基于智能问答系统的网络教学交互研究

谷欣昀 万妍 蒋润喆 张燕 胡翠华

摘要：针对现有网络教学中师生交互效率低，教学系统难以达到高质高效教学效果的难点，文章提出了一种基于智能问答系统的网络教学交互系统。该系统通过允许学生/教师自定义聊天参与者，交互数据可沿用进入知识图谱，设置实时提醒以及未回答消息提醒，相关热门问题推荐，个性化学习导图等功能提高网络教学交互效果。

关键词： 智能问答; 网络教学; 交互; 系统设计; 混合式教学

中图分类号：TP393        文献标识码：A

文章编号：1009-3044（2022）22-0124-04

智能问答系统从起步到现在，已经在电商、医药等行业取得了广泛应用。比如，淘宝客服机器人作为大众熟知的一种应用，它可以根据客户在聊天界面提出的问题进行语义解析，提取关键字词，再向客户输出反馈。虽然智能问答系统已在商业领域取得较快发展，但在教育教学领域的应用仍显不足。

新冠肺炎疫情初起的半年时间内，为了保护学生的生命安全，避免更大范围的疫情扩散，大中小学纷纷响应国家号召居家学习，进行网络教学。近两年依据教育部“停课不停学”的倡导，网络教学成为高校学生在家继续接受教育的必要途径，高质量的教学需要依靠完善的网络教学体系来支持學生的系统学习，因此网络教学的交互性显得尤为重要，智能问答系统有利于提高网络教学的交互性。

1 研究背景

随着互联网的快速发展与普及，诞生了以互联网为依托的一系列信息获取方式。对高校而言，答疑是学习过程中较为重要的一个环节，它可以帮助学生及时解决遗留的难题;对教师而言，答疑可以帮助教师更好地了解学生的学习进度，从而适当地调整教学计划。在网络教学交互中，答疑这一环节往往会更难进行，其难点具体表现在交互双方时空分离、交互设计繁杂和学习效果未知等。而智能问答系统能够在一定程度上解决这些问题，为学生提供一个实时同步交互平台，无论何时何地，学生在学习中遇到的问题都能得到及时解答，同时教师的负担也得以减轻，教育的公平性也得到了一定的保证。

知识库是智能问答系统中的核心环节，其工作是对问题的特定信息点进行研究分析形成建议，并通过书籍、书刊、文献和相关数据库资源等方式获取原始资料。知识库的建设应满足动态性、前瞻性、交互性3个原则，目的是其使用便捷、回答建议精确有效、资源获取容易。

从最早的微课起，网络现如今，智能问答系统已从单个领域走向开放领域，从单一数据走向多源数据，从简单问答走向复杂问答，未来将开拓更多技术领域。本文通过研究现有的智能问答系统，对网络教学交互系统的建设以及应用，提出具有建设性的，为以智能问答系统为基础的网络教学交互设计及其进一步发展提供参考，以便更好地在高校教学中进行应用。

2 现有的网络教学平台分析

师生交互及协作式在线学习环境是协作式在线教学交互的内在动力，体现学生在网络学习产生的知识流转与建立的过程[1]。教学交互=学习者与学习资源的交互+社会交互，学习者的学习以其与学习资源的交互为主，而当社会交互只是处于辅助地位时，这种学习就变成了学习者的自主学习。由于疫情的影响，高校开展网络教学也逐渐成为主流，然而教师与学生在网络教学中的时与空的分离虽然有许多便捷之处，但是也同样弱化了教与学之间的关系，线上师生交流效率较低，自主学习的教学质量往往达不到线下教学质量。因此，很多国内外线教学平台对此做出针对性设计，例如：①腾讯课堂[2]：课堂讨论功能可以让学生和老师进行教学交流，但是数据不能够永久保留，需要教师重复回答相同问题，且系统不稳定，闪退现象频发。②超星学习通：在网络教学提供：选人、测验、作业、讨论等交互功能，在讨论区教师可设置置顶讨论以便同学进行交流，一般在教学中会与其他软件结合使用，例如：腾讯会议、MOOC、微信等，缺点在于不方便实时沟通，消息提醒具有滞后性。③Tweedback：系统提供三种沟通方式，其中包括问卷、问题墙和学生端提问窗口。其中的问题墙与讨论区相似，即学生（可以选择匿名方式） 提出问题，同学可以对同样不理解的问题进行点赞，教师将通过解答高赞数的问题，来解决同学的疑问。缺点在于，由于教师可能只关注较多赞数的回答，该系统对小众问题考虑较少。

