摘要：如何創(chuàng)造性地因材施教是從古至今人們不斷思考的問題。如今人工智能技術(shù)在各個(gè)領(lǐng)域的應(yīng)用都取得了一定的進(jìn)展，具有更好地回答這個(gè)問題的潛力。針對物聯(lián)網(wǎng)知識繁多、更新快等特點(diǎn)，人工智能技術(shù)中的知識圖譜技術(shù)能梳理知識點(diǎn)之間的關(guān)系，進(jìn)而啟發(fā)授課教師產(chǎn)生新的教學(xué)策略。圖是互相連接事物及其關(guān)系的一種結(jié)構(gòu)化表達(dá)，是最接近真實(shí)世界的數(shù)據(jù)結(jié)構(gòu)，通過圖將所有的知識點(diǎn)連接起來，更易于揭示其中復(fù)雜的關(guān)系結(jié)構(gòu)。同時(shí)，人工智能中的強(qiáng)化學(xué)習(xí)技術(shù)可以根據(jù)環(huán)境反饋的獎(jiǎng)勵(lì)情況調(diào)整參數(shù)來尋找最優(yōu)策略。使用了強(qiáng)化學(xué)習(xí)技術(shù)的聊天機(jī)器人ChatGPT和GPT-4引發(fā)了熱烈討論。教學(xué)過程也可以看成強(qiáng)化學(xué)習(xí)的過程，教師可以采用的教學(xué)方法集合可以看成教學(xué)策略，學(xué)生的測試成績可以作為獎(jiǎng)勵(lì)值。文章以自動識別技術(shù)這一章為例，介紹知識圖譜結(jié)合強(qiáng)化學(xué)習(xí)的教學(xué)案例。首先通過CiteSpace軟件分析相關(guān)文獻(xiàn)數(shù)據(jù)獲得知識圖譜，揭示知識點(diǎn)之間的隱性關(guān)系和知識點(diǎn)串聯(lián)的重要線索。其次，根據(jù)知識點(diǎn)之間的關(guān)聯(lián)關(guān)系開拓新的教學(xué)思路，改進(jìn)教學(xué)策略。最后從強(qiáng)化學(xué)習(xí)的思想出發(fā)，根據(jù)學(xué)生的反饋來判斷所采用教學(xué)策略的效果，并盡可能找到最優(yōu)策略。教學(xué)實(shí)踐表明，知識圖譜結(jié)合強(qiáng)化學(xué)習(xí)的方法符合成果導(dǎo)向性教育理念，可以增強(qiáng)教學(xué)的藝術(shù)性。

關(guān)鍵詞：強(qiáng)化學(xué)習(xí)；知識圖譜；物聯(lián)網(wǎng)；教學(xué)改革；教學(xué)策略

中圖分類號：G622 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-9436（2023）15-00-03

0 引言

先賢孟子曾提出，“有如時(shí)雨化之者，有成德者，有達(dá)財(cái)者，有答問者，有私淑艾者。此五者，君子之所以教也”，指面對不同的場景、不同的學(xué)生要采用不同的教學(xué)策略，有潤物細(xì)無聲式的，有重視思政道德的，有側(cè)重能力培養(yǎng)的，還有答疑解惑、激勵(lì)學(xué)生自學(xué)的教學(xué)策略。在教學(xué)中應(yīng)采用哪些先進(jìn)的教學(xué)策略，如何創(chuàng)造性地選擇教學(xué)策略，是從古至今人們一直思考的問題。

人工智能技術(shù)中的知識圖譜和強(qiáng)化學(xué)習(xí)技術(shù)有望成為解決教學(xué)策略產(chǎn)生和選擇兩大問題的關(guān)鍵。強(qiáng)化學(xué)習(xí)，也叫增強(qiáng)學(xué)習(xí)，源自對動物行為心理的學(xué)習(xí)和心理學(xué)的行為主義［1］。類似于動物學(xué)習(xí)適應(yīng)環(huán)境的過程，強(qiáng)化學(xué)習(xí)中的智能體是根據(jù)環(huán)境反饋的獎(jiǎng)勵(lì)情況調(diào)整參數(shù)，從而找到最優(yōu)策略。OpenAI公司開發(fā)的聊天機(jī)器人ChatGPT和GPT-4引發(fā)了熱烈討論，同樣使用了強(qiáng)化學(xué)習(xí)技術(shù)。

1 物聯(lián)網(wǎng)導(dǎo)論的教學(xué)特點(diǎn)

