互動文本分析的混合式教學智能交互研究

關 佳， 倪 晨， 王 琦， 李漁迎， 方 愷

（同濟大學a.物理科學與工程學院；b.教育技術與計算中心，上海 200092）

0 引言

隨著人工智能、大數據、互聯網等現代信息技術對教育教學的強力賦能，高等教育迎來了高質量發展的時代機遇［1］。加之新冠疫情的影響，以線上教學和移動教學為主的網絡化教學迅速發展成熟［2-3］。混合教學模式是教育數字化轉型背景下的一種新的教學模式［4-8］，它將傳統課堂教學和線上教學優勢有機融合，不僅包括學習環境的融合，而且包括教學資源、學習方式和教學方式等的融合［9-11］。這種教學模式強調了學生的主體地位，有利于滿足學生個性化、信息化和定制化的學習需求，也有利于激發學生的探究興趣，增強學生的實踐動手能力、創新能力和綜合能力，符合新時代黨和國家對高等教育“四新建設”的時代要求。

在混合教學模式下如何建立與學生及時且深入的教學交流與學習反饋，如何準確了解學生多元化的需求并予以滿足，給任課教師和教學管理人員帶來了巨大的挑戰［12-13］。當前，關于混合教學模式的相關研究中教學交互的主要途徑有利用論壇、留言板、網站、郵件以及微信、QQ 等社交工具構建多渠道的交流互動平臺來增加師生交互，創設提問交流和經驗分享的空間社區解決學生的問題［14-17］。對學生提問回答的方式主要是教師解答、學生互答、統一公告發布等。這種交互方式一方面難以保證互動的及時性和解決方案的針對性，另一方面大量重復性的提問增加了教師的工作量，不符合智能化、精細化以及科學化教育的需求。

混合教學模式下多渠道的交流平臺中產生了大量的交互文本數據，其中包含學生學習過程的信息，能反映學生學習需求、學習體驗、學習習慣以及學習態度等特征，這些文本數據是研究互動學習行為的主要數據來源［18-19］。利用文本分析技術可以深度挖掘出交互文本下潛藏的學生學習特征，幫助教師實現對學生學習行為的學情分析和教學干預，及時解決學生遇到的問題。目前，關于互動文本數據的研究主要用于探究學生學習行為以及情感態度［20-23］，鮮少有研究成果用于智能交互系統的構建。然而，大數據、虛擬現實、人工智能等智能技術在教育領域的深度融合已引發師生交互的全方位變革。利用智能教育技術可以超越師生交互的時空局限，改變師生交互的方式，重塑師生交互的內容，還為師生交互體驗的豐富與提升提供了保障［24-25］。

本文提出利用文本分析方法對物理實驗課程中采集到的交互文本數據從詞頻、聚類以及情感分析的角度進行智能化分析，優化智能問答系統，建立預警反饋機制，并進一步實現教學資源智能推送以及教學通知智能發布等智能交互。其中，預警反饋能在情感維度上彌補智能問答缺少情感交流的缺陷。智能交互系統對于具有教學課時有限、課程內容多而拓展資源有限、學生人數多、學習監控性不強和師生互動不足等問題的高校綜合實驗和實踐類課程具有借鑒意義。本研究以期基于此應用案例更好地服務混合式教學，助力個性化、智能化、泛在化的混合實驗教學新模式改革，進而形成開放共享、教學效果良好的信息化實驗教學新體系。

1 物理實驗課程混合式教學

我校“大學物理實驗（上、下）課程”為面向理工科各專業本科生開設的公共基礎課，每學期上課學生人數約為3000 人。課程總學時數為51 學時，教學分為兩個學期進行，上、下學期的課程設置不同，體現由易到難，由基礎到綜合的特點。課程教學內容結合大學物理課程，涵蓋力學、熱學、光學、電磁學和近代物理等領域的驗證性、綜合性、設計性和研究性的物理實驗項目。實驗內容涉及誤差理論、基本物理儀器使用、基本實驗技能訓練以及科學素養的養成等。大學物理實驗是高等學校理工科大學生進行科學實驗訓練的一門基礎課程，是后續專業實驗課程的基礎，是大學生從事科學實驗工作的入門向導。

