1,644 個のノードを持つ中国の K12 知識グラフと、それを役に立たせているエッジ

`cn-math-taxonomy` というリポジトリは、10 月 18 日に登場してからこれまでに約 8,000 個のスターを集めました。この名前は、その範囲をかなり小さく見せています。もともとは中国の小中学校の数学を地図にしたものでしたが、いまでは小学 3 年生以降の英語、中学校の物理、中学校の生物まで含んでいます。
スターが付くのは数字のせいです。1,644 個の知識点、2,403 本の前提エッジ、6,723 問。2022 年の課程標準(2025 年改訂)に、章ごとに揃えてあります。
中身は何なのか
このグラフは指導要領の要約からではなく、教科書から組み立てられています。数学は人民教育出版社の小学 1 年から中学 3 年までのシリーズに、2019 年の A 版高校教科書(必修 2 冊、選択 3 冊)を加えたものです。英語は 3 年生から PEP、中学校は Go for it! シリーズ、高校は 2019 年のセット。物理は別系統で、中学 2・3 年の 2 冊と、高校の必修・選択の系列を扱っています。
標準ではなく教科書を選んだことが、この道具を使えるものにしています。課程標準は「この学年までに一次関数を理解しているべきだ」としか言いません。教科書は「第19章で一次関数を扱い、それは二次方程式の第18章の後だ」と言います。診断エンジンが必要とするのは、この順序のほうです。
構造には意図的な判断がいくつかあり、立ち止まって読む価値があります。英語は独立したグラフで、数学とはまったくつながっていません。中学校の英語は小学校の英語につながり、高校の英語は主に中学校の英語につながります。物理も独自のグラフで、ある物理概念が依存する数学は前提エッジではなく `mathLinks` フィールドに格納されています。作者の理由は書かれていませんが、筋は通っています。二次方程式を解けない物理の生徒に欠けているのは、グラフ理論的な前提知識ではなく、道具のほうです。この二つを混ぜると、診断は別の科目へ歩いていってしまいます。
診断こそが製品
目玉の機能は適応型の前提診断で、動き方はこのグラフが示すとおりです。
生徒が高校の問題を一つ間違えます。システムは前提エッジを逆向きにたどり、下にある概念を順に確かめ、失敗の根になっている具体的な小学校の知識点まで歩き続けます。「関数を復習しましょう」ではなく、「分数と割り算の関係が怪しいから、有理式の整理でつまずいた」に近い答えを返します。
難易度タグが付いた問題バンクとは別の製品です。よくできた家庭教師の考え方に近く、それが成り立つのはエッジ集合が歩けるだけ十分に揃っている場合だけです。1,644 個のノードに 2,403 本のエッジなので、1 ノードあたりの出次数は平均 1.5 本を下回ります。かなり疎です。前提 DAG は疎であるべきで、ほとんどの概念は一つか二つにしか依存しません。同時に、エッジが一つ間違っていれば、たどる道は役に立たない場所へ着きます。
予想しなかった部分
README には、オープンデータのプロジェクトでは珍しいものがあります。検証できなかったことを明示したリストです。
作者は 2024 年版の中学 3 年後期の数学教科書の公式な目次を探しましたが、見つかりませんでした。出版社の紹介ページは編集方針を説明しているだけで章を並べておらず、その巻の名を冠したページには古い表紙が載っています。2024 年版が教室に入るのは 2027 年の春になる見込みです。
そこでリポジトリは、章のリストを「もっとも信頼できる推測」と表示し、公式の原文ではないと断り、参照した第三者の教材ページを示して、読者に紙の本で確認するよう促しています。章の名前が「確率」から「偶然事象」に変わった箇所も注記し、まだ出版されていない版については前の版で代用していることを明記しています。
この規模のプロジェクトは、たいてい穴を埋めて先に進みます。穴を書いておくのはほとんど手間がかからず、下流の利用者が、自分では推測だと知らないまま推測の上に積み上げるのを防げます。
ライセンス、事業を作る前に
コードとデータは CC BY-NC 4.0 です。個人の学習、教育、研究は自由です。有料講座、有料アプリ、機関が料金を取るサービスは個別の許諾が必要で、その対応は作者がメッセージかメールで直接行っています。
中国の外でこれを使おうとする人にとって、この条項が話のすべてです。知識グラフの非商業ライセンスは、研究用の試作には問題なく、製品にすると障害になります。データ自体にも持ち運びにくい地域性があります。エッジの構造は中国の教科書が概念を導入する順序を符号化していて、その順序は米国や英国のカリキュラムが同じ内容を並べる順序とは合いません。
なぜ中国の外でも関係するのか
理由は二つあり、どちらも教育テクノロジーを市場として見た話ではありません。
一つ目は、知識グラフが本当に得意なことのきれいな例だからです。制約の追跡です。前提 DAG があれば「この問題が意味を持つ前に、この生徒は何を知っている必要があるか」に答えられます。この問いには確定した答えがあり、言語モデルは喜んで近似を返し、ときどき間違えます。グラフは一回の走査でそれを出します。
二つ目は、データ製品の価値がどこにあるかを示していることです。6,723 問はありふれた部分です。1,644 個のノードは一週間の丁寧な作業です。2,403 本のエッジと、どの依存をエッジにし、どれをフィールドにするかという判断が、本物の見識を要した部分です。いまは誰でも問題を生成できます。物理概念の数学的な依存をグラフに入れるべきかどうかで、自分と議論する人はほとんどいません。
問題バンクの値打ちについての見方も変わります。六千問は難しい部分に聞こえますが、十年前は実際そうでした。いまはモデルが一午後で、主題ごとにタグを付けて何千問も出せます。出せないのは順序です。この概念はあの概念に依存するという主張を、両方を教えたことのある人が、生徒が実際にどこで折れるかを知った上で言えるかどうか。その主張が希少な入力で、非商業ライセンスが守っているのはそこです。
自分の用途に合うか評価するなら、一つのテストでほとんど分かります。科目の上のほうの概念を選び、その前提を下までたどり、声に出して読み上げてください。どの段階も教師が言いそうなことなら、そのエッジは注意を払う人によって作られています。どこかで二次式の因数分解から負の数の理解へ、間が何もなく飛んだら、そこがグラフが証拠を失って推測に切り替わる場所です。
試したいなら、リポジトリと math.pansgo.com のデモサイトが入口です。データは素朴な作りなので、グラフを扱えるものなら何にでも読み込めます。まず「暫定的な部分」についての節を読んでください。残りをどこまで信じるべきかは、そこに書いてあります。