一种基于技能导向的职业能力图谱构建方法

摘要

本发明公开了一种基于技能导向的职业能力图谱构建方法，涉及人工智能技术领域。本发明步骤如下：构建图谱模型，并对图谱进行分层；图谱一级节点元素名称枚举：技能/主题/实训拆解岗位能力要求，并通过知识点、技能点、实操、实训元素构建能力图谱。本发明通过能力的拆解和能力与岗位的对应，并基于学习者当前能力节点掌握情况，刻画当前学习者的个性化的职业能力学习掌握路径，真正做到因人而异因材施教，同时可针对学生维度的能力掌握情况、能力节点维度的整体掌握进度进行教学观测，精准掌控每个学员、小组、班级的学习情况，进行学习情况预警和学习资源使用率统计分析。

说明书

技术领域

本发明属于人工智能技术领域，特别是涉及一种基于技能导向的职业能力图谱构建方法。

背景技术

作为一家在线教育平台，我们对人工智能领域技术的运用主要是针对于教育教学，其中一项核心工作是对不同知识领域的AI知识库进行构建、语料积累和语义模型训练，进而用于对学习者进行学习过程问题诊断和个性化的学习内容自动推荐，并支持学习者学习过程中的知识内容检索。

目前已知的各类知识图谱构建模型，如思维导图、逻辑图、组织结构图，都是基于理论知识学习的场景，其以知识点作为图谱最小颗粒度，并基于该图谱结构进行数据检索模型训练，而不同知识领域的教育教学是需要划分为不同层次、阶段、场景、对象的，当前本科教育、职业教育、成人教育体系中都有大量的教学和学习场景是针对技能实操实践的，现有的知识图谱构建机制与方法对于重视技能的应用类学科领域并不合适，偏重于理论知识学习，而目前应用类学科领域的语料也只能套用理论知识图谱的模式进行构建，无法体现应用实操技术导向的教学与学习要求，从顶层模块到底层属性上就无法进行垂直的关系对应，自然无法精准地提供给学习者进行学习过程问题诊断和个性化的学习内容自动推荐，更难以支持学习者学习过程中的知识内容精准检索。

发明内容

本发明的目的在于提供一种基于技能导向的职业能力图谱构建方法，以解决上述背景技术中提出的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于技能导向的职业能力图谱构建方法，步骤如下：

构建图谱模型，并对图谱进行分层；

图谱一级节点元素名称枚举：技能/主题/实训；

图谱二级节点元素名称枚举：子技能/子主题/实训/知识点/技能点；

图谱三级节点元素名称枚举：子技能/子主题/实训/知识点/技能点/知识点内容/技能点内容；

图谱四级节点元素名称枚举：子技能/子主题/实训/知识点/技能点/知识点内容/技能点内容/知识点内容视频/知识点内容资料/技能点内容训练；

图谱五级节点元素名称枚举：实训/知识点/技能点/知识点内容/技能点内容/知识点内容视频/知识点内容资料/技能点内容训练/技能点内容案例；

拆解岗位能力要求，并通过知识点、技能点、实操、实训元素构建能力图谱。

进一步地，图谱中能力为完成一项目标或者任务所体现出来的综合素质；

图谱中知识点为能力体系中，具备独立完整性的知识描述；

图谱中技能点为能力体系中，具有实际操作指导意义，对操作熟练度存在要求，且是对方法论而非原理的完整操作指导描述；

图谱中实训为包含技能点的技术应用能力实际操作训练。

进一步地，所述构建能力图谱，步骤如下：

构建树状能力地图，通过树状的结构，进行内容系统化地整理、设置能力下的技能、知识以及其他所有类型的元素，并标注元素类型标签；

构建网状知识能力关系图谱，保留核心节点元素-技能点、知识点，进行技能点、知识点之间关系的连结，并标注关系类型。

进一步地，标注关系基于图谱关系字典，关系字典中的关系为自定义设置的字符串。

进一步地，当用户触发预设的条件时，通过用户当前正在学习的节点的元素标签类型、关系，匹配、推荐相同元素标签类型的内容，帮助教师和学习者获取更为精准、相关性更强的当前所关注的知识、技能资源资料内容。

