一种情感共鸣驱动的课程知识神经进化教学路径生成方法

本发明属于智能教育，具体涉及一种情感共鸣驱动的课程知识神经进化教学路径生成方法。

背景技术：

1、在专业课程中系统融入价值引导，是新时代高等教育落实育人根本任务的核心战略部署，旨在将价值引领深度嵌入专业知识传授的全过程。然而，当前课程价值融合教学体系在跨模态资源表示、技术-价值关联发现、知识图谱动态演化、知识单元精准定位与个性化教学路径生成五个层面均面临系统性深层技术困境，制约着课程育人效能的进一步提升。

2、在跨模态语义统一方面，用于价值引导的课程资源异构性强、来源多样。文本讲义概念明晰、逻辑严密，却难以传递视频案例所承载的时代情境氛围。图表数据能够清晰呈现技术结构关系，而音频资料则在激发情感反应上具有直接优势。然而，当前四类资源通常独立存储、分开管理，技术知识点与阐释其背景价值的视频素材之间的潜在关联难以通过人工逐一识别。现有实践多依赖关键词标注或人工元数据标记，本质上仍停留在表层文本匹配，未能真正打通异构模态资源在语义层面的内在互通。此外，每次新增教学资源时，原有标注体系往往需要重新梳理，维护成本高企，致使多模态资源协同教学的潜力难以得到有效发挥。

3、在技术知识与人文内涵的关联发现上，目前的做法是将技术概念和宏观价值命题分别转为向量后计算相似度，以此来建立二者之间的映射关系。但技术概念偏具体（如总线仲裁时序、流水线依赖），价值命题偏抽象概括，两者不在同一个粒度层次上，直接计算容易让宏观表述淹没技术细节，或者算出一堆在实际教学中用不上的假关联。

4、在知识图谱中节点重要性的判定上，当前通常由专家为每个知识点赋予固定的权重值，目的是让重要内容在教学路径中获得更多推荐机会。然而实际效果表明，学生对某个价值引导点的接受程度更取决于他们在情感上是否有共鸣。专家认为重要的理论节点如果学生听不进去，在课堂上就等于闲置。反过来，一些能引起强烈共鸣的案例即使理论深度不够，也常常成为价值观教育的突破口。静态权重无法根据学生群体的情绪变化调整资源分配。

5、在知识图谱更新方面，现有做法是在有新政策、新案例或技术背景变化时，用新节点替换旧节点，意图让图谱内容保持时效性。这种覆盖式更新的问题在于，旧节点所携带的历史关联关系被一并删去，同一育人概念在不同时期的演变脉络在图谱中消失了，图谱缺乏时间维度上的积累。

6、在课程知识单元的定位上，常规做法是以教材章节顺序作为各知识点的坐标。这样做的好处是结构简单，但单一的章节编号既无法体现一个知识点在技术依赖链中的上下游关系，也无法反映它在价值传递中的角色分量，教师在决定何时侧重技术、何时侧重价值引导时缺乏更精细的坐标参照。

7、在教学过程中知识点激活侧重方面，目前主要依靠教师经验在不同课型中手动调整，比如原理课堂多讲技术，专题讨论课再关联人文内涵。这种依赖个人判断的方式，使得同一个知识点在不同场景下技术面与价值面的切换缺少可复用的机制，知识点本身的复合功能没有被充分释放。

8、在个性化教学路径生成上，现有推荐系统大多采用固定结构的模型，基于学生画像和历史记录来推荐知识点序列。这类模型处理纯技术知识时尚可，但要同时兼顾技术逻辑的连贯性、价值渗透的有效性以及不同学生对价值引导内容的接受差异，单一结构往往顾此失彼。

9、在教学路径的在线调整上，目前主要靠教师在观察到学生状态明显变化后临时干预，调整的及时性与精细度都有局限。课前规划好的教学路径无法根据课堂上学生情绪的连续变化进行实时微调，预设路径与真实教学状态之间容易产生偏差。

