一种基于人工智能的辅助教学方法及装置

技术领域

本发明涉及人工智能助教领域，尤其是一种基于人工智能的辅助教学方法及装置。

背景技术

目前，人工智能技术广泛应用，其可应用于教师教学研修工作和日常教学工作。生成式AI助教系统在教育垂直领域下有广阔的应用场景，基于人工智能技术可帮助教师进行教学设计、组织实施课堂教学、提升教学水平等。

因此，如何根据人工智能技术实现辅助教学是一个值得研究的问题。

发明内容

有鉴于此，本发明实施例提供一种基于人工智能的辅助教学方法及装置，用于根据人工智能技术实现辅助教学。

本发明实施例的一方面提供了一种基于人工智能的辅助教学方法，包括：

获取用户的提问文本并对所述提问文本进行分词，得到分词结果；

从预设的模板库中查找与所述提问文本匹配的句式模板；

从所述分词结果中识别目标关键词，并根据所述目标关键词填充所述句式模板，得到提问意图；

分别从多个数据库中获取所述提问意图对应的推荐结果，并融合所述推荐结果；

输出所述推荐结果对应的融合结果，以供用户根据所述融合结果进行教学。

可选地，所述对所述提问文本进行分词，得到分词结果，包括：

将所述提问文本根据词性进行分词，并标注每个分词的词性，得到分词结果。

可选地，所述从预设的模板库中查找与所述提问文本匹配的句式模板，包括：

根据每个分词的词性从预设的模板库中查找与所述提问文本匹配的句式模板。

可选地，所述从所述分词结果中识别目标关键词，并根据所述目标关键词填充所述句式模板，得到提问意图，包括：

将所述分词结果中的动词与名词识别为目标关键词；

根据每个动词对应的意图类别和每个名词对应的意图类别填充所述句式模板，得到提问意图。

可选地，所述分别从多个数据库中获取所述提问意图对应的推荐结果，并融合所述推荐结果，包括：

从专业生产内容数据库中获取所述提问意图对应的第一推荐结果；

从用户生成内容数据库中获取所述提问意图对应的第二推荐结果；

从人工智能生成内容数据库中获取所述提问意图对应的第三推荐结果；

在所述第一推荐结果与第二推荐结果之间添加第一连接语，在所述第二推荐结果与所述第三推荐结果之间添加第二连接语，得到融合结果。

可选地，所述输出所述推荐结果对应的融合结果，包括：

依次输出所述第一推荐结果、所述第一连接语、所述第二推荐结果、所述第二连接语以及所述第三推荐结果。

可选地，所述方法还包括：

分别将所述第一推荐结果、所述第二推荐结果以及所述第三推荐结果转换为语义嵌入向量；

两两计算所述语义嵌入向量之间的余弦相似度；

根据所述余弦相似度对所述第一推荐结果、所述第二推荐结果以及所述第三推荐结果标注预设的标签；

将所述标签与所述融合结果一同输出。

可选地，所述方法还包括：

获取用户对所述提问文本选择的教学对话生成类型、教学对话源内容以及填写的附加条件，生成以自然语言形式描述的提示语；

调用人工智能生成内容数据库服务接口，将所述提示语作为输入，获取对应的目标文本；

将所述提问文本与所述目标文本合并为最终结果进行输出，并标记所述最终结果中的目标文本。

可选地，所述用户对所述提问文本选择的教学对话生成类型包括教学对话续写、教学对话补写、教学对话改写、教学对话扩写、教学对话缩写或教学对话概述中的至少之一。

本发明实施例的另一方面还提供了一种基于人工智能的辅助教学装置，包括：

提问文本分词单元，用于获取用户的提问文本并对所述提问文本进行分词，得到分词结果；

句式模板查找单元，用于从预设的模板库中查找与所述提问文本匹配的句式模板；

提问意图确定单元，用于从所述分词结果中识别目标关键词，并根据所述目标关键词填充所述句式模板，得到提问意图；

推荐结果融合单元，用于分别从多个数据库中获取所述提问意图对应的推荐结果，并融合所述推荐结果；

融合结果输出单元，用于输出所述推荐结果对应的融合结果，以供用户根据所述融合结果进行教学。

本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器执行所述程序实现上述任一项所述的方法。

本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现上述任一项所述的方法。

本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

本发明可以根据用户的提问文本识别出目标关键词并根据目标关键词填充句式模板，进而从多个数据库中获取句式模板对应的推荐结果，并融合输出；由于推荐结果与目标关键词高度相关，因此本发明的推荐结果可以帮助作为教师的用户进行教学设计、组织实施课堂教学、提升教学水平等，基于本发明至少可以实现以下有益效果：

