一种基于LLM的辅助教学方法与流程

原文：一种基于LLM的辅助教学方法与流程

文档序号：35969020发布日期：2023-11-09 09:45阅读：89来源：国知局

导航： X技术> 最新专利>计算;推算;计数设备的制造及其应用技术

本发明应用于llm应用领域，具体是一种基于llm的辅助教学方法。

背景技术：

1、大型语言模型（llm）在自然语言处理、文本生成、知识获取等多个领域取得了令人瞩目的成果。这些技术在诸如搜索引擎、机器翻译、语音识别等应用场景中展示出了强大的性能，极大地改变了人们的生活和工作方式。

2、然而，在教育领域，这些先进的技术还没有得到充分的应用。目前，教育领域的教学设计方法仍然主要依赖于传统的教学方法和策略，如讲授、讨论、实验等。这些方法虽然在一定程度上保证了教学效果，但却存在一些明显的缺点和不足，如无法满足学生个性化需求、教学效果评价不够精确等。

3、与此同时，教育领域面临着诸多挑战，如学生数量持续增长、教育资源分配不均、教师负担加重等。这些问题使得传统的教学方法在满足现代教育需求方面显得力不从心。因此，亟需一种基于llm的教学辅助设计方法，以提高教学效果、降低教师负担、满足学生的个性化需求。

技术实现思路

1、本发明所要解决的技术问题是针对现有技术的不足，提供一种基于llm的辅助教学方法。

2、为解决上述技术问题，本发明的一种基于llm的辅助教学方法，

3、选择适用的大型语言模型，进行训练和优化，获得教学辅助模型；

4、建立教学辅助平台，将教学辅助模型集成到平台中；

5、用户与教学辅助平台交互以利用教学辅助模型进行辅助教学。

6、作为一种可能的实施方式，进一步的，所述用户与教学辅助平台交互以利用教学辅助模型进行辅助教学具体包括：

7、角色设定，用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互为教学辅助模型设定所需的功能定位；

8、需求确定，用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型描述需求，并确认输出要求；

9、接收教学辅助模型向教学辅助平台输出的教学辅助信息。

10、作为一种可能的实施方式，进一步的，所述用户与教学辅助平台交互以利用教学辅助模型进行辅助教学还包括：

11、丰富需求，用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型进一步丰富需求，使其继续展开说明。

12、作为一种可能的实施方式，进一步的，所述用户与教学辅助平台交互以利用教学辅助模型进行辅助教学还包括：

13、信息补充，用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型补充更具体的信息，包括针对原信息点进行二次展开，或者结合所有补充的信息，重新生成全面教学辅助信息。

14、作为一种可能的实施方式，进一步的，所述用户与教学辅助平台交互以利用教学辅助模型进行辅助教学还包括：

15、跟进完善信息获取，当判断回复出现中断或是未回答完整，教学辅助平台发送需求指令，教学辅助台通过prompt交互要求教学辅助模型继续提供完整信息。

16、一种基于llm的教学辅助平台，包括：

17、大型语言模型连接模块，用于使用协议和数据格式连接教学辅助模型接口；

18、课程设计模块，用于与教学辅助模型交互接收其课程设计；

19、题目生成模块，用于与教学辅助模型交互接收其生成的题目；

20、自动批改模块，用于与教学辅助模型交互接收其批改结果。

21、本发明采用以上技术方案，具有以下有益效果：

22、基于大型语言模型的教学辅助设计方法，能够根据学生的个性化需求进行教学，提高教学质量；同时，自动化生成教学内容和题目，提高教学效率。本发明可以根据学生的学习需求和学科知识点，设计出更加个性化的教学策略，满足学生的多样化需求。利用大型语言模型生成教学内容，可以让教学内容更加丰富多样，激发学生的学习兴趣。通过自动批改和评价功能，本发明能够为学生提供精确的教学评价和反馈，有助于学生更好地理解和掌握知识。利用本发明提供的自动化教学设计和批改功能，可以减轻教师的工作负担，让教师有更多时间专注于教学互动和指导学生。

