• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      人工智能課程領(lǐng)域知識(shí)圖譜及其創(chuàng)新教學(xué)模式

      2022-01-07 01:23:40朱衛(wèi)平
      軟件導(dǎo)刊 2021年12期
      關(guān)鍵詞:圖譜人工智能知識(shí)點(diǎn)

      謝 榕,朱衛(wèi)平

      (武漢大學(xué) 計(jì)算機(jī)學(xué)院,湖北 武漢 430072)

      0 引言

      人工智能是計(jì)算機(jī)科學(xué)的重要分支,現(xiàn)已成為當(dāng)今科學(xué)技術(shù)發(fā)展的重要前沿學(xué)科。2017 年國(guó)務(wù)院印發(fā)新一代人工智能發(fā)展規(guī)劃通知,指出人工智能是引領(lǐng)未來(lái)的戰(zhàn)略性技術(shù)[1]。人工智能基礎(chǔ)課程,如《人工智能引論》等,是學(xué)生學(xué)習(xí)人工智能知識(shí)的重要專業(yè)課程,主要講授人工智能的基本原理、方法與技術(shù)。該課程內(nèi)容特點(diǎn)是概念偏多、理論抽象、算法復(fù)雜、內(nèi)容難懂。在學(xué)習(xí)過(guò)程中,學(xué)生普遍反映學(xué)習(xí)該課程難度偏大,理解與掌握課程知識(shí)要點(diǎn)有一定困難,對(duì)該課程雖很有興趣卻望而生畏。當(dāng)前課本知識(shí)所呈現(xiàn)的知識(shí)體系描述相對(duì)抽象,知識(shí)要點(diǎn)之間只是一種單維上下位關(guān)系,缺乏多維邏輯關(guān)系的體現(xiàn)。如果主講教師僅采用傳統(tǒng)方法開(kāi)展教學(xué)往往難以取得較好效果。因此,如何運(yùn)用科學(xué)先進(jìn)的教學(xué)理念、通俗易懂的教學(xué)方法,特別是運(yùn)用一些人工智能新技術(shù)作為輔助教學(xué)手段傳授課程內(nèi)容,對(duì)任課教師來(lái)說(shuō)是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。

      2012 年美國(guó)Google 公司提出知識(shí)圖譜計(jì)劃,引起了學(xué)術(shù)界與工業(yè)界的高度關(guān)注[2]。利用信息處理、數(shù)據(jù)挖掘與圖形繪制等手段,知識(shí)圖譜把學(xué)科最復(fù)雜的知識(shí)內(nèi)容以可視化圖譜形式形象地展現(xiàn)出來(lái),可很好地體現(xiàn)學(xué)科整體知識(shí)架構(gòu)、知識(shí)點(diǎn)以及相鄰知識(shí)關(guān)聯(lián)。因此,將知識(shí)圖譜引入課程教學(xué),可有效地對(duì)課程知識(shí)脈絡(luò)進(jìn)行梳理,有助于學(xué)生充分理解學(xué)科知識(shí),對(duì)優(yōu)化課程教學(xué)能夠起到很好的輔助作用。近年來(lái),國(guó)內(nèi)一些高校也逐漸開(kāi)始重視知識(shí)圖譜教學(xué)方法,并將知識(shí)圖譜技術(shù)應(yīng)用于智慧課堂[3]、MOOC教學(xué)[4]以及翻轉(zhuǎn)課堂[5]等,都取得了良好的教學(xué)效果。

      然而,在開(kāi)展人工智能課程教學(xué)調(diào)研時(shí)發(fā)現(xiàn),目前國(guó)內(nèi)外尚沒(méi)有一套完整的人工智能課程知識(shí)圖譜,也較少運(yùn)用知識(shí)圖譜開(kāi)展人工智能課程教學(xué)實(shí)踐。因此,本文旨在探索人工智能課程教學(xué)的創(chuàng)新方法,利用知識(shí)圖譜技術(shù)構(gòu)建一種面向人工智能課程教學(xué)的多媒態(tài)領(lǐng)域知識(shí)圖譜,并基于所建設(shè)的知識(shí)圖譜梳理專業(yè)知識(shí),指導(dǎo)人工智能課程創(chuàng)新教學(xué)模式改革與實(shí)踐。具體地,以人工智能引論課程為研究對(duì)象,優(yōu)化教學(xué)內(nèi)容,形成集先進(jìn)性、前沿性與實(shí)用性為一體的人工智能知識(shí)體系、教學(xué)大綱和教學(xué)教案。在此基礎(chǔ)上收集、整理知識(shí)圖譜素材,利用分詞、文本挖掘、語(yǔ)義分析、可視化等技術(shù)手段構(gòu)建一個(gè)完整、多模態(tài)的人工智能教學(xué)領(lǐng)域知識(shí)圖譜,運(yùn)用所構(gòu)建的知識(shí)圖譜開(kāi)展創(chuàng)新教學(xué)實(shí)踐,并提出該教學(xué)模式的具體實(shí)施細(xì)節(jié)。

