一种基于教育人工智能融合兴趣和好奇心等家校协同外语教学的系统及方法

本发明公开了一种基于多模态人工智能的家校互动外语教学系统及方法，通过构建学生个性化兴趣标签库、好奇心引擎库、动态记忆曲线与情绪曲线模型，融合自然语言处理（NLP）、计算机视觉（CV）等技术，形成“兴趣驱动内容生成‑好奇心引导学习‑记忆策略智能适配‑情绪实时调节‑家校协同干预”的闭环教学体系。基于深度神经网络与生成对抗网络的多兴趣融合生成算法，动态构建个性化课文，通过好奇心引擎引出新语法、新单词；技术测试效果显著：实验数据显示记忆留存率提升47%、家校协同外语学习效率提高2.3倍，解决了传统外语教学中兴趣脱节、记忆低效、遗忘曲线与情绪管理缺失及家校协同不足的问题，并通过联邦学习（Federated Learning）框架保障数据隐私安全。