根據建構主義的基本理論，立足以學生為主體、教師為主導的理念，致力于滿足學生對于高質量教學的需求以及順暢及時的師生交互的需求，物理實驗中心設計了多平臺、精細化的線上、線下混合教學模式（見圖1）。其中，在線網絡教學平臺是由Canvas 平臺、物理實驗中心網站、“同濟物理實驗中心”微信公眾號和虛擬仿真實驗教學系統等構成，各平臺同步開設，優勢互補。可用于發布通知、共享教學資源以及交流互動的平臺有Canvas、微信公眾號和物理實驗中心網站。多平臺多渠道可以更好地保證與學生的緊密聯系，確保通知發布和資源共享的有效性和覆蓋性。物理實驗中心網站和微信公眾號可以實現信息同步和交互，還具有選課、退課、學生學習過程記錄、成績查詢、微課程學習、自測題自測、智能問答等功能。同濟大學的智能問答系統利用了微信公眾號平臺提供的API接口可以實現學生對實驗的知識原理和操作實踐相關提問的智能回復，學生打開公眾號并綁定身份，向其發送相關實驗的關鍵字，系統可以自動回復與該實驗相關的問題答案，幫助學生答疑。同時，該系統還可收集學生的提問，由教師審核并給出答案后加入智能問答庫［26］。虛擬仿真實驗教學系統中包含力學、熱學、電學、電磁學、光學、近代物理以及自選實驗7 類共34 個實驗項目，部分實驗項目與線下必做或選做實驗內容一致，因此可以作為線下實驗的預習或者復習資源使用，同時也可作為拓展實驗。線下課程則涵蓋緒論課、理論課、必做實驗課程、自選實驗課程以及物理競賽創新拓展訓練。本混合教學模式包括有實驗預習環節、實驗操作環節、實驗分析與總結、拓展訓練環節以及教學評價與反饋，涉及學生、教師以及在線網絡教學平臺3 個主要對象。在任何教學環節中學生都能與教師通過線上平臺進行交流，對交流互動中產生的大量互動文本進行數據挖掘，可進一步優化智能問答系統，建立預警反饋，實現通知發布、教學資源推送和交互的智能化，從而增進五大教學環節中師生互動的緊密性，提升學生的體驗感以及教學管理的精細化和科學化，有效提高教育教學質量。

圖1 物理實驗課程混合教學模式模型

智能交互系統是以在線網絡教學平臺為基礎并結合文本分析技術而構建，其框架如圖2 所示，主要包括智能問答、預警反饋、教學通知智能發布以及教學資源智能推送等功能。其中，預警反饋的實現是由系統提取學生提問文本數據進行詞頻分析和情感分析，動態設置詞頻以及情感值的閾值發布預警，教師及管理員收到預警信息后查看是否存在突發問題或者對學生的提問從情感維度去解決和疏導，增加人文關懷，提升學生的體驗感。教學通知智能發布需要利用詞頻分析、聚類分析以及情感分析方法對交互文本進行挖掘處理，從而細化通知內容實現學生熱點問題的全覆蓋。結合學生提問和情感變化的時間規律，及時發布通知也可以實現學生問題的提前干預。智能問答系統的升級優化主要借助于詞頻分析和聚類分析的結果，可以避免教師大量回復重復性的問題，提高工作效率。在智能問答系統中還可以將通知內容以及線上教學資源作為學生提問的參考答案智能推送給學生，在提高和保證回復信息質量的同時，促進個性化教學。

1.1 實驗預習環節

課前預習是實驗教學中至關重要的一環，當學生對于實驗原理、實驗儀器、實驗基本操作過程、數據處理方法等有初步了解，才能在有限的線下實驗學習中有的放矢，更好地理解實驗內容，反思實驗過程，啟發創新思維。在本文的混合教學模式中，教師不僅需要制定課程安排，制作并上傳教學資源，還需要在線下的緒論課和理論課中為學生介紹課程、實驗原理以及安全教育知識。學生通過教材和在線平臺中的電子課件、微課程等線上教學資源學習相關實驗內容，或者利用虛擬仿真實驗預習，然后參加線下的緒論以及理論課程，并完成教材配套的練習題以及微信公眾號中的自測題。學習過程中學生遇到問題可以隨時通過在線網絡教學平臺中的微信公眾號或者Canvas 系統等向老師提問。

1.2 實驗操作環節

通過多渠道的實驗預習準備，學生可以更快融入實驗課堂中，也更能發揮自己的主體地位。在線下課堂中，每個實驗操作臺上均有該項目對應的微課程二維碼，掃碼即可觀看實驗教學視頻。此外，部分實驗項目中的測量儀器已連入局域網中，教師可以通過實驗教學軟件實時查看學生的測量數據，了解教學進展，及時發現問題并答疑解惑。有了線上資源以及數據監察系統的輔助，在課堂中教師可以留更多時間給學生做實踐練習，通過檢查學生的預習作業，可針對性地進行適時引導，講解重、難點，組織學生交流討論，使之透徹地理解實驗內容，激發學生能動性和創造性。