23、实施方式

24、下面对本发明实施方式中的技术方案进行清楚、完整地描述。

25、本发明提供了一种基于llm的辅助教学方法，

26、选择适用的大型语言模型，进行训练和优化，获得教学辅助模型；

27、建立教学辅助平台，将教学辅助模型集成到平台中；

28、用户与教学辅助平台交互以利用教学辅助模型进行辅助教学。

29、用户与教学辅助平台交互以利用教学辅助模型进行辅助教学具体包括：

30、角色设定，用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互为教学辅助模型设定所需的功能定位；

31、需求确定，用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型描述需求，并确认输出要求；

32、接收教学辅助模型向教学辅助平台输出的教学辅助信息。

33、用户与教学辅助平台交互以利用教学辅助模型进行辅助教学还包括：

34、丰富需求，用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型进一步丰富需求，使其继续展开说明。

35、用户与教学辅助平台交互以利用教学辅助模型进行辅助教学还包括：

36、信息补充，用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型补充更具体的信息，包括针对原信息点进行二次展开，或者结合所有补充的信息，重新生成全面教学辅助信息。

37、用户与教学辅助平台交互以利用教学辅助模型进行辅助教学还包括：

38、跟进完善信息获取，当判断回复出现中断或是未回答完整，教学辅助平台发送需求指令，教学辅助台通过prompt交互要求教学辅助模型继续提供完整信息。

39、用户与教学辅助平台交互以利用教学辅助模型进行辅助教学具体为：教师与教学辅助平台交互以使用教学辅助模型进行课程设计，其包括：

40、教师与教学辅助平台交互使其通过prompt向教学辅助模型发送指令对学科知识结构进行分析挖掘获取知识点；

41、将知识点按照层次和难度进行分类和组织，构建知识结构图和课程地图；

42、教师向教学辅助平台输入学生的学习需求和学科知识点，利用教学辅助平台通过prompt向教学辅助模型发送指令生成针对性的教学目标；

43、教师与教学辅助平台交互使其通过prompt向教学辅助模型发送指令根据教学目标、知识结构图和课程地图生成课程内容和教材。

44、教师与教学辅助平台交互以使用教学辅助模型进行课程设计还包括：

45、教师向教学辅助平台输入学生的学习进度和水平；

46、教学辅助平台通过prompt向教学辅助模型发送对应信息；

47、教学辅助模型根据学生的学习进度和水平配合课程内容和教材调整教学内容和难度。

48、所述用户与教学辅助平台交互以利用教学辅助模型进行辅助教学具体为：教师与教学辅助平台交互以使用教学辅助模型进行题目生成，其包括：

49、教师与教学辅助平台交互使其通过prompt向教学辅助模型发送指令使其按需求生成题库；

50、教师与教学辅助平台交互输入学生的学习情况和水平，其通过prompt向教学辅助模型反馈；

51、教学辅助模型根据接收的学生的学习情况和水平从题库中选择对应难度的题目输出；

52、还包括：

53、教师与教学辅助平台交互使其通过prompt向教学辅助模型发送指令将题目在不同类型之间切换，类型至少包括选择题、填空题、计算题、应用题。

54、所述用户与教学辅助平台交互以利用教学辅助模型进行辅助教学具体为：教师与教学辅助平台交互以使用教学辅助模型进行自动批改，其包括：

55、教师与教学辅助平台交互使其通过prompt向教学辅助模型发送试题及对应学生答案；

56、教学辅助模型对接收的试题及对应学生答案进行比对批改评分；

57、教学辅助模型根据学生的答题情况和错误类型，给出解释和建议。

58、一种基于llm的教学辅助平台，包括：

59、大型语言模型连接模块：负责使用协议和数据格式连接教学辅助模型接口，以实现与教学辅助模型的通信和数据传输。

60、课程设计模块：与教学辅助模型交互，接收其对学科知识结构的分析挖掘结果、知识点分类和组织、知识结构图和课程地图生成，以及针对学生学习需求和学科知识点的教学目标生成。该模块还可以根据学生的学习进度和水平调整教学内容和难度，以确保教学效果最大化。