      1 人工智能課程教學(xué)內(nèi)容優(yōu)化

      1.1 人工智能知識(shí)體系

      在我國(guó)現(xiàn)行新成立的人工智能本科專業(yè)中,人工智能引論為一門(mén)基礎(chǔ)課程,一般只有32 學(xué)時(shí)。在教學(xué)時(shí)間十分有限的情況下,為了讓學(xué)生們能夠全方位地領(lǐng)略系統(tǒng)而完整的人工智能知識(shí),盡快入門(mén)人工智能領(lǐng)域,并為進(jìn)一步學(xué)習(xí)人工智能其它相關(guān)課程打下牢固基礎(chǔ),主講教師需要考慮以什么角度組織、優(yōu)化課程教學(xué)內(nèi)容,才能讓學(xué)生更容易接受、理解并掌握人工智能的原理、方法與技術(shù)。

      人工智能是一門(mén)研究人類一切智能活動(dòng)規(guī)律、模擬與擴(kuò)展人類智能行為的學(xué)科。其是一個(gè)龐大家族,涉及人工智能眾多基礎(chǔ)理論、重要方法與實(shí)現(xiàn)算法、學(xué)科分支及應(yīng)用領(lǐng)域等[6]。由于智能本身的復(fù)雜性,往往難以用單一理論與方法進(jìn)行描述,因此一般可建立如圖1 所示的人工智能學(xué)科知識(shí)體系,用基礎(chǔ)層、抽象層、邏輯層和應(yīng)用層等不同層次來(lái)描述智能本質(zhì)。從基礎(chǔ)層到抽象層和邏輯層,再到應(yīng)用層,4 個(gè)層次層層推進(jìn),最終實(shí)現(xiàn)人工智能目標(biāo)。

      Fig.1 Artificial intelligence knowledge architecture圖1 人工智能學(xué)科知識(shí)體系

      (1)基礎(chǔ)層。該層是人工智能的最底層,用于描述基于腦系統(tǒng)與腦認(rèn)知的人工神經(jīng)網(wǎng)絡(luò)對(duì)現(xiàn)實(shí)世界的感知、認(rèn)知以及與現(xiàn)實(shí)世界的交互與映射,包括腦系統(tǒng)(結(jié)構(gòu)、機(jī)理、工作方式)、腦認(rèn)知(感知、記憶、意識(shí)、學(xué)習(xí)等理論)、人工神經(jīng)網(wǎng)絡(luò)(感知器、反向傳播神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、時(shí)間序列神經(jīng)網(wǎng)絡(luò)等)等內(nèi)容。

      (2)抽象層。該層是對(duì)人類知識(shí)的抽象與表達(dá),圍繞著對(duì)求解應(yīng)用問(wèn)題的理解,用于反映人類知識(shí)在人工智能中所扮演的角色,包括問(wèn)題求解(狀態(tài)空間搜索、知情搜索、約束滿足問(wèn)題等)、高級(jí)問(wèn)題求解(自動(dòng)推理、自然語(yǔ)言理解等)、知識(shí)及其表示(狀態(tài)空間、問(wèn)題歸約、謂詞邏輯、語(yǔ)義網(wǎng)絡(luò)、框架、過(guò)程、產(chǎn)生式系統(tǒng)、本體等)、高級(jí)知識(shí)表示(知識(shí)圖譜)等內(nèi)容。

