CN117911215A - 在线教育辅助学习方法、平台及设备 - Google Patents

Abstract

本申请公开了一种在线教育辅助学习方法、平台及设备，在线上教育过程实现了对学生进行分组的功能，可以根据教师下发的分组任务指令生成分组策略，按照分组策略对在线学生进行分组。教师可以为每个分组分配学习任务，分组内的学生可以协同完成学习任务，增强其沟通、协作能力。还可以进一步收集分组内学生针对学习任务所完成的成果信息，在收到分组内学生发送的学习成果报告生成指令时，调用大模型基于收集的成果信息来生成多模态的学习成果报告，有利于创新课堂教学模式，增加师生间、学生间的互动，提升学生学习趣味性及积极性。

Description

在线教育辅助学习方法、平台及设备

技术领域

本申请涉及互联网技术领域，更具体的说，是涉及一种在线教育辅助学习方法、平台及设备。

背景技术

随着互联网技术的发展，在线教育也越来越普及。教师可以通过在线教育平台与学生进行在线沟通，实现线上授课、作业、批改等流程。

当前的在线教育平台一般仅提供了基础的在线教育功能，即老师面向所有在线学生讲课、回答学生提出的问题、布置作业等基础功能。但是对于一些科目的教学而言，在线下教学过程中老师可以组织学生进行分组讨论，以国际中文教育为例，老师可以组织学生分组讨论一些学习任务，如“学习家乡的风俗”。每个小组内的学生可以协作完成老师布置的学习任务，从而提高学生学习的积极性，提高教学质量。

当前现有的在线教育平台还无法提供类似的功能，影响教师的在线教学质量。

发明内容

鉴于上述问题，提出了本申请以便提供一种在线教育辅助学习方法、平台及设备，以解决现有在线教育平台功能单一，影响教师的在线教学质量的问题。具体方案如下：

第一方面，提供了一种在线教育辅助学习方法，包括：

接收教师下发的分组任务指令，根据所述分组任务指令生成分组策略；

按照所述分组策略，对在线学生进行分组，得到若干个分组；

获取教师为每个分组分配的学习任务，并将所述学习任务发送给分组内的各个学生客户端，以指示分组内的学生协同完成所述学习任务；

收集分组内学生针对所述学习任务所完成的成果信息，在收到分组内学生的学习成果报告生成指令时，调用预配置的大模型，以指示所述大模型基于所述成果信息生成多模态的学习成果报告。