随高校网络教学系统需求越来越强烈，目前主流的网络教学平台中，往往存在缺乏同步师生交互、交互信息的延续及个性化交互回答的问题，使学生在网络学习中产生的疑问不能及时解决，导致学习不高效。本文采用问卷调查的形式了解学生需求后，拟在高校网络教学平台中增加允许学生/教师自定义聊天参与者;交互数据可沿用进入知识图谱;设置实时提醒以及未回答消息提醒;相关热门问题推荐;个性化学习导图，实现智能问答系统与教学框架的衔接与融合。

3 系统需求分析

3.1 问卷调查情况

本文采用问卷调查形式，对高校学生网络答疑需求进行研究。问卷分为基本信息、教学交互效果及学生需求三个方面：

（1） 基本信息。在填写了问卷调查的232名大学生，其中大一学生占比8.62%，大二学生占比31.03%，大三学生占比42.67%，其次是大四学生占比14.22%。在接受问卷调查的学生中，35.31%学生高校位于一线城市就读，49.3%的学生二线城市，100%的学生上过网课，说明即使疫情防控稳定，网络教学依然是常见的工作方式，线上线下混合式教学模式仍将延续。

（2） 教学交互效果。在现有的网络教学系统中，有两成以上的学生很少利用教学软件进行沟通，其原因主要在于，一是认为实名方式不愿意主动在讨论区提问以及与老师沟通，二是网络回复效率低且回答简略无法完全理解。大学生们普遍认为线上答疑都只能解决一部分问题，需要优化现有的答疑系统功能，以满足学生学习需求。

（3） 学生需求。①定向答疑。从调查结果来看，不同年级的高校学生培养方案不同、知识层面不同，所以学习的侧重点也不同，更多人会倾向于选择能一对一或者多对一或者一对多的定向答疑，即个性化答疑。学生提出问题所涉猎的范围广泛，在目前现有高校网络教学平台中，普遍存在教师无法同时顾及多学生多问题的解答，所以会忽视一些小众问题，学生依旧无法解决。②答疑高效。现有的教学系统普遍存在非上课时间段内，教师的回复率不高，多数学生的需求是希望在问题提出的一小时内，得到解答。③答疑类别扩展。除了学科类的答疑，学生希望增加教学管理类的问题答疑，普遍反映在课程以及成绩等方面，应该设置答疑系统，方便学生随时查询自己的学业安排。通常各项教学信息会分散在不同的网址，如果通过一个系统软件实现多方面的问题解答，可以节省查询时间以及效率。

3.2 性能需求分析

针对高校学生网络答疑需求调研分析，我们发现学生对智能问答系统的需求比较迫切，可以在功能方面从如下几个方面考虑：

（1） 允许学生/教师自定义聊天参与者。高校教学中，学生课业个性化程度高，教师通常教导成百上千名来自不同年级不同和专业的学生，所以精准划分答疑群体可以大幅提高高校网络教学质量。从学生角度分析，学生存在集体疑问的概率很大，学生产生疑问后，将优先询问身边同学，在大家相互讨论的过程中遇到障碍，无法得出最终的答案时，同学将集体对教师提出相同的问题。自定义聊天可以定向解决大家的统一问题，针对问题针对对象进行统一的解答。从教师角度分析，如果学生在讨论区或者聊天窗口，都提出相同或者类似疑问，自定义聊天参与者可以方便教师进行统一解答。聊天窗口可在教学界面公开，有相同需求的同学，加入聊天即可进入问答界面，查看历史记录，得到解答。

