打开文本图片集

引言

党的十八大以来，党中央高度重视发展数字经济，并将其上升为国家战略。习近平总书记强调，要充分发挥海量数据和丰富应用场景优势，促进数字技术和实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。

国网上海电力党校（以下简称培训中心）作为公司多部门教育培训、教育资源系统开发、企业文化传播、员工心理关爱等众多功能枢纽，聚焦教育培训领先、创新驱动领先、品牌价值领先、运营管理领先，这对人才培养和保障提出了更高的要求。

在大数据、云计算、物联网、区块链、人工智能等新一代信息技术的创新发展下，AI核心驱动要素的潜能激发，正在从生产规则、落地方式、商业模式等多维重塑产业的智能化实践。培训中心利用知识图谱和人工智能技术，以培训课程体系为突破点，以知识图谱为核心技术，搭建起涵盖师资力量、精品课程、学习路径、能力模型、课程体系架构等内容为一体的网状知识资源库，推进课程开发、培训项目设计和培训计划优化的知识革命，推动培训管理工作的高质量发展，驱使企业组织能力和人才能力的数字化升级。

一、背景及意义

（一）知识地图助力培训中心业务数字化转型

人工智能引发生产生活方式、社会治理模式、科学研究范式的变革，为经济社会高质量发展提供了新的动力。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出，要“迎接数字时代，激活数据要素潜能，以数字化转型整体驱动生产方式、生活方式和治理方式变革。”

通过优化升级班组长管理能力知识地图，将课程和专业技能、管理能力等内容进行萃取并形成链接，实现了知识内容和项目课程的透明化和流通，在数字化转型中作为数据和知识中台，激发学员的学习动力，推动管理人员进行培训工作优化，为新课程、新项目的开发提供有力支持。

（二）知识地图促进人工智能与人才培养深度融合

中华人民共和国科学技术部等六部门印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，提出要以促进人工智能与实体经济深度融合为主线，以推动场景资源开放、提升场景创新能力为方向，探索人工智能发展新模式新路径，以人工智能高水平应用促进经济高质量发展。

培训中心运用知识图谱技术构建与班组长各方面技能匹配的能力知识地图，使得学员能够及时获取课程体系的构成、精品课程的索引、学习路径的规划、培训项目的设计等内容，为各类学员提供学习助力。同时，学员的交互数据也为培训管理人员提供充分的数据支持，更好地调整人才培养的方向和重点。

（三）知识地图推动培训管理工作科学发展

知识图谱是融合了认知计算、知识表示与推理、信息检索与抽取、自然语言处理与语义Web、数据挖掘与机器学习等技术的交叉研究，不仅能够从数据中提炼高精度的知识，也能运用已有知识解释各种现象，进一步推理各概念之间的关系。

在构建学员画像的基础上，通过知识图谱来规划不同的学习路径，使得开发的各类信息化培训资源能够根据学员在培训中出现的问题或难点，动态调整学习路径，从而使知识地图的中台系统具备适应性推荐的功能，达到有的放矢、因材施教的目的。

二、现状及存在问题

（一）把握外部形势，创新驱动人才保障体系

班组长是企业最基层的管理者，是班组生产等具体任务和活动的直接参与者、促进者和领导者，是管理环节中的“关键人物”。电力行业关系国计民生，现场作业班组人员的职业操守、职业规范，如果能够达到现场安全、技术、技能的相关要求，就可以实现现场安全生产的可控、能控、在控。

当前能源革命与数字革命加速融合，“双碳”战略目标、新型电力系统建设、高质量发展都对公司提出了新的要求，而要求的实现需要通过人才来落脚。因此，在培训管理工作和规划方面需要同外部形势相结合，加强培训培养工作的改革创新、先行先试，更好地推动人才保障体系的建设，助力公司提供更为优质的供电服务。

