一种基于大模型的自适应教学材料生成方法及系统与流程
本发明涉及在线教育,尤其涉及一种基于大模型的自适应教学材料生成方法及系统。
背景技术:
1、随着在线教育的普及,如何为不同背景、不同学习进度的学习者提供个性化的学习体验,已成为教育技术领域研究的核心问题。传统的在线教育平台通常采用“静态”的教学材料库,即所有学习者接收到的教材、习题和解释都是预先编写好、固定不变的。这种方式虽然实现了教育资源的广泛分发,但无法解决“千人千面”的教学需求。学习者在学习过程中遇到的困难、表现出的兴趣点以及知识掌握的薄弱环节各不相同,使用统一的材料往往导致部分学习者“吃不饱”,而另一部分学习者“消化不了”。
2、近年来,大语言模型(以下简称大模型)因其强大的内容生成和理解能力,为智能教学带来了新的可能。现有技术中,已有方案尝试利用大模型来生成教学问题或提供解答。然而,这些方案大多是被动的、单次交互式的。它们通常是针对学习者当前提出的一个问题生成一个答案,缺乏对学习者长期学习过程的追踪和理解。例如,当学习者询问“什么是微积分”时,大模型可能会生成一个标准的定义。但如果这是一个初学者,他可能需要更多生活化的比喻;而如果这是一个已经学过基础概念但卡在极限问题的学生,他则需要更深入的数学推导。现有方法无法感知这种细微的差别,导致生成内容虽然正确,但未必“适龄”或“适需”。
3、因此,亟需一种能够动态追踪学习者状态,并基于其当前知识结构和学习目标,主动规划并生成一整套具有教学逻辑和连贯性的自适应教学材料的方法。
技术实现思路
1、本发明的目的在于提供一种基于大模型的自适应教学材料生成方法及系统,能够动态追踪学习者状态,并基于其当前知识结构和学习目标,主动规划并生成一整套具有教学逻辑和连贯性的自适应教学材料。
2、为实现上述目的,第一方面,本发明提供了一种基于大模型的自适应教学材料生成方法,包括以下步骤:
3、构建并实时更新学习者模型,所述学习者模型包含学习者的知识掌握度向量、认知水平标签以及学习偏好特征;
4、基于更新后的所述学习者模型,结合预设的教学大纲和知识图谱,生成个性化的教学目标与达成路径,所述教学路径由教学活动组成;
5、根据所述教学路径中的当前教学活动以及从所述学习者模型中提取的关键状态信息,构造教学提示词,并将所述教学提示词输入至大语言模型,生成初始教学材料;
6、对所述初始教学材料进行知识准确性校验、教学策略一致性校验以及学生适配性校验,若校验未通过,则生成优化反馈并指导所述大语言模型进行修正,直至校验通过。
7、其中,构建并实时更新学习者模型,包括:
8、合法合规地采集学习者的基础信息与历史学习数据,并通过前端埋点、后端日志记录,实时采集学习者的交互行为,所述交互行为包括操作行为、输入内容及生理行为特征;
9、将采集到的交互行为转化为结构化特征元组,输入至诊断模型,所述诊断模型融合贝叶斯知识追踪与项目反应理论,对学习者的知识掌握度向量进行动态更新;
10、同时,所述诊断模型通过分析学习者解决问题的认知要求层级,动态调整其认知水平标签,并通过聚类分析学习者的历史行为模式,提取并更新其学习偏好特征。
11、其中,基于更新后的所述学习者模型,结合预设的教学大纲和知识图谱,生成个性化的教学目标与达成路径,包括:
12、对所述学习者模型进行深度解析,生成学习状态诊断报告,所述报告包含薄弱知识点清单、最近发展区知识点清单以及认知深度待提升知识点清单;
13、根据预设的优先级规则,从所述诊断报告中生成候选教学目标集合,所述优先级规则依次为补救性目标、发展性目标及深化性目标,每个教学目标包含目标知识点、期望认知层级及教学类型;
14、选定一个教学目标后,基于深度强化学习的路径规划模型,结合当前学习者状态与知识图谱中的知识点关系,逐步生成由多个教学活动组成的序列化教学路径;
15、在学习者执行所述教学路径的过程中,根据实时反馈动态调整后续教学活动,实现路径的自适应优化。
16、其中,从学习者模型中提取关键状态信息,包括:
