一種虛擬輔導員APP模式的創新型研究與設計

胡鵬宇

（河南大學 河南 開封 475000）

1 引言

輔導員作為高校工作者,是學生大學時代的良師益友，隨著時代的發展和學生人數的增加，高校輔導員的工作壓力越來越大。在輔導員日常工作中，不僅要進行學生日常事務管理、黨團班級建設，還要深入到學生當中進行一些創業就業的指導等。根據教育部發布的《教育部關于高等學校教師工作量試行辦法》統計發現，普通高校輔導員實際輔導學時是計劃學時的3倍，管理班級數量平均達到4個以上，任務繁瑣且工作量巨大。

2 針對輔導員日常工作的前期調查分析

為了創新虛擬輔導員APP的設計模式，本團隊通過問卷星做了相關的調查，調查情況總結如下。

調查主題：輔導員處理學生工作時遇到的問題；

調查時間：2020—03—02—2020—03—22；

調查對象：河南大學歐亞國際學院以及軟件學院在職輔導員。

通過發放關于輔導員處理學生工作時遇到的問題的調查問卷得出了以下主要問題。

（1）學生與輔導員之間的溝通較少，大部分學生礙于心理原因或其他因素很少咨詢輔導員。

（2）輔導員管理的班級眾多,傳統的微信傳達消息的方式容易出現消息淹沒的情況。

（3）輔導員陷于日常繁雜事務性工作中，身心疲憊，較少能抽身進行自我提高。

（4）當前校園類APP對學生隱私的保護還不夠[1]。調查問卷一部分統計見圖1、圖2、圖3。

圖1 輔導員管理學生遇到的問題

圖2 關于開展黨建活動時輔導員遇到的問題

圖3 關于輔導員發布消息、通知遇到的問題

通過分析上述問題，本團隊擬結合深度學習算法設計一款可以解答學生問題、減少輔導員重復性工作、增強師生間高效溝通等功能的虛擬輔導員APP。本APP的主要工作流程見圖4。

圖4 工作流程圖

3 虛擬輔導員APP主要功能模塊

虛擬輔導員A P P命名為“小河”，它也是首頁的人物模型，人物模型可以采用3DMAX軟件構建，后期導入Android開發平臺,當學生有問題請教時，可以登錄APP，以語音、文字或圖片的形式咨詢“小河”，“小河”會在數據庫里尋找答案解決問題，如若無法解決，它會把問題整理后傳達給輔導員，由輔導員解答后把答案再傳給“小河”。學生助理會對數據庫的內容進行更新，“小河”也可以統計學生最近通過學生端口經常問詢的問題，生成詞頻，在數據庫中及時更新問題答案。

本軟件用戶分為兩類：學生用戶與輔導員用戶。我們這里用“VR”代替“虛擬”這個詞匯，軟件的主要功能板塊[2-3]，見圖5。

圖5 功能板塊圖

3.1 問詢模塊

你問我答，與虛擬輔導員“小河”對話，學生可以向“小河”咨詢在校的各種問題，例如黨建活動安排、班會內容、各類學科競賽、就業、考研、成績信息等。在使用這款軟件的過程中，通過大數據對學生個人興趣愛好進行分析，“小河”可以為學生推薦關于學習和考證課程資料以及開源的軟件安裝包。當學生想考取普通話等級證書、計算機二級等級證書或者英語四六級證書等或者找不到正版軟件時，“小河”會提供與考證相關學習資料和開源軟件安裝包供學生學習與使用。“小河”會在數據庫尋找答案進行回答，數據庫需要學生助理的定期維護，“小河”也會統計學生口頭端經常詢問的問題，生成詞頻，在數據庫中更新。

3.2 信息上報模塊

當學生礙于心理原因或其他原因不方便實名上報信息時，可以采用匿名的方式向“小河”上報信息。增加一個匿名社區，同學們可以在匿名社區中自由發表意見，可以討論包括學習、生活、人際交往各個方面的問題，這里我們加入過濾算法去掉不良詞匯。實名上報由輔導員發布通知，每個人都需要填寫，例如疫情期間健康信息的上報、課堂在線簽到等必要信息的上報工作。

