本技術涉及智能教育，特別涉及基于跨學科知識協同的深度地理學習系統。
背景技術：
1、在當今教育體系中，地理教育占據著不可或缺的地位。地理學作為一門研究地球表面自然現象、人文現象以及它們相互關系的學科，培養學生的地理素養意義重大。現代世界各國學校地理教育雖呈現出多樣化發展態勢，但從整體來看，存在著一些普遍的現狀特征與不足，尤其是在跨學科知識融合的深度與廣度上，亟待改進與提升。
2、相關技術中，地理教學通過教師講授實現學科知識串聯，這種方式下跨學科知識關聯需要依賴教師主觀設計，學生若想知道具體地理現象與具體某一學科之間的聯系，只能查閱相關資料，缺乏自主探索學科間內在聯系的工具；現有地理教學對地理現象的跨學科融合分析不足，目前僅停留在知識點拼接層面，缺乏系統性的因果關系說明以及對復雜的非線性關系的因果機制的深度挖掘；交互方式以文本和靜態圖表結合為主，缺乏沉浸式場景模擬與實時反饋，學生無法通過操作動態調整多學科變量，導致知識應用能力薄弱。
技術實現思路
1、本技術提供基于跨學科知識協同的深度地理學習系統，以解決現有技術中地理教育跨學科融合不足、缺乏自主性、地理現象挖掘淺層化等問題。
2、本技術第一方面實施例提供基于跨學科知識協同的深度地理學習系統，包括：地理教學單元，多元學科知識協同模塊，多學科集成深度挖掘模塊，智能交互單元，其中，所述地理教學單元用于提供系統的地理知識，幫助學生構建地理學科基礎；所述多元學科知識協同模塊用于根據學科動態匹配機制構建動態學科路由控制器，結合深度學習模型，使學生可以從多個學科中選擇一門或多門學科與地理學科進行關聯，從所述被選擇的目標學科的角度增強學生對地理知識的理解，其中，所述多個學科包括生物、物理、歷史、農業、經濟、人文社會學；所述多學科集成深度挖掘模塊用于根據pc算法和gnn推理算法從多學科的角度對地理問題進行歸因分析，提取因果關系，量化因果強度，根據所述因果關系和因果強度生成可視化因果圖；所述智能交互單元用于根據ai智能輔助、跨學科敘事、跨學科決策的交互方式構建沉浸式、個性化的學習場景，提升學習的趣味性。
3、可選地，所述地理教學單元包括：自然地理教學模塊、人文地理教學模塊，其中，所述自然地理教學模塊用于提供系統的自然地理知識，揭示地球表層自然系統的結構、功能、動態及其相互作用規律，幫助學生構建自然環境認知框架；所述人文地理教學模塊用于提供系統的人文地理知識，分析人類活動與地理環境的相互關系，揭示人文要素的空間分布與演變規律。
4、可選地，所述多元學科知識協同模塊包括：多學科知識庫模塊，動態學科路由控制器模塊，知識融合引擎模塊，其中，所述多學科知識庫模塊用于收集地理以及其他學科的知識，根據所述知識構建知識圖譜；所述動態學科路由控制器模塊用于通過跨學科注意力機制結合動態門控機制評估地理學科與目標學科之間的關聯強度，判斷與目標學科是否能夠關聯，若能夠關聯，則根據a-star算法從知識圖譜中規劃目標路徑，根據所述目標路徑定位目標學科知識；所述知識融合引擎模塊用于將地理知識和目標學科知識輸入至訓練好的深度學習模型中，輸出具有地理知識和目標學科知識之間的關聯和協同關系的自然語言文本。
5、可選地，所述動態學科路由控制器模塊包括：特征提取模塊，跨學科注意力模塊，動態門控決策模塊，路徑規劃器模塊，其中，所述特征提取模塊用于將地理知識和目標學科進行特征提取，得到地理特征向量g和目標學科特征向量t={}，當為單學科關聯時，n為1；所述跨學科注意力模塊用于基于注意力機制根據地理特征向量g和目標學科特征向量t計算地理知識點與目標學科的關聯權重；所述動態門控決策模塊用于根據關聯權重與實時數據計算門控信號，根據所述門控信號判斷是否能夠激活與目標學科的關聯，若不能激活，則提示用戶更換學科進行關聯，其中，所述實時數據包括歷史關聯成功率、資源有效性等；若目標學科是單學科，則判斷所述門控信號值是否大于第一目標值，若所述門控信號值大于第一目標值則激活關聯，否則，提示用戶更換學科；若目標學科是多學科，則篩選門控信號值大于第一目標值的學科激活關聯；所述路徑規劃器模塊用于使用a-star算法得到地理知識與目標學科知識點的目標關聯路徑，根據所述目標關聯路徑獲取具體知識與資源。
