申请/专利权人：青岛理工大学

申请日：2023-12-20

公开（公告）日：2024-05-10

公开（公告）号：CN117437099B

主分类号：G06Q50/20

分类号：G06Q50/20;G09B5/14;G09B7/02;G06F16/36;G06F16/33;G06F16/335;G06F40/30;G06N3/0455

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开了一种基于大语言模型的智慧教学系统及教学方法，涉及智慧教学技术领域，通过知识图谱辅助大语言模型，进一步实现智能代理，包括智能导师模块、智能助教模块和智能学伴模块。课前通过智能助教模块实现教师智能辅助备课，学生对话式自主预习和个性化学习路径推荐；课中由智能导师模块实现引导式教学，由智能学伴讨论助手实现分组讨论辅助教学；课后智能助教模块帮助教师生成针对性的智能辅助评价，并对主观题进行智能辅助评判，帮助学生实现个性化学习。本发明可以提升教师教学效率，个性化指导学生学习，同时也能够激发学生学习兴趣，提升学习效果。

主权项：1.一种基于大语言模型的智慧教学方法，其特征在于，包括如下步骤：步骤1，通过大语言模型将知识图谱转换成向量数据库，并对向量数据库进行完善，为大语言模型学习提供资料；步骤2，通过步骤1所得的大语言模型对学生进行学习路径推荐；步骤3，根据步骤2所得的学习路径进行预习；步骤4，根据步骤2所得的学习路径和步骤3所得的预习情况进行引导式教学；步骤4具体包括：通过学习路径和预习确认学生的学习目标和预习情况；大语言模型生成问题，反复对学生提问，确保学生能更深入思考；通过大语言模型技术分析学生对问题的回答，评估学生的理解水平和掌握情况，根据学生的回答结果，动态调整引导方向；促使学生主动提出问题，并进行回答，引导学生主动探究更深层次的知识；步骤5，使用大语言模型分析已学知识、掌握程度、课堂表现、步骤2所得的学习路径，对学生实力进行评估，根据评估结果分组讨论；步骤6，整合步骤3所得的预习、步骤4所得的引导式教学数据，使用大语言模型分析学生的学科实力、学习偏好和弱点，进行测试；步骤7，针对步骤6测试结果，通过大语言模型辅助教师评价；步骤8，整合步骤2、步骤3、步骤5、步骤6、步骤7的学业数据，制定课后复习方案，设定定期课后复习测评，评估学生对薄弱点的掌握情况，调整后续复习方案；步骤9，教师提供本节课的知识点、授课方式、采用的设计模式，通过大语言模型生成智能辅助备课方案；所述步骤1具体包括：步骤1.1，从知识图谱中获取实体、关系、属性信息，使用大语言模型生成对应的文字描述，将生成的文本描述使用预训练的文本向量化模型转化为相应的向量；将生成的向量存储到向量数据库中；步骤1.2，通过大语言模型将问题提取不同的特征值或关键字，并生成与上述特征值或关键字语义相似的文本，将上述特征值或关键字以及生成的相似文本也进行向量化，在向量数据库中使用最大内积搜索，查询相关向量，判断查询到的向量与问题是否相关，若不相关则排除重新搜索；步骤1.3，将问题及步骤1.2所得的文本输入到大语言模型生成答案；步骤1.4，将问题的上下文向量化到向量数据库中，供后续查找；所述步骤9具体包括：步骤9.1，教师提供本节课的知识点、授课方式、采用的设计模式；结合知识图谱，通过大语言模型语义理解功能分析教师提供的相关信息，在向量数据库中查询与知识点相似度高的向量；步骤9.2，智能助教模块以步骤9.1查到的向量为基础生成教学资源，调用其他工具生成ppt；步骤9.3，大语言模型根据理解到的课堂设计模式特点生成教案生成教案，包括详细的授课过程描述；步骤9.4，教师查阅智能助教模块生成的教案和资源，进行编辑和调整，智能助教模块接收教师的反馈，优化调整备课资源；所述步骤3具体包括：步骤3.1，通过步骤2建立的学习路径以及在向量数据库中查到上次学习进度来确定预习的内容；步骤3.2，根据预习内容，使用相似度搜索在向量数据库查找相关向量，并将这些向量解码为对应的信息；步骤3.3，大语言模型利用步骤3.2查找到的信息，为学生生成包括文本、代码示例和视频链接在内的信息；步骤3.4，预习结束后，大语言模型生成问题，检验学生对基础概念的理解和掌握程度，同时解释正确答案并纠正错误；步骤3.5，大语言模型生成一道思考题，学生进行课前深入思考和探究，并在课上解答；同时将此次预习进度存入向量数据库中；所述步骤5具体包括：步骤5.1，设定专业知识评分标准，以学生课上对话内容为数据，通过大语言模型给学生打分，将分数接近的学生分成一个小组；步骤5.2，根据上课的内容，在向量数据库中找相似度高的主题；步骤5.3，使用大语言模型的语义理解功能实时监测学生的讨论内容；步骤5.4，大语言模型记录学生在讨论中的表现，使用大语言模型针对每个学生生成评估报告；所述步骤2具体包括：步骤2.1，大语言模型基于模型的预先编程和动态生成设计问题，学生对问题进行回答；步骤2.2，大语言模型通过自然语言处理技术分析学生的回答，提取学生想要学习内容的实体信息，并且对学生的掌握情况进行打分；步骤2.3，根据步骤2.2获取到的实体信息在知识图谱中查找该实体信息对应的节点以及该节点的前驱节点和后继结点，并不断的查找前驱节点的前驱结点和后继节点的后继结点，直到大语言模型判断出当前节点与步骤2.2中提取的实体信息无关；步骤2.4，根据步骤2.3查询到的节点实体信息，生成学习路径，确保学习一个节点内容的前提条件就是该节点的前驱节点已经全部学习完毕；步骤2.5，通过定期的跟踪问卷调整学习路径，以适应学生的进展和需求变化。

全文数据：

权利要求：

百度查询： 青岛理工大学 一种基于大语言模型的智慧教学系统及教学方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD