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
Review Companion AI 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
Review Companion AI 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