优选地，收集分组内学生针对所述学习任务所完成的成果信息，包括：

收集分组内学生针对所述学习任务的课中讨论信息，作为所述成果信息；

和/或，

收集分组内学生针对所述学习任务的课后作业任务成果，作为所述成果信息。

优选地，所述分组任务指令包括以下任意一种分组模式：随机分组模式、教师指定分组模式、学生自主分组模式；

根据所述分组任务指令生成分组策略的过程，包括：

在所述分组任务指令为所述随机分组模式时，将教师设置的分组数量、单组人数及对应的分组名称作为分组策略；

在所述分组任务指令为所述教师指定分组模式时，将教师指定的每个分组的学生标识作为分组策略；

在所述分组任务指令为所述学生自主分组模式时，生成分组提示信息并作为分组策略，所述分组提示信息用于提示每个在线学生自由邀请其它学生组合成小组。

优选地，还包括：

响应于分组内的学生对所述大模型生成的所述学习成果报告的编辑操作，按照学生的编辑指令对所述学习成果报告进行二次编辑，得到编辑后的学习成果报告。

优选地，还包括：

响应于教师对目标分组的学习成果报告的评分指令，调用大模型，以指示大模型对所述目标分组的学习成果报告进行评分，得到目标分组的学习成果报告的评分结果；

或，

获取教师对所述目标分组的学习成果报告的手动评分结果；

或，

获取其它分组的学生对所述目标分组的学习成果报告的评分结果。

优选地，所述学习任务包括主观题任务和/或客观题任务；该方法还包括：

获取每个学生针对所述学习任务的作答结果；

对于所述客观题类型的学习任务，按照对应的标准答案对每个学生的作答结果进行审批，得到审批结果；

对于所述主观题类型的学习任务，调用所述大模型，以指示所述大模型对所述主观题类型的学习任务进行审批，得到模型输出的审批结果；

汇总各类型学习任务的审核结果，形成表单输出。

优选地，还包括：

响应于教师发送的学习资源生成指令，调用大模型，以指示大模型根据所述学习资源生成指令中包含的关键词，生成匹配的学习资源；

生成所述学习资源对应的内容链接；

在接收到教师发送的学习资源推送指令时，将所述内容链接发送给班级内的学生客户端。

优选地，还包括：

在线上教育的课后场景下，响应于教师发送的作业生成指令，调用大模型，以指示大模型根据所述作业生成指令的要求，生成匹配的题目列表并输出供教师选择；

响应于教师对所述题目列表中展示的题目的选中操作，将教师所选中的题目添加到作业列表中；

在接收到教师发送的作业推送指令时，将所述作业列表发送给班级内的学生客户端。

优选地，还包括：

获取学生对所述作业列表中题目的作答结果，并调用大模型对学生的作答结果进行分析，得到分析结果；

将所述分析结果作为教师课堂参考数据推送给教师客户端。

优选地，还包括：

将每个学生在线学习过程所产生的数据均进行独立存储，并标记数据的来源、数据类型及数据维度，所述数据维度包括听、说、读、写四个维度。

优选地，还包括：

按照每一数据维度对每个学生的数据进行清洗、合并。

优选地，还包括：

对于每个学生的数据，按照单一数据维度、单一数据类型合并同类题目作答数据，并计算平均分，输出合并后的数据维度表单。

优选地，还包括：

调用大模型，以指示大模型结合所述合并后的数据维度表单给出学生的评估报告。

优选地，还包括：

对于同一班级内各个学生的数据，按照单一题目合并各个学生的作答数据，统计单一题目下各个学生的平均得分，输出合并后的单项数据维度表单。

优选地，还包括：

调用大模型，以指示大模型结合所述合并后的单项数据维度表单给出班级的整体评估报告。

第二方面，提供了一种在线教育辅助学习平台，包括：

分组任务指令接收单元，用于接收教师下发的分组任务指令，根据所述分组任务指令生成分组策略；

分组执行单元，用于按照所述分组任务指令规定的分组策略，对在线学生进行分组，得到若干个分组；

学习任务分配单元，用于获取教师为每个分组分配的学习任务，并将所述学习任务发送给分组内的各个学生客户端，以指示分组内的学生协同完成所述学习任务；

学习成果报告生成单元，用于收集分组内学生针对所述学习任务所完成的成果信息，在收到分组内学生的学习成果报告生成指令时，调用预配置的大模型，以指示所述大模型基于所述成果信息生成多模态的学习成果报告。

第三方面，提供了一种在线教育辅助学习设备，包括：存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现本申请前述第一方面中任一项所描述的在线教育辅助学习方法。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现本申请前述第一方面中任一项所描述的在线教育辅助学习方法。

第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，实现本申请前述第一方面中任一项所描述的在线教育辅助学习方法。

本申请提供了一种在线教育的智能协作辅助学习平台，在线上教育过程实现了对学生进行分组的功能，具体地，可以根据教师下发的分组任务指令，按照分组策略对在线学生进行分组。进一步地，教师可以为每个分组分配学习任务，分组内的学生可以协同完成学习任务，消除学生在线学习的孤独感，增强其沟通、协作能力，能够促进学生更加高效地达成学习目的。

同时，在提供了分组功能的基础上，本申请还可以进一步收集分组内学生针对学习任务所完成的成果信息，示例如分组内学生的课中讨论信息、课后作业任务成果等。进一步，本申请还借助了大模型强大的自然语言理解及生成能力，在收到分组内学生发送的学习成果报告生成指令时，调用大模型基于成果信息来生成多模态的学习成果报告，有利于创新课堂教学模式，增加师生间、学生间的互动，提升学生学习趣味性及积极性。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示例了一种在线教育辅助学习方法的流程示意图；

图2示例了一种课中场景下的辅助学习方法流程示意图；

图3示例了一种课前场景下的辅助学习方法流程示意图；

图4示例了一种课后场景下的辅助学习方法流程示意图；

图5示例了一种对学生在学习平台产生的数据进行汇总分析的框架示意图；

图6示例了一种对学生的个人数据进行汇总分析的框架示意图；

图7示例了一种对班级内多个学生的数据进行汇总分析的框架示意图；

图8示例了一种调用大模型输出评估报告的框架示意图；

图9示例了一种在线教育辅助学习平台结构示意图；

图10示例了一种在线教育辅助学习设备的结构示意图。

具体实施方式

在介绍本申请方案之前，首先对本文中涉及到的英文进行解释：

prompt：指示指令。在与AI(如人工智能模型)进行交互时，需要向AI发送的指令，其可以是一段文字描述，比如你和AI交互时输入的“请帮我推荐一首流行音乐”，也可以是按照一定格式的参数描述，比如让AI按照一定格式进行绘图，需要描述相关绘图参数。

人工智能模型：又可以称之为大型深度学习模型、大模型，是一种基于深度学习技术的人工智能模型，它由数以亿计的参数组成，可以通过对大量数据的学习、训练，实现自然语音处理、图像识别、语音识别等复杂任务。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

近年来，随着人工智能技术的发展，大模型被应用于各种领域。本实施例中将大模型迁移到在线教育的辅助学习平台，借助大模型的能力为在线教育辅助平台添加活力，改进传统的教学模式，实现在线教育的创新。其中，大模型可以作为插件集成在学习平台前端，并可以设置弹窗功能，教师和学生可以与大模型进行对话式交流，让大模型辅助教师生成学习资源、推送学习资源对应的链接、对分组学习成果报告进行评分、生成作业内容、汇总、分析学生作答数据、生成学情报告等。此外，在学生端的学习平台也可以提供大模型弹窗功能，以辅助学生的在线学习，如搜集学习资源、解答知识问题、给出作答结果的诊断、生成评估报告等，下文中将展开进行说明。