10、上述各环节的问题相互交织，单一修补难以解决全局矛盾。因此，需要一种以学生情感共鸣变化为驱动、将跨模态资源贯通、技术-价值精准关联、知识谱系持续生长、知识点精确定位、激活侧重自动适应、教学路径在线演化与实时修补整合为一体的方法，这正是本发明所要解决的核心问题。

技术实现思路

1、本发明提供一种情感共鸣驱动的课程知识神经进化教学路径生成方法。该方法以情感共鸣为核心驱动力，通过构建大模型驱动跨模态语义场统一表示、多粒度隐性映射拓扑发现、情感共鸣驱动知识节点活性动态调控、时代场景感知知识谱系继承式有机生长、技术-价值双流形时空坐标系构建、教学场域感知融合知识智能体语义激活自重构、神经进化架构搜索驱动教学路径拓扑演化与情绪状态场驱动教学路径在线漂移与自适应重塑八位一体的完整技术体系，实现课程知识教学路径的情感感知式智能生成与在线自适应重塑。

2、本发明采用的技术方案如下，包括以下步骤：

3、一种情感共鸣驱动的课程知识神经进化教学路径生成方法，包括以下步骤：

4、步骤s1：将课程教学资源库中的文本讲义、视频案例、图表数据与音频资料四类模态进行几何语义压缩，并在统一黎曼嵌入空间中完成等距对齐，得到统一语义场向量集合；对增加的课程教学资源的资源单元实行增量对齐更新机制，在统一黎曼嵌入空间中执行局部扰动修正；

5、步骤s2：使用价值语义分解大模型对每个粗粒度价值语义执行递归语义细粒度分解；以技术概念归纳大模型对每个细粒度技术概念执行价值承载归纳粗粒度上升操作，实现双向粒度对齐；在对齐后的同粒度语义对之间，设计互信息驱动的双向语义渗透传播机制，基于对齐后的价值语义和技术概念构建技术价值深层映射图谱；

6、步骤s3：获取学习者群体的交互数据，提取面向技术价值深层映射图谱中每个知识节点的情感共鸣强度向量；基于情感共鸣强度向量计算知识节点活性值，使高活性值节点获得正向活性脉冲与优先激活权重，使低活性值节点活性衰减并在低于门限时触发关联资源单元的自修复生成；并生成邻域级联传播机制，使节点活性变化沿技术价值深层映射图谱的关联边向邻域传播，输出动态活性图谱；

7、步骤s4：对新资源单元提取其技术概念向量、价值语义向量及时代场景标签，并计算其与动态活性图谱中历史节点的测地距离，依据测地距离落入继承阈值或超越分叉阈值的情况，分别激活继承生长算子或分叉生长算子，以继承边或分叉边将新节点链入动态活性图谱，得到时间深度的知识谱系；

8、步骤s5：在技术流形坐标层构建技术坐标三元组，描述知识单元在技术逻辑拓扑中的几何位置；在价值流形坐标层构建人文坐标三元组，描述知识单元在价值理念流形中的情感几何位置；设计黎曼乘积流形上的双坐标等距投影算子，将两类坐标投影融合至统一时空嵌入空间，得到时空坐标指纹集合；

9、步骤s6：将每个知识单元构建为具备场域感知能力的自主智能体，设置双通道语义激活竞争分配机制，使技术概念激活通道与价值语义激活通道根据包含课程阶段、学习者情绪状态与历史交互轨迹的场域情境向量动态争夺激活主导权；并设计智能体间的局部激活状态协商传播协议，使邻域激活状态影响本节点的路由裁决，路由参数以教学效果正反馈信号为驱动进行持续自更新，输出动态激活语义表示；

10、步骤s7：以知识单元的时空坐标指纹为基础，合成由技术逻辑连贯性曲面、价值渗透密度曲面与学习者情感共鸣预测曲面共同构成的动态三维适应度地形；将路径生成网络的拓扑结构作为进化搜索对象，采用沿技术依赖流形测地线方向执行的拓扑变异算子和在帕累托前沿附近交换优良基因片段的拓扑重组算子，驱动种群在三维适应度地形中搜索帕累托最优教学路径；

