一种智能化伴学方法及相关装置与流程
本发明涉及智能教育,尤其涉及一种智能化伴学方法及相关装置。
背景技术:
1、随着大语言模型和智能体技术的发展,智能教育产品已经能够完成题目解答、试题讲解、自动批改、学习建议生成、资料推荐和答疑辅学等任务。大语言模型能够根据学习者提问生成较完整的自然语言解释,也能够根据教材、题目、知识点和学习者回答生成例题、解析、总结和练习。
2、目前的智能教育方案有基于大语言模型的智能作业答疑和讲解方案,该方案利用大语言模型的生成能力直接输出答案解析或学习建议,其工作模式本质上是“学习者提问,系统作答”的被动响应模式,目前的智能教育方案还有基于学习路径规划和资源推荐的方案,该方案通常基于课程知识图谱、习得顺序、学习目标、资源难度和学习者掌握度,为学习者推荐下一知识点、练习题、课程视频或资料,其重点在于下一步学什么和推荐什么资源。
3、在k12教育领域,一对一伴学场景日益受到重视,然而,目前的智能教育方案对于一对一伴学场景并不适用。
技术实现思路
1、有鉴于此,本发明提供了一种智能化伴学方法及相关装置,用以解决现有的智能教育方案对于一对一伴学场景不适用的问题,其技术方案如下:
2、本发明第一方面提供一种智能化伴学方法,包括:
3、获取目标学习者在学习过程中的交互数据,并根据所述交互数据确定所述目标学习者的当前动态认知状态;
4、根据当前动态认知状态和当前学习任务,生成多个候选教学动作;
5、获取与当前动态认知状态对齐的学习者数字孪生模型,并基于所述学习者数字孪生模型模拟所述目标学习者分别在各所述候选教学动作下的反应,得到各所述候选教学动作分别对应的预测学习者反应数据;
6、根据各所述候选教学动作分别对应的预测学习者反应数据,确定各所述候选教学动作的学习收益指标和教学风险指标;
7、根据各所述候选教学动作的学习收益指标和教学风险指标,从各所述候选教学动作中选择目标教学动作输出给所述目标学习者。
8、在一种可能的实现方式中,所述智能化伴学方法还包括:
9、在输出所述目标教学动作后,采集所述目标学习者在所述目标教学动作下的反应数据,得到所述目标教学动作对应的真实学习者反应数据;
10、确定所述目标教学动作对应的真实学习者反应数据与所述目标教学动作对应的预测学习者反应数据的偏差;
11、根据所述偏差,对当前动态认知状态和所述学习者数字孪生模型进行更新,然后执行所述根据当前动态认知状态和当前学习任务,生成多个候选教学动作及后续步骤,直至满足伴学结束条件。
12、在一种可能的实现方式中,当前动态认知状态包括第一认知状态,或者包括第一认知状态和第二认知状态;
13、所述第一认知状态包括如下状态中的部分或全部:知识掌握状态、典型误区和当前学习卡点;
14、所述第二认知状态包括如下状态中的部分或全部:认知负荷、遗忘风险、学习速度、表达偏好、情绪挫败风险、最近发展区范围、提示依赖程度、年级学段匹配状态、教材版本匹配状态和课程标准匹配状态。
15、在一种可能的实现方式中,所述智能化伴学方法还包括:
16、获取教学约束信息,其中,所述教学约束信息用于进行以下至少一种约束:适龄性约束、超纲性约束、提示强度约束、学习负荷约束;
17、所述根据当前动态认知状态和当前学习任务,生成多个候选教学动作,包括:
18、根据当前动态认知状态和当前学习任务,在所述教学约束信息的约束下,生成多个候选教学动作;
19、所述基于所述学习者数字孪生模型模拟所述目标学习者分别在各所述候选教学动作下的反应,包括:
20、基于所述学习者数字孪生模型,在所述教学约束信息的约束下,模拟所述目标学习者分别在各所述候选教学动作下的反应。
21、在一种可能的实现方式中,每个所述候选教学动作为如下教学动作中的一种:
22、追问、轻提示、分步讲解、例题演示、类比解释、前置知识补充、降低难度练习、变式练习、错因澄清、总结归纳、要求学习者继续尝试。
23、在一种可能的实现方式中,每个所述候选教学动作包括如下属性中的部分或全部:
