Volume 3,Issue 9
基于知识图谱的人工智能专业学习达成度评估与预警模型
人工智能（Artificial Intelligence，AI）作为引领新一轮科技革命与产业变革的战略性技术，已成为全球科技竞争的制高点和驱动社会经济发展的核心力量。为响应国家战略需求，我国高等教育自2019年起系统性布局了人工智能本科专业建设，着力培养具备多维度复杂能力的创新型人才。然而，在AI 专业规模迅猛扩张的同时，其人才培养质量面临严峻挑战。现行教学实践中，评估体系存在“终结性评价滞后、过程性评估繁琐、干预反馈机制缺失”等结构性困境，难以实现“以评促学、以评促改”的形成性评价功能，严重制约人才培养质量的提升。知识图谱技术凭借其强大的语义关联与拓扑结构化表达能力，为构建以能力目标为核心的新型评估范式提供了潜在路径。因此，探索如何将知识图谱技术与人工智能专业的特色评估需求深度耦合，构建一个集评估、预警、干预于一体的闭环系统，不仅具有重要的理论创新价值，也为破解当前专业建设中的评估难题提供了迫切的实践需求。
[1] 孙奕菲, 李咏桉. 个性化学习资源推荐的分类、算法与挑战[J/OL]. 计算机科学,1-19.
[2] 熊余, 任朝辉, 吴超, 等. 基于知识图谱的可解释学习路径推荐[J]. 现代教育技术,2024,34(07):131-141.
[3] 韦善阳, 刘兴佳, 孙文吉斌, 等. 基于知识图谱的个性化教育研究[J]. 教育教学论坛,2025,(33):145-148.
[4] 韩锡斌, 程建钢, 等.Learning Analytics in Education[M]. 北京: 高等教育出版社,2020.
[5] 李源, 白雨, 姜放放, 等. 基于事件知识图谱的教学模式及评价体系改革探索[J]. 计算机教育,2025,(09):218-223.
[6] 普通高等学校本科专业类教学质量国家标准[M]. 教育部高等学校教学指导委员会. 高等教育出版社.2018.
[7] 冯韫韬, 王腾." 合理化" 理论视阈下我国高等教育的困境、成因与改革路径[J]. 江苏高教,2024,(09):45-51.
[8] 李建伟, 武佳惠, 姬艳丽. 面向自适应学习的个性化学习路径推荐[J]. 现代教育技术,2023,33(01):108-117.
[9] 卢宇, 章志, 王德亮, 等. 可解释人工智能在教育中的应用模式研究[J]. 中国电化教育,2022,(08):9-15+23.
[10] 高嘉骐, 刘千慧, 黄文彬. 基于知识图谱的学习路径自动生成研究[J]. 现代教育技术,2021,31(07):88-96.