基于大语言模型的自适应学习路径生成与界面设计研究.docxVIP

PAGE2

基于大语言模型的自适应学习路径生成与界面设计研究

摘要

本研究旨在应对传统在线教育平台学习路径僵化、挫败感强的问题，设计并实现一个基于大语言模型（LLM）的自适应学习系统。系统通过实时分析学生作答数据，动态推演其知识盲区，并利用LLM生成个性化练习题目与学习路径。同时，设计了具备情感化反馈的自适应用户界面，以降低学习过程中的挫败感，提升学习效率与积极性。

论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。首先，通过调研明确了系统需具备动态路径生成、情感化界面交互等核心功能。其次，在总体设计中规划了基于B/S架构的系统，划分了用户交互、学习引擎、LLM服务、数据管理等核心模块。详细设计则深入阐述了知识盲区推演算法、LLM提示工程及界面自适应规则等关键技术细节。最终，实现了原型系统并进行了全面的功能与性能测试。

本设计的核心创新点在于：1）提出了结合学生实时作答序列与LLM深层推理的知识盲区动态推演方法，超越了传统基于题目标签的静态分析；2）设计了融合认知负荷理论与情感计算的自适应界面机制，能根据学生情绪状态动态调整UI复杂度与反馈内容。测试表明，系统能有效识别知识薄弱点并生成针对性练习，界面自适应策略显著提升了用户的任务完成率与满意度。

第一章绪论

1.1研究背景

当前，在线教育平台已成为重要的学习补充形式。然而，多数平台采用预设的、线性的