61、题目生成模块：与教学辅助模型交互，接收其按需求生成的题库和针对学生的学习情况和水平选择的对应难度的题目。同时，该模块可以根据教师的需求在不同题型之间进行切换，包括选择题、填空题、计算题和应用题等。

62、自动批改模块：与教学辅助模型交互，接收其对试题及对应学生答案的比对批改评分结果。该模块还能根据学生的答题情况和错误类型，获取教学辅助模型给出的解释和建议，以便教师能够为学生提供更有针对性的指导。

63、实施例1

64、在某高中，一位物理教师希望利用基于llm的教学辅助平台来设计一门全新的课程，以满足学生个性化的学习需求。以下是实施该方案的具体步骤：

65、教师登录教学辅助平台，并通过平台与教学辅助模型交互。首先，教师向平台发送一个关于物理学科知识结构的prompt，以便让教学辅助模型进行分析和挖掘。教学辅助模型返回一份包含各个物理知识点的列表。

66、教师将这些知识点按照层次和难度进行分类和组织，借助平台将其可视化地呈现为知识结构图和课程地图。

67、教师根据学生的学习需求和学科知识点，向教学辅助平台输入相关信息。随后，教师通过prompt向教学辅助模型发送指令，生成针对性的教学目标。

68、教师继续与教学辅助平台交互，通过prompt向教学辅助模型发送指令，要求其根据教学目标、知识结构图和课程地图生成课程内容和教材。教学辅助模型返回一份包含详细课程大纲、教案和相关教材资源的文档。

69、在课程实施过程中，教师还可以实时调整教学内容和难度，以适应学生的学习进度和水平：

70、教师向教学辅助平台输入学生的学习进度和水平信息。

71、教学辅助平台通过prompt将这些信息发送给教学辅助模型。

72、教学辅助模型根据学生的学习进度和水平，以及课程内容和教材，自动调整教学内容和难度。教师可根据模型的建议对课程进行相应调整，确保教学效果最大化。

73、通过这一实施例，教师能够充分利用基于llm的教学辅助平台进行课程设计，从而实现个性化教学，提高教学效果。

74、实施例2

75、某初中数学教师希望使用基于llm的教学辅助平台来根据学生的学习情况和水平生成个性化的题目，以下是实施该方案的具体步骤：

76、教师登录教学辅助平台，并与教学辅助模型进行交互。教师向平台发送一个关于数学题目生成的prompt，以便让教学辅助模型按需求生成题库。

77、教师通过教学辅助平台输入学生的学习情况和水平，教学辅助平台根据这些信息通过prompt向教学辅助模型发送反馈。

78、教学辅助模型根据接收到的学生的学习情况和水平从题库中选择对应难度的题目输出。这些题目将根据学生的需求进行个性化调整，以确保学生能够充分理解和掌握相关知识点。

79、教师还可以与教学辅助平台交互，通过prompt向教学辅助模型发送指令，要求其将题目在不同类型之间切换。这些类型至少包括选择题、填空题、计算题、应用题。教学辅助模型将根据教师的要求生成相应类型的题目。

80、例如，教师可能发现某个学生在应用题方面表现出较大困难，因此希望为该学生提供更多的应用题进行练习。教师通过教学辅助平台向教学辅助模型发送指令，要求其生成更多的针对该学生水平的应用题。教学辅助模型接收指令后，生成一系列与该学生学习水平相匹配的应用题，并输出给教师。

81、通过这一实施例，教师能够利用基于llm的教学辅助平台根据学生的学习情况和水平生成个性化的题目，从而更好地满足学生的学习需求，提高教学质量。

82、实施例3

83、某高中英语教师希望使用基于llm的教学辅助平台进行学生作业的自动批改，以下是实施该方案的具体步骤：

84、教师登录教学辅助平台，并与教学辅助模型进行交互。教师向平台发送一个关于批改作业的prompt，同时上传试题及对应学生答案。

85、教学辅助模型接收到试题和学生答案后，对答案进行比对批改评分。这包括比对学生答案与标准答案之间的差异，以及评估学生答案的准确性和完整性。

86、教学辅助模型根据学生的答题情况和错误类型，给出解释和建议。例如，如果学生在某道英语语法题中出现错误，教学辅助模型可以指出具体错误原因，如主谓不一致或时态错误等，并提供相应的解决建议，帮助学生理解并改正错误。

