摘 要：智能时代知识组织方式正发生深刻变革， 学科教学亟需明确如何基于结构化知识进行整体性的大单元设计，以实现学科核心素养培养。研究提出基于最近发展区理论的学科知识发展框架，以学科知识图谱构建过程为研究对象，分析并实施学科知识图谱技术路线，提炼大单元特征提取与质量评估方法，构建出面向大单元设计的信息科技学科知识图谱。大单元设计是一体化设计思想，研究依据学科知识图谱、大单元设计关键要素和基本步骤，提出了自底向上、自顶向下两类大单元设计模式。案例实践研究表明：学科知识图谱可降低实践类知识的教学设计难度，弥补新任教师在学情分析等方面的不足，为大单元教学的设计与实施提供依据，促进结构化知识在教学的深度应用。

关键词：最近发展区；学科知识图谱；大单元设计；信息科技

一、引言

知识图谱是一种结构化的语义知识库，在医疗、购物、教育等多个领域得到了发展与广泛应用，为大规模知识互联和语义检索奠定了知识与技术基础。2017 年，我国将知识图谱作为人工智能发展的关键共性技术，提出建设大规模多源、跨学科、跨媒体、跨数据类型的知识图谱（国务院，2017）。同年，教育部等六部门（2017）提出利用知识图谱技术建设数字资源新型基础设施，通过协同教育资源智能标注，优化教育资源供给服务。在知识图谱的教育应用层面，有研究认可知识图谱在资源智能推荐和学习干预方面的作用（方海光，等，2022a）。从通用技术到垂直领域应用，知识图谱对教育的影响已深入到育人层面。

结构化是知识图谱的显著特征， 我国教育部门正通过跨学科的人才培养方案和评价方式， 推动知识内容结构化。《义务教育课程方案（2022 年版）》（以下简称《课程方案》）提出“突出课程内容结构化，各学科设计跨学科主题学习”，对内容结构化提出明确要求（教育部，2022）。《普通高中学校办学质量评价指南》 将加强跨学科综合性教学作为优化教学评价方式的评价指标（教育部，2021）。人才培养方案和评价方式的变化表明， 培养学习者综合性学习能力和核心素养是新时代的育人价值导向， 应通过知识图谱技术建立跨学科的知识网络， 重构教育资源关系和学习方式， 以结构化知识内容促进学习者综合问题解决能力和核心素养发展。

如何推动知识内容结构化和跨学科教学， 已成为学界研究的焦点问题。在知识层面， 崔允漷（2019a）提出新课标更重视知识点的联结及其应用，因此教学设计应从单个知识或单元设计转变为大单元设计。在素养层面，龙安邦等（2023）主张通过大结构意义联通和大单元教学设计等方法， 将素养元素与逻辑内蕴于教学内容。知识和素养层面的学界观点， 共同指向以结构化知识进行整体性设计的教学理念，即大单元教学。最近发展区是指“学生实际发展水平与潜在发展水平之间的距离”（Vygotsky，1987），这为根据学情构建结构化知识、确定大单元教学起点和教学设计提供理论依据。本研究在最近发展区理论视域下构建面向大单元教学的信息科技学科知识图谱， 探索如何基于学科知识图谱进行内容结构化的大单元设计， 进而为学科知识图谱发展和大单元教学研究提供理论和实践参考。

二、理论基础与研究现状

（一）“最近发展区”的可视化发展

“最近发展区”是维果斯基（Lev Vygotsky）社会文化理论的核心观点， 表现为学生实际发展水平与潜在发展水平之间的距离。其中，实际发展水平是指当下解决问题的水平；潜在发展水平是指在别人帮助下能够达到的水平。布鲁纳 （Jerome Seymour Bruner）根据最近发展区的观点，提出支架式教学策略（王光荣,2004）。这一策略以脚手架作为最近发展区的具象比喻，帮助教师更好实施教学设计。随着图示技术的发展， 思维导图等图式工具成为帮助学生整合新知和原有认知结构， 建立新的图式和意义建构的脚手架图式工具（陈敏，2005）。教师也尝试使用统计方法对支架式教学的学生发展水平进行测评（盖淑华，2010）。在学情诊断和精准教学方面，有研究通过收集、 诊断和计算学习者对学科概念的理解数据， 用数据和图像呈现学习者不同最近发展区的能力表现和认知状态（刘宁，等，2020）。