11、步骤s8：利用时空核函数将学习者离散的情感反馈信号插值为连续的情绪状态场分布，以情绪状态场的空间梯度向量驱动当前教学路径沿情绪景观梯度方向进行连续在线漂移；并设置帕累托偏离感知的局部路径拓扑自修复机制，当路径偏离帕累托前沿超过阈值时，以情绪状态场曲率为约束搜索并替换局部路径片段，同时将群体情绪状态场的统计规律持续蒸馏为进化种群适应度函数的长期修正项，驱动优化目标的持续校准。

12、所述步骤s1具体如下：

13、步骤s101，针对文本讲义模态，采用文本语义编码大模型对原始文本讲义执行深层语义编码，提取保留技术概念依赖关系与价值语义密度分布的潜在文本语义向量；

14、针对视频案例模态，采用视觉语义编码大模型对视频案例执行逐帧语义编码，并设计跨帧语义状态渐进锚定机制，使时代情境的动态变化过程沿帧序列保留下来，得到锚定语义向量，视频全帧序列的锚定语义向量在时间维度上执行加权池化，生成该段视频案例的整体语义向量；

15、针对图表数据模态，采用图神经网络编码器对图表的节点特征与边关系执行结构化语义编码，输出保留逻辑拓扑结构的语义向量；

16、针对音频资料模态，采用音频语义编码大模型对音频资料执行声学-语义联合编码，编码过程同时提取语言内容的语义信息与声学特征所承载的情感共鸣强度信息，生成融合内容语义与情感温度的音频语义向量；

17、步骤s102，设定统一黎曼嵌入空间的维度，对四类模态的语义向量分别施加模态专属投影层，将各模态语义向量投影至统一黎曼嵌入空间；以技术概念与价值语义的共现关系为语义场极化中心，构造跨模态同义吸引、跨模态异义排斥的场极化收敛训练损失函数，实现四类模态在统一黎曼嵌入空间中的等距对齐，输出统一语义场向量集合；

18、步骤s103，当课程教学资源库发生迭代更新时，在已有等距嵌入空间中执行局部扰动修正，仅优化新增资源单元的投影参数。

19、所述步骤s2具体如下：

20、步骤s201，设定粗粒度价值语义集合，以价值语义分解大模型对每个粗粒度价值语义执行递归语义细粒度分解，得到递归分解的细粒度价值要素，以当前分解轮数的价值要素的语义可分解性评分作为递归分解的停止准则；

21、步骤s202，设定细粒度技术概念集合，以技术概念归纳大模型对每个细粒度技术概念执行价值承载归纳上升操作，得到归纳上升的技术原则，归纳上升的停止准则为当前上升轮数的技术原则的价值承载曲率评分；

22、步骤s203，完成双向粒度调整后，细粒度价值要素集合中的每个元素与技术概念集合中的每个元素处于同一语义粒度层；对齐后的技术概念与价值语义作为节点，基于互信息驱动的双向语义渗透传播机制计算技术概念与价值语义之间的双向语义渗透强度，当双向语义渗透强度大于隐性映射涌现阈值时在技术价值深层映射图谱中于技术概念与价值语义之间建立一条隐性映射拓扑边，边权重为双向语义渗透强度；

23、进一步执行双向语义渗透融合，对于已建立隐性映射拓扑边的技术概念与价值语义的节点对，分别基于双向语义渗透强度融合对应节点，生成技术-价值融合节点，最终构建得到技术价值深层映射图谱。

24、所述步骤s3具体如下：

25、步骤s301，设学习者群体规模为u，对于第u个学习者与技术价值深层映射图谱的第n个知识节点的交互数据，提取三个维度的情感信号：文本反馈情感极性信号、作答时序认知投入曲线信号与交互行为注意力驻留分布信号；

26、使用情感极性分析大模型对文本反馈情感极性信号执行细粒度情感极性分析，得到文本反馈情感极性得分；

27、采用时序卷积网络对作答时序认知投入曲线信号提取认知投入强度特征；

28、基于交互行为注意力驻留分布信号计算注意力驻留集中度；

29、最后采用多层感知机融合网络融合文本反馈情感极性得分、认知投入强度特征、注意力驻留集中度，得到第u个学习者对第n个知识节点的情感共鸣强度向量；对学习者群体取均值，得到知识节点的群体情感共鸣强度向量；

