feat(vault): Phase 3 tools + batch citation/relation enrichment

wiki/教学大模型.md

@@ -1,6 +1,6 @@
 ---
 categories:
-  - "[[LLM Wiki]]"
+  - '[[LLM Wiki]]'
 tags:
   - wiki
   - concept
@@ -8,15 +8,144 @@ tags:
   - education
   - ai-tutoring
 created: 2026-04-20
-source: "[[教学大模型发展状况深度研究报告-20260415]]"
+source: '[[教学大模型发展状况深度研究报告-20260415]]'
 type: concept
 aliases:
   - 教学大模型
   - EduLLM
   - Educational Large Language Models
+relations:
+  - type: extends
+    target: '[[ITS（智能辅导系统）]]'
+    confidence: 2
+  - type: extends
+    target: '[[自适应学习]]'
+    confidence: 2
 ---
 
-# 教学大模型
+[raw:教学大模型发展状况深度研究报告-20260415:3]# 教学大模型
+
+教学大模型（EduLLM, Educational Large Language Models）是将大语言模型应用于教育场景的专门研究方向。2024年5月arXiv发表的综述论文系统梳理了这一领域。
+
+## 定义
+
+教学大模型是指专门为教育场景优化的大语言模型，通过提示工程、微调、RAG等技术，在教育场景中实现智能辅导、作业评估、内容生成等功能。
+
+## 核心转变
+
+```
+传统ITS                    LLM教学大模型
+────────────────────────────────────────────────────────────
+知识工程师手工构建    →    自动从海量数据学习
+单一学科/固定逻辑     →    跨学科/动态推理
+被动响应学生输入      →    主动引导/苏格拉底式提问
+难以规模化定制       →    个性化即时响应
+```
+
+## EduLLM 六类应用
+
+根据学术研究，教育大模型的应用可分为：
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│                  EduLLM六类应用场景                         │
+├─────────────────────────────────────────────────────────────┤
+│                                                             │
+│  1️⃣ 智能辅导（Tutoring）                                    │
+│     • 一对一答疑                                             │
+│     • 苏格拉底式引导                                         │
+│     • 个性化学习路径                                         │
+│                                                             │
+│  2️⃣ 作业评估（Assessment）                                   │
+│     • 自动批改                                               │
+│     • 反馈生成                                               │
+│     • 评分一致性                                             │
+│                                                             │
+│  3️⃣ 内容生成（Content Generation）                           │
+│     • 练习题生成                                             │
+│     • 教学设计辅助                                           │
+│     • 课件自动制作                                           │
+│                                                             │
+│  4️⃣ 学习分析（Learning Analytics）                          │
+│     • 学情诊断                                               │
+│     • 知识追踪                                               │
+│     • 预测预警                                               │
+│                                                             │
+│  5️⃣ 教师助理（Teacher Assistant）                           │
+│     • 备课辅助                                               │
+│     • 家校沟通                                               │
+│     • 班级管理                                               │
+│                                                             │
+│  6️⃣ 终身学习（Lifelong Learning）                           │
+│     • 职业培训                                               │
+│     • 技能认证                                               │
+│     • 个性化推荐                                             │
+│                                                             │
+└─────────────────────────────────────────────────────────────┘
+```
+
+## 典型案例（国内外20+）
+
+| 类型 | 代表产品 | 核心特点 |
+|
+------|
+----------|----------|
+| **苏格拉底式** | EduChat | 情感支持 + 苏格拉底教学 |
+| **多模态辅导** | AudioGPT, AVIS | 音视频理解 + 交互 |
+| **学科专用** | MathGPT, ChemLLM | 数学/化学专业优化 |
+| **考试评估** | ChatEDA | 电路分析自动化 |
+| **医学教育** | Med-PaLM | 医学知识问答 |
+
+## LLM教育应用的挑战与缓解策略
+
+| 挑战 | 说明 | 缓解策略 |
+|------|------|----------|
+| **幻觉问题** | 生成不准确的教育内容 | RAG + 知识图谱约束 |
+| **数学推理** | 复杂数学问题易出错 | Chain-of-Thought提示 |
+| **评估公平** | 可能产生偏见 | 人类专家审核 |
+| **隐私保护** | 学生数据安全 | 本地化处理 |
+
+## 有效干预设计
+
+基于研究的最佳实践：
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│                                                             │
+│  ✅ 有效策略：                                               │
+│     • 苏格拉底式引导（Khanmigo模式）                         │
+│     • 分步提示（而不是直接给答案）                          │
+│     • 知识追踪（动态调整难度）                               │
+│     • 人类监督（人在回路）                                   │
+│                                                             │
+│  ❌ 需避免：                                                 │
+│     • 直接给出完整答案                                       │
+│     • 缺乏上下文的学习                                      │
+│     • 一刀切的评估标准                                       │
+│                                                             │
+└─────────────────────────────────────────────────────────────┘
+```
+
+## 关键发现
+
+1. **苏格拉底式引导成为共识**：无论Khanmigo还是讯飞星火，都在强调"启发引导而非直接给答案"
+2. **"人在回路"是质量底线**：所有高质量产品都有人类参与机制
+3. **垂直领域数据是核心壁垒**：通用大模型无法替代专门的教育数据积累
+4. **硬件+软件+内容的整合模式**：国内产品倾向于软硬件一体化
+
+## 相关概念
+
+- [[ITS（智能辅导系统）]] — 传统智能辅导系统
+- [[自适应学习]] — 个性化学习路径
+- [[知识图谱]] — 知识结构化表示
+- [[苏格拉底式教学法]] — 引导式教学方法
+- [[Khanmigo]] — 代表性实践案例
+
+## 来源
+
+- [[教学大模型发展状况深度研究报告-20260415]] — EduLLM综述、应用分类、典型案例
+
+[raw:教学大模型发展状况深度研究报告-20260415:3]# 教学大模型
 
 教学大模型（EduLLM, Educational Large Language Models）是将大语言模型应用于教育场景的专门研究方向。2024年5月arXiv发表的综述论文系统梳理了这一领域。