一种基于课程语境感知的智能问答学习辅助系统及方法与流程
本发明涉及教育人工智能,具体涉及一种基于课程语境感知的智能问答学习辅助系统及方法。
背景技术:
1、随着大语言模型的快速发展,ai聊天机器人被越来越多地引入教育领域。然而,现有的通用ai聊天机器人在教育场景中存在以下问题:(1)缺乏对课程结构、学科边界和学习目标的感知能力,提供的回答虽然语法通顺但往往与课程内容脱节,无法反映特定课程的教学进度和知识体系;(2)容易产生“认知卸载”效应,学生直接获得答案而跳过思考过程,不利于高阶思维能力的发展;(3)缺乏学术诚信约束机制,学生可能利用ai完成作业或考试,绕过正常的评估环节;(4)系统行为控制权分散在教学人员和技术团队之间,难以保证输出与教学意图一致,教学人员难以对ai的回答行为进行有效管控。
技术实现思路
1、鉴于所述问题,提出了本技术以便提供克服所述问题或者至少部分地解决所述问题的一种基于课程语境感知的智能问答学习辅助系统以及相关方法,用于解决通用ai聊天机器人在教育场景中缺乏课程语境感知、缺乏教学控制、缺乏学术诚信保障的技术问题。
2、本发明的第一方面,提供了本技术实施例第一方面提供了一种基于课程语境感知的智能问答学习方法,包括:
3、步骤s1、从学习管理系统中获取目标课程的课程材料,将所述课程材料按照语义完整性切分为多个语义块,并将每个语义块转换为向量表示,存储于向量数据库中,形成课程语境向量索引;
4、步骤s2、接收用户输入的自然语言问题;
5、步骤s3、将用户问题转换为向量表示,在所述课程语境向量索引中进行语义相似度检索,获取与用户问题语义相关的目标课程内容块;
6、步骤s4、根据教学策略配置生成定义了所述学习辅助系统的角色、回答风格、行为边界和学术诚信规则的系统提示,将用户问题、目标课程内容块和系统提示组装为模型输入;
7、步骤s5、调用大语言模型根据所述模型输入生成回答,并对所述回答进行边界控制和学术诚信检查后输出给所述用户。
8、一种可能的实现方式中,所述从学习管理系统中获取目标课程的课程材料,将所述课程材料按照语义完整性切分为多个语义块,并将每个语义块转换为向量表示,存储于向量数据库中,形成课程语境向量索引,包括:
9、从学习管理系统中获取包含教学大纲、课件、阅读材料、作业说明和评分标准中的至少一种,作为目标课程的课程材料;
10、将所述课程材料按照语义完整性切分为多个语义块,并将每个语义块转换为向量表示,存储于向量数据库中,形成课程语境向量索引。
11、另一种可能的实现方式中,所述根据教学策略配置生成定义了所述学习辅助系统的角色、回答风格、行为边界和学术诚信规则的系统提示,将用户问题、目标课程内容块和系统提示组装为模型输入,包括:
12、根据包含教学目标配置、回答深度配置和引导方式配置中的至少一种,作为教学策略配置,生成定义了所述学习辅助系统的角色、回答风格、行为边界和学术诚信规则的系统提示,将用户问题、目标课程内容块和系统提示组装为模型输入;
13、其中,所述教学目标配置,用于指示采用苏格拉底式提问引导理解或采用直接讲解巩固知识;
14、所述回答深度配置,用于控制回答的详细程度;
15、所述引导方式配置,用于指示通过分步提问或提供提示来引导用户自主思考。
16、另一种可能的实现方式中,所述对所述回答进行边界控制和学术诚信检查后输出给所述用户,包括:
17、判断所述用户问题是否超出所述目标课程的知识范围;
18、若超出,则触发重定向响应或拒绝回答响应;其中,所述重定向响应用于引导所述用户查阅所述目标课程的相关材料;
19、检测所述用户问题是否涉及获取作业或考试的完整答案,若是,则触发引导模式;其中,所述引导模式用于向所述用户提供分步思考引导,而非直接答案。
20、另一种可能的实现方式中,所述方法还包括:
21、记录包含用户问题、检索到的课程内容块、生成的回答和时间戳的交互日志;
22、接收教师或管理员对所述交互日志的审查操作。
23、另一种可能的实现方式中,所述方法还包括:
24、接收用户对所述回答的有用性反馈;