本案的在线教育辅助学习方案可以适用于各学科的在线教育，本申请中以国际中文在线教育为例进行说明，采用本申请的在线教育辅助学习方案可以更好应对国际中文教师教学及外国学习者的中文学习需求，通过“在线协作”的方式，借助人工智能技术，实现国际中文教育教学与学习工具的革新。

本申请的在线教育辅助学习平台可以提供在课前、课中和课后的不同场景下的使用方法，教师及学生可以通过各自的客户端登录学习平台，开展在线教育工作。在线教育辅助学习平台可以安装在具备数据处理能力的终端上，如手机、电脑、学习机等。

结合图1所述，本申请的在线教育辅助学习方法可以包括如下步骤：

步骤S100、接收教师下发的分组任务指令，根据所述分组任务指令生成分组策略。

具体地，在线上教育过程中，教师可以根据实际教学需要，选择在课前、课中或课后场景下对学生进行分组。示例如，在课前场景下，教师需要按照学生水平高低的不同或国别的不同，对学生进行分组，以按照分组下发学习资源；在课中场景下，教师需要安排学生进行分组讨论；在课后场景下，教师需要按照学生水平高低的不同或国别的不同，对学生进行分组，以按照分组下发作业内容。

在教师存在对学生进行分组的需求时，可以在平台上下发分组任务指令，进而可以根据分组任务指令生成具体的分组策略。

步骤S110、按照所述分组策略，对在线学生进行分组，得到若干个分组。

具体地，学习平台可以按照分组策略，对在线学生进行分组，得到若干个分组。

结合图2所示，教师下发的分组任务指令包括但不限于以下几种分组模式：随机分组模式、教师指定分组模式、学生自主分组模式。

在分组任务指令为随机分组模式时，教师可以设置分组数量、单组人数及对应分组名称，将上述信息作为具体的分组策略。因此本申请可以按照分组策略中教师设置的分组数量、单组人数及对应的分组名称，对在线学生进行随机分组。

在分组任务指令为教师指定分组模式时，教师可以指定每个分组内的学生标识，如学生学号、姓名等，将上述信息作为具体的分组策略。因此本申请可以按照分组策略中教师指定的每个分组的学生标识，对在线学生进行分组。

在分组任务指令为学生自主分组模式时，本申请可以生成分组提示信息并作为分组策略，分组提示信息用于提示每个在线学生自由邀请其它学生组合成小组。本申请基于该分组提示信息提示每个在线学生自由邀请其它学生组合成小组，并响应在线学生的组队操作，得到若干个分组。

步骤S120、获取教师为每个分组分配的学习任务，并将所述学习任务发送给分组内的各个学生客户端，以指示分组内的学生协同完成所述学习任务。

具体地，在确定了分组之后教师可以在学习平台上为每个分组分配学习任务，其中不同分组分配的学习任务可以是相同的也可以是不同的。本申请将教师为每个分组分配的学习任务转发给对应分组内的各个学生客户端，指示分组内的学生协同完成该学习任务。

其中，学习任务可以是主观题类型也可以是客观题类型。以国际中文教育下的主观题为例，学习任务可以是“学习家乡的风俗”，则分组内的学生可以共同讨论。

步骤S130、收集分组内学生针对所述学习任务所完成的成果信息，在收到分组内学生的学习成果报告生成指令时，调用预配置的大模型，以指示所述大模型基于所述成果信息生成多模态的学习成果报告。

具体地，针对教师分发的学习任务，分组内的学生可以进行课中讨论，如提出自己的观点信息，进一步还可以针对该学习任务完成课后作业任务成果。因此，本步骤中收集的成果信息可以包括学生针对学习任务的课中讨论信息，和/或，课后作业任务成果。

以课中讨论信息为例，本申请可以收集整理分组内各个学生提出的观点信息，并整理成大纲，方便后续大模型的调用。

进一步，本申请可以借助大模型的文本理解及生成能力，基于收集的成果信息来生成多模态的学习成果报告。该生成的学习成果报告可以向教师或其它分组进行展示。

可选的，本实施例中调用大模型来生成多模态的学习成果报告的过程，可以是由学生在客户端拉起大模型的弹窗，进而在对话框中输入生成学习成果报告的提示指令，以触发大模型基于成果信息来生成多模态的学习成果报告。

需要说明的是，大模型本身即掌握有通用领域的知识，可以胜任生成学习成果报告这一任务。在此基础上，若为了进一步提升大模型在在线教育领域的适用性，还可以预先收集对应科目下的专业数据，以“国际中文教育”为例，可以预先收集“国际中文教育”的专业数据内容(如图片、教材文字、音视频等)，利用这些专业数据内容作为预训练语料，对通用的大模型进行领域微调训练，使得训练后的大模型可以更加适配于本申请的应用需求。

