来源：期刊VIP网 时间：
作者：刘明;吴忠明;王家壹;李向前;廖剑;刘礼;
单位：西南大学教育学部;重庆大学大数据与软件学院;
摘要：智能测试题生成是科学教育数字化转型的重要环节，其核心目标是利用人工智能技术基于教材内容和知识点自动生成高质量测试题。当前研究表明大语言模型在智能测试题生成方面具有较好的效果，但依然需要应对专业知识不足的挑战。为此，提出一种知识图谱引导大语言模型生成科学测试题方法，以提升大语言模型对科学概念及其相互关系的理解能力，从而优化测试题生成质量。本研究首先在科学教育专家指导下，基于小学科学教材构建结构化知识点库和细粒度学科知识图谱；其次，依据教育用户选择的知识点，在知识图谱库中检索最相关的子图；最后，将知识图谱子图、知识点及学段信息以提示语的方式注入大语言模型，以生成多项选择题、填空题和简答题。实验评估表明，基于图结构的1-hop知识图谱的注入大语言模型，生成试题的接受度为95.4%，在学科适应性、试题多样性和质量控制方面均优于已有的方法（接受度为87.0%），但在题目难度控制上仍有待提升。
关键词：知识增强;;大语言模型;;知识图谱;;小学科学教育;;问题生成
基金资助：国家自然科学基金面上项目(62477039);; 重庆市教育委员会科学技术研究计划重点项目(KJZD-K202400208)
