本技術(shù)涉及智能教育，特別涉及基于跨學(xué)科知識(shí)協(xié)同的深度地理學(xué)習(xí)系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今教育體系中，地理教育占據(jù)著不可或缺的地位。地理學(xué)作為一門研究地球表面自然現(xiàn)象、人文現(xiàn)象以及它們相互關(guān)系的學(xué)科，培養(yǎng)學(xué)生的地理素養(yǎng)意義重大。現(xiàn)代世界各國(guó)學(xué)校地理教育雖呈現(xiàn)出多樣化發(fā)展態(tài)勢(shì)，但從整體來(lái)看，存在著一些普遍的現(xiàn)狀特征與不足，尤其是在跨學(xué)科知識(shí)融合的深度與廣度上，亟待改進(jìn)與提升。

2、相關(guān)技術(shù)中，地理教學(xué)通過(guò)教師講授實(shí)現(xiàn)學(xué)科知識(shí)串聯(lián)，這種方式下跨學(xué)科知識(shí)關(guān)聯(lián)需要依賴教師主觀設(shè)計(jì)，學(xué)生若想知道具體地理現(xiàn)象與具體某一學(xué)科之間的聯(lián)系，只能查閱相關(guān)資料，缺乏自主探索學(xué)科間內(nèi)在聯(lián)系的工具；現(xiàn)有地理教學(xué)對(duì)地理現(xiàn)象的跨學(xué)科融合分析不足，目前僅停留在知識(shí)點(diǎn)拼接層面，缺乏系統(tǒng)性的因果關(guān)系說(shuō)明以及對(duì)復(fù)雜的非線性關(guān)系的因果機(jī)制的深度挖掘；交互方式以文本和靜態(tài)圖表結(jié)合為主，缺乏沉浸式場(chǎng)景模擬與實(shí)時(shí)反饋，學(xué)生無(wú)法通過(guò)操作動(dòng)態(tài)調(diào)整多學(xué)科變量，導(dǎo)致知識(shí)應(yīng)用能力薄弱。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供基于跨學(xué)科知識(shí)協(xié)同的深度地理學(xué)習(xí)系統(tǒng)，以解決現(xiàn)有技術(shù)中地理教育跨學(xué)科融合不足、缺乏自主性、地理現(xiàn)象挖掘淺層化等問(wèn)題。

2、本技術(shù)第一方面實(shí)施例提供基于跨學(xué)科知識(shí)協(xié)同的深度地理學(xué)習(xí)系統(tǒng)，包括：地理教學(xué)單元，多元學(xué)科知識(shí)協(xié)同模塊，多學(xué)科集成深度挖掘模塊，智能交互單元，其中，所述地理教學(xué)單元用于提供系統(tǒng)的地理知識(shí)，幫助學(xué)生構(gòu)建地理學(xué)科基礎(chǔ)；所述多元學(xué)科知識(shí)協(xié)同模塊用于根據(jù)學(xué)科動(dòng)態(tài)匹配機(jī)制構(gòu)建動(dòng)態(tài)學(xué)科路由控制器，結(jié)合深度學(xué)習(xí)模型，使學(xué)生可以從多個(gè)學(xué)科中選擇一門或多門學(xué)科與地理學(xué)科進(jìn)行關(guān)聯(lián)，從所述被選擇的目標(biāo)學(xué)科的角度增強(qiáng)學(xué)生對(duì)地理知識(shí)的理解，其中，所述多個(gè)學(xué)科包括生物、物理、歷史、農(nóng)業(yè)、經(jīng)濟(jì)、人文社會(huì)學(xué)；所述多學(xué)科集成深度挖掘模塊用于根據(jù)pc算法和gnn推理算法從多學(xué)科的角度對(duì)地理問(wèn)題進(jìn)行歸因分析，提取因果關(guān)系，量化因果強(qiáng)度，根據(jù)所述因果關(guān)系和因果強(qiáng)度生成可視化因果圖；所述智能交互單元用于根據(jù)ai智能輔助、跨學(xué)科敘事、跨學(xué)科決策的交互方式構(gòu)建沉浸式、個(gè)性化的學(xué)習(xí)場(chǎng)景，提升學(xué)習(xí)的趣味性。