本申请提供的在线教育的智能协作辅助学习方法，在线上教育过程实现了对学生进行分组的功能，具体地，可以根据教师下发的分组任务指令，按照分组策略对在线学生进行分组。进一步地，教师可以为每个分组分配学习任务，分组内的学生可以协同完成学习任务，消除学生在线学习的孤独感，增强其沟通、协作能力，能够促进学生更加高效地达成学习目的。

同时，在提供了分组功能的基础上，本申请还可以进一步收集分组内学生针对学习任务所完成的成果信息，示例如对于一些开放性的学习任务，分组内的学生可以各抒己见发表自己的观点。进一步，本申请还借助了大模型强大的文本理解及生成能力，在收到分组内学生发送的学习成果报告生成指令时，调用大模型基于成果信息来生成多模态的学习成果报告，有利于创新课堂教学模式，增加师生间、学生间的互动，提升学生学习趣味性及调动协作积极性。

进一步参照图2所示：

教师向各个分组下发的学习任务可以是主观题类型也可以是客观题类型。本实施例的方法还可以进一步包括如下步骤：

S1、获取每个学生针对所述学习任务的作答结果。

S2、对于客观题类型的学习任务，按照对应的标准答案对每个学生的作答结果进行审批，得到审批结果。

S3、对于主观题类型的学习任务，可以调用大模型，以指示大模型对主观题类型的学习任务进行审批，得到模型输出的审批结果。审批结果可以包括批注和评分等。

S4、汇总各类型学习任务的审核结果，形成表单输出。

本实施例提供的方案，可以调用大模型的能力，对学生针对学习任务的作答结果进行审核，汇总学生针对各题目的作答信息，并整理成表单输出，方便教师更好的了解学生的学习情况，并做出相应的教学决策。

进一步结合图2所示：

在上述调用大模型基于大纲生成学习成果报告之后，本申请还可以响应于分组内的学生对大模型生成的学习成果报告的编辑操作，按照学生的编辑指令对学习成果报告进行二次编辑，得到编辑后的学习成果报告。

此外，无论是大模型生成的学习成果报告，还是学生二次编辑后的学习成果报告，都可以在教师触发展示指令时进行展示。如学生可以在学习平台上选择指定的分组成员对学习成果报告进行展示汇报。

进一步地，对于每个分组的学习成果报告，还可以进一步提供评分的功能。

本实施例中提供了三种评分方式，分别为：自动评分、教师手动评分及学生互评。

对于自动评分：教师可以在客户端调用大模型对目标分组的学习成果报告进行评分，则本申请响应于教师对目标分组的学习成果报告的评分指令，调用大模型，以指示大模型对目标分组的学习成果报告进行评分，得到目标分组的学习成果报告的评分结果，实现学习平台的自动评分功能。

一种可选的应用场景，教师可以在客户端拉起大模型弹窗，并在对话框中输入对指定的目标分组的学习成果报告进行评分的提示指令，以触发大模型执行对目标分组的学习成果报告进行评分的处理流程，并输出目标分组的学习成果报告的评分结果。

对于教师手动评分：本申请可以获取教师在学习平台上对目标分组的学习成果报告的手动打分结果。

对于学生互评：本申请可以获取其它分组的学生对目标分组的学习成果报告的评分结果，作为互评结果。示例如，其它分组的学生可以通过平台上提供的互评控件完成对目标分组的学习成果报告的评分过程。

在评分完成后，对于课中场景下学习平台上产生的所有数据，如主客观题分数、分组的学习成果报告等数据全部自动上传，保存数据。最后可以调用大模型，对收集的全部课中数据进行汇总分析输出表单，本申请下文将展开说明对数据进行汇总分析的过程。

在本申请的一些实施例中，参照图3所示，介绍本申请的在线教育辅助学习方法在课前场景下的一种实现方案，具体可以包括如下步骤：

步骤S200、响应于教师发送的学习资源生成指令，调用大模型，以指示大模型根据所述学习资源生成指令中包含的关键词，生成匹配的学习资源。

具体地，在课前教师可以针对接下来将要讲授的内容，预先生成课前预习内容给学生进行预习。本实施例中可以借助大模型辅助老师生成该课前预习内容。一种可选的应用场景下，教师可以在客户端拉起大模型弹窗，并在大模型对话框中输入学习资源生成指令，在该指令中包含了学习资源的关键词信息，可以指示大模型生成与学习资源生成指令相匹配的学习资源。以教师让学生学习自己国家的婚礼习俗为例，则教师可以在大语言模型的对话框中输入“学习各国婚礼习俗”的指令，大模型自动生成多个国家的婚礼习俗的文字、图片、音视频等学习资源。