进一步地，教师和学习者基于能力图谱树状图和网状图进行内容节点的查看和学习，老师检视自己的授课内容完整度及自己的学生学习情况，学习者清晰查看自己的知识学习进度和掌握度，并基于岗位能力目标进行有指向性的学习。

进一步地，构建能力图谱，步骤如下：

第一步：进行相关职业岗位的能力拆分；

第二步：梳理相关岗位的典型工作任务流程；

第三步：设定专业培养目标；

第四步：拆解能力要求指标点；

第五步：设计课程能力目标；

第六步：根据能力目标梳理课程内容；

第七步：连接构建能力层与知识技能层的关系；

第八步：生成完整能力图谱。

进一步地，岗位典型工作任务流程依据当前该岗位的常见工作场景进行梳理。

进一步地，指标点的拆解依据学科专业的教学目标和学生学习需要达到的学习结果，进行教学、学习和工作所需要达到的能力目标的梳理，对技能和知识的模块化拆解、分析和重组。

进一步地，能力层指相关课程所覆盖的数个能力要求，知识技能层指的是图谱的主体内容。

本发明具有以下有益效果：

本发明通过能力的拆解和能力与岗位的对应，并基于学习者当前能力节点掌握情况，刻画当前学习者的个性化的职业能力学习掌握路径，真正做到因人而异因材施教。同时可针对学生维度的能力掌握情况、能力节点维度的整体掌握进度进行教学观测，精准掌控每个学员、小组、班级的学习情况，进行学习情况预警和学习资源使用率统计分析。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程示意图；

图2为本发明能力图谱的流程示意图；

图3为本发明学习进度查看的示意图；

图4为本发明图谱树状流程示意图；

图5为本发明能力图谱构造的流程示意图；

图6为本发明能力图谱应用的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一：

请参阅图1-图4所示，本发明为一种基于技能导向的职业能力图谱构建方法。

一、构建模型

图谱一级节点元素名称枚举：技能/主题/实训；

图谱二级节点元素名称枚举：子技能/子主题/实训/知识点/技能点；

图谱三级节点元素名称枚举：子技能/子主题/实训/知识点/技能点/知识点内容/技能点内容；

图谱四级节点元素名称枚举：子技能/子主题/实训/知识点/技能点/知识点内容/技能点内容/知识点内容视频/知识点内容资料/技能点内容训练；

图谱五级节点元素名称枚举：实训/知识点/技能点/知识点内容/技能点内容/知识点内容视频/知识点内容资料/技能点内容训练/技能点内容案例。

本实施例在实践中允许对节点的层级进行自由设置，同时节点名称与节点层级是非固化的，可以存在交叉情况。

图谱中能力的定义：完成一项目标或者任务所体现出来的综合素质。

图谱中知识点的定义：某一能力体系中，具备独立完整性的知识描述。

图谱中技能点的定义：某一能力体系中，具有实际操作指导意义，对操作熟练度存在要求，且是对方法论而非原理的完整操作指导描述。

图谱中实训的定义：包含一个或多个技能点的技术应用能力实际操作训练。

元素类型标签：概述、绪论、思政点、案例、实训、试题、练习、引例、总结、重点、难点、技能点、知识点、实操。

二、构建能力图谱

基于上述模型和定义，拆解岗位能力要求，并通过知识点、技能点、实操、实训等元素构建能力图谱。

构建能力图谱的操作可分为两步:

构建树状能力地图，通过树状的结构，人为的进行内容系统化地整理、设置能力下的技能、知识以及其他所有类型的元素，并标注元素类型标签。

构建网状知识能力关系图谱，保留核心节点元素-技能点、知识点，进行技能点、知识点之间关系的连结，并标注关系类型。(标注关系基于图谱关系字典，关系字典中的关系为可自定义设置的字符串，添加完成关系后，代码程序将把每一条自定义关系固化为“线段类型”，用于进行元素连结和AI推荐计算)；