1)可以作为一种教学辅助工具，通过多轮对话的形式，自动生成自然连贯的文本，以赋能课堂教学。

2)为教师的课程设计提供创意思路，协助检索和整理文献资料，生成完整的课程材料，如教学大纲、课程计划和阅读材料。

3)协助教师参与教研备课，进行知识搜索，自动生成通识性和常态化的教学内容，帮助教师节省初始头脑风暴时间，提高备课效率。

4)作为课堂助教，为课堂活动提供想法、增加课堂趣味性和丰富性，帮助学生理解复杂的内容和概念，成为教师的人工智能助教、课后导师或辩论陪练。

5)提供丰富的解释、方法、资讯、思路，帮助学生更深刻、更富有创意地理解知识，提高学习效率和兴趣。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于人工智能的辅助教学方法的流程示意图；

图2为本发明实施例提供的一种教学对话内容生成部分的示例图；

图3为本发明实施例提供的一种基于人工智能的辅助教学装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，本发明实施例提供了一种基于人工智能的辅助教学方法，具体包括以下步骤：

S100：获取用户的提问文本并对所述提问文本进行分词，得到分词结果。

具体的，将所述提问文本根据词性进行分词，并标注每个分词的词性，得到分词结果。其中，提问文本的词性可以包括介词、动词、标点符号、名词、并列连接词、副词或概数词等，以及其它词性。

S110：从预设的模板库中查找与所述提问文本匹配的句式模板。

具体的，可以根据步骤S100中对提问文本标注的分词词性，从预设的模板库中查找与所述提问文本匹配的句式模板。

S120：从所述分词结果中识别目标关键词，并根据所述目标关键词填充所述句式模板，得到提问意图。

具体的，可以将所述分词结果中的动词与名词识别为目标关键词；其中，每个动词和名词均可以预设有对应的意图类别，不同的动词或名词可以对应不太的意图类别。然后，根据每个动词对应的意图类别和每个名词对应的意图类别填充所述句式模板，得到提问意图。

S130：分别从多个数据库中获取所述提问意图对应的推荐结果，并融合所述推荐结果。

具体的，数据库可以是包括教学内容的数据库，示例如PGC(ProfessionalGenerated Content)数据库、UGC(User Generated Content)数据库以及AIGC(AIgenerated content)数据库。

以上述三个数据库为例，将从其中获取的PGC推荐结果、UGC推荐结果以及AIGC推荐结果分别作为第一推荐结果、第二推荐结果、以及第三推荐结果，进而将三个推荐结果进行融合，得到融合结果。