另一种可选的情况下，本申请可以预先在学习平台预置学习资源库，则本步骤中可以调用大模型，指示大模型在学习资源库中查找匹配的学习资源。

步骤S210、生成所述学习资源对应的内容链接。

具体地，为了方便教师向学生推送学习资源，本步骤中可以针对大模型生成的学习资源，生成对应的内容链接。也即，可以将学习资源整理为网页，并生成网页对应的内容链接。

需要说明的是，教师可以针对大模型生成的学习资源进行浏览，并支持对学习资源进行二次编辑，以满足自己的教学需求。

步骤S220、在接收到教师发送的学习资源推送指令时，将所述内容链接发送给班级内的学生客户端。

步骤S230、整理、分析学生针对学习资源的作答信息，提供给教师作为参考。

本实施例中提供了一种在课前场景下，通过调用大模型的能力，辅助教师生成课前预习的学习资源发送给学生，并获取学生针对学习资源的作答信息，整理、分析后提供给教师作为课前参考。极大减轻了教师搜集学习资源的工作，并且方便教师及时掌握学生对学习资源的预习情况。

需要说明的是，上述步骤S200调用大模型生成学习资源的过程，不仅仅适用于课前场景，对于课中、课后需要生成学习资源的场景也同样适用。

在本申请的一些实施例中，参照图4所示，介绍本申请的在线教育辅助学习方法在课后场景下的一种实现方案，具体可以包括如下步骤：

步骤S300、响应于教师发送的作业生成指令，调用大模型，以指示大模型根据所述作业生成指令的要求，生成匹配的题目列表并输出供教师选择。

具体地，教师可以进入平台提供的“作业管理”界面，点击“生成作业题目”按钮，触发大模型弹窗对话框。

教师可以在对话框中输入具体的作业生成指令，如输入需要生成的作业份数、作业类型、题目数量等。大模型响应于该作业生成指令，生成匹配的题目列表并输出供教师选择。

步骤S310、响应于教师对题目列表中展示的题目的选中操作，将教师所选中的题目添加到作业列表中。

具体地，教师对于大模型生成的题目列表可以浏览，选择题目加入作业列表。

此外，教师还可以对作业列表中的题目进行二次修改、编辑、调整题目顺序等操作，以适应不同的教学需求。

步骤S320、在接收到教师发送的作业推送指令时，将作业列表发送给班级内的学生客户端。

具体地，教师在确定作业列表无误后，可以发出作业推送指令，则本申请可以将作业列表推送给班级内的学生客户端。

本实施例中提供了一种在课后场景下，通过调用大模型的能力，辅助教师生成课后作业题目，并支持教师对生成的题目列表进行选择，组织成作业列表发送给学生客户端。减轻了教师编辑课后作业题目的工作。

进一步地，还可以获取学生对作业列表中题目的作答结果，并调用大模型对学生的作答结果进行分析，得到分析结果，如作答是否正确、错误的语法等。将所述分析结果作为教师课堂参考数据推送给教师客户端。

在本申请的一些实施例中，学生可以登录学习平台，根据自己的学习进度和能力水平，自主选择并开始完成所选任务。学生在完成任务的过程中可以随时根据需要在客户端拉起大模型弹窗，并以对话形式向大模型输入自己的需求指令，如要求大模型搜集指定的学习资源、解答指定的知识问题、对学生的作答结果给出诊断报告等。

在学生完成任务的过程中，本申请可以根据学生的答题情况收集相关数据，包括答题时间、正确率等。

学生完成所有任务后，相关作答数据自动保存。本申请可以调用大模型基于学生的作答数据进行数据统计分析，生成数据表单、相关评估报告等。学生可通过查看表单了解个人学习情况和进度。教师可通过相关评估报告了解班级内学生整体的学习情况和进度。

在本申请的一些实施例中，对学生使用本申请的线上教育辅助学习平台所产生的数据进行汇总分析的过程进行说明。

结合图5所示，对于每个学生在线学习过程所产生的数据均进行独立存储，并标记数据的来源、数据类型及数据维度。

其中，数据的来源可以是产生数据的学生标识，如学号、姓名等(图5中以英文字母a/b…表示学生标识)。数据类型可以有多种，如作业题目、学习资源等，以作业题目为例，又可以分为主观题和客观题。数据维度可以包括听、说、读、写等维度。如练习题作答结果可以归属主客观题及相应的题目类型，课中分组讨论中学生通过平台产生的音频、图片、文字等数据可以归属为资源类型等。其中练习题中听力题的可归属为“听”的数据维度。

进一步，可以按照每一数据维度对每个学生的数据进行清洗、合并。

具体地，可以通过调用大模型，以指示大模型按照听、说、读、写每一数据维度，对每个学生的数据进行清洗、合并。

对于平台上学生完成的客观题，本申请可以将各类独立存储的数据输出形成表单，并按照题目类型、得分、题目数量整理输出成统一表单，该数据表单在学习平台各端数据看板可查。

对于平台上学生产生的音频、图片、文字等数据，依照教师评分项进行区分，由教师打分的数据汇总后形成表单，并按照资源类型、评分项整理输出成统一表单，该数据表单在学习平台数据看板可查。

结合图6所示，对于学生的个人数据的处理流程，可以包括：

对于每个学生的数据，按照单一数据维度、单一数据类型合并同类题目作答数据，并计算平均分，输出合并后的数据维度表单。

如图6所示，可以将每个学生的数据，合并全部“听”维度的客观题数据并计算平均分，以及合并全部“听”维度的主观题数据并计算平均分，合并全部“听”维度的教师评分并计算平均分。输出并合并“听”维度的分数。