能力图谱构建完成之后，AI读取能力图谱树状系统(树状能力地图)中的节点识别元素标签类型进行标注和记录，读取网状知识能力关系图谱中的能力关系进行拓扑关系标注，当用户触发预设的条件时，将通过用户当前正在学习的节点的元素标签类型、关系，匹配、推荐相同元素标签类型的内容(如视频、文档、讲解、虚拟仿真模型等)，以帮助教师和学习者获取更为精准、相关性更强的当前所关注的知识、技能资源资料内容。

教师和学习者都可基于能力图谱树状图和网状图进行内容节点的查看和学习，老师可检视自己的授课内容完整度及自己的学生学习情况，学习者可清晰查看自己的知识学习进度和掌握度，并基于岗位能力目标进行有指向性的学习。

本实施例中，图4中除技能点之外，图谱中【技能】的组织形式更加多样和兼容，不仅可以支持知识点、技能点的子节点，也支持概述、案例、实操、训练、重点、难点、考点、思政点、外延、讨论等等类型的标记，同时还增加了任务工单的图谱应用模式，并在实操实训内容中结合了在线3D虚拟仿真实验室。

实施例二：

请参考图5和图6，与实施例一不同的是：

职业能力图谱的构件步骤：

第一步：进行相关职业岗位的能力拆分；其中岗位来源依据为两个：

来源1：是国家规定的标准化岗位，《中华人民共和国职业分类大典(2022年版)》及教育部职成司《职业教育国家教学标准体系》；来源2：各招聘网站公开的岗位JD在收集了(数据爬取)上述来源的岗位及其能力要求后进行整理。

第二步：梳理相关岗位的典型工作任务流程；岗位典型工作任务流程梳理是职业教育教学标准化的一环，依据当前该岗位的常见工作场景进行梳理，将会面临的工作任务，及其顺序。所梳理的经典工作任务是上述所拆分能力的应用场景；

第三步：设定专业培养目标；职业教育专业培养目标依据教育部职成司设定的方向和目标。

第四步：拆解能力要求指标点；指标点的拆解基于教学理论的拆解，从学科专业的教学目标和学生学习需要达到的学习结果目标入手，结合如布鲁姆认知目标分类法和芬克学习目标分类法进行教学、学习和工作所需要达到的能力目标的梳理，是对技能和知识的模块化拆解、分析和重组。

第五步：设计课程能力目标；课程能力目标和专业培养目标的定义相同，但范围不同，从需要达成的目标来看，一门课程所能覆盖的能力目标比起一个整个专业的教学来说范围要小得多，整个专业的教学目标是靠一门课一门课的教学实施来达成的。

课程的能力目标是依据专业的培养目标进行细化并结合市场变化、岗位人才需求等综合条件得出的。在算法上，需要先对知识点、技能点及其相关资源、习题等内容基于认知目标和学习难度的双向细目表进行人工的整理、划分，然后输入到NLP的识别模型中，对这些节点和资源进行标签化标记和别名化的扩写处理，然后通过用在查询提问时命中目标次数的数据积累，不断提高知识、技能与资源、别名关系权重，最终再作用于对教学者整理教学内容、学习者学习等场景时对用户进行知识点、技能点及内容资源的自动推荐。

第六步：根据能力目标梳理课程内容；以《住宅室内设计》这门课为例，从专业培养目标出发，这门课从属于【室内设计】专业，该专业培养目标中有一条要求学生完成学业时具备“住宅平面图识读能力”。从岗位上，这门课涉及室内设计师、家装业务员、室内装修施工员(泥工、瓦工、木工…)等岗位对应的能力目标，这些岗位在相对应的工作流程环节，也需要具备“住宅平面图识读能力”。课程的能力目标是明确的，如何组织课程内容则有多项选择，如：

