融合强制检索机制的多模态AI学伴与线上虚拟数字人微课协同学习框架教学研究

摘要

针对高校计算机通识课程大班教学中普遍存在的学生学习动力不足、预习参与度偏低、实操难点内化困难
及教师重复性辅导负荷过重等突出问题，本文设计并验证了融合强制检索机制的多模态AI学伴与线上虚拟数字人微
课协同学习框架。该框架构建了“内容-交互-反馈”三角驱动的闭环学习生态，核心实现了线上虚拟数字人微课
（内容呈现端）与多模态AI学伴（交互答疑端）的深度协同：线上虚拟数字人微课承担在线课程的内容输出职责；
多模态AI学伴依托私有知识库与强制检索机制，有效解决课中实操场景下的大模型“幻觉”风险与多模态故障解析
难题；同时引入智能测评系统作为两者协同的反馈枢纽，完成课后个性化巩固与数据驱动的教学迭代。
　　该框架构建了“内容-交互-反馈”三角驱动的闭环学习生态，实现了课前、课中、课后全教学流程的智能化
贯通与协同赋能。课前，依托线上虚拟数字人微课学习资源，引导学生完成结构化自主预习；课中，基于检索增强
生成（RAG）私有知识库与多模态智能体搭建AI学伴，支持学生通过文字描述、屏幕截图及操作录屏视频等多模态
形式提交问题，并通过独创的强制检索机制生成即时、精准的步骤化解答，从根源上根除大语言模型的“幻觉”风
险；课后，借助智能测评系统完成全过程学情数据采集，同步驱动学生个性化知识巩固与教师数据驱动的教学反思。
为系统验证该框架的教学有效性与工程可行性，本研究以高校大一必修通识课《计算机与信息技术》为实践载体，
开展了为期16周的教学研究。
　　教学研究表明，融合强制检索机制的多模态AI学伴在实操类问题上的回答准确率达到100%，完全规避了通用大
模型的幻觉问题，同时借助线上虚拟数字人微课协同学习教学成效显著，同时教师重复性辅导工作量大大减少。本
教学框架实践了一种高可复制、低成本、安全可控的技术赋能教学新范式。