以此类推，针对“说”、“读”、“写”每个维度，都参考“听”维度数据的处理方式。最终输出合并后的数据维度表单。

进一步，本申请还可以调用大模型，以指示大模型结合上述合并后的数据维度表单给出学生的评估报告。具体地，可以由教师在客户端拉起大模型弹窗，并在对话框中输入指令，以指示大模型结合合并后的数据维度表单给出学生的评估报告。

结合图7所示，对于同一班级内多个学生的数据的处理流程，可以包括：

对于同一班级内各个学生的数据，按照单一题目合并各个学生的作答数据，统计单一题目下各个学生的平均得分，输出合并后的单项数据维度表单。

如图7所示，针对一个班级内各个学生的数据，可以合并单个“听”客观题数据并计算平均分，合并单个“听”主观题数据并计算平均分，合并单个“听”教师评分并计算平均分，输出并合并“听”的分数。

以此类推，针对“说”、“读”、“写”每个维度，都参考“听”维度数据的处理方式。最终输出合并后的单项数据维度表单。

进一步，本申请还可以调用大模型，以指示大模型结合所述合并后的单项数据维度表单给出班级的整体评估报告。具体地，可以由教师在客户端拉起大模型弹窗，并在对话框中输入指令，以指示大模型结合合并后的单项数据维度表单给出班级的整体评估报告。

在上述方案的基础上，在对个人数据、班级数据完成清洗、合并后，还可以输出统一表单，表单中包含个人、多人(以班级内教学名单为主)在不同数据类型的统计情况，并对应数据维度(听、说、读、写)，按照百分比呈现数据维度。

进一步结合图8所示：

本申请还可以调用大模型，以指示大模型依据统一表单在“听、说、读、写”各评估维度形成评估报告。评估报告按个人(学生端显示)、多人(教师端显示)两种类型呈现，分别供学生和老师观看。

上述评估报告的生成周期可以以周、月、年为单位，以学生或教师触发生成指令作为生成依据。学生或教师触发的生成指令中可以提供固定的评估筛选条件，如指定数据周期条件、指定数据维度条件、指定学生国别条件等。示例如，可以响应学生对指定周期数据的统计指令，则自动筛选该指定周期内的数据表单，并调用大模型基于数据表单生成评估报告，展示给学生端的学生。一种可选应用场景下，学生可以在客户端拉起大模型弹窗，并在对话框中输入对指定周期数据的统计指令，则平台可以自动筛选该指定周期内的数据表单，并调用大模型基于该数据表单生成评估报告，进而输出展示。

综上实施例介绍的数据汇总分析的过程，本申请在完成对学生作答及教师评分等相关数据的存储后，可以调用大模型的能力进行数据清洗合并，并标记数据维度，生成统计表单及评估报告，可促进学生及老师对于学情统计和个人学习能力的全面把握。

与现有技术相比，本申请采用了基于大模型的人工智能技术，实现了在线智能协作学习(如中文教育领域的在线智能写作学习)。采用本申请方案在教学和学习过程中能够更好地理解学生的需求，为学生提供更加个性化的学习资源和教学方法。

进一步，本申请的学习平台提供分组讨论和多人在线协作的功能，能够促成学生更加高效地达成学习目的。利用大模型整合学生课中观点，生成学习成果展示报告，有利于创新课堂教学模式，增加师生及生生互动，提升学生学习趣味性及积极性。

再进一步，本申请的学习平台输出统计表单及调用大模型处理分析数据生成评估报告，有利于高效获取数据信息，反馈出对学生学习能力的全面详细评估，对后续师生的教与学更具有借鉴意义。

下面对本申请实施例提供的在线教育辅助学习平台进行描述，下文描述的在线教育辅助学习平台与上文描述的在线教育辅助学习方法可相互对应参照。

参见图9，图9为本申请实施例公开的一种在线教育辅助学习平台结构示意图。

如图9所示，该平台可以包括：

分组任务指令接收单元11，用于接收教师下发的分组任务指令，根据所述分组任务指令生成分组策略；

分组执行单元12，用于按照所述分组策略，对在线学生进行分组，得到若干个分组；

学习任务分配单元13，用于获取教师为每个分组分配的学习任务，并将所述学习任务发送给分组内的各个学生客户端，以指示分组内的学生协同完成所述学习任务；

学习成果报告生成单元14，用于收集分组内学生针对所述学习任务所完成的成果信息，在收到分组内学生的学习成果报告生成指令时，调用预配置的大模型，以指示所述大模型基于所述成果信息生成多模态的学习成果报告。

可选的，学习成果报告生成单元收集分组内学生针对所述学习任务所完成的成果信息的过程，包括：

收集分组内学生针对所述学习任务的课中讨论信息，作为所述成果信息；

和/或，

收集分组内学生针对所述学习任务的课后作业任务成果，作为所述成果信息。

可选的，所述分组任务指令包括以下任意一种分组模式：随机分组模式、教师指定分组模式、学生自主分组模式。在此基础上，上述分组任务指令接收单元根据所述分组任务指令生成分组策略的过程，包括：

