构建大学生思想政治理论课知识图谱及教学创新研究

摘要：本文通过构建系统化的知识结构，不仅能够优化教学内容的组织，还能实现内容的动态更新和个性化推荐。其次，研究开发了一种新的算法框架来处理和分析教育领域的复杂数据，特别是在自然语言处理和关系抽取方面，提高了知识图谱的准确性和实用性。最后，研究通过数字化分析验证知识图谱在提升教育质量和学生学习体验方面的有效性，这为思政教育的创新教学模式提供了新的理论和实践依据。

关键词：大学生思政课知识图谱

为深入贯彻习近平总书记关于教育的重要论述，落实《教育信息化2.0行动计划》文件精神，推进教育数字化战略行动，AI 智能技术与教育教学深度融合创新，从而帮助高校教师不断提升信息技术运用能力，升级教学工具应用技能，有效激发学生的学习兴趣和积极性，构建大学生思想政治理论课知识图谱并运用于教学势在必行。

一、构建思政课知识图谱的现实需要

（一）学情分析

主动应变当前大学生“感性直观多于理性把握”“碎片化认知多于整体性了解”“奋斗与躺平摇摆选择”“现实与虚拟空间高度黏合”的基本特点。

大学生是学习的真正主体，其学习热情与动力是影响思想政治理论课教育教学效果的核心因素。但是学生不愿意学习或不主动学习又是当前高校思想政治理论课教学面临的最突出问题。我们的研究致力于将学习模式与大学生学习特点和现代媒体、过程学习与学习成绩、基本理论学习与疑难问题的重点解析、理性思维培养与马克思主义素养和个人思想境界提升最大程度结合起来，以充分调动学生的积极性与主动性。

（二）教情分析

作为培养学生综合素质和思想品德的重要课程之一，其教学内容的丰富性和复杂性给传统的教学方式带来了新的挑战。针对这一问题，本研究立足于知识图谱技术，旨在探讨如何利用先进的信息技术手段，构建思政课的数字化逻辑体系，以提升教学效果和教育质量。

思想政治理论课程作为大学必修课，对大学期间的思想政治教育有着示范作用。为实现课前、课中、课后，线上与线下全覆盖的教学环境，鲜明的马克思主义立场、观点、方法引领，高效地教学资源的整合，满足大学生成长成才的需求，引导大学生自我构建科学的价值观、道德观、法治观，发挥课程的最佳育人功能。

二、构建知识图谱赋能思政课

（一）知识图谱的教学创新的基础功能

1.知识图谱符合00后大学生学习特点

知识图谱就是一种大规模的语义网络，是一种对现实世界的一种语义化的表示形式。把实体表示成节点，实体的属性，实体间的关系表示成边，构成了一个网状的图结构。这种结构化的形式人类可识别，对机器也很友好，方便机器理解。这一特点就完美契合00后大学生学习特点。

2.图谱关联性契合思政课程特点

大学生思想政治理论课程集合了思想、道德、法治三大板块、涵盖马克思主义理论、习近平新时代中国特色社会主义思想、政治学、伦理学、心理学和法学知识。图谱中大规模的概念，属性，实体之间关系，让其具有丰富的语义信息，丰富关联信息，天然具有图的各种特征，可以进行图的相关操作与应用。构建之后也可以作为背景知识直接供下游应用使用。

（二）学科知识图谱构建

知识图谱的构建是典型的应用为导向的，在构建图谱之前先要理清楚要解决哪些问题，解决这些问题需要哪些知识，然后去设计知识图谱的本体，来覆盖这些知识。

1.教育知识图谱的应用逻辑

本课程教学知识图谱，以学科知识为核心，建立各个学科的知识点概念建立层级关系，知识点与知识点之间的关联关系，不同知识点之间的前后序关系，构成学科知识图谱。利用这个图谱，可以把知识点间的关系，通过可视化的形式展示给学生，一目了然，可以很天然的用来帮助学生构建知识体系，查阅知识要点，发现知识点之间的关联，帮助学生做总结沉淀，消灭知识盲区。

学科知识图谱构建之后，可以跟教学资源（教材，试题，讲义，教学视频，试卷等）构建关联，进而通过用户信息和学习记录，建立知识点与用户之间的关联。通过知识图谱，更加精准的刻画学生知识掌握情况，更加准确的刻画资源。从而实现对用户精准的学情研判，学习路径规划，学习资源个性化推荐。也能帮助老师更好的了解学生学情，优化教学方法和调整教学策略。可以通过与教研资料关联，通过主动推荐教研来为老师教研备课提升效率和质量，以知识图谱问答为核心技术的辅助教学答疑系统可以有效的减轻简单重复问题给老师带来的负担，也能很大程度满足学生的答疑需求。

