教育领域大模型训练数据的“教材偏见”与“考试导向”：对素质教育目标的潜在偏离.docxVIP

PAGE2

教育领域大模型训练数据的“教材偏见”与“考试导向”：对素质教育目标的潜在偏离

摘要

随着大语言模型深度融入教育领域，其训练数据潜藏的价值偏向正引发对素质教育目标的系统性偏离。本文聚焦教育大模型训练语料中真题与教辅占比过高导致的“教材偏见”与“考试导向”问题，旨在揭示其生成逻辑、内在矛盾与作用机制，并提出理论纾解框架。文章首先提出问题，指出语料结构失衡致使模型偏向应试回答；继而分析问题，剖析该现象的结构性成因与核心矛盾；随后阐释机制，揭示数据偏向对素质教育的深层侵蚀逻辑；最终解决问题，构建引入非结构化学习材料与开源训练集学科均衡审计的理论框架。本文主体在于理论机制的深入阐释与重构框架的提出，强调唯有从数据源头进行学科均衡审计与语料生态重构，方能矫正大模型的教育价值偏离，使其真正赋能素质教育。

第一章绪论

1.1研究背景

当前，人工智能大语言模型正以前所未有的速度重塑教育生态。从智能答疑到自适应学习，AI技术深度嵌入教育教学全过程，引发了教育生产方式的根本性变革。然而，在这一技术狂飙突进的现实背景下，核心矛盾日益凸显：大模型训练语料的构成高度依赖互联网存量知识，其中历年真题、教辅资料与标准化试题占据了绝对主导地位。这种语料结构的天然失衡，导致模型在生成教育内容时表现出强烈的“教材偏见”与“考试导向”。

在理论发展层面，现有教育技术学研究多聚焦于模型性能优化与知识准