（二）聚焦内部变革，引领人才培养机制升级

数字化转型在企业内部催生了如录播课程、讲师直播、线上训练营等多种在线学习方式，能够打破时间和空间的限制让更多的员工随时随地参与到培训中。但形式的变化未能击破企业中存在的“被动式培训”问题，培训后的员工能动性不强，“工学矛盾”的困局依然存在。需要从理念上改变员工的培训意识，以学习资源为切入点让员工拥有自主学习、自主了解的整体感，将求知欲同个人职业生涯、发展能力进行有效链接。

此外，在对班组能力需求的调研中发现，需要提升数字化设备、技术、知识、思维，从而解放生产力，使设备、业务等方面运行开展更加高效；创新突破使得对新技术、新知识、新设备等较为前沿的行业知识学习的需求增加，对如何将技术、知识与自身专业、行业结合起来的要求更多。

三、做法和实践

基于上述形势和问题分析，通过搭建课程资源知识图谱，构建学员画像，探索应用路径，形成了班组长管理能力知识地图的辅助平台，助力培训工作的数字化开展。

班组长管理能力知识地图提升和应用的整体技术路线为：集聚班组长多种培训场景下的数据资源（如课程架构、课程内容、师资力量、培训项目、管理能力等），基于语义关联方法进行管理和融合，让学员更快地获取课程之间的联系。基于知识图谱进行可视化的动态展示和链接，直观感受各个实体和概念之间的动态关系，根据学员的交互行为、查询内容等习惯推荐个性化的学习资源和路径，实现知识的挖掘、利用和共享。

（一）以系统化观念构建知识图谱维度

在培训中，每门课程的信息不仅包含其自身的语义知识点，还包含各类相关的信息化教学资源，而拓展到班组长培养方面更是包含了能力模型、管理能力、学习地图等培训成长资源。如何帮助学员明确学习提升需求，在众多课程中、项目中、知识点中规划符合自身进度的合理路径，提高对培训教学资源的利用率，解决信息化教学资源的自适应问题对于培训数字化转型及班组长培养有重大推力。

以问题为导向，构建了系统化的课程知识图谱架构，拓展延伸课程知识图谱的三大维度、六大要素，形成可复盘的闭环模式，进一步理清知识脉络。

1. 上下连通，系统思维串联理论实践

“上下连通”，即串联培训发展目标和授课实践，形成课程图谱的大矩阵。

以培训中心的年度工作计划和发展目标为纲要，向课程类型、课程目标、课程群体、培训目标、培训方式等方面落脚，既互相关联，体现出结构性、联动性；又相互独立，体现出个体性、独特性。

2. 纵横贯通，多维架构打破资源界限

“纵横贯通”，即课程图谱的深层结构分为横向组织和纵向组织。横向组织指的是课程内容或学习经验之间的关系，关注横向的统一整合，强调打破学科之间的界限和传统的知识体系，从而让学员有机会更好地探索社会、企业、组织等外部形势要求的能力，深入学习个人最关心的能力。纵向组织是指按照由浅入深或由易到难的原则进行安排，可结合班组长成长地图构建阶梯式智慧型课程图谱。

3. 前后呼应，立体可视助力复盘升级

即构成图谱的要素和目标是渐进发展的。如课程图谱的第一层级聚焦于党校的培训发展目标，围绕精品课程项目构建课程图谱、领导力图谱、班组长发展图谱的三个子图谱。在第二个层级，可从课程功能的角度将课程划分为基础类、发展类和进阶类。在第三个层级，则是从课程类型的角度，将课程划分为相应的类别，如心理、创新、党史教育等。

（二）以全局化结构创建知识资源库

课程是局部，知识体系和培训教学资源是全局，把握好全局和局部的关系进行知识体系和资源库的搭建，有助于整体性地为班组长培训工作提供科学、系统、数据性强的思想方法，解决培训资源不聚合、知识资源繁多、查阅不方便等问题。

