في عالم التعليم، يواجه معلمو الأدب الإنجليزي في المدارس الثانوية تحديات عدة عندما يتعلق الأمر بتجميع نصوص أدبية متنوعة ومتسقة من حيث الموضوعات. وفي محاولة لمساعدة هؤلاء المعلمين، تم تقديم نظام T-TExTS (Teaching Text Expansion for Teacher Scaffolding)، وهو نظام توصية يعتمد على قواعد المعرفة (Knowledge Graph) يهدف إلى تسهيل عملية اختيار النصوص استنادًا إلى معايير تربوية بدلاً من البيانات السطحية.

لكن كيف يعمل T-TExTS بالضبط؟ يعتمد النظام على تطوير أونتولوجيا خاصة بالمجال باستخدام منهجية اكتساب المعرفة وتمثيلها (Knowledge Acquisition and Representation Methodology) ويتم تجسيدها في شكل قاعدة بيانات معرفية تحتوي على مكونات مختلفة. ويتضمن ذلك صندوقين: صندوق المصطلحات (Terminological Box) وصندوق التأكيدات (Assertional Box).

قمنا أيضاً بتقييم أربع استراتيجيات لتضمين الرسوم البيانية (Graph Embedding) وهي: DeepWalk، والسير العشوائي المتحيز، والتضمين الهجين، وNode2Vec، عبر ثلاث تكوينات للبيانات (98، 196، و351 نصًا) وخطتين لوزن العلاقات. وكانت النتائج التجريبية مثيرة حيث أظهرت أن وزن الخبراء بمستوى التصفح وحده لا يتفوق على الضبط الهيكلي الخوارزمي. حيث حققت Node2Vec أعلى مستوى في منطقة تحت المنحنى (Area Under the Curve - AUC) في كل حجم بيانات.

عند دمج إشارات الهيكلية والتربوية من خلال تجميع التضمين، نستطيع المحافظة على التفسيرية وجودة الترتيب التنافسية. حيث حافظ النموذج الهجين على مستوى عالٍ من AUC عبر جميع المقاييس.

تعكس هذه النتائج القيمة العالية لاستخدام تضمينات قواعد المعرفة المبنية على الأونتولوجيا في نظم التوصية التعليمية، مما يسهل على المعلمين الاختيار الأنسب للنصوص الأدبية. عبر اعتماد مثل هذا النظام، يمكن للمعلمين اتخاذ قرارات أكثر وعيًا وشمولية عندما يتعلق الأمر بالمناهج الدراسية.