（2） 设置未回答消息提醒。通常高校教师时间安排紧凑，在非上课时段，教师对信息的回复效率将会下降，教师点开消息可能存在当下忘记回复的情况，当超过6个工作小时消息未回复时，可增加未回答消息提醒，在教师的聊天界面根据时长优先置顶。根据教师的回复情况，在教师信息栏中增加教师回复率数据栏，需要在平台中安排具有优秀专业知识的学生或者有一定资质的老师线上坐班答疑，当教师的学生过多无法一一回答时，可向同学推荐相同学院其他教师或者优秀学生助教进行问题的解答。

（3） 相关热门问题推荐及个性化学习导图。依据学生在该学科讨论区或者自定义聊天中，热度较高的问题进行信息推送，系统通过学生学习中产生的数据进行分析，与淘宝APP根据用户数据进行“猜你喜欢”的商品推送一样，根据教学视频观看时长、学习次数、问题关键词重复次数等信息，进行个性化推荐，教学视频观看时间越长，浏览次数越多，同学对该知识点的侧重程度越多。同学可以根据推荐内容选择性加入聊天讨论，浏览历史记录。通过以上学生学习路径所产生的数据的跟踪分析，系统将可以产生个性化学习导图，便于同学复习查看。

（4） 交互数据可沿用进入知识图谱。基于智能问答系统的网络教学首先需要对知识库梳理，需要收集各个渠道的题目，并将不同科目、不同专业、不同年级的题目梳理分类，根据用户信息进行推荐。并可以将以往学生在该课程存在的问题输入知识图谱，沿用信息，及时根据教学需要更新信息。当用户输入关键词时，可以查找到与这个知识点有关的各类问题与答案，涵盖各类题型，用户查询时，需要依据系统反馈的答案，将自己的满意程度反馈到系统，如果遇到不满意的答案，可以将自己在其他途径获得的答案添加到系统中。

3.3 可行性分析

3.3.1 市场可行性分析

在疫情常态化的社会环境下，越来越多课程运用线上线下相结合的方式进行课程授课，网络教学交互系统的优化与完善有助于提高用户的学习体验。本文所设计的系统不仅有有关学科问题的问答系统，还包括教务层面问题解答;针对所提出的学科问题，系统将形成个人特有的思维导图以及错题集，定时提醒学生上网温习;问答系统解答疑问更加及时高效。

3.3.2 技术可行性分析

智能问答系统的数据来源主要包括两个：一个是非结构化数据，如文档、问答对等;二是结构化数据，如知识图谱等。基于知識图谱的智能问答系统现在已经有大量的研究，比较知名的有Freebase、DBpedia、YAGO等，使用知识图谱中的专业知识来解答用户的问题，技术相对成熟，可行性高。

3.4 业务流程分析

（1） 用户注册/登录流程。在初次登陆智能问答系统网页时，用户需要先进行注册，选择教师或学生身份并填写个人信息，再进行登录。

（2） 智能问答系统使用流程。

①学生用户。在使用智能问答系统时，学生用户需要通过文本或语音录入问题，系统通过语义分析在知识图谱中检索。若相关信息不存在，则问题自动反馈到教师端;若信息存在，则反馈相关信息。学生用户需要确认系统输出信息的相关性或准确性，若系统给出所需答案，则结束流程;若系统未给出所需答案，学生可以选择重新输入或是直接反馈到教师端。学生用户使用流程见图1所示：