3、可選地，所述地理教學(xué)單元包括：自然地理教學(xué)模塊、人文地理教學(xué)模塊，其中，所述自然地理教學(xué)模塊用于提供系統(tǒng)的自然地理知識(shí)，揭示地球表層自然系統(tǒng)的結(jié)構(gòu)、功能、動(dòng)態(tài)及其相互作用規(guī)律，幫助學(xué)生構(gòu)建自然環(huán)境認(rèn)知框架；所述人文地理教學(xué)模塊用于提供系統(tǒng)的人文地理知識(shí)，分析人類活動(dòng)與地理環(huán)境的相互關(guān)系，揭示人文要素的空間分布與演變規(guī)律。

4、可選地，所述多元學(xué)科知識(shí)協(xié)同模塊包括：多學(xué)科知識(shí)庫(kù)模塊，動(dòng)態(tài)學(xué)科路由控制器模塊，知識(shí)融合引擎模塊，其中，所述多學(xué)科知識(shí)庫(kù)模塊用于收集地理以及其他學(xué)科的知識(shí)，根據(jù)所述知識(shí)構(gòu)建知識(shí)圖譜；所述動(dòng)態(tài)學(xué)科路由控制器模塊用于通過(guò)跨學(xué)科注意力機(jī)制結(jié)合動(dòng)態(tài)門控機(jī)制評(píng)估地理學(xué)科與目標(biāo)學(xué)科之間的關(guān)聯(lián)強(qiáng)度，判斷與目標(biāo)學(xué)科是否能夠關(guān)聯(lián)，若能夠關(guān)聯(lián)，則根據(jù)a-star算法從知識(shí)圖譜中規(guī)劃目標(biāo)路徑，根據(jù)所述目標(biāo)路徑定位目標(biāo)學(xué)科知識(shí)；所述知識(shí)融合引擎模塊用于將地理知識(shí)和目標(biāo)學(xué)科知識(shí)輸入至訓(xùn)練好的深度學(xué)習(xí)模型中，輸出具有地理知識(shí)和目標(biāo)學(xué)科知識(shí)之間的關(guān)聯(lián)和協(xié)同關(guān)系的自然語(yǔ)言文本。

5、可選地，所述動(dòng)態(tài)學(xué)科路由控制器模塊包括：特征提取模塊，跨學(xué)科注意力模塊，動(dòng)態(tài)門控決策模塊，路徑規(guī)劃器模塊，其中，所述特征提取模塊用于將地理知識(shí)和目標(biāo)學(xué)科進(jìn)行特征提取，得到地理特征向量g和目標(biāo)學(xué)科特征向量t={}，當(dāng)為單學(xué)科關(guān)聯(lián)時(shí)，n為1；所述跨學(xué)科注意力模塊用于基于注意力機(jī)制根據(jù)地理特征向量g和目標(biāo)學(xué)科特征向量t計(jì)算地理知識(shí)點(diǎn)與目標(biāo)學(xué)科的關(guān)聯(lián)權(quán)重；所述動(dòng)態(tài)門控決策模塊用于根據(jù)關(guān)聯(lián)權(quán)重與實(shí)時(shí)數(shù)據(jù)計(jì)算門控信號(hào)，根據(jù)所述門控信號(hào)判斷是否能夠激活與目標(biāo)學(xué)科的關(guān)聯(lián)，若不能激活，則提示用戶更換學(xué)科進(jìn)行關(guān)聯(lián)，其中，所述實(shí)時(shí)數(shù)據(jù)包括歷史關(guān)聯(lián)成功率、資源有效性等；若目標(biāo)學(xué)科是單學(xué)科，則判斷所述門控信號(hào)值是否大于第一目標(biāo)值，若所述門控信號(hào)值大于第一目標(biāo)值則激活關(guān)聯(lián)，否則，提示用戶更換學(xué)科；若目標(biāo)學(xué)科是多學(xué)科，則篩選門控信號(hào)值大于第一目標(biāo)值的學(xué)科激活關(guān)聯(lián)；所述路徑規(guī)劃器模塊用于使用a-star算法得到地理知識(shí)與目標(biāo)學(xué)科知識(shí)點(diǎn)的目標(biāo)關(guān)聯(lián)路徑，根據(jù)所述目標(biāo)關(guān)聯(lián)路徑獲取具體知識(shí)與資源。