      (3)邏輯層。該層是人工智能能力的集中體現(xiàn),用于描述一切與人類智能活動(dòng)有關(guān)的搜索、學(xué)習(xí)、規(guī)劃、推理、決策模型,包括搜索(盲目搜索、知情搜索)、高級(jí)搜索(博弈搜索、CSP 回溯搜索、受自然啟發(fā)的搜索等)、學(xué)習(xí)(觀察學(xué)習(xí)、歸納學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)、解釋學(xué)習(xí)等)、機(jī)器學(xué)習(xí)(決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)等)、高級(jí)機(jī)器學(xué)習(xí)(特征選擇與稀疏學(xué)習(xí)、計(jì)算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等)、深度學(xué)習(xí)、自動(dòng)規(guī)劃(現(xiàn)實(shí)世界規(guī)劃與行動(dòng)、任務(wù)規(guī)劃、運(yùn)動(dòng)路徑規(guī)劃、軌跡規(guī)劃、條件規(guī)劃)、確定性推理(消解原理、規(guī)則演繹系統(tǒng)、自然演繹推理)、不確定性推理(概率推理、主觀Bayes 方法、可信度方法、證據(jù)理論、模糊推理)、知識(shí)發(fā)現(xiàn)、決策(簡(jiǎn)單決策、復(fù)雜決策)以及智能計(jì)算(進(jìn)化算法、遺傳算法、群智能)等內(nèi)容。

      (4)應(yīng)用層。該層涉及到智能化系統(tǒng)的開(kāi)發(fā)及其應(yīng)用,用于讓計(jì)算機(jī)實(shí)現(xiàn)以往需要人的智力才能完成的各項(xiàng)工作,包括智能體(多智能體、智能體通信、智能體體系結(jié)構(gòu))、自然語(yǔ)言處理(語(yǔ)義分析、語(yǔ)音識(shí)別、機(jī)器翻譯)、計(jì)算機(jī)視覺(jué)(模式識(shí)別、圖像理解)、知識(shí)問(wèn)答系統(tǒng)、專家系統(tǒng)、智慧醫(yī)療、智能機(jī)器人、無(wú)人系統(tǒng)、人工智能游戲、人工生命、人工智能應(yīng)用框架(Tensorflow、PyTorch 等)、人工智能語(yǔ)言等。

      人工智能學(xué)科知識(shí)體系為人工智能課程教學(xué)內(nèi)容確定、教案編寫(xiě)以及課程知識(shí)圖譜建設(shè)提供了重要依據(jù)。

      1.2 《人工智能引論》教學(xué)大綱

      1.2.1 教學(xué)目標(biāo)

      《人工智能引論》是人工智能、計(jì)算機(jī)科學(xué)與技術(shù)、軟件工程及其相關(guān)智能專業(yè)的必修課程,研究如何用計(jì)算機(jī)模擬、擴(kuò)展與實(shí)現(xiàn)人類智能行為及其規(guī)律。通過(guò)本課程的學(xué)習(xí),使學(xué)生對(duì)人工智能發(fā)展概況、研究?jī)?nèi)容、關(guān)鍵技術(shù)、應(yīng)用領(lǐng)域有初步了解,掌握人工智能基本概念、基本原理與實(shí)現(xiàn)算法,以及信息分析、決策支持等各類智能系統(tǒng)建立與應(yīng)用方法,熟悉當(dāng)今人工智能的主要前沿方向,培養(yǎng)學(xué)生運(yùn)用經(jīng)典人工智能方法與前沿技術(shù)解決實(shí)際智能應(yīng)用問(wèn)題的能力。

      1.2.2 課程特點(diǎn)

      介紹人工智能學(xué)科知識(shí)體系中的重點(diǎn)內(nèi)容,覆蓋人工智能基礎(chǔ)層、抽象層、邏輯層及應(yīng)用層的不同層次;注重理論與實(shí)踐相結(jié)合,除基本原理、方法介紹外,還配有大量實(shí)例及應(yīng)用案例;把握國(guó)內(nèi)外人工智能研究領(lǐng)域最新進(jìn)展與前沿動(dòng)態(tài);注重綜合利用人工智能知識(shí)解決實(shí)際應(yīng)用問(wèn)題。

      1.2.3 教學(xué)內(nèi)容覆蓋面

      圍繞“智能”本質(zhì),并體現(xiàn)人工智能的技術(shù)特征,即知識(shí)、搜索、學(xué)習(xí)、推理與決策,本課程著重講解人工智能學(xué)科知識(shí)體系核心內(nèi)容,包括神經(jīng)網(wǎng)絡(luò)、知識(shí)表示、搜索求解、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自動(dòng)規(guī)劃、推理技術(shù)、遺傳算法、群智算法等基礎(chǔ)理論、方法與技術(shù),以及智能體、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、知識(shí)問(wèn)答系統(tǒng)、專家系統(tǒng)、智慧醫(yī)療、智能機(jī)器人、無(wú)人系統(tǒng)、人工智能游戲、人工生命、人工智能語(yǔ)言等前沿應(yīng)用與關(guān)鍵技術(shù)。具體課程教學(xué)內(nèi)容及其基本要求如表1 所示。

