2021年，國務(wù)院辦公廳印發(fā)《關(guān)于推動現(xiàn)代職業(yè)教育高質(zhì)量發(fā)展的意見》，明確提出要深化教育教學(xué)改革，推動現(xiàn)代信息技術(shù)與教育教學(xué)深度融合，提高課堂教學(xué)質(zhì)量。《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》提出，知識圖譜作為大數(shù)據(jù)驅(qū)動知識學(xué)習(xí)的關(guān)鍵技術(shù)，是人工智能的發(fā)展重點之一。知識圖譜本質(zhì)上是基于語義網(wǎng)絡(luò)的知識庫，以有向圖的形式對信息進行結(jié)構(gòu)化存儲[1]，作為一種新型的知識表示方法，能夠為職業(yè)教育提供內(nèi)容系統(tǒng)化、教學(xué)個性化的支撐。借助知識圖譜的優(yōu)勢，有機結(jié)合線上線下混合式教學(xué)模式，成為實現(xiàn)職業(yè)教育高質(zhì)量發(fā)展的一種可行路徑。本文以Python程序設(shè)計課程為例，探討知識圖譜在職業(yè)教育中的應(yīng)用與實踐，以期為職業(yè)教育教學(xué)改革提供有益借鑒。一、當(dāng)前職業(yè)教育教學(xué)模式存在的不足近年來，人工智能和大數(shù)據(jù)等現(xiàn)代信息技術(shù)推動了職業(yè)教育手段和學(xué)習(xí)方式的革新，為教育的高質(zhì)量發(fā)展提供了有力支撐。[2]職業(yè)教育正逐漸從傳統(tǒng)的以教師為中心的單向灌輸模式轉(zhuǎn)向以學(xué)生為中心、注重個性化發(fā)展的“翻轉(zhuǎn)課堂”和線上線下混合模式。[3]這些新型教學(xué)模式為職業(yè)教育實踐帶來了新的活力，但在實際應(yīng)用中仍存在一些挑戰(zhàn)。（一）知識體系零散，缺乏系統(tǒng)化整合線下授課中教師常按照教材章節(jié)圍繞知識點與技能點逐一講解，這種教學(xué)方式往往側(cè)重于講授孤立的概念，導(dǎo)致課程內(nèi)容碎片化，忽視了知識之間的連貫性與整體性。[4]學(xué)生難以將分散的信息點融入既有知識體系，形成系統(tǒng)化的知識架構(gòu)。這種缺乏全局視角的教學(xué)方式導(dǎo)致學(xué)生對課業(yè)的掌握缺乏深度，難以達(dá)到學(xué)以致用的目的。（二）教學(xué)方法單一，個性化教學(xué)不足盡管線上教學(xué)平臺已在職業(yè)教育教學(xué)中得到較為廣泛的運用，但其通常只提供標(biāo)準(zhǔn)化的課程內(nèi)容及固定進度的教學(xué)安排，未能針對學(xué)習(xí)進度和興趣各異的學(xué)生提供個性化的教學(xué)方案。課程學(xué)習(xí)仍主要依賴于教師的單向講授，學(xué)生被動接受知識。這種培養(yǎng)方式忽視了學(xué)生的主體地位，導(dǎo)致課堂參與度不足，進而影響了教學(xué)的整體質(zhì)量。此外，由于缺乏有效的互動和反饋機制，教師難以對教學(xué)方法進行及時的調(diào)整和優(yōu)化，做到真正因材施教。（三）教育質(zhì)量評價機制不完善當(dāng)前教育評價的數(shù)字化進程大多還停留在淺層，教育質(zhì)量評估機制不夠健全、評價方式與評價主體單一、數(shù)據(jù)利用不充分、形成性評價不足等問題依然突出。如何推動人工智能等在教育評價機制中的深度應(yīng)用，建立更加全面和多元化的教育質(zhì)量評價體系，實現(xiàn)教育評價的科學(xué)化、精準(zhǔn)化和個性化，仍然是職業(yè)教育領(lǐng)域亟待解決的重要課題。