在所述分组任务指令为所述随机分组模式时，将教师设置的分组数量、单组人数及对应的分组名称作为分组策略；

在所述分组任务指令为所述教师指定分组模式时，将教师指定的每个分组的学生标识作为分组策略；

在所述分组任务指令为所述学生自主分组模式时，生成分组提示信息并作为分组策略，所述分组提示信息用于提示每个在线学生自由邀请其它学生组合成小组。

可选的，本申请的平台还可以包括：

学习成果报告编辑单元，用于响应于分组内的学生对所述大模型生成的所述学习成果报告的编辑操作，按照学生的编辑指令对所述学习成果报告进行二次编辑，得到编辑后的学习成果报告。

可选的，本申请的平台还可以包括：

学习成果报告评分单元，用于响应于教师对目标分组的学习成果报告的评分指令，调用大模型，以指示大模型对所述目标分组的学习成果报告进行评分，得到目标分组的学习成果报告的评分结果；或，获取教师对所述目标分组的学习成果报告的手动评分结果；或，获取其它分组的学生对所述目标分组的学习成果报告的评分结果。

可选的，所述学习任务包括主观题任务和/或客观题任务，本申请的平台还可以包括作答审核单元，用于：

获取每个学生针对所述学习任务的作答结果；对于所述客观题类型的学习任务，按照对应的标准答案对每个学生的作答结果进行审批，得到审批结果；对于所述主观题类型的学习任务，调用所述大模型，以指示所述大模型对所述主观题类型的学习任务进行审批，得到模型输出的审批结果；汇总各类型学习任务的审核结果，形成表单输出。

可选的，本申请的平台还可以包括：学习资源处理单元，用于：

响应于教师发送的学习资源生成指令，调用大模型，以指示大模型根据所述学习资源生成指令中包含的关键词，生成匹配的学习资源；生成所述学习资源对应的内容链接；在接收到教师发送的学习资源推送指令时，将所述内容链接发送给班级内的学生客户端。

可选的，本申请的平台还可以包括：作业处理单元，用于：

在线上教育的课后场景下，响应于教师发送的作业生成指令，调用大模型，以指示大模型根据所述作业生成指令的要求，生成匹配的题目列表并输出供教师选择；响应于教师对所述题目列表中展示的题目的选中操作，将教师所选中的题目添加到作业列表中；在接收到教师发送的作业推送指令时，将所述作业列表发送给班级内的学生客户端。

可选的，上述作业处理单元还用于：

获取学生对所述作业列表中题目的作答结果，并调用大模型对学生的作答结果进行分析，得到分析结果；将所述分析结果作为教师课堂参考数据推送给教师客户端。

可选的，本申请的平台还可以包括：数据存储单元，用于将每个学生在线学习过程所产生的数据均进行独立存储，并标记数据的来源、数据类型及数据维度，所述数据维度包括听、说、读、写四个维度。

可选的，本申请的平台还可以包括：数据清洗合并单元，用于按照每一数据维度对每个学生的数据进行清洗、合并。

可选的，本申请的平台还可以包括：

单个学生数据处理单元，用于对于每个学生的数据，按照单一数据维度、单一数据类型合并同类题目作答数据，并计算平均分，输出合并后的数据维度表单。

可选的，上述单个学生数据处理单元还用于：调用大模型，以指示大模型结合所述合并后的数据维度表单给出学生的评估报告。

可选的，本申请的平台还可以包括：

班级数据处理单元，用于对于同一班级内各个学生的数据，按照单一题目合并各个学生的作答数据，统计单一题目下各个学生的平均得分，输出合并后的单项数据维度表单。

可选的，上述班级数据处理单元还用于：调用大模型，以指示大模型结合所述合并后的单项数据维度表单给出班级的整体评估报告。

本申请实施例提供的在线教育辅助学习平台可应用于在线教育辅助学习设备，如手机、电脑、学习机等。可选的，图10示出了在线教育辅助学习设备的硬件结构框图，参照图10，设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；

在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；

处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；

存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；

其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于实现前述实施例介绍的在线教育辅助学习方法的各个步骤。

本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于实现前述实施例介绍的在线教育辅助学习方法的各个步骤。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (17)

1.一种在线教育辅助学习方法，其特征在于，包括：

接收教师下发的分组任务指令，根据所述分组任务指令生成分组策略；

按照所述分组策略，对在线学生进行分组，得到若干个分组；

获取教师为每个分组分配的学习任务，并将所述学习任务发送给分组内的各个学生客户端，以指示分组内的学生协同完成所述学习任务；

收集分组内学生针对所述学习任务所完成的成果信息，在收到分组内学生的学习成果报告生成指令时，调用预配置的大模型，以指示所述大模型基于所述成果信息生成多模态的学习成果报告。