      Table 1 Unit contents and basic requirements of the course of introduction of artificial intelligence表1 人工智能引論課程單元教學(xué)內(nèi)容及基本要求

      1.3 教學(xué)教案

      依據(jù)知識(shí)體系與教學(xué)大綱,對(duì)國(guó)內(nèi)外優(yōu)秀人工智能教材的最新內(nèi)容進(jìn)行梳理、整合[9-15]。同時(shí),從研究設(shè)計(jì)方案、科研項(xiàng)目、人工智能技術(shù)網(wǎng)站、GitHub 開(kāi)源代碼等多種渠道收集講課素材。教師對(duì)所講授的教學(xué)內(nèi)容進(jìn)行梳理,形成課程教案,教案內(nèi)容包括所屬教學(xué)模塊、教學(xué)內(nèi)容、教學(xué)目標(biāo)及要求、教學(xué)重難點(diǎn)、實(shí)例/應(yīng)用案例、復(fù)習(xí)題/課外作業(yè)、課外讀物等。以教學(xué)模塊“知識(shí)及其表示”中問(wèn)題歸約法的教學(xué)為例,形成如表2 所示的教學(xué)教案,為進(jìn)一步構(gòu)建該教學(xué)內(nèi)容的知識(shí)圖譜作準(zhǔn)備。

      Table 2 Teaching schedule of“problem reduction method”表2 “問(wèn)題歸約法”教學(xué)教案

      2 人工智能課程多模態(tài)領(lǐng)域知識(shí)圖譜建設(shè)

      2.1 知識(shí)圖譜基本組成

      知識(shí)圖譜是表示實(shí)體或概念,以及實(shí)體或概念之間各種復(fù)雜語(yǔ)義關(guān)系的一種大規(guī)模語(yǔ)義網(wǎng)絡(luò),用來(lái)對(duì)現(xiàn)實(shí)世界的事物及其相互關(guān)聯(lián)進(jìn)行形式化地描述,一般分為通用知識(shí)圖譜和領(lǐng)域知識(shí)圖譜。通用知識(shí)圖譜較多,包括DBpedia、WordNet、谷歌Knowledge Graph、微軟Probase、百度知心等。人工智能課程知識(shí)圖譜屬于后者,即聚焦、限定于人工智能課程范疇的特定領(lǐng)域。本文以人工智能引論課程為例建設(shè)該課程的領(lǐng)域知識(shí)圖譜,由知識(shí)點(diǎn)、知識(shí)點(diǎn)屬性、知識(shí)點(diǎn)關(guān)聯(lián)組成知識(shí)圖譜的三元組[7]。根據(jù)圖1 所示的人工智能知識(shí)體系與表1 所示的單元教學(xué)內(nèi)容及基本要求,形成人工智能概論、人工神經(jīng)網(wǎng)絡(luò)、知識(shí)及其表示、搜索求解策略、機(jī)器學(xué)習(xí)方法、深度學(xué)習(xí)方法、確定推理、不確定性推理、遺傳進(jìn)化算法、群體智能算法10 個(gè)知識(shí)大類,構(gòu)建該課程領(lǐng)域知識(shí)圖譜的基本骨架。

      2.2 領(lǐng)域知識(shí)圖譜建設(shè)一般流程

      圖2 給出了人工智能課程領(lǐng)域知識(shí)圖譜建設(shè)的一般流程。首先,通過(guò)教學(xué)大綱、教材和網(wǎng)絡(luò)資源等信息來(lái)源形成教案,從教案中提取知識(shí)點(diǎn),并對(duì)知識(shí)點(diǎn)進(jìn)行屬性設(shè)計(jì);然后,進(jìn)行知識(shí)點(diǎn)關(guān)系關(guān)聯(lián),通過(guò)知識(shí)融合形成一張錯(cuò)綜復(fù)雜的語(yǔ)義網(wǎng)絡(luò);最后,利用Neo4j 圖數(shù)據(jù)庫(kù)管理系統(tǒng)等可視化工具生成一個(gè)相對(duì)完整的多模態(tài)領(lǐng)域知識(shí)圖譜[8]。

      Fig.2 Flow of knowledge graph construction of the course of artificial intelligence圖2 人工智能課程領(lǐng)域知識(shí)圖譜建設(shè)流程

