一种基于图卷积神经网络的实时跟踪教学评分方法

一种基于图卷积神经网络的实时跟踪教学评分方法，涉及图卷积神经网络及教育技术领域，解决教学评价中人工评语效率低下和静态评估缺乏动态跟踪的问题。本发明方法中，在评估维度深度上，区别于传统基于成绩波动信号或权重调整的粗粒度分析，通过答案与标准的知识图谱对齐，实现基于GCN的注意力机制生成可解释的差异子图；在技术整合创新方面，通过图谱的结构化语义表达与GCN的动态特征传播能力，从根本上解决现有方法因依赖浅层文本相似度或静态权重导致的语义缺失问题，使评分模型具备自适应知识体系演进的能力。这种"结构化表征‑图神经网络推理‑可视化解释"的全新范式，显著提升了教学评价的精准性和教育指导价值。