一种基于图的数据结构，由节点和边组成，每个节点表示一个“实体”，每条边为实体与实体之间的“关系。

现在，知识图谱技术已经被应用到各行各业，在教育领域也得到了应用和实践。 

晓果智学的知识图谱

教育教学过程中都遵循从部分到整体，以及一定的先后顺序，因此学科知识点并不是孤立存在的。 晓果智学的知识图谱，以学科知识为核心，按照知识点之间的关系创建庞大的知识网络，学生端千人千面的知识图谱只是冰山一角。 知识点之间的关系主要包括：上下位关系、包含关系、先后序关系，不同的学科还有一些特殊关系，比如互斥，因果等。除了知识点关系外，知识点的构建需要参数设置。 其中我们提到最多的先行知识点，也就是学习一个新知识点之前，需要具备这个知识点的前置知识点，就是先行知识点。 先行知识点个数可能是零个、一个或多个，也可能是横跨年级的。

如上图所示：A的先行知识点为B和C，B的先行知识点为D，C的先行知识点为E和F。 以初中人教版七年级数学第八章的二元一次方程组的知识图谱为例：

知识图谱中箭头代表知识点学习的先后逻辑顺序，箭头指向后置知识点。在二元一次方程组章节中，首先学习二元一次方程的定义，所以在知识图谱中的每一个路径的起点都是二元一次方程的定义。如果在学习定义的时候没有掌握好，后期学习解二元一次方程组时就可能遇到问题。 不同学科、不同章节、具体小节的知识点……，这些构成一个巨大的知识关系网络，梳理细化的工作量是庞大的，是无法一蹴而就的。 当学科知识图谱的框架搭建完成后，就可以关联教材、试题、教学视频、试卷等教学资源，这一步就像在地图中，完成路与路的连接后，填充上每个点位的商场、超市、饭店等资源，丰富这块地图。 当然这些创建不是随意无序的，而是拥有一套资源建设标准，因为要为系统提供评估参数标准。 资源建设、内容构建也是一个长期的发展过程，非一朝一夕之事，需要内容团队、技术团队、运营团队的配合，同时在使用中不断迭代完善。 

知识图谱助力追根溯源

一些没有知识图谱的教育产品，分析逻辑十分简单，错了这道题就推送同类型的题，没有从底层的知识点入手，形成“头痛医头，脚痛医脚”的表面诊断。 因为学生不会做一道题的原因很多，除了粗心大意外，还有可能是受到前面的知识断点影响。 在知识图谱中，由点及线，知识点之间起承转合的关联关系被标记，可以知道薄弱知识点受谁影响、又影响谁。 

因此在知识图谱中可以轻松追根溯源，找到跨年级的知识漏洞。 知识链条会产生连锁反应，一个知识点呈现不同的掌握颜色，会影响与它关联的知识点的颜色。 不同学生的知识点掌握情况各不相同，因此每个人呈现出完全不一样色彩的“知识图谱”画面，这个色彩地图也会跟随学生的学习不断动态变化。

知识图谱助力精准导航

在地图中，输入目的地后，怎么去、哪些方式、需要多少时间、路况如何、终点停车场、吃喝玩乐……一系列内容就会被推送给用户。 如果把知识图谱比做由知识点连接起来的知识地图，那么自适应引擎就是GPS导航。 在日常的出行中，输入目的地，导航就会自动规划最佳的出行方案。 在晓果智学系统中也一样，明确学习目标，自适应引擎这个GPS就会根据知识地图规划专属学习路径。 实现目标的路径有很多条，但是知识图谱上会标记学生薄弱环节和学习特征，自适应引擎就可以科学地“抄近路”，引导学生高效完成学习目标。因此在晓果智学的【智习室】中，推荐引擎会根据学习路径，实时调整学习策略，智能安排学习内容。 

晓果智学基于知识图谱，将精准测评、路径规划、内容推送的整个流程作为动态闭环，使学生从原来表层知识学习，逐步深入到深层系统的学习，实现稳步提升。  

参考文章：

何捷《知识图谱怎样解决课堂教学低效、耗时、碎片化的问题？》

《解读知识图谱在教育智能化中的应用》

Jimmy《知识图谱是什么？》

金丝猴《为什么知识图谱终于火了？｜甲子光年》

曾响铃《AI教育华而不实，“知识图谱”玩法能救场吗？》

王欣欣《基于深度学习的学科知识图谱构建》

部分内容未知出处和来源，如涉及侵权请及时联系删除。