基于大语言模型智能体的师生双向人机互动智能激励装置

本发明涉及人工智能与智慧教育，特别涉及一种基于大语言模型智能体的师生双向人机互动智能激励装置。

背景技术：

1、在当前教育领域，动态激励机制的设计已成为提升学习动力和参与度的关键手段。现有的方法通过引入积分制等方法，旨在激发学生的内在动力，从而促进其学习兴趣和学业成就。尽管这种方法在某种程度上满足了激励的基本需求，但在面对高等教育体系的日益复杂和多样化的背景下，其存在的不足也逐渐显现，特别是在个性化激励、双向互动促进以及持续反馈改进等方面缺乏通用性智能化的激励方案。

2、但是，目前现有的激励方法虽然满足了一定的激励需要，但是对于整体的发展而言，这类方法还存在明显的不足，主要表现在以下几点：

3、个性化：首先，教育环境的个性化需求日益增长，学生群体的学习能力和水平存在显著差异，教育工作者的教学方法和技能也各不相同。依靠单一的激励模式难以满足每位学习者的具体需求，也无法有效提升那些学习基础薄弱的学生和教学水平不高的教育工作者的能力。

4、双向激励：其次，现有的激励方法未能充分发挥教育环境中学生与教育工作者之间相互依赖的潜力，教与学是一个互动的过程，仅从学习者或教育者的单一视角出发，忽略了双向互动在促进双方共同成长中的重要性。

5、反馈改进：再者，持续的反馈机制在现有的激励体系中也显得不足，当学生或教育工作者取得进步时，实时的反馈和相应的激励措施对于鼓励持续的教学和学习改进至关重要。然而，现有方法往往只实现了一次性的激励，缺乏对进步的持续跟踪和鼓励。

技术实现思路

1、针对现有技术的不足，本发明的目的是提供一种基于大语言模型智能体的师生双向人机互动智能激励装置。

2、本发明实现其技术目的的技术方案如下：

3、一种基于大语言模型智能体的师生双向人机互动智能激励装置，包括：特征获取与分析单元、表彰评分单元、等级评判单元、师生互动及评估反馈单元；其中：1-1)特征获取与分析单元，用于收集和分析用户的个人信息：

4、当用户为老师时，信息包括：

5、客观数据：从校方数据库获取老师的教学和科研成果；

6、个人陈述：老师自我输入的工作经历、性格爱好、对授过课的优秀学生表扬内容；

7、当用户为学生时，信息包括：

8、客观数据：从校方数据库获取学生的学习和科研成果；

9、个人陈述：学生自我输入的学习经历、性格爱好、对自我成长有帮助的老师的表扬内容；预先设定ai智能体咨询顾问，咨询顾问根据用户提供的信息评判出评价参数自驱动指数sdi(self drive index)；

10、1-2)表彰评分单元，用于收集个人信息、自驱动指数sdi，通过预先设定ai智能体表彰委员会进行10次综合评分并给与表彰，表彰委员会在结合自驱动指数sdi的条件下，根据客观的评选标准进行综合评价，给与用户进行勋章拟定以及口头鼓舞；

11、1-3)等级评判单元，用于获取表彰委员会的10次评分结果，同时对勋章进行评级；勋章评级是通过scr算法(self consistency of ratings)机制作为打分方式进行评级，勋章分为金勋章、银勋章、铜勋章三个类别，并引入截尾平均(trimmed mean)方法减少极端值的影响以提高结果的稳健性，计算公式如下：

12、

13、

14、

15、

16、其中ai代表了评分0-50分的所有评分经过排序后的集合，bi代表了评分51-80分的所有评分经过排序后的集合，ci代表了评分81-100分的所有评分经过排序后的集合，mi代表了不同评分域设定的各个权重参数，当ai、bi、ci的集合元素个数小于3时，不使用截尾平均法；当0<＝rate<50分为铜勋章，当51<＝rate<90分为银勋章，当91<＝rate<＝100分为金勋章；通过将勋章评级后表彰给该用户；

17、1-4)师生互动及评估反馈单元，用于收集特征获取与分析单元中其他用户提供的关于该用户的表扬内容；

18、用户为教师：该单元会搜集其他学生用户对于该老师的表扬内容，以此为依据提供给老师鼓励以及个性化改进建议；

19、用户为学生：该单元会搜集其他老师用户对于该学生的表扬内容，以此为依据提供给学生个性化改进建议以及鼓励；

20、预先设定ai智能体数据分析师，数据分析师利用数据分析类llm技术分析反馈这部分数据，将反馈的这部分数据内容可视化为雷达图的形式作为辅助材料，分析数据后为教师和学生提供个性化的改进建议以及鼓励，之后教师或学生根据建议成功改进后，进一步反馈信息给特征获取与分析单元，成功实现了整个激励机制的正向发展。

