基于知识图谱的计算机课程群建设的策略研究

作者简介：唐彩蓉（1996.02—），女，汉族，江苏如东人，硕士研究生，助教，主要研究方向为计算机教育。基金项目：苏州托普信息职业技术学院2025年校级课题重点课题“基于知识图谱的计算机课程群建设的策略研究”（2025TPKY001）。999Sep37··第42卷第期2026年月ITREPORT,No.,202进行科学计算可视化分析，清晰地展示了计算机课程思政研究的基本轨迹、特征、热点和趋势［4］。裴壮通过将QT(QtToolkit)和C++这两门课程合二为一，提出了有效融合QT和C++的创新教学模式，并在智慧树平台部署了相应的课程知识图谱辅助教学，为编程课程教学改革提供了有价值的参考和借鉴［5］。将知识图谱运用到计算机课程群的顶层规划和重新整合中，既是对教育信息化趋势的顺应，也是解决目前课程建设难题、让智慧教育落地的重要渠道。文章将重点围绕基于知识图谱的计算机课程群的思路展开，将“教—学—评”一体化、布鲁姆认知模型以及产教融合等理念在其中落地，以期能为同行在计算机课程群的教改提供一个思维贯穿度高、案例应用量大、可扩展性好的探索。2理论深化多维优势与可行性当前计算机课程群建设亟须一种能够打通课程壁垒、动态更新知识、支持个性化学习的新型架构。知识图谱以其强大的知识整合、可视化呈现与智能推荐能力，恰好为解决这些问题提供了系统性的技术方案。知识图谱技术的研究不宜止步于技术实现，而应将其与先进的教学理论有效整合，才能实现其价值最大化。该文将从布鲁姆教学模式、“教—学—评”理论以及产教相结合3个方面，具体说明基于知识图谱实现计算机课程重构的价值。2.1基于布鲁姆认知模型，构建递进式能力培养体系布鲁姆认知模型把学习目标划分为记忆、理解、运用、分析、评估、创造六级水平，可为课程设计提供一个合理有序的认知模型。在计算机课程群建设中，知识图谱可以成为这一模型的绝佳载体：底层节点（记忆/理解）：对应基础概念、语法规则、基本原理等。图谱可清晰标注这些节点为重点、难点。中间节点（应用/分析）：对应算法实现、系统调试、案例分析等。图谱可通过应用、分析等指向关系，将底层知识与具体应用场景链接。顶层节点（评价/创造）：对应项目开发、系统设计、技术创新等高阶能力。图谱可链接真实的产业项目或开放性问题，驱动学生进行综合创造。通过这种分层映射，知识图谱不仅能展示“学什么”，更能清晰地规划“学到什么程度”，引导教学活动从低阶认知向高阶能力跃迁。2.2赋能“教—学—评”一体化，形成教学闭环教学、学习和评价三者既相对独立，又互相协作、贯通互联。知识图谱正好为“教—学—评”一体化教学提供了天然的条件。教：教师依据知识图谱进行全局化备课，精准定位教学重难点。根据知识图谱反馈的学情数据，将薄弱知识点即时转化为课堂测验题，实现“以评促教”。学：学生在知识图谱的导航下，进行个性化、探索式学习。知识图谱能“动态生成最优学习轨迹”，并通过“实时学习诊断持续优化路径规划”。评：评价不再是孤立的终点，而是贯穿全过程的数据采集点。“根据知识节点的中心度和认知复杂度设定差异化的评估标准”，并利用“技能发展雷达图”进行多维过程性评价。每一次测评数据都会反哺图谱，更新学生的“能力画像”，进而优化后续的“教”与“学”。由此，知识图谱成为连接“教、学、评”三者的中枢神经，形成了一个数据驱动、持续优化的智慧教学闭环。2.3融合产教协同，强化课程的高阶性与挑战度植入“真实情境”：可以在知识图谱中设置企业真实的产品或工程（如企业真实项目的模块或难题）、职业行业规范为“问题节点”或“案例节点”。比如，人工智能应用技术专业中的计算机视觉、自然语言处理、机器学习、深度学习等内容，可设置为智能系统核心算法设计这样的项目节点，关联起底层的模型构建、算法优化、数据处理、分布式计算等知识点。形成“三结合”工作团队：由专业教师、企业老师、辅导员共同参与图谱的建设与维护。其中企业老师侧重图谱的前沿性和适用性，辅导员可以将思政元素有机融入相关知识点，实现全员育人。提升课程挑战度：通过链接产业前沿，课程内容不再局限于书本理论，而是充满了真实世界的复杂性和不确定性，从而有效培养学生解决实际工程问题的能力，契合高素质应用型人才的培养目标。3方案构建：基于知识图谱的计算机课程群建设策略基于上述理论分析，本研究提出一套系统化、可操作的“五步法”建设策略。基于知识图谱的计算机课程群建设策略架构图如图1所示。图1基于知识图谱的计算机课程群建设策略架构图3.1第一步：需求分析与顶层设计此阶段是整个教学建设的基础。定位专业培养目标：根据专业认证标准、产业白皮书、毕业生跟踪调查成果确定专业毕业要求中的各项能力指标。绘制能力到知识图谱：将各毕业要求的能力分解为具体的知识、技能和素质要求，并对各能力指标拟使用的课程群进行大致规划。跨界跨学科团队搭建：由教研室主任、骨干教师、教育技术团队、企业工程师、思政教师组成共建团队。3.2第二步：知识抽取与图谱构建这是技术实现的核心环节。定义本体：定义课程群的知识本体，包括知识点层级、关系类型）和属性（难度、重要性、999Sep38··第42卷第期2026年月ITREPORT2,No.,2026思政标签等）。