物聯(lián)網(wǎng)導(dǎo)論作為物聯(lián)網(wǎng)工程專業(yè)的學(xué)生接觸到的第一門專業(yè)課，其重要性毋庸置疑。但物聯(lián)網(wǎng)導(dǎo)論的一些特點(diǎn)使其成為一門看似容易實(shí)則難度不小的課程，教學(xué)過程中存在一些難點(diǎn)需要克服。

1.1 課程內(nèi)容的多樣性

物聯(lián)網(wǎng)課程是信息學(xué)科的集大成者，內(nèi)容涉及眾多學(xué)科，例如識別技術(shù)部分就涉及模式識別、無線通信以及電子信息中的射頻識別芯片技術(shù)、信息安全等技術(shù)；而定位技術(shù)部分涉及衛(wèi)星通信、無線接入、蜂窩網(wǎng)等技術(shù)，還涉及一些高中解析幾何的思想，同時(shí)又和前一節(jié)的射頻識別技術(shù)內(nèi)容相關(guān)。學(xué)生在短時(shí)間內(nèi)會獲取大量知識點(diǎn)和專有名詞，增加了學(xué)生學(xué)習(xí)的難度，容易挫傷他們的積極性。

如今物聯(lián)網(wǎng)導(dǎo)論的內(nèi)容在不斷擴(kuò)展和延伸。隨著一些物聯(lián)網(wǎng)新技術(shù)在現(xiàn)實(shí)生活中的不斷普及和發(fā)展，物聯(lián)網(wǎng)導(dǎo)論的課程內(nèi)容也需要與時(shí)俱進(jìn)。例如在新興智能交通的大背景下，基于5G技術(shù)的車路協(xié)同智能交通技術(shù)迅速發(fā)展，智能交通章節(jié)的內(nèi)容不能僅局限在導(dǎo)航和不停車收費(fèi)系統(tǒng)等的簡單介紹，而要緊跟時(shí)事，介紹車聯(lián)網(wǎng)新技術(shù)，讓學(xué)生了解我國制定的車聯(lián)網(wǎng)新標(biāo)準(zhǔn)及其思政意義。

1.2 教學(xué)策略的選擇難題

因?yàn)槲锫?lián)網(wǎng)導(dǎo)論課程涉及內(nèi)容眾多，各種技術(shù)雖然在使用場景方面有不少共同點(diǎn)，但在原理方面大相徑庭，所以章與章、節(jié)與節(jié)之間的關(guān)聯(lián)性不強(qiáng)，建立整體的知識結(jié)構(gòu)需要花費(fèi)較長的時(shí)間。

如何選擇適合講授當(dāng)前知識點(diǎn)的教學(xué)策略是一個(gè)重要問題。因?yàn)楦鱾€(gè)知識點(diǎn)的特點(diǎn)不同，所以要在講授過程中隨時(shí)調(diào)整。例如講授條形碼和二維碼技術(shù)時(shí)比較適合采用對比教學(xué)策略，通過對比一維條形碼和二維碼之間的進(jìn)化關(guān)系和區(qū)別來講授二維碼的特點(diǎn)，從而使學(xué)生更容易理解與二維碼相關(guān)的知識點(diǎn)。但是教學(xué)策略是否適合，目前還是通過教師的主觀感受和經(jīng)驗(yàn)來判斷。

2 強(qiáng)化學(xué)習(xí)與知識圖譜結(jié)合的教學(xué)思想

2.1 強(qiáng)化學(xué)習(xí)的教學(xué)思想

往年引起轟動的打敗人類頂尖圍棋手的AlphaGo就是基于強(qiáng)化學(xué)習(xí)，通過蒙特卡洛采樣遍歷整個(gè)棋局走向，找到最優(yōu)的下棋步驟。下棋對弈是一個(gè)典型的馬爾科夫過程，而強(qiáng)化學(xué)習(xí)非常適用于解決馬爾科夫過程的問題。同樣，大學(xué)中的教學(xué)也可以看成一個(gè)較為復(fù)雜的馬爾科夫過程。教學(xué)過程可以看成強(qiáng)化學(xué)習(xí)的過程：教師以及相關(guān)的教學(xué)設(shè)備可以看成強(qiáng)化學(xué)習(xí)中的智能體（或者決策者）；教師采用的教學(xué)方法集合可以看成策略；實(shí)際的教學(xué)過程就是動作；學(xué)生對本課程知識點(diǎn)的掌握程度（或者教學(xué)效果）可以看成狀態(tài)，但該指標(biāo)無法直接觀察，是一個(gè)隱變量；因?yàn)闋顟B(tài)直接影響學(xué)生的測試成績，所以可將便于觀察的學(xué)生測試成績（或者成績達(dá)標(biāo)情況）作為獎(jiǎng)勵(lì)值。