目前， 基于最近发展区理念的教育研究更倾向学情、知识、学习过程、学习结果的数据化和可视化，旨在实现精准的学情判断和教学干预。知识和资源的数字化， 将建立教学内容与学习过程的统一数字基础， 有利于基于最近发展区的教学实施和学生个性化成长。

（二）从“知识图谱”到“学科知识图谱”

知识图谱（Knowledge Graph，KG）概念源于知识工程与专家系统的研究（Bakker，1987），是一种以符号形式描述概念及其相互关系的结构化语义库（刘峤，等，2016）。从图式视角而言，知识图谱是一个由节点和边组成的网络， 其中节点表示现实世界的实体或概念，实体间的关系形成节点间的边。知识图谱在教育领域衍生出教育知识图谱、 学科知识图谱等概念，用于表示学科教育中教学元素、实体关系等形成的语义网络。

目前学界并未就学科知识图谱构建的逻辑起点达成共识，但形成基于知识、基于资源、基于问题和基于素养四类观点。（1）基于知识的观点将学科知识作为基本单元，建立知识点、知识关系的意义映射，认为此类方法能够在提供课程目标表征、检查课程内在一致性等方面指导教学（杨开城，2011）。（2）基于资源的观点认为学科知识图谱的节点由知识点或与知识点相关的教学资源所组成，可根据学习者需求推荐多模态资源（李艳燕，等，2019）。（3）基于问题的观点认为课本知识属于间接经验，学生需通过解决问题或完成任务等条件才能习得知识内容（范佳荣，等，2022），并提出以知识簇为节点，问题为线索，能力培养为目标，构建知识、方法与问题有序组织的图式（钟绍春，等，2020）。（4）基于素养的观点将知识单元与学科核心素养水平建立联系，进行层次划分，提出学科知识图谱是学生学科认知结构化、 语义化和可视化表征的图网络（董晓晓，等，2023）。综合上述观点，本研究认为学科知识图谱是以育人价值导向和学科问题的逻辑关系为核心，连接学科知识、学科活动、领域教育资源、学生学科认知的多维图式结构。

（三）整体性导向的“大单元设计”

“大单元设计”即大单元教学设计，其理念源于单元教学，蕴含系统论、布鲁姆“掌握学习”、格式塔学派“整体论”等教育思想（徐鹏，2021）。相近概念有大观念教学、大任务教学。学科核心素养提出以后，我国单元教学的形式发生较大变革， 由此引发了学界对大单元设计的理论与实践探索。

关于大单元设计是什么， 当前学界有两个视角。一是从大单元教学与核心素养的关系进行定义。把大单元教学理解为学习事件、 完整的学习故事或微课程，是一个指向素养的、相对独立的、体现完整教学过程的课程细胞（崔允漷，2019b）；有学者认为语文大单元设计是以语文学科大观念为统领、 核心素养为取向的单元整体教学（李卫东，2019）。二是从大单元教学的整体性特征进行定义。认为大单元设计需要对单元内容实现要素整合、内容关联和教学统整（荣维东，2021）；或认为大单元教学应通过精选、开发与重组相关学习内容，还原学习的真实性和完整性（孟亦萍，2019）。本研究强调大单元设计的整体性，认为大单元是主题、活动、知识三个层面的内在统一。

三、基于最近发展区的学科知识发展框架

维果斯基的最近发展区理论（Vygotsky，1987）指出了学生实际发展水平和潜在发展水平， 将二者中间距离作为学生的最近发展区。费拉拉（Ferrara）等根据这一理论， 提出为特定领域的动态学习档案设计分级提示（Vygotsky，1999），尝试使用分层的理念对学情和知识进行管理。并认为最近发展区仅代表一段时间内学生发展，其下限是实际发展水平，上限是潜在发展水平， 对于超过这一范围的发展水平并未作说明。在进入最近发展区之前，学生当前水平可认为是当前发展区， 当前发展区包含学生已掌握的知识。因此该区域的能力起点是零水平，代表低于零水平的学习对能力发展没有作用。当学生超越最近发展区， 应该有一个区域代表学生未来发展水平的范围， 即未来发展区。其上限可定义为未来发展水平，代表长期学习的学习预期。四个能力水平标准和三个发展区域共同划分学生的长期发展水平。