87、教师可以通过教学辅助平台查看批改结果、评分以及教学辅助模型给出的解释和建议。根据这些信息，教师可以为学生提供更有针对性的指导，帮助他们提高学习效果。

88、通过这一实施例，教师能够利用基于llm的教学辅助平台进行学生作业的自动批改，节省时间和精力，同时为学生提供更为详细和准确的反馈，从而提高教学质量。

89、实施例4

90、首先选择适用的大型语言模型，进行训练和优化，以获得教学辅助模型。接下来，建立一个教学辅助平台，并将教学辅助模型集成到平台中。用户与教学辅助平台交互，利用教学辅助模型进行辅助教学。

91、具体实施过程如下：

92、角色设定：用户（如教师）向教学辅助平台发送需求指令，教学辅助平台通过prompt交互为教学辅助模型设定所需的功能定位。

93、需求确定：用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型描述需求，并确认输出要求。

94、接收教学辅助信息：教学辅助模型向教学辅助平台输出教学辅助信息，如课程设计、题目生成、自动批改等。

95、丰富需求：用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型进一步丰富需求，使其继续展开说明。

96、信息补充：用户向教学辅助平台发送需求指令，教学辅助平台通过prompt交互向教学辅助模型补充更具体的信息，包括针对原信息点进行二次展开，或者结合所有补充的信息，重新生成全面教学辅助信息。

97、跟进完善信息获取：当判断回复出现中断或未回答完整，教学辅助平台发送需求指令，通过prompt交互要求教学辅助模型继续提供完整信息。

98、在这个实施例中，教师与教学辅助平台交互，使用教学辅助模型进行课程设计、题目生成、自动批改等。这些功能通过与教学辅助模型的交互实现，包括发送指令、输入学生的学习需求和学科知识点、输入学生的学习进度和水平等。教学辅助模型根据教师的需求和学生的学习情况，为教师提供有针对性的教学辅助信息。

99、通过这种基于llm的辅助教学方法，教师可以充分利用大型语言模型的能力，提高教学质量和效率。以下为具体应用场景：

100、课程设计：教师与教学辅助平台交互，通过prompt向教学辅助模型发送指令对学科知识结构进行分析挖掘获取知识点。将知识点按照层次和难度进行分类和组织，构建知识结构图和课程地图。教师根据学生的学习需求和学科知识点，利用教学辅助平台通过prompt向教学辅助模型发送指令生成针对性的教学目标。教师还可以通过与教学辅助平台的交互，调整教学内容和难度，以满足学生的学习进度和水平。

101、题目生成：教师与教学辅助平台交互，通过prompt向教学辅助模型发送指令按需求生成题库。教师输入学生的学习情况和水平，通过prompt向教学辅助模型反馈。教学辅助模型根据接收的学生的学习情况和水平从题库中选择对应难度的题目输出。此外，教师还可以通过与教学辅助平台的交互，切换题目类型，如选择题、填空题、计算题、应用题等。

102、自动批改：教师与教学辅助平台交互，通过prompt向教学辅助模型发送试题及对应学生答案。教学辅助模型对接收的试题及对应学生答案进行比对批改评分。教学辅助模型根据学生的答题情况和错误类型，给出解释和建议，帮助教师了解学生的薄弱环节，为提高教学质量提供依据。

103、通过这种基于llm的辅助教学方法，教师可以更高效地进行课程设计、题目生成和批改工作，同时针对学生的个性化需求提供更有针对性的教学辅助信息。这有助于提高教学质量，满足不同学生的学习需求，促进学生的全面发展。

104、以上所述为本发明的实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理和精神的情况下凡依本发明申请专利范围所做的均等变化、修改、替换和变型，皆应属本发明的涵盖范围。