基于人工智能的教学模型训练方法、装置、设备和介质与流程

本发明涉及计算机，特别是涉及一种基于人工智能的教学模型训练方法、装置、设备和介质。

背景技术：

1、受到人工智能发展的推动作用，ai大模型逐步运用到教育领域，其能够帮助改善教育质量、提高教学效率、提高学高教育资源的利用率。

2、在教育领域中，费曼学习法是一种非常高效的学习方法，通过“以教代学”的方式，能够有效地提升学生的学习效果，但其较为依赖“一对一”的教学方式，教学成本过高。

3、针对上述问题，现有技术中缺乏一种有效的解决方案。

技术实现思路

1、基于此，为了解决以上问题本文提出了一种基于人工智能的教学模型训练方法、装置、设备和介质。本发明通过训练教学模型，使其能够转变为“学生”角色，实现“以教代学”的教学方式，能够帮助学生提升学习效果，以及学生的表达能力。

2、根据本发明的第一方面，提供了一种基于人工智能的教学模型训练方法，包括：

3、数据采集步骤，采集教材数据；

4、训练数据获取步骤，从教材数据中获取训练数据，所述训练数据包括：从教材数据中获取的题目、题目的解题元素、解题元素之间的关系以及题目的讲解方法；

5、教学模型训练步骤，将所述训练数据输入教学模型进行模型训练，通过所述模型训练使所述教学模型能够根据所述题目的讲解方法提取出解题元素之间的关系，并根据错误和/或缺少的解题元素之间的关系进行提问。通过提问使教学模型能够反馈给所述教学模型用户其未掌握的知识点，从而提升教学效果。在一些实施例中，根据错误和/或缺少的解题元素之间的关系进行提问可以转变为根据错误和/或缺少的解题元素之间的关系推送对应的学习资料。

6、在一些实施例中，所述训练数据包括：解题元素之间的关系与题目的讲解方法之间的对应关系；

7、所述题目的讲解方法包括：正确的题目的讲解方法：能够获得完整准确的解题元素之间的关系、错误的题目的讲解方法：获得错误的解题元素之间的关系、残缺的题目的讲解方法：获得解题元素之间的关系不完整。

8、在一些实施例中，所述解题元素为根据所述题目获得的相关知识图谱中的实体及实体属性值。

9、在一些实施例中，所述解题元素之间的关系为知识图谱中实体关系。

10、在一些实施例中，所述知识图谱通过对教材数据进行实体抽取、关系抽取、属性抽取进行构建。

11、在一些实施例中，所述教学模型为ai模型；所述教学模型在解题元素之间的关系完整且准确时，输出题目的正确答案。

12、在一些实施例中，所述教学模型训练步骤中，通过人工对教学模型提取获得的错误的解题元素之间的关系进行修正。

13、在一些实施例中，所述教学模型在判断学生的讲解方法是否准确时使用lstm模型，对于训练好的lstm模型，通过输入门输入题目，在解题元素之间的关系完整且准确时输出门输出题目的正确答案。通过是否能够输出正确答案，判断学生的讲解方法是否准确。

14、根据本发明的第二方面，提供了一种基于人工智能的教学模型训练装置，包括：

15、数据采集模块，用于采集教材数据；

16、训练数据获取模块，用于从教材数据中获取训练数据，所述训练数据包括：从教材数据中获取的题目、题目的解题元素、解题元素之间的关系以及题目的讲解方法；

17、教学模型训练模块，用于将所述训练数据输入教学模型进行模型训练，通过所述模型训练使所述教学模型能够根据所述题目的讲解方法提取出解题元素之间的关系，并根据错误和/或缺少的解题元素之间的关系进行提问。

18、根据本发明的第三方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述任一实施例方法的步骤。

19、根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例方法的步骤。

20、本发明的技术方案，通过对教学模型进行训练，使教学模型转变为“学生”角色，该教学模型能够通过判断解题元素之间的关系是否完整、准确，反馈给学生未掌握的知识点，从而实现“以教代学”的教学方式。并且通过人工对教学模型提取获得的错误的解题元素之间的关系进行修正，通过“人在回路”的方式提升了教学模型的训练效果。

技术特征：

1.一种基于人工智能的教学模型训练方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于人工智能的教学模型训练方法，其特征在于，

3.根据权利要求1所述的基于人工智能的教学模型训练方法，其特征在于，

4.根据权利要求3所述的基于人工智能的教学模型训练方法，其特征在于，

5.根据权利要求1所述的基于人工智能的教学模型训练方法，其特征在于，

6.根据权利要求1所述的基于人工智能的教学模型训练方法，其特征在于，

7.根据权利要求1所述的基于人工智能的教学模型训练方法，其特征在于，

8.一种基于人工智能的教学模型训练装置，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本发明基于人工智能的教学模型训练方法、装置、计算机设备和存储介质。方法包括：采集教材数据；从教材数据中获取训练数据；将所述训练数据输入教学模型进行模型训练，通过所述模型训练使所述教学模型能够根据所述题目的讲解方法提取出解题元素之间的关系，并根据错误和/或缺少的解题元素之间的关系进行提问。本发明通过训练教学模型，使其能够转变为“学生”角色，实现“以教代学”的教学方式，能够帮助学生提升学习效果，以及学生的表达能力。

技术研发人员：张振勋,张伯昱,徐贵昌,张孝福,王贤瑞,何学义,崔雅军,郭庆文,王长岭,桑东周,李景臣,边俊海,唐国建
受保护的技术使用者：玄兹（天津）教育科技有限公司
技术研发日：
技术公布日：2025/1/16