1.3 實驗分析與總結

實驗課堂結束后，學生需要整理實驗數據，撰寫實驗報告，并對實驗的過程展開反思和總結，對學習的過程進行自我評價。如有知識遺忘，可以通過微信公眾號或其他渠道留言提問，尋找線上資源或者虛擬仿真實驗進行復習。實驗報告的提交方式多樣，不僅可以在線下提交，還可以直接通過物理實驗網站上傳給教師批閱，教師批改后可將評語、評分返回給學生。

1.4 拓展訓練環節

為了更好地培養學生的創新能力以及解決問題的能力，本混合教學模式設置了多層次的拓展訓練。包括線下自選實驗、虛擬仿真實驗以及與物理類競賽相關的創新拓展訓練。自選實驗包含2 學時的理論講座以及4 學時的實驗操作，每位同學可自主選擇一個實驗項目完成。虛擬仿真實驗的開展主要是為了彌補教學資源的限制，讓學生嘗試一些無法在實驗室內完成的新項目，在每學期均會開設，學生需在給定范圍內自主選擇實驗項目完成，一般第一學期學生只需完成1個項目，第二學期完成3 個項目。除此以外，教師還會組織并指導學生參加每年的大學生物理實驗競賽、大學生物理學術競賽以及光電競賽等。

1.5 教學評價與反饋

教學評價是檢驗教學效果、學生對知識掌握程度的重要手段，以往通過實驗報告為主要考核依據的方法較為單一和片面。在本混合教學模式下，成績評定機制更客觀、全面，體現過程性評價和多元化評價。成績評定要素包括有每個必做實驗的成績、自選實驗的成績、虛擬實驗的成績、自測題成績以及競賽獲獎加分。必做實驗和自選實驗的成績由預習、操作以及實驗報告的成績構成。此外，在線教學平臺記錄有學生的在線學生情況，包括微課程視頻觀看數量和時長、課程講義下載和觀看次數、自測題和虛擬實驗完成情況等數據，并自動生成綜合評價雷達圖。

2 互動文本分析設計

互動文本作為學習者與教師之間最直接的交流載體和內在心理加工過程的外顯表現形式，能更真實地反映學習者的學習動機、認知發展、情感態度以及學習體驗，是研究互動學習行為的主要數據來源［18-19］。對互動文本數據進行深度挖掘與分析，可以直觀真實地了解學生的學習狀態和需求，幫助教師對學生的整體行為進行干預、推理和矯正，更有助于教學理論和方法的創新，同時對激發群體學習興趣及智慧具有重要的理論指導意義［27-29］。互動文本作為一種非結構化數據，對其分析的方法屬于文本分析［30-31］，也稱為文本挖掘，其常見的步驟包括有：數據收集、數據預處理、文本數據分析以及文本數據可視化等。此外，文本分析方法從不同角度細分還有情感分析［20，32-33］、社會網絡分析［34-35］、主題挖掘［36-37］、聚類分析［38-42］以及詞頻分析［43-44］等。本研究主要用到的分析方法包括：詞頻分析、聚類分析以及情感分析。

為了準確挖掘出學生的交互學習行為，從而促進混合教學模式中交互的智能化，本研究設計了針對師生交互文本數據的分析流程，如圖3 所示，包括數據收集、數據預處理與文本分析方法、分析結果可視化呈現及應用3 個模塊。

圖3 大學物理實驗混合教學模式互動文本分析流程

2.1 數據收集

學習行為數據的采集是智能化分析得以順利開展的必要前提和實施依據［45］。本研究以我校大學物理實驗課程中上下兩個學期學生在微信公眾號平臺的提問留言為分析樣本，該數據的收集流程見圖3 中的數據收集部分學生關注同濟物理實驗中心微信公眾號就可以直接在對話框中留言提問。教師端有兩種途徑查看和回復學生提問，一種是利用微信公眾號的“消息管理”功能，這種方式下可以給學生共享一些圖片資料，但弊端是回復時間有限制而且相關數據無法保留；另一種是利用針對學生提問專門設計開發的微信管理系統，這一系統的管理后臺整合在物理實驗中心網站的管理系統中。管理員或者教師使用賬號和密碼登錄之后，在資源學習管理系統的“微信消息”菜單下，可以發送回復信息給學生，同時學生提問的數據以及教師回復的數據均被保留用于教學研究分析。