30、步骤s302，设知识节点在时刻t的活性值为，初始活性值由领域专家赋予静态权重；基于群体情感共鸣强度向量，设计节点活性兴奋-抑制动力学更新规则：

31、

32、其中，为时刻t+1的节点活性值，为兴奋增益系数，为抑制衰减系数，为兴奋激活阈值，为抑制激活阈值，relu为线性整流函数；

33、当节点活性值小于节点自修复触发阈值时，触发大模型重新生成关联资源单元的节点自修复流程，以节点素材重生成大模型针对该节点重新生成具有更强情感共鸣潜力的关联资源单元：

34、

35、其中为重新生成的新关联资源单元，为节点在技术价值深层映射图谱中的邻域结构信息，为节点素材重生成大模型的参数集合；

36、步骤s303，节点活性值变化沿技术价值深层映射图谱的关联拓扑边向邻域节点传播，设知识节点的邻域节点集合为，其邻域节点的活性级联更新为：

37、

38、其中为邻域节点经级联传播后的最终活性值，为级联传播增益系数，为技术价值深层映射图谱中知识节点与之间的边权重，为技术价值深层映射图谱中与之间的拓扑距离，为活性级联传播的距离衰减系数；最终得到动态活性图谱。

39、所述步骤s4具体如下：

40、步骤s401，设新资源单元集合为new = { , ..., }，对第r个新资源单元，以时代场景解析大模型执行时代场景语义解析，提取技术概念向量、价值语义向量和时代场景标签，包含时代语境信息；

41、将新资源单元的语义向量与图谱现有所有知识节点的语义向量在统一嵌入空间中计算黎曼测地距离分布：

42、

43、其中为新资源单元与图谱中已有知识节点之间的黎曼测地距离，为黎曼测地距离函数；

44、步骤s402，基于测地距离分布，定义双阈值生长判决机制；设继承阈值为，分叉阈值为，对新资源单元与图谱中测地距离最小的历史节点执行生长判决：

45、当时，判决为继续生长；当时，判决为分叉生长；当时，判决为独立新增；

46、当判决结果为继承生长时，激活继承生长算子；在图谱中创建新节点，并以继承边连接至最近前驱节点，继承边携带时间戳、时代场景标签与价值迁移向量三元组：

47、

48、其中为新新资源单元的时代时间戳；为价值迁移向量，按下式计算：

49、

50、其中为新资源单元的价值语义向量，为最近前驱节点的价值语义向量；步骤s403，当判决结果为分叉生长时，激活分叉生长算子，触发图谱局部拓扑重构：

51、

52、其中为以最近前驱节点为根的子树；为节点在知识谱系树中的深度；为分叉深度惩罚系数；以分叉边连接新节点与分叉点，形成知识谱系的新生分支，触发该局部区域的拓扑重构，调整相关边的权重与方向以适应新分支的语义几何结构；输出具备时间深度的知识谱系。

53、所述步骤s5具体如下：

54、步骤s501，设课程教学资源库语义抽取与结构化组织后形成的知识单元集合为，对每个知识单元，在技术流形坐标层构建技术坐标三元组，包括拓扑位置坐标，抽象层级黎曼测地距离坐标，逻辑依赖链有向路径编码；