最近发展区理论揭示了教学、 学习与发展间的辩证关系， 三者关系被清晰表达为三位一体的过程（麻彦坤，2004）。在课堂教学中，教学活动是课堂教学工作的基本形式， 学生学习是课堂学习的主要内容，要实现教学、学习与发展间的辩证统一，可将学科知识作为承载发展需要的内容载体。学科知识是学科教学活动的知识起点并伴随教与学的全部过程，教师根据知识设计教学活动，学生通过参与活动实现知识内化。在学科知识层，学科知识可分为当前知识、最近知识和预测知识。当前知识是学生当前知识水平的映射；最近知识代表学生最易习得或对当前水平提升有帮助的知识；预测知识代表知识水平超过最近发展区后适合学习的知识。在教学活动层，根据学科知识对教学活动的支撑作用， 教学活动层可分为教学情境、教学活动和教学路径。在当前发展区，教学活动设计主要围绕学生已习得的知识，此阶段的活动设计主要营造易于学习的资源情境。在最近发展区， 学生深度参与教学活动并产生能力水平的变化。在未来发展区，学科知识支持对学生未来发展进行教学路径规划。在学生学习层，根据学生对学科知识内化情况，可分为浅层学习、深度学习和预测学习。在当前发展区，学生习得的知识和教学活动并不能实现能力水平的质性变化，属于浅层学习。在最近发展区， 学生真正实现知识内化和能力水平获得发展，实现了深度学习。在未来发展区，学生根据学习兴趣、天赋特长等因素决定学习内容和教学活动，属于预测学习。

本研究构建了基于最近发展区的学科知识发展框架，描述学科知识、教学活动、学生学习与学生发展水平划分， 共同形成学科知识在教与学不同层面的微观分析，如图1 所示。

图1 基于最近发展区的学科知识发展框架

四、基于最近发展区的学科知识图谱构建

基于最近发展区的学科知识发展框架将学科知识作为教学活动和学生学习的基础条件。作为面向学科的知识库， 学科知识图谱的构建应建立在课程标准、 学科教学与学习规律基础上。在教学活动层面，学科知识图谱发挥主题知识聚合、单元知识融合的作用。为此，在构建学科知识图谱时，应将大单元的教学需要作为大单元特征提取和质量评估的必要条件。在学生学习层面，学科知识图谱是学生检验当前发展水平的知识依据， 其知识元实体和知识关系应客观、正确映射学生真实水平，以便于学生正确指向未来发展区。

（一）学科知识图谱构建的技术路线

学科知识图谱的构建，是指以教材、课标等教育数据源为基础构建知识本体、实体和关系，以网络资源、 平台资源等开放数据源的数据进行知识实体填充、标签提取和特征融合，面向知识逻辑和学科要求，进行质量评估与关系约束的学科知识网络表征过程。本研究基于学科知识发展框架构建了信息科技学科知识图谱，其构建过程的技术路线，如图2 所示。

图2 学科知识图谱构建的技术路线

（1）数据源分类：数据源分为教育数据源和开放数据源。教育数据源是国家或地方审核通过的教育资源，如课标、国家或地方教材等，具有明确的育人导向价值；开放数据源包括网络资源、开放平台中的教育资源等。教育数据源是学科知识图谱构建的数据基础。课标数据是本体构建和实体学习的最根本数据源。网络资源、开放平台等开放数据源是学科知识图谱构建的数据拓展，通过填充实体、建立知识节点关系，为补全知识图谱提供资源。

（2）学科本体构建：知识专家对术语提取、属性建模和本体关系学习的规则进行定义，通过参考其他学科知识图谱建立术语、 本体关系和基本属性列表，根据信息科技学科知识要求改进并完善本体构建。