2.以学科知识图谱为核心的教育知识资源建设

以知识图谱为核心的教育知识资源建设，利用知识图谱建立起领域知识间的关联，知识点与不同版本的教材，教辅，讲义，视频，试题等各种教育资源之间建立关联，构成一个整体的网络。利用这些关联网络支撑上层应用。

学科知识图谱中，知识之间的关系主要包括：上下位关系，主要是父子概念之间，概念与实体之间。概念图谱表达教育领域概念之间的关系。在教育领域概念性的内容会比较多，这些概念间关系就是整个知识的脉络。包含关系，知识点下几个具体的小考点，整体与部分的关系。先后序关系，可以用来做学习规划。在不同的学科还有一些特殊关系，比如互斥，因果等，这些是在实际做图谱资源建设的时候，需要领域专家与知识工程师一起去梳理细化的。

教育图谱中知识也有丰富的属性，比如共性的“考点”“难点”“易错点”“考纲要求”等共性属性。不同学科里有具体的细粒度属性，比如课程思政中不同学科运用的马克思主义理论知识点。

（三）知识图谱在智慧教育的应用

1.基于教育知识图谱的精准画像

基于教育图谱的精准画像，通过对大学生的行为信息，与各种资源对象的联系，提取关键信息，来刻画用户，基于知识图谱的用户画像可以增强用户画像数据，对用户的刻画更加全面精准。

（1）精准用户画像

用户画像技术大家应该已经比较熟悉，是为了更好的刻画用户，用来做用户理解，其本质就是“打标签”。用户画像精准与否决定了对用户的理解是否准确。实际应用中，用户画像主要有2个问题需要去解决，第一个方面是画像数据不完整，第二个方面是画像数据不正确，这正是00后大学生思想活跃，可塑性强，稳定性差，同时吻合思想政治理论素养具有潜藏性的特征。

针对这些问题，可以利用知识图谱来解决。知识图谱本身上的节点是教学领域领域知识的抽象，覆盖足够多的实体，足够多的概念，可以作为用户画像的标签来源，精良的质量使得打上的标签更加的准确。这些标签间有具有联系，图谱中有丰富的语义关系，这样可以帮助机器去理解这些标签的意义。友好的结构利于人们去更好的理解，直观的发现标签间的关系。可以利用标签传播，跨领域推荐等算法去挖掘更多更精准的标签来描述用户，丰富用户标签，提升用户精准度。另外在做用户画像时，用户画像可以单独作为产品可视化的进行呈现，利用图谱中的关系，生成个性化的，动态变化的用户知识图谱。

（2）精准学情分析

利用知识图谱可以进行更加精准的学情分析。传统教育专家（老师经验）的学习诊断，主要依靠经验对学习者的知识与能力状态进行评估，缺乏教育测量学思想的融入，具有较大的偶然性和主观性。基于知识图谱，大数据分析等方法对学习者客观的学习过程进行挖掘，从多种维度去做分析，数据可以挖掘的维度众多，不限于测试成绩，错题本，学习记录等行为轨迹中挖掘的知识掌握情况，薄弱知识这些显性的特征，同样可以挖掘一些深层次的学习速度，学习偏好，认知水平等隐形特征。让分析结果更加的个性化，客观化。

对于未能达成的学习目标，利用知识图谱可以做原因分析，发现薄弱点和关联依赖的知识点，能有效的查漏补缺。诊断过程具备更好的自适应性和个性化。

2.提升教学质量与效率

知识图谱在辅助教学应用中，辅助教师去完成备课，教研，出题，试题分析的工作。系统以推荐的方式去为老师推荐同类相关的资料（教案，课程讲解规划，作业等）来提升老师的教学效率，基于图谱的搜索也可以更精准的返回所需内容。

（1）智能备课

利用学科知识图谱把学科知识点，与教材，讲义，习题等关联，根据教师的教学进度，教材版本，持续推送符合教学需求的备课资源，搭配搜索快速准确的得到老师所需的资源，提升备课效率和质量。除了备课，在智能组卷，考试分析中也可以利用学科知识图谱来作为背景知识辅助完成相关任务。极大的提升了教研的效率。

（2）智慧课堂

通过对学情的精准分析，系统进行相关的巩固练习题推荐，针对性的制定教学策略，提升教学针对性，进行精准教学。在课前，课中，课后综合运用数据挖掘和智能化能力。在课前，利用数据挖掘技术得到的学生学情数据，制定教学策略，做到决策数据化。课中，利用制定的教学策略针对性的教学，讲解知识点，分组讨论教学。利用知识图谱对知识内在的关联进行可视化，帮助学生构建对知识的深层次认知。课后，推荐相关课后习题，根据学生学情状况，学习能力，个性化的针对性的练习题推荐，错题巩固。提升课堂教学的质量和针对性。将动态数据分析，动态学情诊断，贯穿教学全过程，实现因材施教，让教学决策数据化，智能化。