21、步骤1-1)所述的ai智能体咨询顾问；其智能体设定方式如下：

22、(1)perception：在感知阶段，咨询顾问专注于输入：用户的个人信息；

23、(2)brain：咨询顾问的大脑基于大型语言模型(llm)，以咨询顾问专家的身份运作，用于评价参数生成；所述的评价参数生成：将感知阶段收集的信息进行综合分析，计算出评价参数自驱动指数sdi(self drive index)，以量化学习者需要的激励程度，支持个性化激励措施的制定，自驱动指数sdi限定在0-5.00之间；

24、(3)action：执行，根据计划执行对应的任务，调用llm大模型进行信息分析，评判出评价参数自驱动指数sdi(self drive index)。

25、步骤1-2)所述的ai智能体表彰委员会；其智能体设定方式如下：

26、(1)perception：在感知阶段，表彰委员会专注两类输入：个人信息、自驱动指数sdi；

27、(2)brain：表彰委员会的大脑构建在大型语言模型(llm)之上，核心点包括专家系统、综合分析能力、评价系数计算；专家系统：以表彰委员会专家的身份运作，专门设计用于评价和表彰教育领域的杰出贡献；综合分析能力：综合考虑所有收集到的信息进行10次评分，每次的分数限定在0-100分之内；

28、(3)action：根据各项信息参数作为部分评价系数进行综合评价，评判适当的勋章；具体来说，在行动阶段，表彰委员会会执行综合评价、勋章判定的任务；综合评价：根据评价系数和收集到的信息，对教育机构、教师和学生的表现进行10次综合评价打分，每次的分数限定在0-100分之内；勋章判定：基于综合评价，决定适当的勋章，确保表彰的公平性和公正性。

29、步骤1-2)所述的勋章内容如下：

30、教师：

31、

32、

33、学生：

34、

35、步骤1-4)所述的ai智能体数据分析师；其智能体设定方式如下：

36、(1)perception：在感知阶段，数据分析师专注于输入：其他用户提供的对于该用户的表扬内容；

37、(2)brain：数据分析师的大脑构建在最新的大型语言模型(llm)上，具备以下特性：

38、专家身份运作：以数据分析师专家的身份，对输入的数据进行理解、处理和分析。深度分析与理解：不仅分析数据的表面层次，还探究数据背后的原因和潜在关系；

39、(3)action：用数据分析类llm技术分析反馈这部分数据，将提供的建议可视化作为辅助材料，为教师和学生提供个性化的改进建议；在行动阶段，数据分析师执行数据分析、可视化提供的建议、生成个性化改进和建议任务；数据分析：应用数据分析类llm技术，深入分析收集到的数据；可视化提供的内容：将分析结果通过图形可视化形式展现，使其更加易于理解和使用；生成个性化改进建议：基于数据分析的结果，为教师和学生提供量身定制的建议。本发明的有益效果是：

40、基于大语言模型智能体的师生双向人机互动智能激励装置实现了个性化教育、双向互动激励、持续反馈改进、激励的精准实施，实现了人工智能在教育领域的通用快速“诊断”应用。

41、个性化教育：通过特征获取与分析单元的精细化处理，此系统能够深入理解每位教师和学生的个人信息。这种个性化的洞察为制定更加精确的教育和激励策略提供了基础，确保每位学习者能够获得最适合其发展的支持和资源，从而极大提升学习效果和教育满意度。双向互动激励：该系统通过师生互动及评估反馈单元，打破了传统教育模式中的单向教学流程，促进了教师与学生之间的双向互动，为师生双方提供了共同成长和进步的机会。双向互动的实践有助于构建一个更加开放和包容的教育环境，鼓励每位参与者积极发声，共同推动教育进步。

42、持续反馈改进：通过集成的ai数据分析师和表彰机制单元，系统不仅能够实时收集和分析师生互动的反馈信息，还能根据反馈结果动态调整激励措施。这种持续的反馈和动态激励机制确保了教育活动的及时调整和优化，帮助师生根据实际情况和发展需求调整学习策略和教学方法，实现持续改进和自我超越。

43、激励的精准实施：依托于先进的大型语言模型(llm)和自驱动指数sdi的计算，该系统能够准确评估和表彰教学和学习中的杰出表现。