一种虚拟辅导员APP模式的创新型研究与设计

胡鹏宇

（河南大学 河南 开封 475000）

1 引言

辅导员作为高校工作者,是学生大学时代的良师益友，随着时代的发展和学生人数的增加，高校辅导员的工作压力越来越大。在辅导员日常工作中，不仅要进行学生日常事务管理、党团班级建设，还要深入到学生当中进行一些创业就业的指导等。根据教育部发布的《教育部关于高等学校教师工作量试行办法》统计发现，普通高校辅导员实际辅导学时是计划学时的3倍，管理班级数量平均达到4个以上，任务繁琐且工作量巨大。

2 针对辅导员日常工作的前期调查分析

为了创新虚拟辅导员APP的设计模式，本团队通过问卷星做了相关的调查，调查情况总结如下。

调查主题：辅导员处理学生工作时遇到的问题；

调查时间：2020—03—02—2020—03—22；

调查对象：河南大学欧亚国际学院以及软件学院在职辅导员。

通过发放关于辅导员处理学生工作时遇到的问题的调查问卷得出了以下主要问题。

（1）学生与辅导员之间的沟通较少，大部分学生碍于心理原因或其他因素很少咨询辅导员。

（2）辅导员管理的班级众多,传统的微信传达消息的方式容易出现消息淹没的情况。

（3）辅导员陷于日常繁杂事务性工作中，身心疲惫，较少能抽身进行自我提高。

（4）当前校园类APP对学生隐私的保护还不够[1]。调查问卷一部分统计见图1、图2、图3。

图1 辅导员管理学生遇到的问题

图2 关于开展党建活动时辅导员遇到的问题

图3 关于辅导员发布消息、通知遇到的问题

通过分析上述问题，本团队拟结合深度学习算法设计一款可以解答学生问题、减少辅导员重复性工作、增强师生间高效沟通等功能的虚拟辅导员APP。本APP的主要工作流程见图4。

图4 工作流程图

3 虚拟辅导员APP主要功能模块

虚拟辅导员A P P命名为“小河”，它也是首页的人物模型，人物模型可以采用3DMAX软件构建，后期导入Android开发平台,当学生有问题请教时，可以登录APP，以语音、文字或图片的形式咨询“小河”，“小河”会在数据库里寻找答案解决问题，如若无法解决，它会把问题整理后传达给辅导员，由辅导员解答后把答案再传给“小河”。学生助理会对数据库的内容进行更新，“小河”也可以统计学生最近通过学生端口经常问询的问题，生成词频，在数据库中及时更新问题答案。

本软件用户分为两类：学生用户与辅导员用户。我们这里用“VR”代替“虚拟”这个词汇，软件的主要功能板块[2-3]，见图5。

图5 功能板块图

3.1 问询模块

你问我答，与虚拟辅导员“小河”对话，学生可以向“小河”咨询在校的各种问题，例如党建活动安排、班会内容、各类学科竞赛、就业、考研、成绩信息等。在使用这款软件的过程中，通过大数据对学生个人兴趣爱好进行分析，“小河”可以为学生推荐关于学习和考证课程资料以及开源的软件安装包。当学生想考取普通话等级证书、计算机二级等级证书或者英语四六级证书等或者找不到正版软件时，“小河”会提供与考证相关学习资料和开源软件安装包供学生学习与使用。“小河”会在数据库寻找答案进行回答，数据库需要学生助理的定期维护，“小河”也会统计学生口头端经常询问的问题，生成词频，在数据库中更新。

3.2 信息上报模块

当学生碍于心理原因或其他原因不方便实名上报信息时，可以采用匿名的方式向“小河”上报信息。增加一个匿名社区，同学们可以在匿名社区中自由发表意见，可以讨论包括学习、生活、人际交往各个方面的问题，这里我们加入过滤算法去掉不良词汇。实名上报由辅导员发布通知，每个人都需要填写，例如疫情期间健康信息的上报、课堂在线签到等必要信息的上报工作。

