ILM：AI 驱动的叙事教育工具

研究者提出名为 ILM 的交互式教育平台，面向《先知故事》等伊斯兰叙事的学习。平台将管理员审核过的阿拉伯语叙事交给知识图谱构建引擎，抽取实体与叙事关系并结构化存储；学习者可通过可视化故事地图探索，并回答由知识图谱生成的实体与关系类问题。另有多语言检索管线从原文段落生成选择题与开放式理解题，开放式题由 LLM-as-a-Judge 对照检索段落与参考答案判分。平台还以独立层引入《古兰经》内容作为补充。

此前数字平台虽让伊斯兰叙事更易获取，但对结构化学习与理解的支持有限，阿拉伯语及多语言场景尤为薄弱。ILM 的实质变化在于把知识图谱的结构化表示与基于检索的题目生成结合，并让 LLM 承担开放式答案评判，使探索、理解与评估形成闭环，而不仅是内容展示。

机制由三条链路组成：知识图谱构建引擎识别实体与叙事关系，支撑故事地图与结构类提问；多语言检索管线从原始叙事中定位相关段落，生成选择题与开放式题；开放式题再以 LLM-as-a-Judge 对比检索段落和参考答案判定正确性。《古兰经》内容作为独立富化层，为部分叙事补充有来源支撑的信息。

对教育类产品而言，可复用的模式是：用结构化知识保证题目与知识边界可控，用检索保证生成内容可溯源，用模型评判降低开放式题的批改成本。研发上需同时维护图谱构建、检索与评判三条管线；内容需经管理员审核，多语言与宗教内容的准确性会直接影响用户信任。

• 将图谱构建与检索出题拆为可复用模块，供其他结构化叙事教育场景接入
• 把 LLM-as-a-Judge 的判分结果做人工抽检与校准，形成可对外说明的质量指标
• 围绕故事地图设计进度与掌握度记录，向家长或教师提供学习报告
• 为《古兰经》等来源支撑内容建立引用标注，让每条补充信息可回溯到原文

• 平台的实际学习效果是否经过对照实验或用户研究验证
• LLM-as-a-Judge 在开放式题上的判分与人工评分的一致程度如何
• 知识图谱构建引擎在阿拉伯语叙事上的实体与关系抽取准确率是多少
• 多语言检索管线覆盖哪些语言，非阿拉伯语内容的质量是否经过评估