生成式人工智能驱动的地理知识图谱构建与实践探索
摘要
生成式人工智能的发展为研究生课程教学与课程思政融合提供了新的技术条件。针对自然地理学知识体系复杂、地理过程关联性强以及课程思政与专业教学衔接不足等问题,文中以研究生创新能力和价值素养协同培养为目标,将知识图谱与大语言模型引入自然地理学课程思政教学。围绕自然地理知识、地理过程、科研方法、现实问题和价值主题,构建课程思政地理知识图谱,并借助大语言模型开展知识检索、关系关联、推理解释和教学内容生成。在此基础上,形成“知识图谱构建-知识关联-智能推理-价值引导-学习评价”的教学链条,以问题探究、案例研讨和科研实践推动专业知识与价值教育融合。研究为生成式人工智能背景下研究生课程思政教学改革及创新人才培养提供了新的实践思路。
关键词
生成式人工智能;大语言模型;地理知识图谱;自然地理学;研究生教育;课程思政;智能推理
全文:
PDF参考
王战军,常琅,张泽慧.研究生教育高质量发展:时代背景、逻辑意蕴和路径选择[J].学位与研究生教育,2022(2):8-15.
王义康,李海芬,王一.高校研究生课程思政实施中的问题与对策研究[J].研究生教育研究,2022(3):57-60.
逄红梅,陶启坤,康洁.新时代研究生课程思政建设难点与突破路径[J].研究生教育研究,2022(3):61-67.
赵莉莉,范勋承,王立国.自然地理学课程思政建设的路径探索[J].牡丹江师范学院学报(社会科学版),2025(2):91-96.
李澄锋,王晶晶.ChatGPT/生成式人工智能促进研究生课程教学变革[J].中国高等教育评论,2024,19(1):59-78.
段雨希,陈碧宇,李岩,等.地理知识图谱推理研究进展与展望[J].地球信息科学学报,2025,27(1):41-59.
郭漩,张金雪,魏伊冰,等.大语言模型提示学习增强的轨迹知识图谱构建方法[J].地球信息科学学报,2025,27(12):2789-2801.
黄毅,张雪英,盛业华,等.大语言模型驱动的台风灾害知识服务:关键技术与应用[J].地球信息科学学报,2025,27(6): 1249-1262.
DOI: https://doi.org/10.33142/fme.v7i9.20610
Refbacks
- 当前没有refback。
版权所有(c){$ COPYRIGHTYEAR} {$ copyrightHolder}

此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。