二、知識圖譜賦能職業(yè)教育改革針對以上三大問題，本文提出利用知識圖譜的知識融合、智能推薦和教育評估三大關(guān)鍵技術(shù)解決職業(yè)教育中知識體系零散、教學(xué)方法單一和教育質(zhì)量評價機制不完善的問題。結(jié)合線下智慧教室，打造了一個集成知識圖譜功能的云端教育平臺，并形成完備的線上線下混合式教學(xué)模式，構(gòu)建高效、互動、個性化的學(xué)習(xí)環(huán)境。（一）依托知識圖譜的知識融合能力整合零散的知識體系教師在授課過程中積累了大量教學(xué)資源，如教學(xué)大綱、課件、課后習(xí)題等。這些資源大多是非結(jié)構(gòu)化的數(shù)據(jù)且處于動態(tài)更新狀態(tài)。利用知識圖譜將零散的知識點串聯(lián)，一方面幫助學(xué)生建立起完整的知識體系，另一方面幫助教師更好地管理和利用教學(xué)資源。通過構(gòu)建知識網(wǎng)絡(luò)，清晰地展示各知識點的邏輯關(guān)系和層次結(jié)構(gòu)，理清不同教學(xué)資源之間的內(nèi)在聯(lián)系，可以實現(xiàn)教學(xué)資源的高效整合和利用。（二）借助知識圖譜的智能推薦能力進行個性化學(xué)習(xí)路徑規(guī)劃知識圖譜是個性化學(xué)習(xí)路徑構(gòu)建的基礎(chǔ)，通過分析學(xué)生歷史學(xué)習(xí)路徑、學(xué)習(xí)時長、評測完成情況等構(gòu)建學(xué)生學(xué)習(xí)畫像，系統(tǒng)可以精準(zhǔn)定位薄弱知識點并推送相應(yīng)學(xué)習(xí)資源。利用知識點間的聯(lián)系，診斷學(xué)生未掌握知識點的原因，有針對性地優(yōu)化學(xué)習(xí)路徑，為學(xué)生量身定制個性化學(xué)習(xí)方案。（三）運用知識圖譜的教育評估能力賦能教育質(zhì)量評價改革知識圖譜通過整合線上線下教學(xué)數(shù)據(jù)，構(gòu)建學(xué)生知識掌握情況和學(xué)習(xí)路徑的動態(tài)視圖，為教學(xué)評估提供了豐富且多維度的數(shù)據(jù)基礎(chǔ)，幫助教師優(yōu)化形成性和終結(jié)性評價，評估教學(xué)目標(biāo)的完成度和教學(xué)方法的有效性，從而為教師優(yōu)化教學(xué)方案提供數(shù)據(jù)支持，提升教學(xué)效果。三、具體實施路徑探索（一）Python程序設(shè)計課程知識圖譜構(gòu)建知識圖譜的邏輯結(jié)構(gòu)通常可劃分為模式層和數(shù)據(jù)層兩個層級，分別負(fù)責(zé)知識圖譜的結(jié)構(gòu)定義和數(shù)據(jù)存儲。本文以Python程序設(shè)計課程為例，說明課程知識圖譜的構(gòu)建方法。其中模式層采用自頂向下的方式構(gòu)建，數(shù)據(jù)層主要采用自底向上的方式構(gòu)建，核心步驟包括：數(shù)據(jù)資源遴選、課程本體構(gòu)建、知識抽取、知識融合、知識圖譜可視化等5個環(huán)節(jié)，如圖1所示。1.數(shù)據(jù)資源遴選構(gòu)建Python知識圖譜時，數(shù)據(jù)來源需兼顧全面性、準(zhǔn)確性、多樣性和時效性。本文的數(shù)據(jù)來源包括非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)。