（3）学科实体学习：通过无监督的数据统计及有监督学习提取知识元名称， 听取学科特级教师和一线经验教师的建议对提取结果进行修正， 为知识元赋予基础属性建立知识元实体。通过半自动化标注的方式，将知识元实体回归课程标准，寻找实体关系并建立实体链接，实体关系包括从属、类别等。在此过程中基于学科本体完成实体填充。

（4）多模态特征数据提取：根据学科知识图谱的本体要求和知识内涵差异，将数据源的结构化、半结构化、无结构化数据提取类别标签、属性标签、认知水平标签等多模态特征， 为新标签建立标签引用路径并作为知识元基础属性。

（5）多模态特征标签融合：标签系统是学科知识图谱完成知识元属性构建的核心模块， 通过标签获取与重定向建立知识属性与知识元相互联系。面对同名不同义的标签，进行同名实体消歧，完成标签重命名。面对同义不同名标签，进行共指实体消解，完成标签统一命名。

（6）图谱质量评估：基于学科知识图谱需求建立数据统计与人工相结合的评估方法， 根据评估结果对评估维度、评估指标和约束规则进行迭代，检查学科知识图谱的完整性、准确性和简洁度。约束规则决定了学科知识图谱能够有效应用于教学过程， 其规则制定与经验教师的协同共识有关。

（7）大单元设计应用方面：学科知识图谱可基于知识元相互关系形成的知识基本联系， 结合大单元教育需要的约束规则来完成知识聚合， 最终形成知识结构清晰、单元递进关系明确的学科知识单元。

（二）学科知识图谱的大单元特征提取方法

学科知识图谱的大单元特征提取就是根据学科教学规律，对学科知识元实体进行聚类分析，决定可进行大单元教学设计的知识范围及知识主题， 并将特征提取结果以标签形式存储于知识元实体的标签生成过程。可采用三种方法进行大单元特征提取，如图3 所示。

图3 大单元特征提取方法

（1）基于规则的特征提取方法。规则可转化为特征的数据统计算法。根据课程标准，信息科技学科为不同年级设置了九个内容模块和六条逻辑主线，共同构成大单元特征提取的规则框架。基于内容模块规则和逻辑主线规则进行算法遍历， 得到内容与逻辑主线交织的知识元集合， 最后可为遍历生成的知识元集合赋予不同大单元特征。该方法可为具有内在联系的大单元知识快速赋予单元知识联系标签，但不能自动提取融合知识集合的大单元主题。

（2）基于德尔菲法的特征提取方法。根据教师对大单元教学的理解， 组织多轮的大单元特征意见征集以达成经验共识。该方法需要经验教师主导教学设计，在大单元主题设计方面具有显著优势，能充分发挥经验教师的作用，但形成共识的过程耗时较长，特征提取效率较低。

（3）混合式特征提取方法。该方法融合基于规则的方法和德尔菲法的特征提取优势。首先基于规则对大单元特征进行提取， 然后由多位经验教师对提取结果进行筛选， 并为筛选后的知识元集合分别设计大单元学习主题， 最后将提取结果输入到知识元实体的标签系统中。该方法具有很好的查询召回率和较高的单元主题构建效率。本研究即选择该方法进行大单元特征提取。

（三）面向大单元的学科知识图谱质量评估

目前，学界对知识图谱的研究集中在知识抽取、存储、融合、推理等方面，从业务需求出发的知识图谱质量评估的研究较少， 现有研究常与传统数据质量维度（语义完整性、语义简洁性、语义准确性）相结合评估知识图谱数据质量（刘洋，等，2021）。为此，本研究通过整理大单元教学的应用需求，结合学科知识图谱知识元实体和实体关系的内容结构， 确定了面向大单元的学科知识图谱质量评估指标， 应用于信息科技学科知识图谱的数据质量评价，如表1 所示。

