Earthquaker-AI: A Retrieval-Augmented Generation Framework with Rubric-Based Assessment for Primary School Earthquake Education

背景

地震安全教育在小学阶段至关重要，但传统教学方式往往停留在知识灌输，难以培养学生在紧急情况下的冷静判断和自主动作能力。此前，已有获奖的STEM项目 Earthquaker，通过 Lego WeDo2 机器人套件模拟地震响应，让学生动手操作传感器与执行器，直观理解保护动作。然而，该项目主要停留在机械模拟层面，缺乏对认知和元认知过程的引导。为此，研究团队提出了 Earthquaker-AI，在原有机器人教学基础上，集成基于检索增强生成（Retrieval-Augmented Generation, RAG）的对话式AI助手，构建一个混合教育框架，旨在提升小学生对地震的准备意识和应急行动能力。

核心内容

Earthquaker-AI 是一个将机器人组件与AI对话助手相结合的混合教育系统。机器人部分沿用 Lego WeDo2 自动化装置，模拟建筑在地震中的震动响应，学生通过操控传感器（如运动传感器、倾斜传感器）和执行器（如马达）来模拟躲避、保护等动作，从而获得具象化的体验。AI 助手则作为引导学习机制运行：它通过 RAG 技术，将学生的问题或回答与官方地震安全指南进行语义匹配，生成安全、准确的回应；同时，它提供基于量规（rubric）的口头反馈，支持学生的自我调节学习，帮助他们在模拟紧急情境下保持冷静。

整个学习轨迹按照认知发展阶段设计了渐进式路径：

• 低年级（早期）：通过多项选择题，让学生识别基本的保护动作（如“应该躲在桌子下”）。评估采用二维量规（两个维度：正确性、理由合理性）。
• 中年级（中期）：通过多项选择题，要求学生识别正确的行动序列（例如“先躲避，再保护，最后撤离”的顺序）。评估采用三维量规（增加顺序正确性维度）。
• 高年级（后期）：从选择转向口头/书面表达，要求学生用简短的文字回答开放性问题（如“地震时你会怎么做？为什么？”）。评估采用四维量规，在原有维度上增加表达清晰度。

对话模块依靠 RAG 实现：系统将学生输入的文本与预处理的地震安全指南向量库进行语义检索，检索到最相关的指南段落，再结合语言模型生成反馈。实验评估显示，该系统的回答具有高 groundedness（与真实指南高度一致）和高准确性，且幻觉率（hallucination rate）很低。

关键要点

• Earthquaker-AI 是 Earthquaker 机器人项目的扩展，将机械模拟升级为认知与元认知处理。
• 机器人组件（Lego WeDo2）提供具身交互体验，AI 助手提供对话式引导和反馈。
• 采用 RAG 技术，确保 AI 回答基于官方安全指南，避免编造或误导。
• 量规评估体系随年级增长而增加维度，从二维（低年级）到四维（高年级），涵盖正确性、顺序、合理性和表达清晰度。
• 学习任务从选择题过渡到开放式书面回答，反映从识别到生成的认知发展。
• 实验表明系统生成内容高度可靠，幻觉率低，适合给小学生使用。
• 整体框架融合动手操作、信息处理与反思实践，培养技术素养、自我调节能力和对数字系统的负责任使用。
• 旨在提升早期危机管理技能，帮助学生在地震等紧急情况下做出有意识、冷静的行动。

意义与影响

Earthquaker-AI 提出了一个将机器人、量规评估与生成式AI有机结合的教育范式，在小学地震安全教育领域具有示范价值。其意义体现在：

1. 从模拟到认知的跃升：传统 STEM 项目多侧重动手操作，很少内嵌认知引导。Earthquaker-AI 通过AI助手实现从“做”到“想”的跨越，让学生不仅会做动作，还能理解为什么这样做，并在开口表达中巩固知识。
2. RAG 与教育场景的适配：RAG 技术被用于确保AI生成内容与官方指南一致，这对安全敏感的教育环境至关重要。该工作展示了如何利用检索增强来降低大语言模型在课堂中的风险（如幻觉、不准确信息）。
3. 量规驱动的自我调节学习：多维量规不单用于教师评估，更作为口头反馈机制，引导学生反思自己的回答，逐步培养冷静分析问题的能力。这种设计在紧急安全教育中尤其关键——学生需要学会在压力下自我检查。
4. 可扩展的教育框架：渐进式学习路径（选择→排序→开放表达）和量规维度递增的设计，可以迁移到其他灾害教育或安全场景（火灾、台风等），甚至推广到其他需分龄设计的认知技能培养中。
5. 推动负责任的AI教育应用：本项目强调“技术素养”和“负责任使用”，在AI逐步进入课堂的当下，它提供了一个透明、可解释且基于事实的AI辅助教学案例，减少了教师对AI生成内容失控的担忧。

总体而言，Earthquaker-AI 通过结合实体机器人、AI对话与量规反馈，为小学危机管理教育提供了一条具身、安全且可评估的实践路径，对未来教育科技与灾害预防的交叉研究具有启发意义。