其中非結(jié)構(gòu)化數(shù)據(jù)包括權(quán)威教材、教學(xué)課件、歷年考試試題作答情況分析、作業(yè)情況分析等，確保數(shù)據(jù)來源的全面性與準(zhǔn)確性。半結(jié)構(gòu)化數(shù)據(jù)如Python課程大綱、Python3官方中文文檔、Python在線編程教程等，此類資源更新及時，較好保障了知識圖譜的時效性。2.課程本體構(gòu)建課程本體定義了課程中所有實體、屬性和關(guān)系的類型及其之間的關(guān)系。本文基于半結(jié)構(gòu)化的課程大綱，結(jié)合教師經(jīng)驗以關(guān)鍵概念為核心，自頂向下逐步劃分知識點的層級和屬性，構(gòu)建了包含308個知識點實體數(shù)、6種關(guān)聯(lián)關(guān)系和6大類屬性的課程知識圖譜。3.知識抽取基于以上多源異構(gòu)數(shù)據(jù)，本文采用人工輔以AI的生成式知識抽取方式，將大語言模型與prompt工程相結(jié)合，把知識抽取任務(wù)拆解為實體識別、關(guān)系抽取和屬性抽取三個子任務(wù)，引導(dǎo)模型扮演不同角色完成子任務(wù)，以實現(xiàn)Python知識圖譜的半自動化構(gòu)建，并實現(xiàn)知識圖譜的及時更新與維護，具體方法包括以下2個方面。一是實體識別及關(guān)系抽取。借助大語言模型（LLM）定義系統(tǒng)提示詞，指出需要抽取的實體類型，如基礎(chǔ)語法、數(shù)據(jù)結(jié)構(gòu)等。同時定義需要抽取的關(guān)系信息，如“包含”“前后繼”“關(guān)聯(lián)”等。創(chuàng)建用戶提示以定義數(shù)據(jù)集中的單個規(guī)范及單個輸出示例，從輸入文本中識別并提取實體-關(guān)系三元組。利用得到的標(biāo)注結(jié)果進行知識自蒸餾訓(xùn)練，微調(diào)模型以進一步增強模型抽取和結(jié)構(gòu)化分析能力。輸入Python教程到訓(xùn)練好的模型，輸出實體和關(guān)系信息。在此基礎(chǔ)上根據(jù)教師經(jīng)驗，對實體及關(guān)系信息進行人工校準(zhǔn)并補充完善。通過實體識別與關(guān)系抽取，構(gòu)建了知識圖譜的關(guān)聯(lián)網(wǎng)絡(luò)，幫助學(xué)生形成系統(tǒng)知識結(jié)構(gòu)，為個性化學(xué)習(xí)認(rèn)知診斷提供了前提。二是屬性抽取。根據(jù)課程目標(biāo)和學(xué)習(xí)要求，結(jié)合對歷年考試的卷面分析，借助LLM對知識點進行進一步梳理和分類，形成知識點難易及重難點情況映射。為知識點設(shè)置屬性值和權(quán)重，讓學(xué)習(xí)更加聚焦，進一步優(yōu)化學(xué)習(xí)資源的配置并助力后續(xù)教學(xué)效果的評估。4.知識融合根據(jù)預(yù)期目標(biāo)，通過LLM對圖譜進一步精煉，形成規(guī)范形式，再對其進行對齊和消歧處理，提高知識圖譜的邏輯性與一致性，以提升圖譜的整體質(zhì)量。5.知識圖譜可視化通過可視化技術(shù)展示Python程序設(shè)計構(gòu)建的知識圖譜，如圖2所示。（二）基于知識圖譜的Python程序設(shè)計教學(xué)模式本課程秉承以學(xué)生為中心、以學(xué)習(xí)成果為導(dǎo)向的教學(xué)理念，采用“項目驅(qū)動式+翻轉(zhuǎn)課堂”的教學(xué)設(shè)計和線上線下混合式教學(xué)模式，結(jié)合知識圖譜運用包含形成性評價與終結(jié)性評價的多元化多主體評價方法。