从知识维度出发，先通过思维导图进行理论知识梳理，整理支撑掌握这项能力的知识、技能，在我们的平台上绘制图谱，再收集、制作这些知识、技能学习、练习的学习素材，如视频、习题、虚拟仿真模型、动画等资料，将资料挂载在图谱上对应知识点、技能点上。直到最终完成图谱建设。

从常见工作流程出发，以实际工作中的项目、任务进行内容划分，将最常见的项目列举，拆分出项目中所常见、必现的任务，基于任务进行进一步的划分，整理出完成任务的每一个标准步骤或不同情况时的应对方式等内容,这些步骤、应对方式等，也是知识点或者技能点。基于这些知识点、技能点收集、制作资源资料。直到最终完成图谱建设。

除此外还可将以上二者结合，一部分从知识维度出发，总述知识，另一部分从实践出发，专述技能操作。

第七步：连接构建能力层与知识技能层的关系；能力层指相关课程所覆盖的数个能力要求，知识技能层指的是图谱的主体内容，即：技能、主题、知识点、技能点、案例、概述、实操、训练等节点。相互的关系依据课程所在专业进行定义，如递进、前序、并行、互斥、冲突、容器、包含、从属等等，是链接节点和节点之间的关系，它决定了节点间的关系权重，也是实现AI自动推荐的基础凭据。

第八步：生成完整能力图谱。

能力图谱应用：能力图谱构建完成后，授课教师可在智慧树AI课程平台引用能力图谱。当教师引用能力图谱，并完成教学计划关联、节点掌握度评估设置和解锁阈值设置后，即可基于图谱关系生成能力学习图谱供学生进行学习。该图谱能明确标示每个能力中每个节点的掌握程度比例，并基于教师设置的节点掌握度评估设置和解锁阈值设置进行各级能力节点掌握度展示和各级能力节点解锁，从而刻画出针对当前学习者的个性化职业能力学习掌握路径，并明确标示与各个能力相关职业岗位。

本发明将支持各应用类学科以符合其学科特征的学习内容结构、语料和算法模型，构建符合其学科的线上线下多学习场景的AI知识库，从而用于对该应用类学科学习者进行学习过程问题诊断和个性化的学习内容有效自动推荐，并支持学习者学习过程中的知识内容精准检索；

以计算机科学中的一个分支《计算机网络》为例，其中有一个应用广泛的知识点：UDP(User Datagram Protocol用户数据报协议)，这个知识点是Internet协议集传输层中所支持的一个无连接协议，其与TCP(Transmission Control Protocol传输控制协议)互为补充，那么在计算机网络的知识图谱中，这UDP和TCP两个知识点及其相互间所存在的关系构成了图谱的基础，知识点的关系、应用范围也是算法对学习者进行推荐的计算因子，当学习者基于计算机网络的知识图谱学习中遇见UDP这个知识点时，图谱系统将基于UDP相关联的知识点及其重要程度向学习者进行推荐如TCP这类知识点，以帮助学习者构建完整的知识地图；而对于UDP协议的应用和TCP协议的应用，我们则视为技能点，在什么环境、什么条件下需要应用这个技能点则成为图谱系统对学习者进行推荐的算法计算因子；

基于上述案例简述，当我们要构建技能导向的职业能力图谱，首先需要明确职业岗位及其所需技能，再从知识维度将知识点与技能点拆解，然后将知识点、技能点与技能运用相对应并建立关系，当学习者明确了学习的最终目标——掌握某种岗位(如中级网络工程师)的全部技能，并在平台上固化这个目标，我们就可以根据学习者的学习目标，基于知识点和技能点的特性对学习者进行学习内容推荐、学习问题诊断(基于前序知识掌握度、认知目标层次达标情况等进行计算)，以帮助学习者更好地完善知识学习和技能掌握。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该本发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。