2.根据权利要求1所述的方法，其特征在于，收集分组内学生针对所述学习任务所完成的成果信息，包括：

收集分组内学生针对所述学习任务的课中讨论信息，作为所述成果信息；

和/或，

收集分组内学生针对所述学习任务的课后作业任务成果，作为所述成果信息。

3.根据权利要求1所述的方法，其特征在于，所述分组任务指令包括以下任意一种分组模式：随机分组模式、教师指定分组模式、学生自主分组模式；

根据所述分组任务指令生成分组策略的过程，包括：

在所述分组任务指令为所述随机分组模式时，将教师设置的分组数量、单组人数及对应的分组名称作为分组策略；

在所述分组任务指令为所述教师指定分组模式时，将教师指定的每个分组的学生标识作为分组策略；

在所述分组任务指令为所述学生自主分组模式时，生成分组提示信息并作为分组策略，所述分组提示信息用于提示每个在线学生自由邀请其它学生组合成小组。

4.根据权利要求1所述的方法，其特征在于，还包括：

响应于分组内的学生对所述大模型生成的所述学习成果报告的编辑操作，按照学生的编辑指令对所述学习成果报告进行二次编辑，得到编辑后的学习成果报告。

5.根据权利要求1所述的方法，其特征在于，还包括：

响应于教师对目标分组的学习成果报告的评分指令，调用大模型，以指示大模型对所述目标分组的学习成果报告进行评分，得到目标分组的学习成果报告的评分结果；

或，

获取教师对所述目标分组的学习成果报告的手动评分结果；

或，

获取其它分组的学生对所述目标分组的学习成果报告的评分结果。

6.根据权利要求1所述的方法，其特征在于，所述学习任务包括主观题任务和/或客观题任务；该方法还包括：

获取每个学生针对所述学习任务的作答结果；

对于所述客观题类型的学习任务，按照对应的标准答案对每个学生的作答结果进行审批，得到审批结果；

对于所述主观题类型的学习任务，调用所述大模型，以指示所述大模型对所述主观题类型的学习任务进行审批，得到模型输出的审批结果；

汇总各类型学习任务的审核结果，形成表单输出。

7.根据权利要求1-6任一项所述的方法，其特征在于，还包括：

响应于教师发送的学习资源生成指令，调用大模型，以指示大模型根据所述学习资源生成指令中包含的关键词，生成匹配的学习资源；

生成所述学习资源对应的内容链接；

在接收到教师发送的学习资源推送指令时，将所述内容链接发送给班级内的学生客户端。

8.根据权利要求1-6任一项所述的方法，其特征在于，还包括：

在线上教育的课后场景下，响应于教师发送的作业生成指令，调用大模型，以指示大模型根据所述作业生成指令的要求，生成匹配的题目列表并输出供教师选择；

响应于教师对所述题目列表中展示的题目的选中操作，将教师所选中的题目添加到作业列表中；

在接收到教师发送的作业推送指令时，将所述作业列表发送给班级内的学生客户端。

9.根据权利要求8所述的方法，其特征在于，还包括：

获取学生对所述作业列表中题目的作答结果，并调用大模型对学生的作答结果进行分析，得到分析结果；

将所述分析结果作为教师课堂参考数据推送给教师客户端。

10.根据权利要求1-6任一项所述的方法，其特征在于，还包括：

将每个学生在线学习过程所产生的数据均进行独立存储，并标记数据的来源、数据类型及数据维度，所述数据维度包括听、说、读、写四个维度。

11.根据权利要求10所述的方法，其特征在于，还包括：

按照每一数据维度对每个学生的数据进行清洗、合并。

12.根据权利要求10所述的方法，其特征在于，还包括：

对于每个学生的数据，按照单一数据维度、单一数据类型合并同类题目作答数据，并计算平均分，输出合并后的数据维度表单。

13.根据权利要求11所述的方法，其特征在于，还包括：

调用大模型，以指示大模型结合所述合并后的数据维度表单给出学生的评估报告。

14.根据权利要求10所述的方法，其特征在于，还包括：

对于同一班级内各个学生的数据，按照单一题目合并各个学生的作答数据，统计单一题目下各个学生的平均得分，输出合并后的单项数据维度表单。

15.根据权利要求14所述的方法，其特征在于，还包括：

调用大模型，以指示大模型结合所述合并后的单项数据维度表单给出班级的整体评估报告。

16.一种在线教育辅助学习平台，其特征在于，包括：

分组任务指令接收单元，用于接收教师下发的分组任务指令，根据所述分组任务指令生成分组策略；

分组执行单元，用于按照所述分组策略，对在线学生进行分组，得到若干个分组；

学习任务分配单元，用于获取教师为每个分组分配的学习任务，并将所述学习任务发送给分组内的各个学生客户端，以指示分组内的学生协同完成所述学习任务；

学习成果报告生成单元，用于收集分组内学生针对所述学习任务所完成的成果信息，在收到分组内学生的学习成果报告生成指令时，调用预配置的大模型，以指示所述大模型基于所述成果信息生成多模态的学习成果报告。

17.一种在线教育辅助学习设备，其特征在于，包括：存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如权利要求1～15中任一项所述的在线教育辅助学习方法的各个步骤。