6、可選地，所述多學(xué)科集成深度挖掘模塊包括：因果發(fā)現(xiàn)單元、因果推理單元、可視化單元，其中，所述因果發(fā)現(xiàn)單元用于使用pc算法挖掘地理與多學(xué)科間的直接因果關(guān)系，構(gòu)建因果圖骨架，其中，使用完全無(wú)向圖對(duì)因果圖骨架進(jìn)行初始化，通過(guò)條件獨(dú)立性測(cè)試排除無(wú)關(guān)邊，最后對(duì)無(wú)向邊定向，生成有向圖dag；所述因果推理單元用于補(bǔ)充pc算法未捕獲的間接或非線性因果關(guān)系，其中，將pc算法輸出的dag圖作為初始圖，通過(guò)消息傳遞機(jī)制學(xué)習(xí)地理與多學(xué)科間的因果關(guān)系的非線性映射，獲取因果關(guān)系和因果強(qiáng)度；所述可視化單元用于使用圖形化工具將抽象因果邏輯轉(zhuǎn)換為直觀圖形，其中可視化要素包括節(jié)點(diǎn)和邊。

7、可選地，所述關(guān)聯(lián)權(quán)重計(jì)算公式為：

8、

9、其中，為關(guān)聯(lián)權(quán)重，g為地理特征向量，t為目標(biāo)學(xué)科特征向量，為縮放因子；

10、所述門控信號(hào)的計(jì)算公式為

11、

12、其中，i為目標(biāo)學(xué)科索引，為第i個(gè)目標(biāo)學(xué)科的注意力關(guān)聯(lián)權(quán)重，為第i個(gè)目標(biāo)學(xué)科的歷史關(guān)聯(lián)成功率，為第i個(gè)目標(biāo)學(xué)科的資源有效性，w和b是可學(xué)習(xí)參數(shù)，為第i個(gè)目標(biāo)學(xué)科的門控信號(hào)值，∈[0,1];

13、所述a-star算法公式為

14、

15、

16、其中，f(v)為知識(shí)圖譜節(jié)點(diǎn)v的綜合評(píng)估值，g(v)為從知識(shí)圖譜起點(diǎn)到節(jié)點(diǎn)v的路徑權(quán)重之和，e為知識(shí)圖譜的邊，w(e)為邊權(quán)重，h(v)為啟發(fā)式函數(shù)。

17、可選地，所述消息傳遞機(jī)制公式為：

18、

19、其中，l表示gnn層數(shù)，n(i)表示節(jié)點(diǎn)i的鄰居集合，為非線性激活函數(shù)，和為可訓(xùn)練參數(shù)矩陣，表示鄰接矩陣元素，表示之間是否存在因果邊。

20、可選地，所述智能交互模塊包括：ai智能輔助單元、跨學(xué)科敘事單元、跨學(xué)科決策單元，其中，所述ai智能輔助單元用于實(shí)時(shí)解答學(xué)生跨學(xué)科提問(wèn)、動(dòng)態(tài)推薦關(guān)聯(lián)學(xué)習(xí)資源；所述跨學(xué)科敘事單元用于使用神經(jīng)輻射場(chǎng)技術(shù)，基于歷史事件時(shí)間軸與地理信息系統(tǒng)重建歷史地理場(chǎng)景，融合多學(xué)科敘事層，提高學(xué)生學(xué)習(xí)地理的興趣和積極性；所述跨學(xué)科決策單元用于對(duì)事件間因果關(guān)系進(jìn)行建模，生成可交互的動(dòng)態(tài)沙盤，支持學(xué)習(xí)者通過(guò)拖拽、增減沙盤節(jié)點(diǎn)，觸發(fā)相應(yīng)結(jié)果變動(dòng)。