      (1)知識(shí)點(diǎn)提取。從教案中對(duì)各單元教學(xué)模塊的主要內(nèi)容進(jìn)行知識(shí)點(diǎn)識(shí)別,提取人工智能課程各個(gè)重要知識(shí)要點(diǎn)及內(nèi)容,包括人工智能基本概念/定義、基本原理/工作原理、解題步驟、計(jì)算公式、推導(dǎo)、流程圖、算法、源代碼與結(jié)論等。同時(shí),還包括一些考題類資源,如思考題、復(fù)習(xí)題、課堂練習(xí)、課外作業(yè)、大作業(yè)、討論題等。對(duì)收集的各個(gè)知識(shí)要點(diǎn)和考題類資源進(jìn)行分類匯總,知識(shí)點(diǎn)類型包括結(jié)構(gòu)化(如關(guān)系數(shù)據(jù)庫(kù)等)、非結(jié)構(gòu)化(如圖片、音頻、視頻等)以及半結(jié)構(gòu)化(如XML、JSON、百科等)3 種。例如,在“人工智能概論”教學(xué)模塊中,教學(xué)目標(biāo)為了解從智能機(jī)器、學(xué)科、能力三方面對(duì)人工智能的定義;通過(guò)人類認(rèn)知過(guò)程、圖靈測(cè)試熟悉人工智能與人類智能之間的關(guān)系;了解人工智能學(xué)科知識(shí)體系、研究范圍及應(yīng)用領(lǐng)域;熟悉人工智能起源、簡(jiǎn)史與發(fā)展趨勢(shì);了解人工智能倫理。其中,講解圖靈測(cè)試時(shí),涉及到圖靈測(cè)試定義、圖靈實(shí)驗(yàn)本質(zhì)、圖靈測(cè)試提問(wèn)、圖靈測(cè)試的爭(zhēng)議與批評(píng)、新圖靈測(cè)試等知識(shí)要點(diǎn)。此外,還可將知識(shí)點(diǎn)延伸到阿蘭·圖靈的人物介紹、發(fā)表的論文,以及如何研制圖靈測(cè)試機(jī)器等內(nèi)容。

      (2)知識(shí)點(diǎn)屬性設(shè)計(jì)。對(duì)各個(gè)知識(shí)點(diǎn)進(jìn)行屬性設(shè)計(jì),標(biāo)識(shí)知識(shí)點(diǎn)基本特性,包括所屬教學(xué)模塊、知識(shí)點(diǎn)類型(即基本概念/定義、基本原理/工作原理、解題步驟、計(jì)算公式、推導(dǎo)、流程圖、算法、源代碼和結(jié)論)、教學(xué)目標(biāo)、教學(xué)要求(掌握、熟悉、了解)、重點(diǎn)程度、難易程度(難、一般、易)等。以圖靈測(cè)試為例,其知識(shí)點(diǎn)屬性設(shè)計(jì)具體內(nèi)容如表3 所示。

      Table 3 Attribute design of knowledge key points of“Turing test”表3 “圖靈測(cè)試”教學(xué)內(nèi)容知識(shí)點(diǎn)屬性設(shè)計(jì)

