【技术实现步骤摘要】
本专利技术涉及教育管理，特别指一种基于混合大模型的学生综合素质评价方法及系统。
技术介绍
1、为了对学生进行因材施教、查漏补缺、考核学习成果，需要对学生的综合素质进行评价。针对学生综合素质的评价，传统上依赖于教师主观判断、标准化测试以及量表(问卷)，传统方法在评价的全面性和客观性上存在局限性，已无法满足当下的评价需求。
2、随着大型语言模型在自然语言理解和生成任务中展现出强大的能力，利用大型语言模型进行学生综合素质评价成为未来的发展方向。然而，现有的大型语言模型应用在学生综合素质评价时，存在如下缺点：
3、1、单一的大型语言模型往往受限于其训练数据和模型结构，难以全面覆盖学生综合素质的多个维度和多模态数据，且不同来源、格式的学生数据难以有效融合，使得评价的客观性和全面性有待提升；2、面对复杂多元的评价场景时，往往受到模型容量限制、训练数据偏见等因素的影响，难以全面捕捉个体的综合素质；3、不同学生具有独特的成长背景和发展需求，单一的大型语言模型难以提供高度个性化的评价和建议，灵活性不佳。
4、因此，如何提供一种基于混合大模型的学生综合素质评价方法及系统，实现提升学生综合素质评价的客观性、全面性以及灵活性，成为一个亟待解决的技术问题。
技术实现思路
1、本专利技术要解决的技术问题，在于提供一种基于混合大模型的学生综合素质评价方法及系统，实现提升学生综合素质评价的客观性、全面性以及灵活性。
2、第一方面，本专利技术提供了一种基于混合大模型的
3、步骤s1、基于评价目标构建一用于学生综合素质评价的评价指标体系；
4、步骤s2、通过rag技术，基于所述评价指标体系构建一大模型知识库；
5、步骤s3、构建一包括输入层、分析层、讨论层以及聚合层的混合评价大模型；所述输入层包括三个第一大型语言模型，用于输入学生数据以及提示词；所述分析层包括三个第二大型语言模型，用于依据所述提示词调用大模型知识库对学生数据进行多维度评价，得到各维度的初步评价结果；所述讨论层包括三个第三大型语言模型，用于对各所述初步评价结果进行对比和整合，得到若干个优化评价结果；所述聚合层包括一个第四大型语言模型，用于依据各所述优化评价结果输出综合素质评价结果；
6、步骤s4、获取待评价学生数据，对所述待评价学生数据进行预处理；
7、步骤s5、将预处理后的所述待评价学生数据输入混合评价大模型，输出综合素质评价结果。
8、进一步的，所述步骤s1具体为：
9、基于思想品德、学业水平、身心健康、艺术素养、社会实践以及劳动素养这六个维度设定评价目标，为各所述评价目标设定至少包括指标定义、评分标准以及权重的评价指标，按预设的逻辑结构对各所述评价指标进行组织，以构建一用于学生综合素质评价的评价指标体系。
10、进一步的，所述步骤s2具体为：
11、获取大量的至少包括思想品德数据、学业水平数据、身心健康数据、艺术素养数据、社会实践数据以及劳动素养数据的学生历史数据，对各所述学生历史数据进行至少包括异常数据检测、数据清洗以及格式转换的预处理后，通过rag技术将各所述学生历史数据映射到评价指标体系对应的评价指标上，以构建一用于被分析层进行调用的大模型知识库，并基于最新的学生数据不断更新所述大模型知识库；
12、所述思想品德数据至少包括活动项目数据、奖励项目数据以及违规违纪数据；所述学业水平数据至少包括学科竞赛数据、选修课程数据、考试成绩；所述身心健康数据至少包括心理健康数据、体育成绩以及体育爱好；所述艺术素养数据至少包括艺术团队、艺术活动、艺术爱好以及艺术成绩；所述社会实践数据至少包括实践活动、研究性成果、科技创新以及创造专利技术；所述劳动素养数据至少包括劳动竞赛数据、劳动成果、能力技术证书以及实践项目。
13、进一步的，所述步骤s3中，三个所述第一大型语言模型采取串行协作、并行融合或者混合协作的方式连接；三个所述第二大型语言模型采取串行协作、并行融合或者混合协作的方式连接；三个所述第三大型语言模型采取串行协作、并行融合或者混合协作的方式连接。
14、进一步的，所述步骤s4具体为：
15、通过数据库获取待评价学生数据，对所述待评价学生数据进行至少包括异常数据检测、数据清洗以及格式转换的预处理；
16、所述步骤s5具体为：
17、将预处理后的所述待评价学生数据实时输入混合评价大模型，输出综合素质评价结果，通过可视化界面以图表或者图形的形式展示所述综合素质评价结果，并对所述综合素质评价结果进行存储和备份。
18、第二方面，本专利技术提供了一种基于混合大模型的学生综合素质评价系统，包括如下模块：
19、评价指标体系构建模块，用于基于评价目标构建一用于学生综合素质评价的评价指标体系；
20、大模型知识库构建模块，用于通过rag技术，基于所述评价指标体系构建一大模型知识库；