21、本技術(shù)第二方面實(shí)施例提供基于跨學(xué)科知識(shí)協(xié)同的深度地理學(xué)習(xí)方法，包括以下步驟：獲取地理知識(shí)、初步學(xué)習(xí)結(jié)果和學(xué)習(xí)疑問(wèn)；根據(jù)所述初步學(xué)習(xí)結(jié)果得到關(guān)聯(lián)的地理知識(shí)，從多個(gè)學(xué)科中選擇目標(biāo)學(xué)科與所述地理知識(shí)進(jìn)行關(guān)聯(lián)，計(jì)算所述目標(biāo)學(xué)科與所述地理知識(shí)之間的關(guān)聯(lián)權(quán)重，根據(jù)所述關(guān)聯(lián)權(quán)重計(jì)算門控信號(hào)值，根據(jù)所述門控信號(hào)值判斷是否激活關(guān)聯(lián)，若激活關(guān)聯(lián)，則根據(jù)a-star算法從知識(shí)圖譜中規(guī)劃目標(biāo)路徑，根據(jù)所述目標(biāo)路徑獲取目標(biāo)學(xué)科知識(shí)，將所述目標(biāo)學(xué)科知識(shí)和所述地理知識(shí)輸入至深度學(xué)習(xí)模型中，得到自然語(yǔ)言文本；根據(jù)所述學(xué)習(xí)疑問(wèn)進(jìn)行深度挖掘，使用pc算法和gnn推理算法對(duì)地理問(wèn)題進(jìn)行歸因分析，提取因果關(guān)系，量化因果強(qiáng)度，根據(jù)所述因果關(guān)系和因果強(qiáng)度生成可視化因果圖。

22、本技術(shù)第三方面實(shí)施例提供一種電子設(shè)備，包括：存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行程序，以實(shí)現(xiàn)如上述實(shí)施例的基于跨學(xué)科知識(shí)協(xié)同的深度地理學(xué)習(xí)方法。

23、采用上述本發(fā)明取得的有益效果如下：

24、本技術(shù)實(shí)施例通過(guò)提供系統(tǒng)的地理知識(shí)，幫助學(xué)生建立從自然地理到人文地理的完整知識(shí)框架，夯實(shí)學(xué)科基礎(chǔ)；通過(guò)構(gòu)建多學(xué)科知識(shí)圖譜和動(dòng)態(tài)學(xué)科路由控制器，支持學(xué)生根據(jù)興趣或者需要自主選擇關(guān)聯(lián)學(xué)科，自動(dòng)獲得所選學(xué)科關(guān)聯(lián)路徑和知識(shí)點(diǎn)，結(jié)合深度學(xué)習(xí)模型生成多學(xué)科協(xié)同的自然語(yǔ)言文本，有利于培養(yǎng)學(xué)生主動(dòng)探索跨學(xué)科知識(shí)的能力，突破傳統(tǒng)教學(xué)中教師主導(dǎo)關(guān)聯(lián)的局限性，可選的學(xué)科也有利于基礎(chǔ)薄弱的學(xué)生通過(guò)漸進(jìn)的方式逐步培養(yǎng)跨學(xué)科能力；利用pc算法與gnn推理算法挖掘地理現(xiàn)象的跨學(xué)科因果邏輯并生成可視化因果圖，能夠直觀展示地理知識(shí)與其他學(xué)科之間的因果網(wǎng)絡(luò)，幫助學(xué)生理解復(fù)雜人地關(guān)系的深層機(jī)制；通過(guò)智能交互的方式構(gòu)建立體化學(xué)習(xí)場(chǎng)景，能夠提升知識(shí)關(guān)聯(lián)性與記憶深度。由此，解決了現(xiàn)有技術(shù)中地理教育跨學(xué)科融合不足、缺乏自主性、地理現(xiàn)象挖掘淺層化等問(wèn)題。

25、本技術(shù)附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本技術(shù)的實(shí)踐了解到。