25、根据有用性反馈优化所述语义相似度检索的检索策略或所述系统提示的配置。
26、另一种可能的实现方式中,所述课程材料还包括所述目标课程的预期学习成果和评估标准;
27、根据所述预期学习成果和所述评估标准生成所述系统提示中的学术诚信规则。
28、本技术实施例第二方面提供了一种基于课程语境感知的智能问答学习辅助系统,包括:
29、课程语境构建模块,用于从学习管理系统中获取目标课程的课程材料,将所述课程材料按照语义完整性切分为多个语义块,并将每个语义块转换为向量表示,存储于向量数据库中,形成课程语境向量索引;
30、用户交互模块,用于接收用户输入的自然语言问题;
31、语境感知检索模块,用于将所述用户问题转换为向量表示,在所述课程语境向量索引中进行语义相似度检索,获取与所述用户问题语义相关的目标课程内容块;
32、教学控制模块,用于根据教学策略配置生成系统提示,将所述用户问题、所述目标课程内容块和所述系统提示组装为模型输入,所述系统提示定义了所述学习辅助系统的角色、回答风格、行为边界和学术诚信规则;
33、回答生成与约束模块,用于调用大语言模型根据所述模型输入生成回答,并对所述回答进行边界控制和学术诚信检查后输出给所述用户。
34、一种可能的实现方式中,所述教学控制模块包括智能体提示模板单元、教学策略配置单元和提示组装单元;
35、所述智能体提示模板单元用于存储预设的系统级提示模板;
36、所述教学策略配置单元用于接收教师配置的教学目标、回答深度和引导方式;
37、所述提示组装单元用于将所述用户问题、所述目标课程内容块和所述系统提示组装为完整的模型输入。
38、另一种可能的实现方式中,所述回答生成与约束模块包括大语言模型调用单元、边界控制单元、学术诚信检查单元和回答后处理单元;
39、所述边界控制单元用于判断所述用户问题是否超出所述目标课程的知识范围;
40、所述学术诚信检查单元用于检测所述用户问题是否涉及获取作业或考试的完整答案;
41、所述回答后处理单元用于对生成的回答进行格式化和安全过滤后输出。
42、另一种可能的实现方式中,所述系统还包括治理与审计模块,所述治理与审计模块包括交互日志记录单元和行为审计单元;
43、所述交互日志记录单元用于记录所述用户与所述学习辅助系统的每次交互;
44、所述行为审计单元用于支持教师或管理员审查系统回答是否符合教学预期。
45、另一种可能的实现方式中,所述治理与审计模块还包括反馈收集单元,用于收集所述用户对回答有用性的反馈,并用于优化检索策略和提示模板。
46、本技术实施例第三方面提供了一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如基于课程语境感知的智能问答学习方法。
47、本技术实施例第四方面提供了一种芯片系统,包括处理器,用于支持学习辅助系统实现上述第一方面中所涉及的功能。
48、相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
49、通过构建课程专属向量索引实现语义检索,确保ai回答基于课程材料而非通用知识,结合课程预期学习成果生成学术诚信规则,提高了回答的学科准确性和教学相关性;通过教学策略配置单元和智能体提示模板,将教学目标、回答深度和引导方式编码到系统行为中,使ai从“答案生成器”转变为“学习引导者”,实现了教学意图对ai行为的灵活控制;通过学术诚信检查单元识别作业/考试类请求并触发引导模式,结合边界控制单元对超域问题进行重定向,有效抑制了认知卸载行为,保障了学术诚信;通过交互日志记录完整问题-检索-回答链路,支持教师审查与追溯,并通过用户反馈收集驱动检索策略和提示模板的持续迭代,构建了可优化、可治理的闭环体系;通过复用通用大语言模型并结合课程材料向量化与提示工程实现课程适配,无需为每个课程训练专属模型,大幅降低了教育ai系统的部署成本和技术门槛。
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