（3）深度阅读

基于知识图谱的深度阅读，主要的目标是实现对知识间的关联，智能化，全面的认识知识。利用实体链接技术对电子出版物进行实体的识别与连接，可以通过知识卡片的形式展示当前知识信息。也可以关联到其他与之相关的知识，并进行相关知识的推荐，帮助用户把知识串联起来。这样可以极大的促进用户对知识的全面理解。深度阅读不仅可以运用于教育领域，也可以很好的应用与知识管理，以及出版行业。深度阅读依赖的核心技术为实体链接技术，目前我们知识工场研发的实体理解服务使得机器可以理解文本中的实体，使得实体搜索、语义搜索成为可能，通用领域90%+准确率和召回率。

（4）答疑机器人

教育机器人已经成为教育领域的一个重要应用。利用以问答系统为核心的教育机器人，可以实现课程答疑，知识检索推荐，教学管理等一系列教学工作。既减轻了老师的负担和压力，又解决了学生的实际问题。一个优秀全面的教学机器人，是集成了任务型问答，Chatbot，知识型问答，搜索推荐系统等多个系统模块的综合体，同时具备多轮问答能力。知识图谱在问句query理解，知识引导的语言生成中起着重要作用，也是KBQA的核心。

三、知识图谱的教学内容创新

本课以高阶能力培养为目标重构教学内容体系，强调学生的能力提升、思想品格、道德养成，法治思维培养，并根据学生的个性化需求，搭建差异化、多元性、高阶性的资源库。

（一）知 ·能 ·用——分阶式教学内容

本课从能力培养角度将教学内容分为低阶知识与高阶知识。前者以学科史、学派史、理论发展史等脉络性知识为主；后者以各学说的研究对象（是什么）、研究方法（怎么学）和研究意义（为何学）为主。低阶知识为学生自学内容，高阶知识为教学重点内容。

（二）明 ·思 ·辨——模块化思政内容

为解决学生思辨能力弱问题，践行“立德树人”的根本任务，本课于高阶知识讲授部分穿插“习近平新时代中国特色社会主义思想”思政内容线，深入阐发理论难点，帮助学生理解高阶知识。以系列微讲座的形式在课上展开，聚焦新时代中国伟大理论与实践成就与四个自信的交流互动问题，按照“明——思——辨”的逻辑设计内容，精细化、系统化提升思辨能力，达成思政育人目标。

（三）多阶 · 多元 ·多向——差异化教学资源

基于学生在知识能力、学习习惯、学习目标等方面存在的差异，本课搭建了多阶、多元、多向的网络资源库。考虑学生知识能力差异，资源库分为低阶必学内容与高阶选学内容，体现出难度、深度的差异；考虑学生学习习惯差异，每阶内容包含文字与视频类别，包括本课相关研究论著、慕课视频及其他影音资料；考虑到学生学习目标的差异化，选学内容中特设考研专库，提供与本课相关的考研真题。

参考文献

[1]杨思洛，韩瑞珍.知识图谱研究现状及趋势的可视化分析[J].情报资料工作，2012（04）：22-28.

[2]曹树金，吴育冰，韦景竹，等.知识图谱研究的脉络、流派与趋势——基于SSCI与CSSCI期刊论文的计量与可视化[J].中国图书馆学报，2015，41（05）：16-34.

[3]肖婉，张舒予.混合学习研究领域的前沿、热点与趋势——基于Citespace知识图谱软件的量化研究[J].电化教育研究，2016，37（07）：27-33+57.

[4]刘星焕，何玉芳.以数字化赋能“大思政课”建设的内在机理、现实梗阻及实践路径[J].理论导刊，2023（10）：104-108.

[5]黎博，戴成波，谭超.高校思政课数字化转型的现实困境与优化路径[J].学校党建与思想教育，2023（14）：75-77.

基金项目：本文为云南省研究生优质课程建设项目“新时代中国特色社会主义理论与实践”课程、云南财经大学校级课题“人工智能赋能思政课——思想道德与法治课程知识图谱构建与应用”（项目号校20240023）、云南财经大学校级课题“大学生思想政治教育质量研究”（项目号校20240010）阶段性成果。

作者简介：冯莹，云南财经大学马克思主义学院副教授，主要研究方向思想政治教育理论与实践。