为了保证融合结果的连贯性，融合过程可以包括：在第一推荐结果与第二推荐结果之间添加第一连接语，在第二推荐结果与第三推荐结果之间添加第二连接语，得到融合结果。

S140：输出所述推荐结果对应的融合结果，以供用户根据所述融合结果进行教学。

具体的，可以依次输出上述步骤130融合后的第一推荐结果、第一连接语、第二推荐结果、第二连接语以及第三推荐结果。

进一步，为了让用户掌握各个推荐结果的推荐程度，本发明实施例还可以包括以下过程：

S1、分别将所述第一推荐结果、所述第二推荐结果以及所述第三推荐结果转换为语义嵌入向量。

具体的，可以将第一推荐结果、第二推荐结果以及第三推荐结果分别进行语义编码，转换成可计算的语义嵌入向量。

S2、两两计算所述语义嵌入向量之间的余弦相似度。

S3、根据所述余弦相似度对所述第一推荐结果、所述第二推荐结果以及所述第三推荐结果标注预设的标签。

具体的，预设的标签可以包括“非常推荐”、“一般推荐”或“仅供参考”等，以及其它可选标签。

S4、将所述标签与所述融合结果一同输出。

具体的，将标签与融合结果意图输出可以让用户清楚地了解各个推荐结果与提问文本的相关程度，并基于此灵活调整教学策略，更好地实现人工智能辅助教学。

进一步，本发明实施例还可以包括根据提问文本生成教学对话内容的过程，具体如下：

S1、获取用户对所述提问文本选择的教学对话生成类型、教学对话源内容以及填写的附加条件，生成以自然语言形式描述的提示语。

具体的，用户对提问文本选择的教学对话生成类型可以包括教学对话续写、教学对话补写、教学对话改写、教学对话扩写、教学对话缩写或教学对话概述中的至少之一。

S2、调用人工智能生成内容数据库服务接口，将所述提示语作为输入，获取对应的目标文本。

S3、将所述提问文本与所述目标文本合并为最终结果进行输出，并标记所述最终结果中的目标文本。

接下来将以具体实例说明本发明的应用过程。

具体的，本发明实施例可以包括教学推荐内容生成和教学对话内容生成两部分。

首先，对教学推荐内容生成部分进行说明，具体可以包括以下：

1.1提问意图识别。

(1)提问文本分词：将用户发起的提问文本进行文本分词，得到分词结果。例如当用户输入“在讲解《分数与小数》小学数学课，如何引导学生分析问题，并推荐一些语料”的提问文本时，经分词后可以得到以下结果：在\讲解\《\分数\与\小数\》\小学\数学\课\，\如何\引导\学生\分析\问题\，\并\推荐\一些\语料，其中\表示分词间隔符。

(2)词性标注：对分词结果中的每个词语逐一进行词性标注。例如对上述分词结果进行词性标注后可以得到以下结果：

在(P)\讲解(VV)\《(PU)\分数(NN)\与(CC)\小数(NN)\》(PU)\小学(NN)\数学(NN)\课(NN)\，\(PU)\如何(AD)\引导(VV)\学生(NN)\分析(VV)\问题(NN)\，\(PU)\并(CC)\推荐(VV)\一些(CD)\语料(NN)，其中，各词性对应关系如下：P表示介词，VV表示动词，PU表示标点符号，NN表示名词，CC表示并列连接词，AD表示副词，CD表示概数词。

(3)目标关键词识别：基于分词及词性标注结果，对其中的名词和动词等目标关键词进行识别、抽取与分类。例如对上述分词及词性标注结果进行目标关键词识别后得到以下结果：

推荐范围：小学(NN)数学(NN)。

推荐主题：分数(NN)小数(NN)。

推荐需求：引导(VV)分析(VV)问题(NN)。

推荐对象：语料(NN)。

(4)句式模板匹配：基于预设的提问模板库，检索符合用户提问文本的句式模板。例如对于上述提问，从提问模板库中匹配到对应用户提问“在讲解《分数与小数》小学数学课，如何引导学生分析问题，并推荐一些语料”的规则。句式模板如下：

[主题].*？{推荐|给|给定|[动词]}[主题].*？{语料|话语|对话|[名词]}.*？[主题]。

其中.*？表示任意字符、[]表示实体类型或词性、{}表示关键词以及|表示或。

用户的提问文本匹配到该句式模板，进而可以执行该句式模板对应的操作执行指令，以实现“推荐语料”。

(5)语义槽填充：根据句式模板的匹配结果，按照预先定义的意图类别，基于目标关键词识别结果，填充意图对应的语义槽。例如根据上述的目标关键词识别结果，识别出学科(数学)、学段(小学)、主题(分数、小数)、需求(引导、分析、问题)等不同成分，并将对应的值填充到意图语义槽中，最终得到约束条件为“小学数学关于分数、小数主题和引导分析问题需求”的语料推荐行为指令。

1.2多源数据推荐。

1.2.1PGC推荐。

基于提问意图识别结果，将意图中的提问需求在PGC数据库中进行关键词精确匹配检索与模糊匹配检索，得到PGC推荐结果，其中，PGC数据库可以包括但不限于《义务教育课程方案和课程标准》等专业机构或用户编写/生成的内容。例如对于上述例子，可匹配得到“能进行简单的小数、分数四则运算和混合运算，感悟运算的一致性，发展运算能力和推理意识”的PGC推荐结果，其中“小数”“分数”与用户提问的推荐主题相符合，“推理”与“分析”具有相关关系。

1.2.2UGC推荐。

基于提问意图识别结果，将意图中的提问需求在UGC数据库中进行文本匹配，得到UGC推荐结果，其中UGC数据库可以包括但不限于课堂教学场域中老师与学生的对话。例如对于上述例子，可根据约束条件为“小学数学关于分数、小数主题和引导分析问题需求”的语料推荐行为指令，从UGC数据库中检索到符合相应主题的语料内容及话语文本。

1.2.3AIGC推荐。

首先调用ChatGPT等第三方服务接口，把用户提问文本作为输入，得到输出后的AIGC，即原始回答，然后使用主题模型对AIGC进行建模，得到主题词集，并将其与1.1(3)的目标关键词识别结果集进行合并，得到扩充后的主题词集；最后将AIGC按句进行划分，得到AIGC结果集，判断其中的每一句是否涵盖到主题词集的任意一个词语，若是则将其保留，否则将其从结果集中剔除。