17、根据当前教学活动的类型、目标知识点及期望认知层级,从学习者模型中提取与目标知识点直接相关的掌握度定性描述、认知水平标签及历史错误模式;
18、同时提取学习者的稳定偏好特征以及前序教学活动中的表现摘要;
19、将提取的原始数据转换为自然语言描述,形成学生画像段落,用于后续提示词的构造。
20、其中,构造教学提示词,进一步包括:
21、采用结构化动态填充方法,将角色与场景设定、教学任务明确、学生画像描述、教学策略指导及输出格式要求五个模块按顺序组合成完整的教学提示词;
22、其中,所述教学策略指导来源于教学路径规划中确定的策略,所述输出格式要求根据教学活动类型预设;
23、根据当前教学任务和提取的关键状态信息,动态填充各模块内容,确保每次生成的教学提示词具有针对性和明确指令。
24、其中,将所述教学提示词输入至大语言模型,生成初始教学材料,包括:
25、采用经过教学场景微调的大语言模型作为生成基座,所述微调使用的语料库包括课堂实录、教材教辅资料及专家标注的理想答案;
26、在生成过程中,通过设置温度参数、最大生成长度及停止序列对生成结果进行控制,并对输出文本进行后处理,提取符合格式要求的各部分内容,生成初始教学材料。
27、其中,对所述初始教学材料进行知识准确性校验、教学策略一致性校验以及学生适配性校验,包括:
28、所述基础格式校验采用规则引擎检查材料是否包含必要组成部分;所述知识准确性校验结合实体链接与大模型辅助判断,确保知识表述正确;所述教学策略一致性校验与学生适配性校验调用多任务评判大模型,输出匹配度评分及具体评语。
29、其中,所述多任务评判大模型,是在通用大模型基础上,通过多任务学习方式进行微调,同时学习知识准确性、教学策略匹配度及学生适配性;
30、在推理时,通过设定的提示模板引导模型执行对应的评判任务,输出各维度的评分与优化建议。
31、其中,生成优化反馈并指导所述大语言模型进行修正,包括:
32、将各层次校验的评分与评语汇总为综合质量报告,若报告判定材料未通过,则生成按优先级排序的优化建议清单;
33、将所述优化建议清单封装为优化反馈,与原始教学任务及学习者模型快照一同返回至构造教学提示词,追加到新的教学提示词中,引导大语言模型生成修正版材料,并可循环多次直至校验通过。
34、第二方面,本发明提供一种基于大模型的自适应教学材料生成系统,应用于如第一方面提供的一种基于大模型的自适应教学材料生成方法,包括:
35、模型构建更新模块,用于构建并实时更新学习者模型,所述学习者模型包含学习者的知识掌握度向量、认知水平标签以及学习偏好特征;
36、教学策略规划模块,用于基于更新后的所述学习者模型,结合预设的教学大纲和知识图谱,生成个性化的教学目标与达成路径,所述教学路径由教学活动组成;
37、教学材料生成模块,用于根据所述教学路径中的当前教学活动以及从所述学习者模型中提取的关键状态信息,构造教学提示词,并将所述教学提示词输入至大语言模型,生成初始教学材料;
38、教学逻辑校验模块,用于对所述初始教学材料进行知识准确性校验、教学策略一致性校验以及学生适配性校验,若校验未通过,则生成优化反馈并指导所述大语言模型进行修正,直至校验通过。
39、本发明的一种基于大模型的自适应教学材料生成方法及系统,构建并实时更新包含知识掌握度、认知水平和学习偏好的多维学习者模型;基于教学大纲和知识图谱,通过教学策略规划器生成个性化的序列化教学路径;根据教学路径和学习者关键状态构造结构化提示词,引导大语言模型生成初始教学材料;通过教学逻辑校验器对材料进行多层次一致性校验,未通过时生成优化反馈指导模型修正;最终将材料推送至学习者并采集反馈用于模型更新。通过本发明,实现了教学材料的动态个性化生成,显著提升了学习效率与效果,保证了教学内容的系统性与逻辑连贯性,并构建了可持续优化的自适应学习闭环。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com