3.3 語音提醒模塊

當學生遺漏輔導員發布的通知時，虛擬輔導員“小河”會及時進行語音提醒，幫助學生及時收到來自輔導員的通知。

3.4 獎勵機制模塊

采用一個積分制度，針對學生給輔導員上報信息緩慢和使用軟件積極性不高的問題，每次上報一次信息獎勵一積分，積分可以兌換一些電子版的學習資料（例如四六級往年真題、計算機二級），積分越多，兌換的資料越多，涉及版權問題時可以提供一些正版資料的免費網站。

3.5 信息接收與整合版塊

“小河”會將從學生端收集的信息分類整合，自動發送輔導員客戶端，輔導員登錄后即可查看，如果需要發布信息，則可以直接通過語音直接向“小河”傳遞信息，“小河”識別后會轉化成相應文字傳達給每一位同學。

4 虛擬輔導員開發過程中深度學習算法的應用

4.1 卷積神經網絡CNN幫助“小河”進行圖片識別

卷積層、池化層、全連接層這三個層級組成了卷積神經網絡，這三個層級有著不同的特性和作用。卷積層提取數據特征，池化層對卷積層的輸出結果進行特征提取，全連接層進行特征匯總。當用戶向“小河”輸入圖片后，它會經過卷積神經網絡的三個層級，經過一層一層的訓練，最終輸出準確的結果，識別過程見圖6。

圖6 CNN卷積神經網絡識別圖片的過程

4.2 循環神經網絡RNN幫助“小河”進行語音識別

信號預處理、特征提取、數據訓練、匹配計算、識別判決是語音識別的五個關鍵部分。根據語音信號在時間序列上相關聯的特點，在信號經過特征提取后，可以采用循環神經網絡RNN進行系統的訓練、建模和識別。輸入層、隱含層、輸出層三個層級構成了RNN。隱含層中記憶與反饋層的引入，使網絡能夠有效處理前后序列的信息。語音信號通過輸入層后被提取出語音信號特征,再在隱含層中通過樣本訓練構建,最終從輸入層輸出語音識別詞匯。每層都包含神經元，通過BPTT算法逐層對神經元進行訓練以達到極高的識別率。RNN結構圖見圖7。

圖7 RNN循環神經網絡結構圖

5 創新與設計

5.1 充滿3D感的頁面設計

設計頁面以簡潔為原則，讓使用者的觀感體驗更佳。在按照H-anim標準設計人物三維模型的基礎上，使用3Dmax軟件采用骨骼捆綁的方式設計一些人物的動作以此構建虛擬輔導員，再將大禮堂、貢院等校園古建筑背景元素融入其中打造一個充滿校園特點的3D虛擬頁面背景。在虛擬的人機交互過程中給予學生更多3D感、沉浸感，真實感。

5.2 深度學習模式下的極佳識別效果

在對圖片、語音進行識別過程中分別運用卷積神經網絡CNN及循環神經網絡RNN，采用卷積神經網絡CNN在圖像識別過程中使復雜的特征提取工作簡單化、抽象化。而RNN循環神經網絡相比于傳統的HMM模型的數字識別方法，通過逐層對語音信號特征的提取與訓練可以達到更高的識別率。這些網絡模型在語音、圖片處理上能賦予“小河”極佳的識別能力，學生通過像語音對話這樣自然的方式獲取信息，更加方便。

5.3 拓展性模塊化設計

APP采用逐一進行程序設計的思路來設計功能模塊，使得系統功能之間可以獨立調用，讓系統升級與維護更加便捷。模塊之間的獨立和多個接口之間的劃一，使模塊功能研究更加專業深入，可以不斷通過升級自身性能來提高系統的整體性能和可靠性，而不會影響到APP的其他模塊。同時，模塊化設計可以對系統進行并行設計、開發和并行試驗、驗證[4-6]。

經過上述設計，此APP內部可實現各大功能的集合。功能的多樣性和頁面的交互感，使師生使用更方便，彌補了國內校園APP虛擬交互方面單一功能的短板。此款軟件開發后，能夠很大程度上解答學生咨詢的各種問題，在一定程度上減輕輔導員的繁重的工作任務，使得高校輔導員的工作以及高校學生的培養更加人性化。通過虛擬輔導員“小河”這個虛擬的人物增強學生使用校園類軟件的積極性以及促進與學生輔導員之間的網上交流。