      (3)知識(shí)點(diǎn)關(guān)系關(guān)聯(lián)。學(xué)習(xí)是一個(gè)循序漸進(jìn)的過(guò)程,需要在不斷的學(xué)習(xí)過(guò)程中掌握知識(shí)點(diǎn)之間承前啟后的關(guān)系,這對(duì)于構(gòu)建知識(shí)圖譜來(lái)說(shuō)至關(guān)重要。進(jìn)行知識(shí)點(diǎn)關(guān)系關(guān)聯(lián)時(shí),需要確定各知識(shí)點(diǎn)之間在含義或語(yǔ)義上的相互聯(lián)系,定義關(guān)系名并確定語(yǔ)義關(guān)系類型。其中,語(yǔ)義關(guān)系類型包括隸屬關(guān)系、泛化關(guān)系、聚集關(guān)系、屬性關(guān)系、實(shí)例關(guān)系、時(shí)間關(guān)系及其它關(guān)系。隸屬關(guān)系表示知識(shí)點(diǎn)與其它知識(shí)點(diǎn)之間的內(nèi)在本質(zhì)聯(lián)系,如某知識(shí)點(diǎn)的定義、方法、實(shí)現(xiàn)步驟等;泛化關(guān)系表示類知識(shí)點(diǎn)與更高層次抽象類知識(shí)點(diǎn)之間的聯(lián)系,所有知識(shí)點(diǎn)可由此組織成層次網(wǎng)絡(luò);聚集關(guān)系表示知識(shí)點(diǎn)與其組成成分之間的聯(lián)系;屬性關(guān)系表示知識(shí)點(diǎn)—屬性—屬性值之間的聯(lián)系;實(shí)例關(guān)系表示知識(shí)點(diǎn)與其實(shí)例之間的聯(lián)系;時(shí)間關(guān)系表示知識(shí)點(diǎn)時(shí)間前序與時(shí)間后序的關(guān)系;其它關(guān)系包括聚類聯(lián)系、易混淆關(guān)系等。對(duì)于一些相似的知識(shí)點(diǎn),可將其聚類放在一起進(jìn)行學(xué)習(xí),強(qiáng)化學(xué)生對(duì)其的認(rèn)識(shí);對(duì)于一些易混淆的知識(shí)點(diǎn),也可將其關(guān)聯(lián)起來(lái),使學(xué)生在學(xué)習(xí)時(shí)注意其區(qū)別。例如,“機(jī)器學(xué)習(xí)方法”教學(xué)模塊中“示例學(xué)習(xí)”教學(xué)內(nèi)容的知識(shí)點(diǎn)關(guān)系如圖3 所示,包括隸屬關(guān)系(定義、方法)、泛化關(guān)系、聚集關(guān)系與實(shí)例關(guān)系。

      Fig.3 The relationship of knowledge key points in the knowledge graph of“l(fā)earning by example”圖3 “示例學(xué)習(xí)”知識(shí)圖譜中的知識(shí)點(diǎn)關(guān)系

      2.3 多模態(tài)領(lǐng)域知識(shí)圖譜可視化

      在建設(shè)人工智能課程領(lǐng)域知識(shí)圖譜時(shí),將知識(shí)點(diǎn)、屬性及其關(guān)系導(dǎo)入其中,完成知識(shí)圖譜的創(chuàng)建與可視化。在知識(shí)圖譜中,可用不同顏色表示知識(shí)圖譜的基本組成,如用紫色表示該教學(xué)模塊核心內(nèi)容,紅色表示重點(diǎn)知識(shí)點(diǎn),藍(lán)色表示思考題、課堂作業(yè)、課外作業(yè)和大作業(yè),黃色表示課外讀物、教學(xué)視頻、應(yīng)用案例等。圖4、圖5 分別為“人工智能概論”教學(xué)模塊中“圖靈測(cè)試”以及“知識(shí)及其表示”教學(xué)模塊中“問(wèn)題歸約法”的多模態(tài)知識(shí)圖譜展示。使用如Neo4j 圖數(shù)據(jù)庫(kù)等工具,可進(jìn)行多模態(tài)領(lǐng)域知識(shí)圖譜的可視化。

      Fig.4 Knowledge graph of the unit of“Turing test”圖4 “圖靈測(cè)試”教學(xué)知識(shí)圖譜

      Fig.5 Knowledge graph of the unit of“problem reduction method”圖5 “問(wèn)題歸約法”教學(xué)知識(shí)圖譜

      3 領(lǐng)域知識(shí)圖譜驅(qū)動(dòng)的人工智能課程教學(xué)實(shí)踐

      基于所建設(shè)好的領(lǐng)域知識(shí)圖譜,可設(shè)計(jì)一些知識(shí)圖譜的課堂教學(xué)應(yīng)用,包括知識(shí)圖譜實(shí)踐教學(xué)、知識(shí)圖譜智能問(wèn)答等,用于輔助教師授課并幫助學(xué)生實(shí)現(xiàn)真正的個(gè)性化學(xué)習(xí)。

      3.1 知識(shí)圖譜實(shí)踐教學(xué)

      針對(duì)書(shū)本知識(shí)點(diǎn)關(guān)系單一、缺乏知識(shí)之間的導(dǎo)航、傳統(tǒng)教學(xué)方法學(xué)習(xí)效果不佳等問(wèn)題,開(kāi)展人工智能知識(shí)圖譜實(shí)踐教學(xué)。圖6 展示了運(yùn)用知識(shí)圖譜開(kāi)展人工智能課程教學(xué)的整個(gè)過(guò)程。

      Fig.6 Teaching process of artificial intelligence course driven by domain knowledge graph圖6 領(lǐng)域知識(shí)圖譜驅(qū)動(dòng)的人工智能課程教學(xué)過(guò)程

