.png){kind=icon}
返回
Interactive Teaching Evaluation Method Based on KG-CQA
.png){kind=icon}
PRE
AI
DOI：10.1007/s44196-025-01139-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
互动式教学评价在现代教育发展过程中发挥着重要作用。准确评价教学效果能够有效促进课堂教学的改进。然而，传统的互动式教学评价方法存在评价效率低和反馈延迟等局限性。因此，本研究提出了一种基于知识图谱和复杂问答的互动式教学评价模型。该模型利用K维树和Transformer的句子双向编码表示的变体来优化检索过程，同时引入图卷积神经网络和注意力机制来聚合实体邻居特征信息。此外，该模型融合了混合粒子群优化和双向长短期记忆网络，构建了一个完整的互动式教学评价模型。实验结果表明，改进算法的适应度和分类精度达到95.11%。同时，在仿真验证中构建的互动式教学评价模型的分类精度达到96.82%，在K12教育阶段，问答匹配率和答案准确率分别达到89.36%和97.74%，而在基于对话的问答数据集上，分别达到87.38%和98.47%。在实践应用验证中，模型课堂的活动水平与专家组的评价高度一致，问题数量的误差仅为2、1、2次，主题场景切换的收敛时间为0.96秒，场景识别准确率达到95.67%。这些结果表明，基于知识图谱和复杂问答的互动式教学评价模型能够提高问答识别效率和评价精度。本研究为教育场景中互动式教学评价模型的精确构建提供了贡献，并促进了现代教育的稳步发展。
Keyword:
Knowledge graph
Complex question answering
Interactive teaching
Teaching evaluation
Graph convolution neural networks
期刊
IF:
3
论文数:
359
被引数:
2.7K
机构
引用论文
Research on evaluation system of ideological and political education of college students based on decision system.png)
SOFT COMPUTING
OAAI
SOFT COMPUTINGIF2.5
OAAI分享收藏分享收藏
Biomedical Knowledge Graph Embedding With Capsule Network for Multi-Label Drug-Drug Interaction Prediction基于胶囊网络的生物医学知识图谱嵌入多标签药物相互作用预测OAAI
OAAI分享收藏A systematic review of large language models and their implications in medical education大语言模型的系统评价及其在医学教育中的启示MEDICAL EDUCATIONOAAI
MEDICAL EDUCATIONIF5.2
OAAI分享收藏
查看更多内容