教育技术学是依托于教育理论和技术发展的一门独立学科,该学科推动了教育行业的改革与创新,在互联网技术的发展下教育技术学专业日趋成熟,教育信息化领域的人才需求量越来越大,新兴技术使教育形式发生革命性的变化,技术的发展为实现资源整合提供了新的手段。由于教育技术学的发展借鉴和吸收教育行业的理论框架,仅以课程内容的非结构化形式呈现,无法体现出知识点间的关联性和系统性。教育技术学专业知识的构成复杂,仅通过关键词查询难以快速精准从海量信息中获得所需知识,面对庞大的网络资源,学习者易产生“信息迷失”、“认知超载”等问题。如今,知识图谱可以缓解以上问题,通过知识图谱可以将课程知识间的关系可视化,可以帮助学习者提高学习效率。但教育技术学领域知识图谱的应用并未成熟,将知识图谱应用于教育技术学的过程中,具有缺少数据来源、知识点类层次模糊、知识点间关系不明确、需要人工构建数据集、无可复用领域本体资源框架等问题。针对上述问题,本文面向东北石油大学教育技术学主干课程,通过构建本体、知识抽取、关系抽取等步骤,提出了一个教育技术学主干课程知识图谱的构建方法。具体的研究内容如下:（1）教育技术学领域知识图谱构建大多采用的是手动构建本体知识库的方式,或者仅以单一课程为例来构建知识图谱的方式,两者体现知识点的关联关系并不明显,且构建过程繁琐冗长,人工依赖较为严重。针对上述问题,本文提出教育技术学主干课程命名实体识别构建方法,首先面向东北石油大学教育技术学主干课程文本教材,设计主干课程本体,用于自动化抽取文本语料中所需内容作为训练特征输入到BERT预训练语言模型层中;然后融合双向长短期循环神经网络算法模型进行全局特征提取,将BERT处理后的词向量序列输入到这一层进行语义编码,自动提取句子特征;最后经过条件随机场模型校验层,解码输出概率最大的预测标签序列,实现教育技术学研究方法术语的抽取。本文方法在实验中进行了验证,为东北石油大学教育技术学主干课程知识图谱的构建提供了技术支撑。（2）针对教育技术学主干课程实体的关系抽取任务进行研究,针对缺乏教育技术学主干课程关系抽取数据集以及目前关系抽取方法在解决长距离文本关联学习任务表现较差等问题进行研究。首先,在第三章提出的教育技术学主干课程命名实体识别数据集的基础上,手动标注部分实体间关系进而生成实体关系词典;然后,将词向量输入到关系注意力模型中,使用关系词注意力机制建立提升模型对教育技术学关系词的注意力权重,提高模型对局部有效语句的关注度;其次,使用双向GRU神经网络对教育技术学文本进行提取,解决文本之间的长距离依赖问题,提升整体关系提取的结果。最后,在本文提出的教育技术学主干课程关系抽取数据集的测试集与验证集进行多项指标的验证与比较。（3）为了避免学生出现“信息迷失”、“认知超载”等问题,以基于Client/Server架构设计并实现了一个面向教育技术学主干课程在线查询系统该,该系统主要用于教育技术学专业学习者从海量的资源中快速获取所需信息的知识点与知识点之间关联,学习东北石油大学教育技术学主干课程。系统分为用户管理和知识点管理两部分,用户管理模块包括用户管理,教育技术学主干课程命名实体识别结果查询,教育技术学主干课程关系抽取查询、教育技术学主干课程知识图谱可视化等功能。通过本文构建的教育技术学主干课程知识图谱在东北石油大学进行测试推广与应用,提高教育技术学专业学习者的学习效率。