基于強(qiáng)化學(xué)習(xí)的教學(xué)思想符合當(dāng)前最先進(jìn)的成果導(dǎo)向性教育理念。根據(jù)學(xué)生的學(xué)習(xí)情況調(diào)整教學(xué)策略，以學(xué)生能力培養(yǎng)為導(dǎo)向，強(qiáng)調(diào)以學(xué)生學(xué)習(xí)掌握知識的情況為核心，而不是以教師的講授內(nèi)容為核心，是一種研究性教育思想而非傳統(tǒng)的填鴨式教育，同時(shí)在一定程度上還能體現(xiàn)個(gè)性化的教學(xué)。

教學(xué)過程有一些特點(diǎn)，一些綜合性知識點(diǎn)和交叉知識點(diǎn)會受到之前多節(jié)課的影響，是一個(gè)復(fù)雜的馬爾科夫過程。因此在教學(xué)工作中利用強(qiáng)化學(xué)習(xí)的思想也面臨一些挑戰(zhàn)。一是教學(xué)策略集的建立：教學(xué)策略是教師教學(xué)能力的體現(xiàn)，受到教學(xué)經(jīng)驗(yàn)的影響，因?yàn)椴呗约呢S富程度在很大程度上會影響強(qiáng)化學(xué)習(xí)在教學(xué)中的使用效果，所以如何迅速建立教學(xué)策略集是一個(gè)重要的問題。二是獎(jiǎng)勵(lì)值的觀察：測試的手段包括平時(shí)作業(yè)、課題測試和期末考核等，但存在反饋周期較長、時(shí)間花費(fèi)較多等問題，這些都不利于策略的選擇。

2.2 知識圖譜的使用

六度分割理論很好地將人類社會描述成一個(gè)網(wǎng)狀的結(jié)構(gòu)。知識圖譜就是將這一理論擴(kuò)展到知識領(lǐng)域的現(xiàn)實(shí)化和實(shí)體化方法［2］。圖是互相連接事物及其關(guān)系的一種結(jié)構(gòu)化表達(dá)，是最接近真實(shí)世界的數(shù)據(jù)結(jié)構(gòu)。通過圖將所有的知識點(diǎn)連接起來，易于揭示其中復(fù)雜的關(guān)系結(jié)構(gòu)［3］。

圖由節(jié)點(diǎn)和邊構(gòu)成，具體到教學(xué)應(yīng)用中，節(jié)點(diǎn)就是各個(gè)知識點(diǎn)，節(jié)點(diǎn)可以由多種屬性和標(biāo)簽構(gòu)成，表示知識點(diǎn)的重要程度、難易程度等不同屬性，同時(shí)邊也有多個(gè)屬性，表示知識點(diǎn)之間的多種關(guān)聯(lián)，如包含關(guān)系、理論與案例的關(guān)系等。這與生活中人的屬性多樣性和人與人之間的相關(guān)關(guān)系多樣性是一致的。這些容易被忽視的隱性關(guān)系和看似極為常見的關(guān)聯(lián)關(guān)系往往是突破口和知識點(diǎn)串聯(lián)的重要線索。

知識圖譜的建立：現(xiàn)有的知識圖譜工具很多，本文選用的是CiteSpace，其可以梳理各個(gè)數(shù)據(jù)庫中的文獻(xiàn)，將文獻(xiàn)之間的關(guān)系以知識圖譜的方式可視化展現(xiàn)在研究人員面前，既能夠梳理過去的研究軌跡，又能對未來的研究前景形成大概的認(rèn)識［4］。這些特點(diǎn)非常契合物聯(lián)網(wǎng)導(dǎo)論這門課，既可以梳理物聯(lián)網(wǎng)眾多相關(guān)學(xué)科的發(fā)展，又可以使物聯(lián)網(wǎng)導(dǎo)論的內(nèi)容不斷擴(kuò)展和延伸。與此同時(shí)，關(guān)聯(lián)圖譜可以幫助人們發(fā)現(xiàn)容易被忽視的隱性關(guān)系和整理看似極為常見的關(guān)聯(lián)關(guān)系，還能從各個(gè)知識點(diǎn)之間的關(guān)系中啟發(fā)教學(xué)策略的產(chǎn)生。