2.2 數據預處理與文本分析方法

通過對交互文本進行詞頻分析、聚類分析以及情感分析，可以挖掘出文本下潛藏的學生學習行為的信息，發現師生交互的特點和規律，并進一步找到優化交互的方式。本研究選取2020 ～2021 學年第二學期（下學期）以及2021 ～2022 學年第一學期（上學期）的學生提問留言進行分析，提問總數為1823 條，去除表情留言，其中可供分析的文字提問為1592 條。數據收集完畢后進行預處理，合并共同話題詞，刪除無效提問對數據進行清洗，提高數據質量，為下一步的文本分析做準備［46］。本研究使用基于Jieba分詞的微詞云軟件對清洗后的文本數據進行中文分詞，分詞方法為混合分詞法，即先用基于詞典的方式進行分詞，然后再用統計方法輔助。為了得到更準確的分詞結果，我們通過建立自定義詞典進一步篩選出與本課程相關的關鍵詞，得出詞頻統計表，并制作可視化詞云圖形象展示高頻詞。利用Gephi軟件的鄰近算法對該分詞列表做進一步的可視化聚類處理［47-49］，得到學生留言提問數據的類目。此外，對于特定的高頻詞進一步分析了其詞頻隨時間的變化關系以及對應提問語料的情感值變化，從而進一步挖掘學生提問在時間和情感維度上的特點與規律。對于交互文本的情感分析，利用百度智能開放平臺的情感傾向分析接口來研究，該情感傾向分析方法主要基于百度大數據平臺的深度學習技術，可針對具有主觀情緒的中文文本給出該文本的情感數值以及置信度，并判斷情感傾向極性類別。

2.3 分析結果可視化及應用

可視化分析是利用計算機的自動化分析能力，結合人的信息認知力，將復雜的文本數據轉為直觀的圖形，方便高效傳遞信息［50-52］。本研究利用詞云圖和聚類圖直觀呈現出高頻詞以及它們之間的內在相關性，從而幫助教師準確并高效地捕捉學生的需要，利用特定高頻詞及其對應語料的情感值隨時間的變化圖可以進一步了解師生交互在不同教學過程中的特點，從而改進混合教學模式下的互動和信息反饋方式，例如優化智能問答系統，建立預警反饋機制，實現通知發布和網絡教學資源、信息資源推送的智能化。

3 分析結果

3.1 詞頻分析

詞頻是一種常用于情報檢索和文本分析的加權技術，用以評估一個詞在文本文件中的重復程度。詞頻分析是通過關鍵詞出現頻次多少的變化來確定熱點及其變化趨勢［43-44］。本研究經過精確分詞后得到108 個關鍵詞，其中上學期53 個，下學期55 個，并制作對應的可視化詞云圖（見圖4），詞云圖中的文字越大代表該詞在文本中出現的頻率越高。

圖4 大學物理實驗課程可視化詞云圖

由圖4 可見，在不同的教學安排下，兩個學期詞云圖存在差異，因此師生交互的內容和特點也不盡相同。大學物理實驗課程上學期學生的提問主要集中于“虛擬實驗”“成績與評分”“實驗報告”以及“自測題”；下學期中“自選實驗”和“虛擬實驗”這兩個詞最為突出，其他高頻詞還包括“實驗報告”“密碼鎖定與重置”“成績與評分”以及“自測題”等。可以發現“自選實驗”“虛擬實驗”和“自測題”涉及大學物理實驗課程混合教學模式的3 個重要教學活動，即線下自選實驗、線上虛擬仿真實驗以及線上自測題，它們與學生自主選擇、自主學習和個性化學習有關，需要學生根據自身情況自主完成選課、參加線下講座、登錄虛擬實驗平臺完成實驗和上傳虛擬實驗報告等活動。這3 個教學活動中，涉及任課教師、教學管理人員、學生以及在線網絡教學平臺多個對象，需要線上線下多種教學資源的配合，呈現出交互頻繁且復雜的特點。“成績與評分”和“實驗報告”都與學生成績相關，通過這個分析也發現學生對于課程的評價方式極為關注。

通過圖4 也可發現學生關于實驗的知識原理和操作實踐的提問相比較少，提問偏向于教學管理的內容，因此有必要進一步優化智能問答系統，拓寬其回復范圍。但是實驗管理相關的關鍵詞與實驗原理和操作實踐類關鍵詞不同，這些關鍵詞可能對應的問題以及答案種類繁多，各不相同，甚至同一關鍵詞在不同的學期對應不同的問題和答案。因此，為了更全面并且準確梳理出各高頻詞對應的問題，需要通過聚類分析對高頻詞間的隱含關系進行研究。

