产业观察 | 生成式人工智能技术驱动的多模态教学资源库框架构建与应用研究
产业观察 | 生成式人工智能技术驱动的多模态教学资源库框架构建与应用研究
摘要 在教育数字化战略与生成式人工智能(GAI)爆发式增长的背景下,传统审计学教材受限于静态文本形态,难以承载高逻辑约束与强实操情境的专业内容,导致学习者面临极高的外在认知负荷,出现严重的知识供给侧结构性错配。针对通用大模型在专业领域存在的“概率性幻觉”与逻辑归因错误,文章提出构建GAI驱动下的教材多模态教学资源库建设新范式,基于认知负荷理论,构建了“数据基座-算法生成-人机协同”的3层技术生产机制:在数据层,引入RAG(检索增强生成)架构与审计垂类知识图谱,为大模型挂载专业知识外挂,确保内容的严谨性;在算法层,利用提示词工程与跨模态技术,实现从晦涩准则到动态流程图及仿真数据的自动化转化;在协同层,建立人机回环(HITL)质量审核机制,通过专家反馈实现模型的持续微调与进化。在此基础上,文章探索内部控制可视化推演、实质性程序仿真演练及智能助教等落地路径,并对技术异化下的准确性风险、数据隐私及教育伦理边界进行了理性省思。文章旨在为破解专业教材出版的供需矛盾提供理论框架,推动出版业向高保真、交互式的知识服务跃迁。