整個教學(xué)過程分為課前探究、課中實施、課后鞏固、課程評價四個環(huán)節(jié)，為學(xué)生帶來更高效、互動與個性化的學(xué)習(xí)體驗。1.課前探究環(huán)節(jié)課前，教師將每周的學(xué)習(xí)內(nèi)容如教學(xué)課件、微課視頻、課程思政案例等上傳至云端教學(xué)平臺，并發(fā)布學(xué)習(xí)目標(biāo)和評測任務(wù)。學(xué)生結(jié)合這些任務(wù)自主預(yù)習(xí)，借助知識圖譜的結(jié)構(gòu)化展示能力，了解即將學(xué)習(xí)的知識點及這些知識點在課程體系中的位置，有目的性地預(yù)習(xí)，提高學(xué)習(xí)效率。同時，教師可以根據(jù)學(xué)生課前學(xué)習(xí)評測的結(jié)果，有針對性地調(diào)整線下教學(xué)策略。2.課中實施環(huán)節(jié)線下授課時，采用“導(dǎo)入—分析—拓展”的遞進式情景教學(xué)模式，在問題導(dǎo)入時，利用知識圖譜作為輔助工具快速回顧上節(jié)課內(nèi)容并引入新的教學(xué)內(nèi)容。在課堂小結(jié)時，借助知識圖譜進行歸納與總結(jié)。通過發(fā)布在線隨堂測驗，教師能夠?qū)崟r與學(xué)生互動，評估學(xué)生對知識點的掌握情況，靈活調(diào)整教學(xué)策略。Python教學(xué)過程中編程實踐占據(jù)了很大的比重，學(xué)生在編程練習(xí)中遇到困難時，可以自主利用知識圖譜快速定位相關(guān)的語法規(guī)則和編程技巧，有助于發(fā)揮學(xué)生的主觀能動性，提高問題解決效率，促進知識的整合和內(nèi)化。此外，通過知識圖譜，教師可以引導(dǎo)學(xué)生進行思維導(dǎo)圖的構(gòu)建練習(xí)，訓(xùn)練學(xué)生如何將知識點進行組織和關(guān)聯(lián)，形成完整的思維結(jié)構(gòu)，并且引導(dǎo)學(xué)生進行知識拓展，探索相關(guān)領(lǐng)域的更深層內(nèi)容。3.課后鞏固環(huán)節(jié)復(fù)習(xí)是學(xué)生鞏固和深化課堂內(nèi)容的重要環(huán)節(jié)，利用人工智能技術(shù)將課程錄像自動識別和轉(zhuǎn)寫，提取其中的關(guān)鍵知識點與講解片段，并將其與知識圖譜進行智能匹配，自動建立知識點與圖譜之間的映射。該方法提高了教學(xué)內(nèi)容處理的效率，簡化了學(xué)習(xí)資源的管理和查找難度。學(xué)生用關(guān)鍵詞即可快速定位相關(guān)課程內(nèi)容，及時查漏補缺。這種方式既保留了傳統(tǒng)課堂的互動性，又提高了學(xué)習(xí)資源使用的便捷性和重復(fù)使用性。針對學(xué)生起始能力的不同，課后作業(yè)的布置采取難度分層策略，學(xué)生可自主選擇“基礎(chǔ)”“提高”或“擴展”三類作業(yè)難度。[5]教師則通過追蹤學(xué)生知識圖譜的學(xué)習(xí)路徑來發(fā)現(xiàn)學(xué)習(xí)難點，提供個性化的學(xué)習(xí)建議，優(yōu)化教學(xué)方法和課程設(shè)計，并動態(tài)調(diào)整知識圖譜。學(xué)生也可以利用知識圖譜來強化學(xué)習(xí)效果。