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

This commit is contained in:
2026-07-01 15:20:40 +08:00
parent 8273017082
commit 407a9213bf
548 changed files with 53410 additions and 2113 deletions
+130 -2
View File
@@ -1,6 +1,6 @@
---
categories:
- "[[LLM Wiki]]"
- '[[LLM Wiki]]'
tags:
- wiki
- concept
@@ -8,12 +8,23 @@ tags:
- intelligent-tutoring
- adaptive-learning
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:
- ITS
- 智能辅导系统
- Intelligent Tutoring Systems
relations:
- type: part_of
target: '[[教学大模型]]'
description: 同源:教学大模型发展状况深度研究报告-20260415
confidence: 3
- type: extends
target: '[[教学大模型]]'
confidence: 2
- type: extends
target: '[[知识空间理论]]'
confidence: 2
---
# ITS(智能辅导系统)
@@ -59,6 +70,123 @@ ITS 是计算机辅助教学系统,通过分析学生学习行为和知识状
## 传统ITS vs LLM教学大模型
| 维度 | 传统ITS | LLM教学大模型 |
|
------|
----------|---------------|
| **知识构建** | 知识工程师手工构建 | 自动从海量数据学习 |
| **学科范围** | 单一学科/固定逻辑 | 跨学科/动态推理 |
| **交互方式** | 被动响应学生输入 | 主动引导/苏格拉底式提问 |
| **个性化** | 难以规模化定制 | 个性化即时响应 |
## 知识追踪技术
ITS 使用 **知识追踪(Knowledge Tracing** 算法:
```python
# 简化的知识状态更新逻辑
P(knowing_k | response) = f(
prior_knowledge, # 先验知识概率
response_correct, # 回答正确/错误
difficulty_k, # 问题难度
time_taken # 回答时间
)
```
### 知识追踪核心概念
1. **知识状态(Knowledge State**:学生已掌握的知识点集合
2. **知识结构(Knowledge Structure**:知识点之间的先决关系网络
3. **学习路径(Learning Path**:从当前状态到目标状态的最优序列
4. **状态更新(State Update**:基于学生回答动态更新知识状态
## 代表性案例
| 产品 | 核心技术 | 用户规模 |
|------|----------|----------|
| **Khanmigo** | GPT-4 + 苏格拉底式引导 | 60万+ |
| **Duolingo Max** | GPT-4 + Birdbrain个性化 | 5亿+ |
| **Carnegie Learning** | 知识空间理论 + LiveHint AI | 550万+ |
| **ALEKS** | 知识追踪算法 | 数百万 |
## 核心优势
1. **理论扎实**:基于认知科学和教育心理学研究
2. **精准诊断**:一次评估即可确定知识状态
3. **完全个性化**:每个学生的学习路径都是独特的
4. **效率优化**:避免重复学习已掌握内容
## 局限性
1. **知识工程复杂**:需要大量人工构建知识图谱
2. **扩展性受限**:新增学科或知识域成本高
3. **交互刚性**:预设的教学路径,灵活性有限
## LLM时代的演变
随着大语言模型的发展,ITS 与 LLM 正在融合:
- **LLM赋能ITS**:用 LLM 增强传统 ITS 的自然语言理解和生成能力
- **ITS约束LLM**:用 ITS 的知识图谱约束 LLM 的幻觉问题
- **混合架构**:知识追踪 + 生成式AI + 人类监督
## 相关概念
- [[教学大模型]] — LLM驱动的教学系统
- [[知识空间理论]] — ITS的理论基础
- [[知识追踪]] — 核心技术
- [[自适应学习]] — 学习理念
- [[Khanmigo]] — LLM+ITS融合案例
- [[Carnegie Learning]] — ITS先驱
- [[ALEKS]] — 自适应学习代表
## 来源
- [[教学大模型发展状况深度研究报告-20260415]] — ITS与LLM对比、知识追踪、代表性案例
# ITS(智能辅导系统)
智能辅导系统(Intelligent Tutoring Systems, ITS)是传统教育AI的核心技术,基于认知科学和知识图谱,提供个性化学习路径和实时反馈。
## 定义
ITS 是计算机辅助教学系统,通过分析学生学习行为和知识状态,动态调整教学内容和难度,实现个性化学习体验。
## 核心理念
### 知识空间理论
```
┌─────────────────────────────────────────────────────────────┐
│ 知识空间理论核心 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 知识状态 = 学生在特定领域的已知问题集合 │
│ │
│ 知识结构 = 问题之间的关系网络 │
│ (前置关系、依赖关系) │
│ │
│ 学习路径 = 知识空间中的最优探索路径 │
│ (根据学生当前状态动态规划) │
│ │
│ 核心算法: │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 学生回答问题X │ │
│ │ ↓ │ │
│ │ AI推断学生知识状态 │ │
│ │ ↓ │ │
│ │ 选择下一个最适合的问题Y │ │
│ │ ↓ │ │
│ │ 更新学生知识状态 │ │
│ │ ↓ │ │
│ │ 重复直到达到目标状态 │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
```
## 传统ITS vs LLM教学大模型
| 维度 | 传统ITS | LLM教学大模型 |
|------|----------|---------------|
| **知识构建** | 知识工程师手工构建 | 自动从海量数据学习 |