24、动作类型、目标知识点、提示强度、难度等级、教学意图、适用条件、禁止条件和预期学习者反应。
25、在一种可能的实现方式中,所述根据各所述候选教学动作的学习收益指标和教学风险指标,从各所述候选教学动作中选择目标教学动作输出给所述目标学习者,包括:
26、将各所述候选教学动作中教学风险指标超过预设风险阈值的候选教学动作排除;
27、根据剩余的各所述候选教学动作的学习收益指标和教学风险指标,从剩余的各所述候选教学动作中选择目标教学动作输出给所述目标学习者。
28、在一种可能的实现方式中,所述根据剩余的各所述候选教学动作的学习收益指标和教学风险指标,从剩余的各所述候选教学动作中选择目标教学动作输出给所述目标学习者,包括:
29、根据剩余的各所述候选教学动作的学习收益指标和教学风险指标,同时结合剩余的各所述候选教学动作分别与教学约束信息的匹配度,确定剩余的各所述候选教学动作的综合得分;
30、根据剩余的各所述候选教学动作的综合得分,从剩余的各所述候选教学动作中选择目标教学动作输出给所述目标学习者。
31、在一种可能的实现方式中,所述智能化伴学方法还包括:
32、基于虚拟学习者群体对各所述候选教学动作进行仿真,得到各所述候选教学动作分别对应的仿真结果集,其中,所述虚拟学习者群体包括根据与所述目标学习者相似的多个学习者样本构建的多个虚拟学习者,所述多个虚拟学习者具有不同的学习特征,所述仿真结果集包含所述多个虚拟学习者分别在对应的候选教学动作下的反应数据;
33、根据各所述候选教学动作分别对应的仿真结果集,确定各所述候选教学动作的稳定性指标;
34、所述根据各所述候选教学动作的学习收益指标和教学风险指标,从各所述候选教学动作中选择目标教学动作输出给所述目标学习者,包括:
35、根据各所述候选教学动作的学习收益指标和教学风险指标,同时结合各所述候选教学动作的稳定性指标,从各所述候选教学动作中选择目标教学动作输出给所述目标学习者。
36、在一种可能的实现方式中,所述学习收益指标包括如下指标中的至少一个:目标知识点掌握增益、当前卡点解除概率、独立完成概率、误区纠正概率、前置知识补齐程度、迁移应用概率;
37、所述教学风险指标用于评估以下风险维度中至少一个风险维度的风险情况:过度提示风险、难度过高风险、误区强化风险、认知负荷过高风险、挫败风险、答案依赖风险、偏离学习目标风险、超出教学约束风险。
38、本技术第二方面提供一种电子设备,包括至少一个处理器和与所述处理器连接的存储器,其中:
39、所述存储器用于存储计算机程序;
40、所述处理器用于执行所述计算机程序,以使所述电子设备实现上述任一种智能化伴学方法。
41、借上述技术方案,本发明提供的智能化伴学方法,通过获取目标学习者的交互数据确定目标学习者的当前动态认知状态,并基于该动态认知状态和当前学习任务生成多个候选教学动作,在此基础上,基于与当前动态认知状态对齐的学习者数字孪生模型,对各候选教学动作进行仿真验证,得到各候选教学动作对应的预测学习者反应数据,接着根据各候选教学动作对应的预测学习者反应数据确定各候选教学动作的学习收益指标和教学风险指标,最后根据各候选教学动作的学习收益指标和教学风险指标选择目标教学动作输出给目标学习者。本发明能够在伴学过程中主动感知学习者的学习状态、主动规划教学策略,而非被动等待学习者提问后再生成答案,从而真正满足一对一伴学中对持续陪伴和主动引导的需求,同时,本发明通过与当前动态认知状态对齐的学习者数字孪生模型对各候选教学动作进行仿真验证,能够提前预判学习者接收各候选教学动作后的反应,进而评估各候选教学动作的学习收益和教学风险,并基于评估结果择优选择目标教学动作输出,上述过程使得输出的目标教学动作在追求学习收益的同时确保教学风险可控,从而有效提升了一对一伴学场景下教学决策的科学性、安全性和自适应能力。
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