1.3多源数据融合。

1.3.1语义相关性评价。

对1.2生成的推荐结果进行语义相关性评价，具体包括以下：

(1)将1.2生成的PGC、UGC、AIGC推荐结果分别进行语义编码，转换成可计算的语义嵌入向量E

(2)将上述步骤(1)生成的语义嵌入向量两两之间进行余弦相似度计算，得到取值范围在0至1之间的语义相关性分数，用于量化不同推荐结果之间的语义匹配程度。

1.3.2融合结果生成。

首先，将AIGC推荐结果作为前序结果进行输出。

然后，判断1.2.1是否有匹配结果，若有则把PGC推荐结果作为中序结果进行输出，并在前序结果与中序结果之间插入承上启下的关联话语，例如“以下是从系统数据库检索到的相关课程标准：”。

进而，继续判断1.2.2是否有匹配结果，若有则将UGC推荐结果作为后序结果进行输出，并判断是否存在中序结果，若存在，则在中序结果与后序结果之间插入承上启下的关联话语，例如“以下是根据上述课程标准从系统数据库检索到的相关语料及教学话语：”；若不存在，则在前序结果与后序结果之间插入承上启下的关联话语，例如“以下是从系统数据库检索到的相关语料及教学话语：”。

最后，判断1.3.1计算得到的语义相关性分数是否大于预定阈值，若是则继续判断其属于哪个推荐评价结果区间，并将对应结果区间的标签作为推荐结果一同输出，例如“非常推荐”“一般推荐”等，否则将其标注为“仅供参考”。

接下来，对教学对话内容生成部分进行说明，具体可以包括以下：

参照图2，本发明实施例提供了一种教学对话内容生成部分的示例图，教学对话内容生成部分可以实现以下六项功能：

(1)教学对话续写：给定一段教学对话上文，在原有教学对话内容基础上进行展开，生成延续的教学对话下文。

(2)教学对话补写：将一段连贯的教学对话按照前后顺序分成首部、中部、尾部三个部分，给定首部和尾部的教学对话内容，按照教学对话的前后逻辑，补全生成教学对话中间部分的内容。

(3)教学对话改写：给定一段教学对话，按照原有语义，以不同的表达形式修改重写旧的教学对话内容，生成新的教学对话内容。

(4)教学对话扩写：给定一段教学对话，在原有语义基础上扩充其表达广度和深度，生成新的教学对话内容。

(5)教学对话缩写：给定一段教学对话，对部分冗长表达和非核心内容进行适当删减，保留其关键语义信息，生成新的教学对话内容。

(6)教学对话概述：给定一段教学对话，对其内容进行归纳和总结，保留教学对话中重点部分的语义信息，生成凝练后的摘要内容。

教学对话内容生成的具体流程如下：

(1)用户选择需要生成的类型，即上述的教学对话续写、补写、改写、扩写、缩写或概述。

(2)用户从语料库中选择教学对话源内容，具体可以包括以下：

①对于“教学对话补写”，用户首先需选择至少一个轮次的教学话语内容，最后从已选轮次的后序轮次中选择至少一个轮次的教学话语内容，两个选择轮次区间需至少隔开一个轮次。

②对于其他生成类型，用户需选择至少一个轮次的教学话语内容。

(3)用户选填附加条件，例如：

①填写“教学主题”，如“七巧板”。

②填写“学科素养”，例如“分析”“归纳”。

(4)根据用户选择的生成类型、教学对话源内容，以及填写的附加条件，生成以自然语言形式描述的提示语。

(5)调用AIGC服务接口，将生成的提示语作为输入参数，获取生成的目标文本。

(6)将提问文本与目标文本合并为最终结果进行输出，并高亮显示生成的目标文本。

参照图3，本发明实施例提供了一种基于人工智能的辅助教学装置，包括：

提问文本分词单元，用于获取用户的提问文本并对所述提问文本进行分词，得到分词结果；

句式模板查找单元，用于从预设的模板库中查找与所述提问文本匹配的句式模板；

提问意图确定单元，用于从所述分词结果中识别目标关键词，并根据所述目标关键词填充所述句式模板，得到提问意图；

推荐结果融合单元，用于分别从多个数据库中获取所述提问意图对应的推荐结果，并融合所述推荐结果；

融合结果输出单元，用于输出所述推荐结果对应的融合结果，以供用户根据所述融合结果进行教学。

本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。