55、依据课程知识单元之间的技术逻辑依赖关系构建有向无环依赖图，基于图神经网络的拓扑嵌入方法计算得到知识单元的拓扑位置坐标；

56、抽象层级黎曼测地距离坐标是计算知识单元与技术知识抽象层级锚点集合之间的黎曼测地距离向量；

57、逻辑依赖链有向路径编码以知识单元在有向无环依赖图中的所有前驱路径为输入，采用路径编码器生成；

58、步骤s502，对每个知识单元，在价值流形坐标层构建人文坐标三元组，包括价值命题语义流形坐标，时代场景标签，情感共鸣强度曲率权重；

59、价值命题语义流形坐标为知识单元对应的价值语义向量采用价值语义嵌入网络计算得到；

60、情感共鸣强度曲率权重通过下式计算得到：

61、

62、其中为知识单元对应的节点在时刻t的活性值，为当前时刻全图谱节点活性值的均值，为标准差，σ为s型激活函数，与分别为活性值影响系数与情感共鸣强度影响系数；

63、步骤s503，设计黎曼乘积流形上的双坐标等距投影算子，将技术坐标三元组与人文坐标三元组拼接后，联合投影至统一时空嵌入空间，生成时空坐标指纹；通过等距映射约束进行训练，保持输入空间中的黎曼测地距离在投影后近似保持不变。

64、所述步骤s6具体如下：

65、步骤s601，对知识单元对应的融合知识智能体，定义技术概念激活通道与价值语义激活通道；在每一教学时刻t，以当前场域情境向量为竞争条件，驱动两类激活通道的动态主导权争夺；

66、所述场域情境向量包括课程阶段标签、学习者u的情感共鸣强度向量、历史交互轨迹摘要；

67、基于时空坐标指纹和场域情境向量，由场域感知选择性路由算子计算技术概念激活通道的竞争得分与价值语义激活通道的竞争得分，并通过softmax归一化得到两类激活通道的动态激活权重；

68、将时空坐标指纹分别输入至技术概念激活通道与价值语义激活通道，输出的结果经过动态激活权重融合，得到融合知识智能体在时刻t的激活语义表示；

69、步骤s602，融合知识智能体将其当前激活语义表示作为激活消息在知识谱系上执行局部广播，融合知识智能体的邻域智能体接收激活消息，将其作为上下文输入计算注意力权重，基于图注意力机制得到聚合后的邻域激活信号，融入场域情境向量，以更新后的场域情境向量重新执行步骤s601中的双通道竞争分配；

70、步骤s603，获取学习者完成知识单元学习后的教学效果正反馈信号，驱动场域感知选择性路由算子参数的持续自更新。

71、所述步骤s7具体如下：

72、步骤s701，构建三维适应度景观动态生成器，实时合成技术逻辑连贯性曲面、价值渗透密度曲面与学习者情感共鸣预测曲面构成的动态三维适应度地形；

73、技术逻辑连贯性曲面的构建以有向无环依赖图为约束，基于时空坐标指纹对路径中相邻知识单元对计算技术逻辑连贯性得分；

74、价值渗透密度曲面的构建以价值命题语义流形坐标为基础，计算路径覆盖的价值命题空间密度得到：

75、

76、其中为路径包含的知识单元总数，为路径中知识单元的位置索引，取值范围为1至l；为以价值命题语义流形坐标为输入的核密度估计值，度量知识单元在价值理念流形上的局部覆盖密度；为核密度估计的带宽参数；为知识单元的情感共鸣强度曲率权重；

77、学习者情感共鸣预测曲面的构建以学习者画像向量为输入，采用情感共鸣预测网络预测学习者u在路径上的情感共鸣预测总强度；

78、三曲面以黎曼乘积流形的方式构成动态三维适应度地形，对路径的综合适应度计算为：

79、

80、为针对候选教学路径与学习者的三维综合适应度向量；

81、在三维适应度空间中执行多目标帕累托前沿搜索；

82、步骤s702，设定路径生成网络族群，其中每个路径生成网络以学习者画像向量和激活语义表示集合为输入，输出个性化教学路径；

83、拓扑变异算子基于时空坐标指纹集合和有向无环依赖图对当前路径生成网络执行局部拓扑扰动；

84、拓扑重组算子在当前族群帕累托前沿附近执行高适应度网络架构的跨个体基因片段重组；

85、种群进化迭代执行拓扑变异与拓扑重组，并以三维适应度地形的梯度引力驱动种群持续收敛：

86、

87、其中采用带精英策略的非支配排序遗传算法ii框架执行帕累托非支配排序与拥挤距离计算；为第t代的父代路径生成网络族群，为第t代经拓扑变异与拓扑重组操作生成的子代路径生成网络族群，为综合适应度评价函数；