根據(jù)學(xué)生的評測和學(xué)習(xí)記錄，對基礎(chǔ)不牢的學(xué)生，推送基礎(chǔ)知識以查漏補缺；對基礎(chǔ)扎實的學(xué)生，推送核心知識與重難點以鞏固知識并激發(fā)潛力；對學(xué)有余力的學(xué)生，推送進階知識點和課外擴展內(nèi)容，以此深化課程理解并拓寬知識視野。（三）知識圖譜賦能Python程序設(shè)計課程教學(xué)效果評估提升課堂教學(xué)質(zhì)量是學(xué)校的關(guān)鍵任務(wù)之一，需全面考核教學(xué)目標(biāo)完成度、教學(xué)方法可行性、學(xué)生學(xué)習(xí)效果等因素。本文提出從學(xué)生學(xué)習(xí)效果和教師教學(xué)效果兩個維度入手，利用知識圖譜賦能課程教學(xué)效果評估。1.學(xué)生學(xué)習(xí)效果評估學(xué)生學(xué)習(xí)效果是檢驗教學(xué)質(zhì)量的重要指標(biāo)，在對學(xué)生進行綜合評價時不應(yīng)采取“一刀切”的方式，不能僅以考試分?jǐn)?shù)作為評判的唯一標(biāo)準(zhǔn)，而應(yīng)采用多元化的評價體系。本課程結(jié)合形成性評價和終結(jié)性評價，全面評估學(xué)生的學(xué)習(xí)成效。（1）形成性評價本課程的形成性評價采用二級指標(biāo)的模式，包含4大一級評價指標(biāo)和9個二級觀測點，如表1所示。每個指標(biāo)根據(jù)其重要性結(jié)合專家意見確定權(quán)重。其中課堂考勤、互動頻率、微課學(xué)習(xí)等通過線上學(xué)習(xí)平臺的記錄量化。課后作業(yè)質(zhì)量、綜合實踐考核等則采用以教師評價、學(xué)生互評為主的多元主體評價方式。（2）終結(jié)性評價本課程的終結(jié)性評價涵蓋了理論、編程和綜合應(yīng)用能力考核。試題同樣分為三類難度以供學(xué)生自主選擇，其中基礎(chǔ)知識與綜合編程的占比不同，難度系數(shù)不同。[6]根據(jù)不同難度，從知識圖譜中按照權(quán)重抽取相應(yīng)比例的知識點，確保試題既能覆蓋全面，又能突出重點。這種方法能夠更準(zhǔn)確地反映學(xué)生的學(xué)習(xí)效果，避免因考核難度過高或過低導(dǎo)致的評價偏差，提高試題考核質(zhì)量，讓考核成績更具有參考價值。2.教學(xué)效果評估（1）教學(xué)目標(biāo)完成度評估提取課堂錄播轉(zhuǎn)寫文本與課堂大綱教學(xué)目標(biāo)的關(guān)鍵詞，利用BERT模型將兩者轉(zhuǎn)為語義向量，利用余弦相似度公式計算兩者的匹配程度。得分越高意味著實際教學(xué)覆蓋面越接近教學(xué)目標(biāo)，反之則說明有所偏差。此方法能科學(xué)評估教學(xué)目標(biāo)完成的情況，幫助教師找出不足，調(diào)整教學(xué)策略，更好地實現(xiàn)教學(xué)目標(biāo)。以本課程第四章程序流程控制語句為例，提取部分核心知識點，計算課堂錄播與教學(xué)目標(biāo)核心知識點之間的余弦相似度得分，如表2所示。（2）教學(xué)方法有效性評估本課程整個教學(xué)過程采用了多種教學(xué)方法，如案例教學(xué)、項目驅(qū)動式教學(xué)、翻轉(zhuǎn)課堂以及小組討論等。通過對比線上教學(xué)平臺的在線時長、作業(yè)質(zhì)量和學(xué)習(xí)路徑等數(shù)據(jù)輔以線下智慧教室的行為檢測分析，系統(tǒng)獲取學(xué)生的抬頭率、專注度和表情狀態(tài)等多維數(shù)據(jù)，結(jié)合學(xué)生的問卷反饋信息，能夠較為全面地比對并評估這些教