大語言模型與智慧教育
林佳胤,林銘煒,沈俊
- 出版商: 電子工業
- 出版日期: 2026-05-01
- 售價: $414
- 語言: 簡體中文
- 頁數: 208
- ISBN: 7121526549
- ISBN-13: 9787121526541
-
相關分類:
Large language model
下單後立即進貨 (約4週~6週)
商品描述
本書系統梳理並深入剖析了大語言模型這一顛覆性技術對智慧教育領域的重塑與賦能。全書內容涵蓋核心基礎技術、教育數據工程與隱私計算，以及大語言模型在教學系統、內容生成、對話系統等核心環節的前沿應用，並深入探討了與之伴生的倫理風險與治理框架。本書旨在構建一個貫通技術原理、應用實現與人文思考的完整知識體系，不僅提供紮實的技術剖析，更強調教育場景的特殊性與技術落地的可行性。本書主要面向計算機科學與技術、人工智能等相關專業的高年級本科生或研究生，可作為“智能教育”“教育人工智能”等專業選修課程的教材，也可供從事教育科技研發的工程師、研究者及對智慧教育前沿感興趣的廣大讀者參考。
目錄大綱
第一部分 基礎與範式 1
第1章 緒論 2
1.1 智慧教育的代際躍遷 2
1.1.1 基於規則的智能輔導系統 2
1.1.2 數據驅動的自適應學習系統 3
1.1.3 深度學習賦能的智慧教育 5
1.1.4 大語言模型賦能的智慧教育範式 6
1.1.5 小結 6
1.2 教育大語言模型的顛覆性能力矩陣 7
1.2.1 自然語言理解與生成 7
1.2.2 上下文學習與推理 8
1.2.3 個性化教學 9
1.2.4 小結 10
第2章 大語言模型技術基礎 11
2.1 Transformer 11
2.1.1 Transformer與大語言模型 11
2.1.2 Transformer架構 12
2.1.3 自註意力機制 13
2.1.4 位置編碼 15
2.1.5 多頭註意力 16
2.1.6 位置式前饋網絡 17
2.1.7 殘差連接和層歸一化 18
2.1.8 殘差連接和層歸一化的組合 19
2.1.9 編碼器堆疊與信息流動 19
2.1.10 解碼器機制 21
2.1.11 大語言模型的變體 22
2.1.12 小結 22
2.2 參數高效微調技術 23
2.2.1 PEFT技術在智慧教育領域的關鍵作用 23
2.2.2 LoRA 25
2.2.3 Adapter 26
2.2.4 LoRA與Adapter的對比 27
2.2.5 小結 30
2.3 RAG教育場景定制 30
2.3.1 RAG技術框架解析 30
2.3.2 RAG在智慧教育中的重要性 37
2.3.3 教育場景對RAG的核心需求與挑戰 38
2.3.4 RAG教育場景定制化實現方案 40
2.3.5 小結 41
第3章 智慧教育技術的演進與範式變革 43
3.1 智慧教育技術棧剖析（LMS/SCORM） 43
3.1.1 LMS 43
3.1.2 SCORM 46
3.1.3 技術棧的局限與現代演進 49
3.1.4 小結 51
3.2 教育代理的演進 51
3.2.1 第一代教育代理：基於符號邏輯的專家系統 51
3.2.2 第二代教育代理：數據驅動的自適應教育代理 54
3.2.3 第三代教育代理：神經符號系統 56
3.2.4 小結 59
第二部分 支撐技術與數據 60
第4章 教育數據工程 61
4.1 教育大數據的特性與處理架構 61
4.1.1 教育大數據的特性 61
4.1.2 教育大數據的處理架構 67
4.1.3 小結 74
4.2 聯邦學習在隱私保護中的應用 74
4.2.1 聯邦學習的背景與核心概念 74
4.2.2 聯邦學習在大語言模型賦能智慧教育中的重要性 75
4.2.3 核心問題 76
4.2.4 應用場景舉例 76
4.2.5 聯邦學習的技術細節 78
4.2.6 小結 83
第三部分 核心應用 84
第5章 大語言模型驅動的ITS 85
5.1 認知診斷與知識追蹤 85
5.1.1 認知診斷與知識追蹤概述 85
5.1.2 認知診斷的技術實現與大語言模型賦能 88
5.1.3 知識追蹤的技術實現與大語言模型賦能 90
5.1.4 小結 93
5.2 個性化學習路徑規劃 94
5.2.1 PLPP的核心作用 94
5.2.2 應用場景與效果對比 95
5.2.3 技術框架與核心算法 96
5.2.4 小結 100
第6章 教育內容智能生成 101
6.1 教學資源生成 101
6.1.1 教學資源生成概述與背景 101
6.1.2 課程標準結構化層 104
6.1.3 大語言模型內容生成層 114
6.1.4 多模態校驗層 121
6.1.5 小結 122
6.2 習題生成技術 123
6.2.1 習題生成技術概述及其重要性 123
6.2.2 基於大語言模型的習題生成技術框架 124
6.2.3 習題難度控制技術 126
6.2.4 認知維度對齊方法 128
6.2.5 跨學科習題生成技術 131
6.2.6 小結 134
6.3 教育內容安全 134
6.3.1 大語言模型的“幻覺”與倫理問題 134
6.3.2 系統技術架構 138
6.3.3 “幻覺”檢測關鍵技術 140
6.3.4 倫理過濾關鍵技術 148
6.3.5 小結 155
第7章 教育對話智能體與智能助教系統 156
7.1 教育對話智能體 156
7.1.1 教育對話智能體的架構 156
7.1.2 教育對話管理架構的核心組件 157
7.1.3 DST 158
7.1.4 Dialogue Policy Learner 162
7.1.5 NLG 165
7.1.6 小結 171
7.2 智能助教系統 171
7.2.1 系統功能架構設計 172
7.2.2 作業批改技術 173
7.2.3 智能問答引擎 176
7.2.4 學習幹預算法 180
7.2.5 挑戰與未來方向 182
7.2.6 小結 182
第四部分 倫理、治理與未來 183
第8章 教育倫理與治理框架 184
8.1 大語言模型教育風險三角模型 184
8.1.1 模型的核心定義 184
8.1.2 模型的重要性 185
8.1.3 技術可靠性風險 186
8.1.4 倫理合規風險 189
8.1.5 教育有效性風險 191
8.1.6 小結 192
8.2 學術不端檢測技術 193
8.2.1 大語言模型背景下的學術不端 193
8.2.2 大語言模型驅動的學術不端檢測技術 195
8.2.3 教育場景技術適配與挑戰 199
8.2.4 小結 200