      以“問(wèn)題歸約法”教學(xué)為例,根據(jù)教學(xué)目標(biāo)與教學(xué)內(nèi)容,上課前首先向?qū)W生提出思考問(wèn)題并展示該教學(xué)模塊的知識(shí)總圖譜(見(jiàn)圖5),讓學(xué)生把握該模塊的總體框架。然后,以該知識(shí)總圖譜為基礎(chǔ),生成針對(duì)該教學(xué)模塊的一系列知識(shí)子圖譜,如問(wèn)題歸約法所涉及到的全部基本概念匯總(見(jiàn)圖7(a))、知識(shí)要點(diǎn)及其關(guān)聯(lián)(見(jiàn)圖7(b))、所有要求重點(diǎn)掌握的內(nèi)容及難點(diǎn)內(nèi)容(見(jiàn)圖7(b)中的紅色標(biāo)識(shí))、“梵塔難題”應(yīng)用實(shí)例(見(jiàn)圖7(c))、課外作業(yè)(見(jiàn)圖7(d))等。以知識(shí)子圖譜中涉及的知識(shí)點(diǎn)為重點(diǎn)講解內(nèi)容,并根據(jù)知識(shí)點(diǎn)之間的關(guān)系組織課堂教學(xué),讓學(xué)生有序地學(xué)習(xí)相關(guān)基本原理、方法、技術(shù)及實(shí)現(xiàn)算法。在課堂教學(xué)中,針對(duì)具體問(wèn)題設(shè)計(jì)教學(xué)知識(shí)圖譜,并在實(shí)際中加以應(yīng)用。

      充分運(yùn)用多媒體知識(shí)圖譜教學(xué)手段展示與講解課程內(nèi)容,包括圖片、音頻及視頻等。圖譜可視化信息為多媒體教學(xué)提供了豐富的教學(xué)資源,這些資源依附于相應(yīng)知識(shí)點(diǎn),使學(xué)生在進(jìn)行課堂學(xué)習(xí)和課后復(fù)習(xí)時(shí)能夠以知識(shí)圖譜為主體,充分利用相關(guān)教學(xué)資源。

      3.2 知識(shí)圖譜智能問(wèn)答

      Neo4j 圖數(shù)據(jù)庫(kù)管理系統(tǒng)提供了一種簡(jiǎn)單、方便、快捷的操作語(yǔ)言Cypher[8]。借助知識(shí)圖譜問(wèn)答技術(shù),其能夠在知識(shí)圖譜中進(jìn)行搜索查詢(Query),快速查詢知識(shí)圖譜中的知識(shí)信息,并直接回答有客觀答案的問(wèn)題及一些匯總信息。例如,在復(fù)習(xí)“問(wèn)題歸約法”教學(xué)模塊時(shí),查詢“梵塔難題的解題步驟是什么?”知識(shí)圖譜可回答梵塔難題的3 個(gè)解題步驟(見(jiàn)圖8)。通過(guò)這種知識(shí)導(dǎo)航式的查詢方式,學(xué)生可以從局部到整體學(xué)習(xí)基礎(chǔ)知識(shí)與案例,也可以從整體到局部,先形成課程知識(shí)總體印象,再導(dǎo)航到具體知識(shí)要點(diǎn)。

      4 實(shí)施效果

      本文對(duì)知識(shí)圖譜應(yīng)用實(shí)踐效果進(jìn)行分析,分別選取20名2016 級(jí)、15 名2018 級(jí)學(xué)生作為研究對(duì)象,對(duì)教師課堂教學(xué)未采用知識(shí)圖譜(未用)、教師課堂教學(xué)采用知識(shí)圖譜(單用)、教師課堂教學(xué)采用知識(shí)圖譜且學(xué)生制作知識(shí)圖譜(雙用)3 種情況下學(xué)生課堂測(cè)驗(yàn)的學(xué)習(xí)成績(jī)進(jìn)行統(tǒng)計(jì)。如圖9 所示,未用情況下(教師給2016 級(jí)學(xué)生講課時(shí)尚沒(méi)有應(yīng)用知識(shí)圖譜),90 分以上的學(xué)生人數(shù)偏少,而60-70 分偏多;單用情況下(教師給2018 級(jí)學(xué)生講解第二章知識(shí)表示方法時(shí),除介紹傳統(tǒng)狀態(tài)空間表示、問(wèn)題歸約表示、謂詞邏輯表示等方法外,還講解了知識(shí)圖譜表示方法及構(gòu)建技術(shù)),90 分以上的學(xué)生人數(shù)相比未用情況有所增加,而60-70 分的人數(shù)有所下降;雙用情況下(教師要求2018 級(jí)學(xué)生在課堂練習(xí)前復(fù)習(xí)相關(guān)內(nèi)容并動(dòng)手制作章節(jié)內(nèi)容知識(shí)圖譜),獲得高分的學(xué)生人數(shù)進(jìn)一步上升,而低分人數(shù)進(jìn)一步下降,說(shuō)明知識(shí)圖譜有助于學(xué)生對(duì)所學(xué)知識(shí)的理解。