21、混合评价大模型构建模块，用于构建一包括输入层、分析层、讨论层以及聚合层的混合评价大模型；所述输入层包括三个第一大型语言模型，用于输入学生数据以及提示词；所述分析层包括三个第二大型语言模型，用于依据所述提示词调用大模型知识库对学生数据进行多维度评价，得到各维度的初步评价结果；所述讨论层包括三个第三大型语言模型，用于对各所述初步评价结果进行对比和整合，得到若干个优化评价结果；所述聚合层包括一个第四大型语言模型，用于依据各所述优化评价结果输出综合素质评价结果；
22、待评价学生数据预处理模块，用于获取待评价学生数据，对所述待评价学生数据进行预处理；
23、综合素质评价模块，用于将预处理后的所述待评价学生数据输入混合评价大模型，输出综合素质评价结果。
24、进一步的，所述评价指标体系构建模块具体用于：
25、基于思想品德、学业水平、身心健康、艺术素养、社会实践以及劳动素养这六个维度设定评价目标，为各所述评价目标设定至少包括指标定义、评分标准以及权重的评价指标，按预设的逻辑结构对各所述评价指标进行组织，以构建一用于学生综合素质评价的评价指标体系。
26、进一步的，所述大模型知识库构建模块具体用于：
27、获取大量的至少包括思想品德数据、学业水平数据、身心健康数据、艺术素养数据、社会实践数据以及劳动素养数据的学生历史数据，对各所述学生历史数据进行至少包括异常数据检测、数据清洗以及格式转换的预处理后，通过rag技术将各所述学生历史数据映射到评价指标体系对应的评价指标上，以构建一用于被分析层进行调用的大模型知识库，并基于最新的学生数据不断更新所述大模型知识库；
28、所述思想品德数据至少包括活动项目数据、奖励项目数据以及违规违纪数据；所述学业水平数据至少包括学科竞赛数据、选修课程数据、考试成绩；所述身心健康数据至少包括心理健康数据、体育成绩以及体育爱好；所述本文档来自技高网...
【技术保护点】
1.一种基于混合大模型的学生综合素质评价方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于混合大模型的学生综合素质评价方法，其特征在于：所述步骤S1具体为：
3.如权利要求1所述的一种基于混合大模型的学生综合素质评价方法，其特征在于：所述步骤S2具体为：
4.如权利要求1所述的一种基于混合大模型的学生综合素质评价方法，其特征在于：所述步骤S3中，三个所述第一大型语言模型采取串行协作、并行融合或者混合协作的方式连接；三个所述第二大型语言模型采取串行协作、并行融合或者混合协作的方式连接；三个所述第三大型语言模型采取串行协作、并行融合或者混合协作的方式连接。
5.如权利要求1所述的一种基于混合大模型的学生综合素质评价方法，其特征在于：所述步骤S4具体为：
6.一种基于混合大模型的学生综合素质评价系统，其特征在于：包括如下模块：
7.如权利要求6所述的一种基于混合大模型的学生综合素质评价系统，其特征在于：所述评价指标体系构建模块具体用于：
8.如权利要求6所述的一种基于混合大模型的学生综合素
9.如权利要求6所述的一种基于混合大模型的学生综合素质评价系统，其特征在于：所述混合评价大模型构建模块中，三个所述第一大型语言模型采取串行协作、并行融合或者混合协作的方式连接；三个所述第二大型语言模型采取串行协作、并行融合或者混合协作的方式连接；三个所述第三大型语言模型采取串行协作、并行融合或者混合协作的方式连接。
10.如权利要求6所述的一种基于混合大模型的学生综合素质评价系统，其特征在于：所述待评价学生数据预处理模块具体用于：
...【技术特征摘要】
1.一种基于混合大模型的学生综合素质评价方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于混合大模型的学生综合素质评价方法，其特征在于：所述步骤s1具体为：
3.如权利要求1所述的一种基于混合大模型的学生综合素质评价方法，其特征在于：所述步骤s2具体为：
4.如权利要求1所述的一种基于混合大模型的学生综合素质评价方法，其特征在于：所述步骤s3中，三个所述第一大型语言模型采取串行协作、并行融合或者混合协作的方式连接；三个所述第二大型语言模型采取串行协作、并行融合或者混合协作的方式连接；三个所述第三大型语言模型采取串行协作、并行融合或者混合协作的方式连接。
5.如权利要求1所述的一种基于混合大模型的学生综合素质评价方法，其特征在于：所述步骤s4具体为：
6.一种基于混合大模型的...
【专利技术属性】
技术研发人员：林木辉，蒋佳龙，郑培强，黄玉流，林秀秀，陈迪祈，蔡圣沅，
申请(专利权)人：新大陆数字技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。