表1 学科知识图谱质量评估对象、维度和指标

面向大单元的学科知识图谱质量评估， 数据质量与教学应用价值都应是评估的关键内容。在评价过程中， 很难通过单一维度指标来反映知识图谱质量。为此，本研究采取数据统计的定量评估与单元教学的定性评估相结合的方式。在数据层面，为304 个知识元实体和1577 对实体关系的数据质量进行定量统计，从完整性、准确性和简洁性三个维度，匹配主题约束规则、合法值约束规则等十类约束规则，自动评估学科知识图谱质量， 如表2 所示。在应用层面，教师构建了48 个学科知识单元集合，通过知识元实体及实体间关系的分析结果设计活动内容，完善大单元教学过程， 评估学科知识图谱能否真正支持大单元教学设计。从大单元知识元集合到完成教学设计，经历了大单元主题选择、大单元活动设计、子课时分解、子知识分解、子活动分解等过程。

表2 面向大单元的约束规则及其定义

五、基于学科知识图谱的大单元案例应用

本研究根据学科知识图谱的技术路线， 为信息科技构建了学科知识图谱，包括304 个知识元实体、1577 对实体关系和48 组预设的学科知识单元集合，通过标签系统实现大单元知识聚合和知识管理，如图4 所示。研究团队组织36 位信息科技学科教师（包括6 位高级职称以上教师，21 位一线经验教师，9 位新任教师） 探索基于学科知识图谱大单元设计的教学应用。

图4 信息科技学科知识图谱（部分）

（一）基于学科知识图谱的大单元设计关键要素

大单元设计的现有研究强调主题的统领性和各设计要素的相互联系性，将大任务、大概念等作为驱动大单元教学的核心动力。本研究所提出的基于学科知识图谱的大单元设计强调知识、 活动与单元主题的完整性，应形成以大单元知识集合为内容基础、大单元活动为过程承载、大单元主题为学习情境、大单元评价为价值导向的一体化设计。

大单元设计关键要素应包含四方面内容。（1）大单元知识集合。在大单元设计中，单元知识具有整体性、 关联性和真实性， 内含真实问题或项目背景知识， 能够帮助学生在当前知识背景下进行跨学科主题学习。（2）大单元活动。教学过程中的一系列教学活动、策略、资源的设计与应用都可通过活动任务进行驱动。大单元知识集合与大单元任务建立知识学习与体验感知的相互映射关系， 可以帮助记录大单元任务的实施过程和学习结果， 确保大单元设计能得到有效体现。（3）大单元主题。大单元主题是一个整体性概念，而非具体任务的学习主题。大单元主题能够营造统领整个单元学习的情境，指向能够解决真实问题的项目背景。（4）大单元评价。大单元评价指根据学生在单元情境的学习过程与学习结果进行评价，是一种过程性评价与总结性评价相结合的评价方式。

（二）基于学科知识图谱的大单元设计基本步骤

基于学科知识图谱的大单元设计关键要素包括大单元知识选择、 大单元活动设计、 大单元主题确定、大单元评价设计。根据设计的逻辑起点不同，可分为自顶向下、自底向上两类大单元设计模式，如图5 所示。

图5 自顶向下、自底向上大单元设计模式

自顶向下的大单元设计模式以大单元主题的展开为起点，首先确定大单元主题和教学目标，然后设计大单元活动， 根据主题和活动要求在学科知识图谱检索对应的大单元知识，最后实施大单元评价。自底向上的大单元设计模式以大单元知识集合的主题归纳为起点， 首先通过学科知识图谱生成大单元知识集合，为知识设计符合真实情境的单元主题；然后根据知识和主题设计相关教学活动；最后实施大单元评价。

通过对两类大单元设计模式的比较可以发现，自顶向下的设计模式知识综合性更强， 易于根据单元主题自主探索，对教师经验要求较高，更适合经验教师。自底向上的设计模式知识相互联系更加紧密，易于形成学习脚手架，帮助学生理解知识间关系，同时对教师要求不太高，更适合新任教师。

（三）基于学科知识图谱的大单元设计应用案例

本研究基于构建的信息科技学科知识图谱，采用自底向上的大单元设计模式进行教学设计。首先，教师提取关于“算法基本控制结构”的大单元知识集合，依据学科知识发展框架结合教学内容与学情，将部分知识划分为构建教学情境的当前知识；将部分知识划分为组织教学活动的最近知识；将少量知识划分为引导未来学习的预测知识。其次，教师根据知识集合设计了“设计创意巡线机器人”的单元主题，结合当前知识设计巡线机器人的教学情境， 将单元主题分解为课时主题，并与知识集合建立映射关系，形成指向未来发展区的教学路径， 然后结合单元目标和知识要求，设计可实施的教学活动。最后，教师结合单元目标、 知识目标体系和活动体系实施大单元评价。

