在智能教育系统中,用于法律英语学习的多模式深度学习方法.
Yanlin Chen1,2, Chenjia Huang1,3, Shumiao Gao1
1China Agricultural University, Beijing 100083, China.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
一个新的跨模式问答系统通过整合视觉,声学和文本数据来增强法律英语学习. 这种由人工智能驱动的方法显著提高了学习者在法律环境中的理解,表达和满意度.
科学领域:
- 人工智能的人工智能
- 自然语言处理自然语言处理.
- 教育技术的教育技术
背景情况:
- 传统的法律英语教学与多式联络输入和复杂的推理斗争.
- 人工智能和传感器技术的进步需要创新的教学方法.
- 现有的系统往往无法有效地整合各种数据类型用于法律教育.
研究的目的:
- 提出一种新的跨模式法律英语问答系统.
- 整合图像,文本和语音信息,以增强学习.
- 提高学习者在法律环境中的理解和表达能力.
主要方法:
- 开发了一个统一的视觉语言语音编码机制.
- 实现了动态注意力建模,用于多模式特征对齐.
- 集成的视觉和声学传感器输入用于问答.
主要成果:
- 在问答准确度方面取得了卓越的表现 (准确度:0.87,精度:0.88,回忆:0.85).
- 证明了最佳的多式联机匹配性能 (匹配精度:0.85).
- 用户研究显示,理解 (0.78),表达 (0.75) 和满意度 (0.88) 显著改善.
结论:
- 拟议的系统有效地处理法律英语教育中的多式联络输入和复杂推理.
- 它在各种指标上明显优于传统方法和单模式系统.
- 该系统显示了提高学习者的综合能力和经验的巨大潜力.
