AI 学伴复习
学生通过讲解、追问和反思完成结构化复习，AI 学伴按学习调节流程推进对话。
知识图谱诊断
系统对比学生讲解证据与教师确认的标准图谱，展示掌握、待巩固和未覆盖节点。
学习画像反馈
基于对话、图谱、点击和作答记录生成画像，帮助学生明确下一步复习重点。
教师内容管理
教师可以维护项目、知识图谱、AI 对话策略和补救题库，并分配给不同班级或小组。
理论支撑
从讲解、监控到补救的闭环设计
KIRA 不是让学生自由聊天，而是把学生讲解转化为可诊断的学习证据，再通过 AI 学伴推进目标设定、过程监控和反思修正。
Self-Explanation
学生主动解释概念、关系和证据，系统从讲解中提取知识理解线索。
Self-Regulated Learning
AI 学伴按目标设定、监控理解、反思调整的节奏推进复习过程。
Teachable Agent
学生以“小老师”身份教 AI 学伴，讲解行为成为知识建构和诊断入口。
1学生解释生成理解证据
2AI 监控追问原因与关系
3图谱诊断对比标准结构
4补救复习回到薄弱节点
三端协同运行流程
管理员维护基础结构
配置账号、角色、班级、小组和系统数据边界，保证真实试点中的权限和数据归属清晰。
教师发布复习项目
维护项目说明、标准知识图谱、AI 对话策略和补救题库，并将项目分配给指定班级。
学生完成诊断复习
学生与 AI 学伴对话讲解，系统生成知识图谱差异、学习画像和下一步补救任务。
关于我们
研究团队
KIRA 面向教育技术学研究与中学科学复习实践开发，当前展示核心研究成员信息。 伦理审批参考编号：2024-2025-0734。
首席研究员
孙丹儿副教授
Research Team
孙丹儿副教授
数学与资讯科技学系副主任
香港教育大学
1 / 2