1.命题方向

智能计算

2.题目类别

应用类

3.题目名称

基于人工智能大模型技术的智慧教育应用产品设计

4.背景说明

【整体背景】

自2022年4月教育部等八部门联合印发《新时代基础教育强师计划》提出深入实施人工智能助推教师队伍建设试点行动以来，我们认为，未来AI与教学场景的结合将成为国家重点支持方向之一，学习场景智能化有望提升，因材施教与优质教育均衡化将加速普及。

目前包括Chat-GPT、文心一言、通义千问等国内外大模型所具备的自然语言处理、逻辑推演、多模态生成等能力与教育领域天然适配。

【公司背景】

中国移动（浙江）创新研究院是中国移动浙江公司与中国移动通信集团研究院共同组建成立的集团级研发单元，于2021年7月由浙江省委书记袁家军和中国移动董事长杨杰共同揭牌成立。中国移动（浙江）创新研究院按照集团的战略定位，创新推动5G、人工智能、大数据等新兴技术的融合应用，加快推进新一代信息技术深度融入经济社会民生，推动以“九天”人工智能为代表的中国移动集团战略型核心成果规模化应用和价值转化，全力支撑做强做优做大数字经济，立足长三角，辐射全国，建成国家级新型研发机构，打造国内领先的人工智能创新中心。

【业务背景】

根据科技部与罗兰贝格的研究，教学全流程可分为备、教、练、考、评、管六大环节，涵盖了从课前、课中、课后的全部环节。AI技术在教育中主要的应用场景包括：自适应学习、AI伪直播、分级阅读、智能批改、智能题库、智能测评、拍照搜题等。

5.项目说明

【问题说明】

目前GPT已获得部分高校的初步应用，主要用来做自适应学习/预测性分析。以GPT已经落地的香港科技大学为例，其通过引进GPT做三方面探索：1）如何通过GPT学习；2）利用GPT 搭建自适应学习模式，并改进教学内容；3）理解不同因素（例如提示工程和评估设计）如何影响学习成果，并将反馈用于教学场景。

自适应学习（即个性化学习）是指使用AI技术和学生的练习数据分析学生对知识的掌握程度，精准发现知识掌握的薄弱环节，有针对性的提供千人千面的课前预习、课中学习和课后复习、练习。自适应学习能够直接替代或部分替代老师，利用AI技术面向教学中的核心要素进行效率优化，未来或将从根本上改变教学理念和教学方式。

【用户期望】

生成式AI（AIGC）可充当虚拟教师或者练习伙伴的角色，进行“千人千面”个性化学习方案推荐，实现真正的因材施教，进而提高学生的学习效率；利用AIGC技术，可降低学校教育成本，解决教学中的重复工作，为教研端生成教学素材，搜索分析教学内容、生成活动方案、设计美化课件等；有助于解决偏远/薄弱地区教育资源不足的问题，在线教育与智能教育一起，实现教育资源共享，促进教育公平。

6.任务要求

【开发说明】

基于国内外开源/商用人工智能大模型技术能力，结合教育领域各类数据进行专属大模型的建立和训练，赋能教学、学习、管理不同工作场景需求，设计“人工智能大模型＋教育”整体解决方案及应用，并实现产品基础功能。

注：目前业界已经有很多开源/商用的大模型，比如ChatGPT（OpenAI）、Bard（谷歌）、文心一言（百度）、讯飞星火认知大模型（科大讯飞）、混元（腾讯）、通义千问（阿里）、盘古（华为）、MOSS（复旦大学）、ChatGLM（清华大学）等，这些大模型在自然语言处理、图像识别、语音识别、推荐系统等领域都有广泛的应用前景。

【技术要求与指标】

作品中需明确选取待解决的教育领域核心问题，以及需要采集的领域业务数据内容。作品中需选取合适的开源/商用大模型（不限于大语言模型，可以是多模态大模型），并基于采集的业务数据对大模型进行微调和纠偏，能实现较好的内容生成效果。

以下给出3个参考示例，参赛队伍既可以实现和完善示例，也鼓励同学们创造出更有实用性、创新性的作品。

（1）作品示例1：基于大模型技术的虚拟教师数字人

首先选定一门核心课程，将课程教学的教学大纲、课件、作业等加入到知识图谱中，构建多模态课程知识图谱，使得课程知识图谱具备足够课堂教学和课后答疑的知识储备。然后针对多种开源大语言模型开展功能、性能评测和训练，选取基础大语言模型，利用构建的多模态课程知识图谱中知识作为测试集，对选取的大模型生成能力进行微调和纠偏，降低回答错误率。基于成熟数字人技术，构建虚拟教师数字人，能够为学生提供沉浸式教学/学习体验（即个性化答疑解惑），实现针对学生的自适应教学/学习、智能答疑和智能分析等功能，帮助学生更好地理解和掌握课程知识点。

（2）作品示例2：基于大模型启发式内容生成技术的教学专属题库

基于高质量教育题库数据集和大模型启发式内容生成能力，教师端可根据提示词或相近题目生成对应新题目，并给出相应答案，辅助教师搭建个人题库；学生端可根据题目内容要求生成相应解题知识点及解题思路。

（3）作品示例3：面向体育训练的智能分析和评价

将体育项目中技术动作的评判方法与AI大模型技术相结合，构建体育项目关键动作数据集，建立体育项目技术动作标准，高效生成视频动作识别结果，并通过大模型技术反馈动作合格程度和改进建议，授课教师可以使用客观数据对学生的技术动作进行标准化指导，提高学生学习效果。

【提交材料】

（1）项目概要介绍;

（2）项目简介PPT;

（3）项目详细方案;

（4）项目演示视频;

（5）企业要求提交的材料：

①作品介绍需要展示内容包括但不限于作品应用价值、实现思路与方法、创新价值等；

②作品Demo；

③作品演示视频，在5分钟之内；

（6）团队自愿提交的其他补充材料。

【任务清单】

参考【技术要求与指标】中的参考实例。

7. 其他

无

8.参考信息

示例数据集（计算机网络课程题库）。

9.评分要点

赛题评分要点见附件一：A 类企业命题初赛统一评分标准。