教育与产业集成系统中利益相关者建模与可视化推理：基于 NIST 标准的结构化合成对话数据生成研究
计算机与社会
2025-06-23 v1
摘要
本研究针对教育-产业集成 (EII) 系统中利益相关者相互作用的结构复杂性和语义模糊性进行探讨。实际访谈数据的稀缺、缺乏结构化变量建模以及推理机制可解释性不足，限制了 EII 研究的分析精度和政策响应性。为解决这些挑战，我们提出一种基于美国国家标准研究所 (NIST) 合成数据质量框架的结构化建模范式，关注一致性、真实性和可追溯性。我们设计了五层架构，包括提示驱动的合成对话生成、覆盖技能、制度和情感维度的结构化变量系统、依赖关系和因果路径建模、图基结构设计以及交互式推理引擎。经验结果表明，该方法使用 15 段合成语料库进行验证，包含 41,597 个标记、127 个已注释变量和 820 条语义关系三元组。该模型表现出强大的结构一致性 (Krippendorff alpha = 0.83)、构建效度 (RMSEA = 0.048, CFI = 0.93) 和语义对齐 (通过 BERT 计算的平均余弦相似度 > 0.78)。我们识别出一个关键因果环路：系统不匹配导致情感挫折、参与度下降、技能差距以及不匹配的循环发生，揭示了结构性退化循环。这项研究引入了首个符合 NIST 标准的人工智能建模框架用于利益相关者系统，并为政策模拟、课程设计和协作策略建模提供了基础。
引用
@article{arxiv.2506.16952,
title = {Modeling and Visualization Reasoning for Stakeholders in Education and Industry Integration Systems: Research on Structured Synthetic Dialogue Data Generation Based on NIST Standards},
author = {Wei Meng},
journal= {arXiv preprint arXiv:2506.16952},
year = {2025}
}
备注
This paper presents an innovative and rigorous framework for stakeholder modelling in education-industry integration, combining NIST-compliant synthetic data generation with interpretable visual reasoning