      Fig.7 Knowledge sub map of“problem reduction method”圖7 “問(wèn)題歸約法”知識(shí)子圖譜

      Fig.8 Intelligent Q&A on the knowledge graph of the"Tower of Hanoi Problem”圖8 有關(guān)“梵塔難題”的知識(shí)圖譜智能問(wèn)答

      Fig.9 Evaluation of the effects of knowledge graph teaching圖9 知識(shí)圖譜實(shí)踐效果評(píng)估

      從實(shí)踐效果來(lái)看:①教師層面。借助知識(shí)圖譜技術(shù)手段將人工智能課程教學(xué)內(nèi)容相關(guān)知識(shí)進(jìn)行抽取、融合,形成完整的知識(shí)網(wǎng)絡(luò),有利于教師高效、合理地安排教學(xué);②學(xué)生層面。通過(guò)多模態(tài)知識(shí)圖譜進(jìn)行直觀而具體的教學(xué)展示能有效幫助學(xué)生更深入、全面地理解人工智能課程知識(shí)體系,培養(yǎng)學(xué)生對(duì)人工智能學(xué)科的興趣,并輔助學(xué)生以關(guān)聯(lián)學(xué)習(xí)方法進(jìn)行高效學(xué)習(xí);③教改層面。將知識(shí)圖譜教學(xué)法運(yùn)用于人工智能課程教學(xué)中,可將離散、碎片化的知識(shí)點(diǎn)串聯(lián)起來(lái),并將知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系以多模態(tài)可視化的方式展示出來(lái),從而有效優(yōu)化課堂教學(xué),顯著提高教學(xué)效果。

      5 結(jié)語(yǔ)

      目前國(guó)內(nèi)外尚沒(méi)有一套完整的人工智能課程知識(shí)圖譜以及相關(guān)知識(shí)圖譜教學(xué)實(shí)踐方法。借助知識(shí)圖譜最新技術(shù)手段與工具,本文提出基于人工智能知識(shí)圖譜的創(chuàng)新教學(xué)方法,可有效梳理知識(shí)之間的關(guān)聯(lián),獲得人工智能領(lǐng)域?qū)I(yè)知識(shí)的整體邏輯體系,生成緊密關(guān)聯(lián)的教學(xué)知識(shí)序列,從而較好地支撐教師對(duì)教學(xué)知識(shí)的講解,并顯著提高學(xué)生的學(xué)習(xí)興趣與學(xué)習(xí)效率,為傳統(tǒng)教學(xué)注入新的活力。

      猜你喜歡
      圖譜人工智能知識(shí)點(diǎn)
      一張圖知識(shí)點(diǎn)
      一張圖知識(shí)點(diǎn)
      第四頁(yè) 知識(shí)點(diǎn) 殲轟-7A
      繪一張成長(zhǎng)圖譜
      2019:人工智能
      商界(2019年12期)2019-01-03 06:59:05
      人工智能與就業(yè)
      數(shù)讀人工智能
      小康(2017年16期)2017-06-07 09:00:59
      補(bǔ)腎強(qiáng)身片UPLC指紋圖譜
      中成藥(2017年3期)2017-05-17 06:09:01
      下一幕,人工智能!
      主動(dòng)對(duì)接你思維的知識(shí)圖譜
      松溪县| 和政县| 辽源市| 新闻| 邵阳市| 远安县| 新丰县| 沛县| 乌审旗| 库伦旗| 新巴尔虎左旗| 河南省| 格尔木市| 色达县| 松桃| 宁化县| 和平区| 武宣县| 大关县| 林西县| 永胜县| 遂溪县| 洪洞县| 昌都县| 二连浩特市| 汽车| 开阳县| 龙山县| 昭通市| 三台县| 长泰县| 抚松县| 内江市| 孙吴县| 布尔津县| 古丈县| 博乐市| 砚山县| 阿图什市| 绩溪县| 灵丘县|