基于学情建模与知识增强的个性化作业智能生成研究

司 利红, 周 勇, 石 蕊, 冼 紫依, 吴 乐中, 周 康
重庆工程学院

摘要


针对大规模班级教学中作业布置“一刀切”导致“因材施教”难以落地的瓶颈，本研究以《大数据采集与处理》课程为切入点，针对传统作业“规模化供给”与学生“个性化需求”的错配问题，提出以动态学情建模为核心、知识图谱增强大语言模型（LLM）的个性化作业生成框架。研究采用项目反应理论（IRT）结合时间衰减权重，量化学生知识点掌握度，并通过K-means聚类划分能力层级；同时引入课程知识图谱约束LLM生成边界，避免大模型出现“幻觉”。实验结果表明，所构建的学情建模方法与专家评估的相关系数达0.87（p<0.01），实践了基于学情建模-知识增强-个性化生成的完整路径，为规模化因材施教提供了实证依据。

关键词


个性化作业；大语言模型；知识图谱；学情分析；智能教育

全文:

PDF


参考


[1]KASNECI E, SESSLER K, KÜCHEMANN S, et al. ChatGPT for good? On opportunities and challenges of large language models for education[J]. Computers & Education, 2023, 191: 104502.

[2]JI Z, LEE N, FRIESKE R, et al. Survey of hallucination in natural language generation[J]. ACM Computing Surveys, 2024, 57(2): 1-37.

[3]顾小清，胡艺龄，蔡慧英.生成式人工智能的教育应用与展望——以ChatGPT为例[J].华东师范大学学报（教育科学版），2023，41（7）：1-14.

[4]吴永和，龚志鹏，李彤彤，等.教育人工智能驱动的个性化学习：机制、路径与挑战[J].开放教育研究，2023，29（1）：18-27.

[5]杨现民，赵瑞斌，顾晓莉.教育数字化转型背景下知识图谱的赋能路径与应用场景[J].电化教育研究，2023，44（5）：12-19.

[6]HOLSTEIN K, ALEVEN V. Engaging teachers to co-design integrated AI curriculum for K-12 classrooms[C]//Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems. 2023: 1-18.

[7]WANG Z, VALENCIA S, LIU Z, et al. EduQuiz: An automatic educational question generation system based on knowledge graphs and large language models[C]//International Conference on Artificial Intelligence in Education. Cham: Springer, 2024: 520-525.

[8]SUNG C, DHAMEJIA T, MAYFIELD E, et al. “It’s not a replacement”: Enabling student-AI collaboration in the programming classroom[J]. Proceedings of the ACM on Human-Computer Interaction, 2023, 7(CSCW2): 1-32.

[9]翟雪松，李艳，楚肖燕.基于大模型的编程作业自动生成与评测实证研究[J].现代教育技术，2023，33（9）：81-89.


Refbacks

  • 当前没有refback。