知识图谱是以图的形式描述客观世界中实体、概念、事件以及之间关系的知识库，促进知识的聚合、检索、理解和推理。

将自有的精品课程清单同班组长能力模型中的能力素质维度、二级能力项、培训对象、发展阶段对应，使得学员在使用平台查询信息时，能够将课程名称、课程时长、主讲人等信息直观地同能力链接，更加精准地获取自身需要提升的能力。

培训中心构建的班组长管理能力知识地图，一是将各类零散的课程资源转化为结构化、原子化的信息单元，有助于更好地组织、管理培训资源的高效转化和流通。二是实现了班组长知识地图的全景视图，包括能力模型、成长地图、课程体系等，有助于深入分析并优化培训内容，提供更为精准的内容。三是利用图数据库的搜索引擎，能够以图形方式反馈结构化的知识，使得员工能准确定位和深度获取知识，提供一定的智能分析和决策的可能性。四是知识图谱的建设需要不断更新和维护，有助于及时调整培训模式和内容，保持知识地图的时效性和准确性。

（三）以数据化思维追踪培训资源

知识图谱作为一种图数据库，其数据是核心。如何更好地收集、挖掘并利用这些数据将对下一步的培训工作有借鉴意义。基于知识图谱的课程知识体系把所有不同课程的知识点连接在一起，得到一个完整的关系网络，帮助培训者和学习者从知识点之间的“关系”的角度去分析课程之间的关系。

课程知识体系中的本体是知识点，因而首先要从课程内容中找到与知识点相关的关键词语从而构建知识点。挖掘每门课程内容中的关键词语是构建课程知识图谱的过程中的第一步，可以从课程简介或者课程体系介绍等文本内容来识别关键字。鉴于培训中心的培训文本数据规模较小、范围较为固定，文本资料的结构也较为统一，特征明显易于提取，因此采用TextRank算法提取文本中的关键字特征作为关键知识点，依赖特征工程满足实体识别的需求。

TextRank算法的主要思想是建立基于词之间邻接网络，并使用PageRank计算每个节点的排序值，算法选择排序值数值较大的单词作为关键词。首先将课程文档分成完整的句子［S1，S2，…，Si］，对句子Si进行分词和词性标注；分割后从句子中过滤停止词，留下带有指定词性的单词，停止词包含一些常见但无意义的词，如“学时”“课堂”等；将Si分成一组词语［ti，1，ti，2，…，ti，n］，ti，n表示句子中的第n个候选词语；算法根据这些词语构建候选关键字网络G=［V，E］，每个候选词语ti，n对应一个节点，V是所有节点的集合，E则是由代表节点之间共现关系的边组成的集合。共现关系是指一对节点对应的两个词在长度为K的文本窗口内共现。根据下列公式迭代计算各节点的Rank（Vi）直到收敛，再选择其中数值较大者作为关键词。

统计完之后，将提取得到的课程及知识点等关键词作为图谱中的实体，实体的属性包括内容、难度值和学习资源链接等。实体与实体之间的关系可以采用依存句法分析的模板分析方法来实现，由于语言表达存在句法结构，根据这些结构可以分析出多个词之间关系，比如以动词为起点，构建规则，可对节点的词性与边上的词与词之间依存关系进行限。每匹配一条规则时就生成一个三元组，根据句子语法规则及扩展规则最终得到各个实体之间的关系，例如得到课程包含知识点的关系，并可将知识点的重要程度或难度值作为关系的属性值。最终将得到的所有三元组数据以图数据的方式存储起来。

结合学员画像的自适应技术，同时获得学员的反馈数据，能够自动根据学员在学习活动中出现的问题动态调整学习路径，从而使得学习系统具备自适应性，让因材施教得以实现。

（四）以个性化方案精准提升管理能力

基于知识图谱的学员画像是近年来知识图谱在教育领域的应用之一，主要包括数据采集、图谱构建和个性化学习三部分。

1） 数据采集主要包含课程数据和学员数据两大类，课程数据包含课程名称、相关资源、相关师资、知识点等与课程相关的数据，学员数据指的是学员在学习过程中产生的数据，如培训项目、学习目标，以及学习行为中产生的浏览次数、搜索次数等。

2） 图谱构建包含面向课程的课程知识体系图谱以及面向学习者的学习者画像两种知识图谱的构建。知识图谱构建过程是，首先利用新词发现、短语提取等技术进行本体构建，从而形成本体库；然后通过实体识别算法识别实体信息，并利用关系抽取方法抽取实体间关系信息，从而形成资源描述框架（RDF）三元组；最后利用知识对齐与知识推理等更新算法进行知识加工，形成最终的知识库。

3） 个性化学习可以在教育培训领域为学习者提供多种知识服务手段。根据课程知识体系图谱为课程知识表示及知识间关系提供立体的直观展示；根据学习者画像可以为学习者规划针对性的学习路径和自适应的推荐；利用知识图谱的语言可以实现知识中的主题提取展示及检索等服务。

以往的学员画像技术仅基于“打标签”的方法，用权重代表学员对各个标签兴趣的强烈程度，存在不完整和不准确的问题。基于知识图谱的学员画像可以实现标签的扩展，根据学员行为和对知识的掌握程度来构建，对学员数据进行数据建模，将不同数据抽象出的一个标签化的学员模型。例如，学员甲的学习目标是SMOF，乙的学习目标也是这个课程体系，那通过SMOF这个实体就将甲和乙关联到了一起，那么甲身上的其他标签也能传播到乙，从而泛化了乙的标签。

目前将知识图谱融合到推荐系统的算法主要分为两种类别：基于嵌入的方法，通过已知的节点及结构等信息，预测尚未产生连接的两个节点之间产生连接的可能性；基于路径的方法，通过关系路径、图表的类型提取基于元路径的潜在特征来表示节点之间的连接。这两类方法在教育知识图谱中都很难做到发现学习者潜在感兴趣的点，推荐效果有限。对推荐算法在教育知识图谱准确度上进行比较发现，Ripple算法有较好的推荐效果，所以将RippleNet算法应用于自适应推荐的学习中，以学习者感兴趣的知识点为种子，向外一圈一圈地扩散到其他的知识点上，从而发现学习者到潜在感兴趣知识点的可能路径。

主要实现过程如下：

1） 构建知识点种子集合：以学习者的历史搜索或学习过的知识点作为种子集合；

2） 获取第一次Ripple表示：构建与学习者相关的第一次偏好传播的Ripple set，用（h，r，t）表示，根据嵌入向量内积，计算知识点v与第一层Ripple set上的（h，r）的归一化相似度，根据归一化后相似度，对第一层Ripple set的（t） 进行加权求和，得到的结果作为这一层的输出。

3） 重复第2步的扩散过程，将第一层的Ripple set的输出作为第二层的输入，先取出第二层的Ripple set，然后用第二层的Ripple set跟item的相似度及加权表示作为输出。如此不断往外重复扩散过程。

4） 最终的预测，得到了上面多次扩散得到的输出后，把多次的Ripple输出累加作为最终某知识点作为学习者潜在感兴趣目标的概率。

可见，基于知识图谱的学员画像能够生成更加饱满的画像，而且根据学员的学习需求、认知风格、兴趣偏好等个性化特征，能够在知识图谱中动态规划学习路径，并推荐有针对性的学习资源，实现个性化的自适应学习。

四、总结和展望

前期通过搭建课程知识体系使得原本的知识更具有系统性，同步提升资源的质量和数量，形成较为完备的知识资源库。中期结合培训工作和班组长管理能力的提升方向，形成系统化、全局化的课程知识图谱，实现图谱可视、检索获取、数据统计等功能，进一步实现生产力升级、数字化转型，为人工智能场景创新要素供给提供创新意识和工具，助力多渠道、多场景的创新人才培养。

在下一步的建设中，将深度探索自适应学习在班组长培养中的动态应用，借助聚合的数据基础优势，变革信息获取方式，赋能传统产业转型升级，催生班组长培训培养工作中的新模式、新活力。