88、步骤s703，从进化后的最优路径生成网络族群中提取帕累托最优路径种群，生成个性化帕累托最优教学路径。

89、所述步骤s8具体如下：

90、步骤s801，在路径执行过程中，学习者u在教学时刻t产生的实时情感反馈为离散信号序列，将离散情感反馈信号在路径执行空间中执行核插值，生成连续情绪状态场分布；计算情绪状态场的空间梯度向量，以其实时注入路径生成网络的适应度函数参数，驱动当前执行路径沿情绪景观梯度方向执行连续在线漂移；

91、步骤s802，计算当前执行路径在三维适应度空间中相对帕累托前沿的投影距离，当投影距离大于自适应重塑阈值时，触发局部路径拓扑自修复机制，以情绪状态场的当前曲率分布为几何约束，在知识谱系的局部子图上执行启发式拓扑修复搜索，生成与当前情绪景观曲率精确匹配的局部路径替换片段，将局部路径替换片段嵌入当前执行路径的对应位置，完成路径拓扑的局部自修复；

92、步骤s803，设计跨学习者群体情绪状态场的长程知识蒸馏积累机制，驱动路径生成策略的底层优化目标向真实教学规律持续校准；

93、对全体学习者群体的情绪状态场执行加权叠加，将群体情绪状态场的统计规律持续蒸馏为进化种群适应度函数的长期修正项，将长期修正项融入至综合适应度函数中，以校正后的综合适应度函数替换原始综合适应度函数，驱动路径生成策略的底层优化目标在每个教学周期结束后执行一次长期修正更新。

94、与现有技术相比，本发明具有以下有益效果：

95、本方法通过八个步骤的顺次衔接与反馈闭环，使跨模态表示、隐性关联发现、节点活性调控、知识谱系生长、坐标定位、智能激活、路径演化及在线重塑不再各自独立，而是形成相互增强的协同关系。

96、在表示与关联发现环节，步骤s1将四类异构资源对齐至统一黎曼空间，为步骤s2的多粒度价值-技术语义渗透提供了消除模态鸿沟的输入。同时步骤s2发现的隐性映射边权重反向修正s1中语义场的极化方向，两者构成了“对齐—涌现—再对齐”的增强回路，解决了跨模态与跨粒度处理脱节的问题。

97、在知识图谱的动态维护上，步骤s3根据学生实时情感共鸣调整节点活性分布，步骤s4在新资源加入时以继承与分叉算子保留育人概念的语义漂移轨迹。s3输出的活性分布为s4中新节点的生长位置选择提供了情感接受度依据，而s4积累的时代脉络则为s3的活性调控补充了长期历史参照，使图谱兼具实时敏感性与历史稳定性。

98、在知识单元的定位与激活层面，步骤s5通过技术流形与价值流形联合投影为每个知识单元生成时空坐标指纹，步骤s6在此基础上让知识智能体根据场域情境动态分配技术激活与价值激活的比例。坐标指纹为智能体的路由裁决提供了结构化的几何约束，使激活决策不再依赖全局搜索，响应速度和适配精度得到同步提升。

99、在教学路径的生成与执行闭环中，步骤s7利用神经进化搜索在三维适应度地形中离线生成技术逻辑、人文内涵与情感适配均衡占优的路径种群，为步骤s8提供帕累托最优基线与修复参照。步骤s8在真实教学中以情绪状态场梯度驱动路径连续漂移，并在偏离前沿时触发局部自修复。同时，步骤s8积累的跨学习者群体情绪规律通过长程知识蒸馏持续修正s7的适应度函数，构成“离线进化→在线重塑→经验回流”的自适应闭环。

100、从整体上看，s1到s8形成了“统一表示→隐性关联→活性图谱→谱系生长→坐标定位→场域激活→路径进化→在线重塑→反馈校准”的全链条协同。前一步的输出是后一步的基础，后一步的结果又通过图谱权重、活性分布、坐标参照、适应度修正等通道影响前序步骤的参数，使得任何一个环节的局部改进都能沿链条传导并放大，最终产生系统级的叠加增益，而不会被上下游割裂所衰减。