Earthquaker-AI：面向小学地震教育的检索增强生成与量规评估框架

本文介绍Earthquaker-AI，一个结合Lego WeDo2机器人和基于检索增强生成（RAG）对话AI的混合教育框架，用于提升小学生地震应对能力。系统采用渐进式学习路径：低年级通过选择题识别安全动作（二维量规），中年级排序正确行动序列（三维量规），高年级要求书面回答（四维量规）。RAG模块从官方指南中检索语义匹配的段落，生成准确回答。实验显示生成内容具有高扎根性。

相比传统地震教育仅依赖机械模拟或静态教材，Earthquaker-AI将物理机器人交互与AI引导对话结合，并通过量规实现自适应评估，在紧急情景中支持学生的自我调节学习。这是首次将RAG和量规评分整合进K-12防灾教育。

系统基于RAG技术：学生提问后，系统从官方地震安全指南中检索相关段落，再由语言模型生成安全准确的回答。量规评估根据年级调整评估维度（二维、三维、四维），对学生的选择题排序题及书面回答进行结构化评分，同时提供言语反馈。Lego WeDo2机器人通过传感器和致动器模拟建筑抗震反应，提供物理交互。

该框架可被教育科技公司直接用于开发K-12灾害安全教育产品。RAG模块降低了回答不准确或生成不安全内容的风险。量规评估机制与不同年级认知水平匹配，减少了教师设计评估的工作。将机器人硬件与AI助手结合的模式，为STEM教育硬件厂商提供了扩展软件能力的参考方向。

• 开发针对火灾、洪水等其他灾害的RAG教育助手，复用Earthquaker-AI框架中的量规评估与渐进学习路径。
• 将Earthquaker-AI的对话模块嵌入现有小学STEM课程软件（如Scratch扩展），提供地震安全问答功能。
• 与Lego Education合作推出Earthquaker-AI教学套件，包含WeDo2搭建图纸、RAG后台及教师用评估仪表盘。
• 为非英语国家本地化官方安全指南知识库，并调整量规维度以匹配当地课程要求。

• 实验中报告的“高扎根性”具体数值或指标是什么？是否经过人工验证？
• 该系统在不同语言（如中文）下的检索与生成准确性是否经过测试？
• 量规评分与教师人工评分之间的一致性如何？是否有对照实验？
• 硬件依赖Lego WeDo2，是否可推广到其他机器人平台（如Micro:bit）？