1.生成大单元知识集合

通过学科知识图谱提取具有相同大单元特征的知识元实体， 其提取结果为具有内容联系和一定知识结构的知识集合。大单元特征提取采用统计方法与德尔菲法相结合的混合方法， 通过预设的知识元过滤、 内容模块提取和逻辑主线提取等规则对学科知识图谱进行过滤，初步获得包含25 个知识元实体的大单元知识集合。教师根据教学经验进行手动筛选，最终确定10 个具有紧密知识联系的大单元知识集合。生成的大单元知识集合可通过CR1、CR4、CR6、CR7、CR8 等约束规则的数据统计判断大单元知识集合主题契合程度、属性合法程度、完整性、唯一性和从属关系。大单元知识提取过程与结果，如表3 所示。提取结果不能直接进行大单元设计，还需教师根据知识关系对知识集合进行分解， 形成具有可操作的知识目标集合，即分解为当前知识、最近知识和预测知识。

表3 基于学科知识图谱的大单元知识集合提取

2.大单元主题确定

大单元主题是单元知识的情境载体， 是单元知识、情境活动、课程资源的意义指向。德尔菲法能让不同教师形成观点丰富的趋同意见， 反映教师整体的基本思想（方海光，等，2022b）。本研究通过德尔菲法，将多位教师基于生成的知识集合意见趋同，确立大单元主题为“设计创意巡线机器人”，形成大单元主题分解的课时主题共识， 并将知识集合与课时主题建立映射关系。课时主题和知识集合形成具有方向的路径，路径最终指向本单元的最终课时主题：让机器人听指令。学生从课时起点到终点，课时主题配套知识集合共同帮助学生从浅层学习步入深度学习，如图6 所示。

图6 大单元主题分解与知识映射关系

3.大单元活动设计

大单元活动需对知识目标进行活动整合， 为不同的知识目标和知识节点设计小的教学活动。设计过程中可根据知识难易程度重新组合知识， 对于重难点知识可单独设计活动， 对于较简单知识可结合多个知识点设计综合性活动， 最终整合为具有前后联系的大单元活动。本研究结合单元主题和课时主题，为六个课时主题设计了“了解巡线机器人”“设计巡线机器人的工作场景和功能”“用自然语言描述机器人的工作流程” 等课时活动， 各课时活动建立在“设计创意巡线机器人”单元主题情境下，如图7 所示。

图7 大单元活动体系

4.大单元评价设计

大单元的评价设计围绕过程与结果展开，包含学生自评、组内评价、教师评价、增值评价等评价形式， 评价整体性是大单元评价设计重点关注的因素。学科知识图谱具备的知识结构与内容联系，可为大单元评价提供路径依据和增值评价依循。在过程性评价中，由知识节点与节点关系构成的学习路径可与大单元学习内容建立联系，过程性学习数据与学科知识图谱相互对应， 用于检验学习的完成度。课堂中增值评价的实践难点在于如何确定学生的学习起点，在确定学习起点后，才能从得分、内容习得等角度对学生进行精准评价。本研究中，学生的评价内容包含知识、能力、素养三个层面，学科知识图谱作为学生增值评价的学情判断依据，跟踪学生是否真正从浅层学习迈入最近发展区，进行深度学习，乃至突破最近发展阶段，实现预测学习。例如，在“使用顺序结构和循环结构实现巡线机器人直线运动”的增值评价中，以顺序结构和循环结构的知识掌握情况判断学生知识增量，以小车能够直线运动判断学生能力增量，以能否用顺序结构和循环结构解决生活中的问题判断学生是否习得最近知识，进而实现学生素质发展。