6、可選地，所述多學科集成深度挖掘模塊包括：因果發現單元、因果推理單元、可視化單元，其中，所述因果發現單元用于使用pc算法挖掘地理與多學科間的直接因果關系，構建因果圖骨架，其中，使用完全無向圖對因果圖骨架進行初始化，通過條件獨立性測試排除無關邊，最后對無向邊定向，生成有向圖dag；所述因果推理單元用于補充pc算法未捕獲的間接或非線性因果關系，其中，將pc算法輸出的dag圖作為初始圖，通過消息傳遞機制學習地理與多學科間的因果關系的非線性映射，獲取因果關系和因果強度；所述可視化單元用于使用圖形化工具將抽象因果邏輯轉換為直觀圖形，其中可視化要素包括節點和邊。
7、可選地，所述關聯權重計算公式為：
8、
9、其中，為關聯權重，g為地理特征向量，t為目標學科特征向量，為縮放因子；
10、所述門控信號的計算公式為
11、
12、其中，i為目標學科索引，為第i個目標學科的注意力關聯權重，為第i個目標學科的歷史關聯成功率，為第i個目標學科的資源有效性，w和b是可學習參數，為第i個目標學科的門控信號值，∈[0,1];
13、所述a-star算法公式為
14、
15、
16、其中，f(v)為知識圖譜節點v的綜合評估值，g(v)為從知識圖譜起點到節點v的路徑權重之和，e為知識圖譜的邊，w(e)為邊權重，h(v)為啟發式函數。
17、可選地，所述消息傳遞機制公式為：
18、
19、其中，l表示gnn層數，n(i)表示節點i的鄰居集合，為非線性激活函數，和為可訓練參數矩陣，表示鄰接矩陣元素，表示之間是否存在因果邊。
20、可選地，所述智能交互模塊包括：ai智能輔助單元、跨學科敘事單元、跨學科決策單元，其中，所述ai智能輔助單元用于實時解答學生跨學科提問、動態推薦關聯學習資源；所述跨學科敘事單元用于使用神經輻射場技術，基于歷史事件時間軸與地理信息系統重建歷史地理場景，融合多學科敘事層，提高學生學習地理的興趣和積極性；所述跨學科決策單元用于對事件間因果關系進行建模，生成可交互的動態沙盤，支持學習者通過拖拽、增減沙盤節點，觸發相應結果變動。
21、本技術第二方面實施例提供基于跨學科知識協同的深度地理學習方法，包括以下步驟：獲取地理知識、初步學習結果和學習疑問；根據所述初步學習結果得到關聯的地理知識，從多個學科中選擇目標學科與所述地理知識進行關聯，計算所述目標學科與所述地理知識之間的關聯權重，根據所述關聯權重計算門控信號值，根據所述門控信號值判斷是否激活關聯，若激活關聯，則根據a-star算法從知識圖譜中規劃目標路徑，根據所述目標路徑獲取目標學科知識，將所述目標學科知識和所述地理知識輸入至深度學習模型中，得到自然語言文本；根據所述學習疑問進行深度挖掘，使用pc算法和gnn推理算法對地理問題進行歸因分析，提取因果關系，量化因果強度，根據所述因果關系和因果強度生成可視化因果圖。
22、本技術第三方面實施例提供一種電子設備，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，處理器執行程序，以實現如上述實施例的基于跨學科知識協同的深度地理學習方法。
23、采用上述本發明取得的有益效果如下：
24、本技術實施例通過提供系統的地理知識，幫助學生建立從自然地理到人文地理的完整知識框架，夯實學科基礎；通過構建多學科知識圖譜和動態學科路由控制器，支持學生根據興趣或者需要自主選擇關聯學科，自動獲得所選學科關聯路徑和知識點，結合深度學習模型生成多學科協同的自然語言文本，有利于培養學生主動探索跨學科知識的能力，突破傳統教學中教師主導關聯的局限性，可選的學科也有利于基礎薄弱的學生通過漸進的方式逐步培養跨學科能力；利用pc算法與gnn推理算法挖掘地理現象的跨學科因果邏輯并生成可視化因果圖，能夠直觀展示地理知識與其他學科之間的因果網絡，幫助學生理解復雜人地關系的深層機制；通過智能交互的方式構建立體化學習場景，能夠提升知識關聯性與記憶深度。由此，解決了現有技術中地理教育跨學科融合不足、缺乏自主性、地理現象挖掘淺層化等問題。
25、本技術附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本技術的實踐了解到。