3 知識圖譜結(jié)合強(qiáng)化學(xué)習(xí)的教學(xué)案例

以自動識別技術(shù)這一章為例，這一章的核心知識點(diǎn)是射頻識別技術(shù)。針對這一核心知識點(diǎn)，采取以下步驟。

首先，將從知網(wǎng)獲取到的相關(guān)文獻(xiàn)數(shù)據(jù)導(dǎo)入CiteSpace軟件進(jìn)行分析。因?yàn)楸疚膶iteSpace軟件的使用主要側(cè)重于知識基礎(chǔ)和學(xué)科結(jié)構(gòu)兩個(gè)方面，所以選擇的是共現(xiàn)網(wǎng)絡(luò)分析中的關(guān)鍵詞分析。

其次，為了更清晰地展現(xiàn)各關(guān)鍵詞之間的關(guān)聯(lián)程度，本文使用CiteSpace軟件中的聚類功能，將文獻(xiàn)分成若干簇［5］。射頻識別技術(shù)是物聯(lián)網(wǎng)感知識別層的重要技術(shù)，和物聯(lián)網(wǎng)其他層的技術(shù)關(guān)系緊密，這與聚類結(jié)果是相對照的：簇0是射頻識別自身，簇1、2、3分別是移動系統(tǒng)、信息感知和云計(jì)算，分別對應(yīng)其他層的主要技術(shù)；簇5為二維碼，是射頻識別技術(shù)的相近技術(shù)。

最后，分簇圖體現(xiàn)了與射頻識別技術(shù)關(guān)聯(lián)緊密的知識點(diǎn)，但當(dāng)需要擴(kuò)展思路時(shí)，主要關(guān)聯(lián)知識點(diǎn)往往不夠用。此時(shí)可以通過調(diào)整展示節(jié)點(diǎn)的度值顯示更多的關(guān)聯(lián)知識點(diǎn)，尤其是更多的應(yīng)用場景，如智能礦山、智能倉儲、冷鏈物流、醫(yī)療系統(tǒng)、古樹名木等。順著這個(gè)思路，可以選擇易于學(xué)生理解的相關(guān)案例。

知識圖譜的建立可以通過圖的形式將所有知識點(diǎn)連接起來，從而幫助任課教師更好地建立教學(xué)策略集。尤其是使用強(qiáng)化學(xué)習(xí)思想時(shí)，策略價(jià)值函數(shù)就不僅僅與當(dāng)前知識點(diǎn)的策略獎(jiǎng)勵(lì)值有關(guān)，還與其相關(guān)知識點(diǎn)的策略獎(jiǎng)勵(lì)值有關(guān)。

用于物聯(lián)網(wǎng)導(dǎo)論教學(xué)的強(qiáng)化學(xué)習(xí)方法如下：建立策略價(jià)值表，存放每次課采用每種策略產(chǎn)生的策略價(jià)值；采用ε貪心算法，在策略價(jià)值表中選擇當(dāng)前狀態(tài)的策略，即設(shè)定一個(gè)較小的ε值隨機(jī)選擇策略，剩下的1-ε選擇最優(yōu)策略。執(zhí)行策略，并根據(jù)公式更新策略價(jià)值表。

以前述的射頻識別技術(shù)這一節(jié)為案例，按照知識圖譜結(jié)合強(qiáng)化學(xué)習(xí)的思路，本節(jié)課采用的教學(xué)方法有以下幾種。

第一，識別技術(shù)引入法，即通過識別技術(shù)引入要解決的問題。感知識別技術(shù)融合物理世界和信息世界，是物聯(lián)網(wǎng)區(qū)別于其他網(wǎng)絡(luò)最獨(dú)特的部分。接著可以從三方面展開：人類認(rèn)識世界的過程就是不斷識別的過程；從人工識別向自動識別轉(zhuǎn)換；自動識別技術(shù)是物聯(lián)網(wǎng)的基礎(chǔ)。

第二，橫向技術(shù)比較法，包括與一些生物特征識別方法的比較和與二維碼等方法的比較。生物特征識別是指與人體生命特征存在一定關(guān)聯(lián)的技術(shù)，包括語音識別、指紋識別、人臉識別、虹膜識別等，它們都需要提取人的生命特征，而這也導(dǎo)致它們的適用范圍有限。

第三，交集技術(shù)引入法，射頻識別技術(shù)與智能卡技術(shù)之間有很大的交集，非接觸智能卡大量使用射頻識別技術(shù)，可以通過身份證等既是智能卡又使用了射頻識別技術(shù)的例子展開論述。