六、总结与讨论

学科知识的结构化所引发的教育教学变革正在深入到课堂层面， 知识的结构化倒逼课堂探索面向大单元的教学设计，这需要不断提高知识治理手段、调整知识结构，使得学科知识维持动态、可持续的发展状态。当大单元设计需求发生变化，学习技术应及时发挥技术支撑、干预和评价作用。2022 年义务教育课程方案和课程标准发布后， 现有研究尚未完成相关知识图谱构建与教学应用研究。本研究结合学科知识特征和学科核心素养育人要求， 认为学科知识图谱可应用于大单元设计， 学科知识图谱构建过程与评估标准应围绕大单元设计展开。因而提出了以数据统计为批量处理手段， 以专家经验为验收标准的学科知识图谱大单元特征提取方法， 并为面向大单元的学科知识图谱质量评估设置了系列约束规则。在教育实践应用层面，以36 位信息科技学科教师的自底向上的大单元设计模式实践为例， 说明了基于学科知识图谱进行大单元教学设计的关键要素、基本步骤和实践可行性。

研究发现：（1）学科知识图谱在实践性知识教学方面展示出技术支持作用。基于学科知识图谱和自底向上大单元设计模式， 有效降低教师完成实践类知识大单元教学设计的难度。（2）学科知识图谱中的大单元特征发挥了主题回归作用。大单元特征帮助教师在大单元主题确定、活动设计、教学评价过程明晰知识集合定位，围绕大单元主题实现内容的外延。（3）图式知识表征可弥补新任教师在教学设计时内容把控方面的经验短板。新任教师在学情分析、教学经验等方面存在不足， 大单元知识集合中的知识联系为教学设计提供可参考的脚手架， 提前规避因不了解学情和知识难度导致的知识无序。（4）结构化知识成为大单元教学的逻辑主线。在基于学科知识图谱的大单元教学中， 知识与知识联系成为建立课时与主题活动联系的底层逻辑， 能力和素养提升建立在知识学习与活动参与的基础上。

后续研究将主要关注以下内容：（1）基于学科知识图谱建立跨主题跨年级的知识语义联系， 提炼面向深度学习和预测学习的知识内容组织路径模型。根据最近发展区理论的学科知识发展框架， 从浅层学习走向深度学习，乃至实现预测学习，存在引导学科知识递进式上升的学习发展路向， 涉及跨主题跨年级的知识内容自动化提取相关方法。（2）基于学科知识图谱构建学生个性化学习的数据模型， 帮助学生在自主学习中实现知识推荐、 学习决策与学习评价。知识、活动与学习是学科教学的一体多面，当前研究主要针对教学设计的学科知识图谱应用， 面向学生个性化学习的学科知识图谱还有待完善。（3）基于学科知识图谱构建跨学科知识图谱， 重点在于解决跨学科知识关系构建和知识融合问题。不同学科的逻辑主线和内容模块在知识逻辑和表述方面存在差异，融合跨学科知识内容、关系和学习领域以建立知识层面学科共识是跨学科知识图谱需解决的首要问题。（4）探索大模型技术支持下的学科知识图谱构建。ChatGPT 4.0 等生成式人工智能和大模型在语言理解方面具有显著优势， 后续可基于学科知识图谱融合大模型，探索在实体填充、约束条件生成、图谱质量自动化评估、 文本数据特征提取等方面融合大模型技术的可行路径。

 

基金项目： 本文系2021 年北京市社会科学基金规划项目 “教育机器人支持的人机协同新型 ‘双师课堂’ 研究”（项目编号：21JYB011）、2022 年度北京市数字教育研究课题重点课题 “‘双师课堂’ 新型教学模式体系研究” 建设 （项目编号：BDEC2022080001）的阶段性研究成果。

作者简介：郑志宏（通讯作者），硕士，北京市海淀区教育科学研究院教育科研教师（北京 100083）；马涛,特级教师,北京市海淀区教育科学研究院教育网络与数据中心主任（北京 100083）；孔新梅，首都师范大学教育学院在读博士研究生（北京 100048）；方海光，博士，首都师范大学教育学院博士生导师、教授（北京 100048）。

引用信息：郑志宏，马涛，孔新梅，方海光，2024.基于最近发展区的学科知识图谱构建及大单元设计研究[J].远程教育杂志，42（2）：56-64.