混合构建：结合专家经验（自顶向下）与NLP技术（自底向上），从多源异构数据中抽取知识，填充图谱。融入认知与评价维度：为每个知识点标注其对应的布鲁姆认知层次，并预设相应的评价指标和资源。3.3第三步：资源整合与多模态映射将静态的知识结构转化为动态的学习生态系统。结构化资源库：对微课、实验、项目、习题等资源进行精细化元数据标注，并与图谱节点精准关联。构建“双图谱”：除“知识图谱”外，同步构建“问题图谱”和“项目图谱”，将知识学习与问题解决、项目实践紧密结合。对接外部平台：利用API等方式，与雨课堂、超星学习通等智慧教学平台对接，实现数据互通。3.4第四步：教学应用与模式创新教师端：提供智能备课助手、学情热力图、课堂互动题库等功能。学生端：提供个性化学习导航、能力发展雷达图、协作学习空间等功能。混合式教学：推行“线上自主探究（依托知识图谱）+线下深度研讨（依托雨课堂等工具）”的混合式教学模式，实现优势互补。3.5第五步：效果评估与持续迭代构建多维评价体系：将终结性评价和过程性评价相结合，通过图谱数据对学生知识掌握情况、能力发展情况、学习行为进行分析，实现对学生全方位画像。数据赋能决策：对图谱使用和图谱学习教学效果数据进行定期数据统计和分析，为今后课程内容的更新、教学形式的调整提供数据依据。构建长效更新机制：建立由学校和企业共同维护的图谱维护组，对图谱内容的先进性、时效性进行维护。苏州托普学院自2021年开设人工智能技术应用专业以来，专业建设始终在稳步推进与持续深化。文章以人工智能技术应用专业为例，将其专业基础课、专业核心课、专业拓展课实践环节的课程，划分为五大课程体系：AI技术根基课程、AI能力中枢课程、AI落地场景、AI燃料供应、AI能力验证课程，绘制的计算机课程群知识图谱如图2所示。中心节点以人工智能技术应用为核心；一级分支有：基础支撑、核心技术、数据处理、应用开发、实践认证；二级分支描述：各具体课程及其与AI应用的关系描述，展示各课程与知识点之间的关联。图2人工智能技术应用专业计算机课程群的知识图谱4人工智能课程群建设的发展方向4.1课程体系结构化人工智能技术应用课程群的优化从课程对象上，可构建“三层四类”的课程群架构。纵向上分为通识层、专业层、融合层。面向全体学生开设通识层课程，如《AI伦理导论》等，主要是加强学生AI常识伦理的普及；面向AI相关专业学生开设专业层课程如《大模型应用》《智能体开发》等课程，着力满足学生的职业素质和技能需求；面向“AI+X”学科交叉人才开设融合层类课程如《AI+医学》《AI+金融工程》等，培养学生学科交叉创新能力，打通“人工智能+”赋能跨学科、跨专业培养模式的新路径。其次是横向上分为“四类”，即理论课、实验课、项目课以及伦理治理课，培养学生关于知识理解、技能训练、综合训练、价值塑造的能力。4.2项目驱动的教学场景化围绕江苏省“1650”和苏州市“1030”产业体系，聚焦智能制造、智慧医疗、数字治理等新兴产业集群的需求，以具体的产业和真实问题为出发点，确定和组织课程的内容，积极引入以产业提供的真实数据、典型的企业案例为基本项目课和实验课的载体，激发学生学习热情、培养学生解决复杂实际问题能力，做到把书本知识和实践应用紧密结合。4.3教学与实训平台化学校需要建设AI智慧教学平台，以实现校内数字教学资源的高效管理、智能调度与深度应用。该平台可采用低代码开发框架和开发工具接口，支持学习轨迹全记录、内容安全管控、一键调用AI大模型、项目代码自动评分、学习隐患AI预警等教学新模式，辅助学生个性化学习、过程性评价、教学日常管理等工作。5结语在教育数字化转型的大背景下，文章提出了以知识图谱为中心对计算机类课程群建设的策略，结合布鲁姆认知模型、“教—学—评”一体化理念和产教融合的理念，绘制了人工智能技术应用专业的课程群建设指南，最后列举了高校人工智能课程群建设的发展方向。此策略为高校提供了扎实的理论依据、清晰明确的建设路径以及一套可以落地的指南，后续随着大模型等人工智能技术的应用，知识图谱的构建以及应用将会更加智能与自主，这将有可能在更高维的层面上重塑未来高等教育形态，为培养未来引领社会发展的优秀计算机专业人才作出必要的贡献。参考文献：［1］怀进鹏.数字变革与教育未来——在世界数字教育大会上的主旨演讲［J］.中国教育信息化,2023,29(03):3-10.［2］李惠乾,钟柏昌.教育知识图谱:研究进展与未来发展——基于2013—2023年中文核心期刊载文的分析［J］.计算机工程,2024,50(07):1-12.［3］马梦成.基于知识图谱的计算机专业教学资源智能检索方法［J］.信息与电脑(理论版),2023,35(19):22-24.［4］刘雪洁,孙庚,刘波,等.计算机课程思政研究的知识图谱可视化分析［J］.软件导刊,2023,22(06):229-234.［5］裴壮,田秀霞,李冰雪.知识图谱赋能的面向对象程序设计C++教学改革与实践［J］.华东师范大学学报(自然科学版),2024(05):104-113.999Sep39