3.3 语音提醒模块

当学生遗漏辅导员发布的通知时，虚拟辅导员“小河”会及时进行语音提醒，帮助学生及时收到来自辅导员的通知。

3.4 奖励机制模块

采用一个积分制度，针对学生给辅导员上报信息缓慢和使用软件积极性不高的问题，每次上报一次信息奖励一积分，积分可以兑换一些电子版的学习资料（例如四六级往年真题、计算机二级），积分越多，兑换的资料越多，涉及版权问题时可以提供一些正版资料的免费网站。

3.5 信息接收与整合版块

“小河”会将从学生端收集的信息分类整合，自动发送辅导员客户端，辅导员登录后即可查看，如果需要发布信息，则可以直接通过语音直接向“小河”传递信息，“小河”识别后会转化成相应文字传达给每一位同学。

4 虚拟辅导员开发过程中深度学习算法的应用

4.1 卷积神经网络CNN帮助“小河”进行图片识别

卷积层、池化层、全连接层这三个层级组成了卷积神经网络，这三个层级有着不同的特性和作用。卷积层提取数据特征，池化层对卷积层的输出结果进行特征提取，全连接层进行特征汇总。当用户向“小河”输入图片后，它会经过卷积神经网络的三个层级，经过一层一层的训练，最终输出准确的结果，识别过程见图6。

图6 CNN卷积神经网络识别图片的过程

4.2 循环神经网络RNN帮助“小河”进行语音识别

信号预处理、特征提取、数据训练、匹配计算、识别判决是语音识别的五个关键部分。根据语音信号在时间序列上相关联的特点，在信号经过特征提取后，可以采用循环神经网络RNN进行系统的训练、建模和识别。输入层、隐含层、输出层三个层级构成了RNN。隐含层中记忆与反馈层的引入，使网络能够有效处理前后序列的信息。语音信号通过输入层后被提取出语音信号特征,再在隐含层中通过样本训练构建,最终从输入层输出语音识别词汇。每层都包含神经元，通过BPTT算法逐层对神经元进行训练以达到极高的识别率。RNN结构图见图7。

图7 RNN循环神经网络结构图

5 创新与设计

5.1 充满3D感的页面设计

设计页面以简洁为原则，让使用者的观感体验更佳。在按照H-anim标准设计人物三维模型的基础上，使用3Dmax软件采用骨骼捆绑的方式设计一些人物的动作以此构建虚拟辅导员，再将大礼堂、贡院等校园古建筑背景元素融入其中打造一个充满校园特点的3D虚拟页面背景。在虚拟的人机交互过程中给予学生更多3D感、沉浸感，真实感。

5.2 深度学习模式下的极佳识别效果

在对图片、语音进行识别过程中分别运用卷积神经网络CNN及循环神经网络RNN，采用卷积神经网络CNN在图像识别过程中使复杂的特征提取工作简单化、抽象化。而RNN循环神经网络相比于传统的HMM模型的数字识别方法，通过逐层对语音信号特征的提取与训练可以达到更高的识别率。这些网络模型在语音、图片处理上能赋予“小河”极佳的识别能力，学生通过像语音对话这样自然的方式获取信息，更加方便。

5.3 拓展性模块化设计

APP采用逐一进行程序设计的思路来设计功能模块，使得系统功能之间可以独立调用，让系统升级与维护更加便捷。模块之间的独立和多个接口之间的划一，使模块功能研究更加专业深入，可以不断通过升级自身性能来提高系统的整体性能和可靠性，而不会影响到APP的其他模块。同时，模块化设计可以对系统进行并行设计、开发和并行试验、验证[4-6]。

经过上述设计，此APP内部可实现各大功能的集合。功能的多样性和页面的交互感，使师生使用更方便，弥补了国内校园APP虚拟交互方面单一功能的短板。此款软件开发后，能够很大程度上解答学生咨询的各种问题，在一定程度上减轻辅导员的繁重的工作任务，使得高校辅导员的工作以及高校学生的培养更加人性化。通过虚拟辅导员“小河”这个虚拟的人物增强学生使用校园类软件的积极性以及促进与学生辅导员之间的网上交流。