②教师用户。在使用智能问答系统时，教师用户可以直接登入后台，查看系统或学生发来的、系统未能解决的问题。教师用户使用流程见下图2所示：

4 系统设计概要

4.1 系统框架设计

对于高校网络教学而言，智能问答系统框架设计由上而下分别是表现层、业务层、技术层和数据层，如图3所示。

学生用户的问题是整个系统的总输入，系统给出的答案是整个系统的总输出。其中表现层即是师生交流的聊天界面，用户从表现层输入问题，进入不同业务层模块，如学科类、生活类、教学管理类、规章制度类等模块进行提问，同时在该界面，展示热门问答，以及大家最关心的问题。技术层即是电脑对问句进行处理分析的地方，将会对问题进行分词，在分词得出的语序中进行实体识别、关系抽取。电脑通过关系将实体联系起来在知识图谱中进行检索，到达数据层，也就是问题回答模块，数据层中储存各类业务层模块的相关专业知识和语料，将各类不同来源的数据源、知识库、网络信息进行融合，把科技智库知识图谱作为搜索引擎[3]，知识图谱将利用单元特性完成数据的存储和检索功能，把在知识图谱中找到的所有关系和属性，在BERT模型[4]中进行相似度比对，BERT模型是自然语言处理的泛化能力强的预训练模型，采用的Transformer的双向结构，用于对比关系相似度，在知识图谱中找出相似对最高的最佳答案，最后将答案返回至表现层，学生用户即可获取其需要的信息。

4.2 数据流向设计

数据流向设计最基本的是将数据流向分为外部和内部两个部分，外部是用户可以观察到的，即用户提出问题，得到答案;内部则是系统运作的过程，是系统处理的关键部分，如图4所示。

4.3 功能模块设计

4.3.1 学生用户端功能模块设计

学生用户在登录后进入学生端页面，通过文本或语音录入问题。系统通过关键词提取、语义识别分析在数据库中检索。若相关信息不存在，则该问题同步反馈到教师端;若信息存在，则即时反馈检索到的相关信息。学生用户需要确认系统输出信息的相关性和准确性，若系统给出所需答案，则结束该次问答;若系统未给出所需答案，学生可以选择“重新输入”回到初始界面或是选择“直接反馈到教师端”，等待老师解答后系统的后续反馈。

同时，学生用户可以对历史使用记录进行查询，通过时间或关键词检索出问过或是回答过的问题。在结束某次问答时，系统也会跳出“猜你想问”“错误反馈”等选项，“猜你想问”通过其他用户的行为分析，推送相关的问题;“错误反馈”会将问题反馈给教师端确认，教师将继续完善该模块回答，提高高校网络教学质量。

4.3.2 用户端功能模块设计

教师用户在登录后进入教师端后台，系统会推送学生提出的、系统未能解决的问题。教师回答某个问题后，答案在反馈给学生端的同时上传到数据库，系统自动筛选其他待回答问题中的同类型问题并过滤。教师用户可参考相同问题提出频率，进行课程进程的调整，也可以根据教材的更新，同步对该课程中的历史讨论进行修改。

用户端功能模块设计如图5所示。

4.3.3 管理员端功能模块设计

管理员分为超级管理员[5]和普通管理员。教师既是用户又是普通管理员：教师使用用户身份回答系统未能解决的问题，使用普通管理员身份将问题的回答上传到数据库。如果需要新增或是修改数据库中的信息、新增普通管理员，则需要超级管理员进行操作。由于超級管理员具有最高级别的权限，登录时需要进行二次验证。

管理端功能模块设计如图6所示。

5 结论

针对高校网络教学交互现状反馈以及需求分析，本文基于智能问答系统的教学交互环节，提出具有建设性的系统设计，有利于优化现有网络教学系统的交互质量。改变高校网络教学交互模式的创新是未来网络教学发展的一个重要问题，随着知识图谱等技术在交互式教学中的应用，有利于提升高校网络课程的教学质量，促进网络教学全面发展。

参考文献：

[1] 王思遥.在线课程教学的交互形式与学生学习投入表现的关系探究[J].华东师范大学学报（教育科学版），2021，39（7）：38-49.

[2] 米晨晨.本科在线教学中腾讯课堂的优缺点及发展前景[J].文化产业，2021（22）：166-168.

[3] 于升峰.面向科技智库的知识图谱系统构建[J].智库理论与实践，2021，6（1）：56-64.

[4] 董芷艺.基于答案选择结合知识图谱的问答模型研究[D].长春：吉林大学，2021.

[5] 王学光，马爱芝，王海东，等.图书馆智能问答系统分析与设计[J].河北建筑工程学院学报，2021，39（2）：167-172.

【通联编辑：王力】