第四，案例引入法，案例法可以作為引入課程的方法。以一次時(shí)間教學(xué)為例，在本節(jié)課的開始階段，可以設(shè)置一個(gè)如何實(shí)現(xiàn)無人超市的討論，讓學(xué)生發(fā)現(xiàn)無人超市場景中的識別難題，從而順理成章地引入射頻識別技術(shù)。

第五，案例補(bǔ)充法，案例可以作為相關(guān)技術(shù)介紹的補(bǔ)充。比如講述射頻識別技術(shù)的工作原理時(shí)，可以結(jié)合不停車收費(fèi)系統(tǒng)，將枯燥的知識實(shí)例化，讓學(xué)生有具象認(rèn)識。

第六，案例講述法，即結(jié)合實(shí)例講述工作原理等知識。

在實(shí)際教學(xué)中，發(fā)現(xiàn)案例引入法、案例補(bǔ)充法和案例講述法的結(jié)合能達(dá)到更好的教學(xué)效果。在2020—2021第一學(xué)期采用交集技術(shù)引入法后，發(fā)現(xiàn)學(xué)生測試成績下降，于是在下一學(xué)期探索新的引入法，采用案例引入法后學(xué)生成績有所提升。在實(shí)際教學(xué)過程中，要避免不停試錯(cuò)的過程，任課教師應(yīng)根據(jù)教學(xué)的實(shí)際情況有傾向性地選擇合適的教學(xué)策略，避免采用教學(xué)效果一般的策略，體現(xiàn)出一定的主觀能動性。受到課時(shí)的限制，教學(xué)過程中并不能選擇所有的教學(xué)策略。

4 結(jié)語

相較于傳統(tǒng)的無反饋教學(xué)方法和單純采用強(qiáng)化學(xué)習(xí)的方法，本文所提方法在物聯(lián)網(wǎng)導(dǎo)論課程的教學(xué)中，有以下優(yōu)勢：能幫助任課教師迅速了解最新的應(yīng)用；能提供更多可供選擇的教學(xué)策略，幫助任課教師更好地進(jìn)行教學(xué)改革的嘗試；能通過不同的教學(xué)策略激發(fā)學(xué)生的學(xué)習(xí)興趣，幫助他們更清晰地了解物聯(lián)網(wǎng)這個(gè)專業(yè)，做好大學(xué)的學(xué)習(xí)規(guī)劃以及將來的職業(yè)規(guī)劃。從近兩年的教學(xué)數(shù)據(jù)來看，學(xué)生的平均成績均超過85分，相較于往年提升了3分左右，教學(xué)滿意度達(dá)到了92分。

知識圖譜結(jié)合強(qiáng)化學(xué)習(xí)符合成果導(dǎo)向性教育理念，能根據(jù)學(xué)生的學(xué)習(xí)情況調(diào)整教學(xué)策略，以學(xué)生能力培養(yǎng)為導(dǎo)向，強(qiáng)調(diào)以學(xué)生學(xué)習(xí)掌握知識的情況為核心，使其成為復(fù)合型高素質(zhì)理工類人才。同時(shí)，本文所提方法也可以應(yīng)用在其他專業(yè)、其他科目的教學(xué)中，具有普適性。

參考文獻(xiàn)：

［1］ 余亮，張騰飛.基于強(qiáng)化學(xué)習(xí)的算法分析與設(shè)計(jì)課程重難點(diǎn)教學(xué)方法探索［J］.計(jì)算機(jī)教育，2022（5）：185-188，195.

［2］ 潘玉珠，賈文麗，徐方全，等.基于知識圖譜的云計(jì)算技術(shù)研究現(xiàn)狀與分析［J］.軟件導(dǎo)刊，2020，19（7）：267-270.

［3］ 湯宇軒，齊恒，申彥明，等.基于知識圖譜的課程思政素材庫構(gòu)建［J］.軟件導(dǎo)刊，2022，21（7）：214-219.

［4］ 李杰，陳超美. CiteSpace： 科技文本挖掘及可視化［M］.北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2016：31-64.

［5］ 謝榕，朱衛(wèi)平.人工智能課程領(lǐng)域知識圖譜及其創(chuàng)新教學(xué)模式［J］.軟件導(dǎo)刊，2021，20（12）：179-186.

作者簡介：師曉曄（1982—），男，山西忻州人，博士，講師，研究方向：物聯(lián)網(wǎng)通信、強(qiáng)化學(xué)習(xí)。

基金項(xiàng)目：本論文為2020年度江蘇省自然科學(xué)基金項(xiàng)目“無線攜能中繼系統(tǒng)中的能量-信息權(quán)衡傳輸”成果，項(xiàng)目編號：BK20160903