3.2 聚類分析

聚類分析是在沒有任何先驗知識的情況下，從未標記的文本材料中創建有意義的分類，主要的聚類算法可以劃分為如下幾類：劃分方法、層次方法、基于密度的方法、基于網格的方法以及基于模型的方法［38-42］。目前，許多聚類算法已被加入SPSS、SAS、Gephi等統計分析軟件包中。本文借助Gephi 軟件的數據可視化功能，利用鄰近算法對學生提問語料中的108 個關鍵詞進行聚類。大學物理實驗上學期的53個關鍵詞聚類后得到3 個團塊［見圖5（a）］，下學期的55 個關鍵詞聚類后得到4 個團塊［見圖5（b）］，其中相同顏色的為同一類，每個圓對應一個關鍵詞，圓的大小綜合反映詞頻數目以及關聯度的大小，線代表兩個關鍵詞間具有相關性，線的粗細代表相關性的大小，數字則表示該關鍵詞的詞頻數。部分關鍵詞由于和其他詞無相關性，所以沒有顯示在該圖中。

圖5 大學物理實驗課程關鍵詞聚類

圖5 中黃色團塊里的關鍵詞與“虛擬實驗”的關聯度較高，聚類為線上虛擬仿真實驗類；紅色團塊中的關鍵詞與“自選實驗”關聯緊密，自動聚類為線下自選實驗類；綠色的關鍵詞是與線下必做實驗相關的；通過聚類后還發現，藍色團塊中的關鍵詞與除虛擬實驗以外的線上其他教學資源有關，例如：“自測題”“公眾號”“視頻”“講義”和“資源庫管理”等。從文本的聚類結果可見，混合教學模式中上、下兩個不同學期內學生的提問存在差異，由于教學安排的不同，下學期中的線下自選實驗活動是一個重要的分類。共同分類包括：①線上虛擬仿真實驗；②線下必做實驗；③線上其他教學資源。其中，“成績與評分”這一高頻詞在上下學期屬于不同分類，這是因為在上學期該關鍵詞與“自測題”等其他線上教學資源關聯度較高［見圖5（a）］，即學生對于自測題的評分等問題比較關注；而在下學期，“虛擬實驗”的“成績與評分”則更受關注［見圖5（b）］。

根據聚類結果，可以進一步升級智能問答系統的功能設計，并豐富通知發布的內容。以大學物理實驗（下）學期的數據分析為例說明，根據圖5（b）的聚類結果，可歸納出如表1 所示的高頻詞類目表并總結出12 類常見的問題。由于每學年同一學期的教學安排有一定的延續性，因此這些常見問題可以為后一學年對應學期的通知發布提供參考，以期做到提前干預。例如，通過表1 歸納出線下自選實驗常見問題包括有實驗安排、實驗預習以及實驗內容的相關問題，涉及的關鍵詞見表1。根據自選實驗相關的關鍵詞以及課程安排可有針對性地發布教學通知或公告。此外，通知內容還可以作為相關提問的標準答案錄入到智能問答系統，當學生提問到這些關鍵詞時，智能推送通知內容，提高智能問答系統的回復效率和質量。對于實驗原理和操作實踐相關的關鍵詞，不僅可以通過錄入問答來豐富智能問答庫，還可以智能推送對應的線上教學資源給學生，為其個性化學習提供幫助。

表1 大學物理實驗（下）高頻詞類目表

3.3 情感分析

情感是影響學習者認知和行為的關鍵性非智力因素，學習者的情感分析是人工智能和教育領域的交叉研究熱點［20-21，32-33，53-54］，有助于判斷學習者的學習狀態。智能問答系統由于缺乏生理和心理機制可能會使得師生交互缺少情感變得疏離和淡漠化［25，55］，利用情感分析數據等構建的預警反饋系統可以很好地彌補智能問答中缺少情感交流的缺陷。預警反饋系統主要依據關鍵詞的詞頻數目以及情感值大小來提供預警信號給負責教師，教師收到預警信息后登錄系統，查看相關問題并及時給學生以情感安撫和疏導。此外，通過提前發布通知，細化通知內容也可以對學生的疑問進行干預，提升學生的認知度。

本研究選取大學物理實驗（上）學期中的高頻詞“虛擬實驗”“成績與評分”和“自測題”所對應的提問文本作為研究對象，探究學生部分提問情況隨時間的變化規律，并利用情感分析的手段分析對應文本的情感傾向性數值。圖6（a）為相關詞頻占比隨時間的變化情況，詞頻占比指的是特定高頻詞每天的詞頻數占該詞總詞頻數的比值，并把這個比值做了歸一化處理。圖6（b）為對應高頻詞的提問文本情感傾向數值關于時間的變化，情感傾向數值越高說明學生疑問越少，情緒越積極，學習體驗感越好。結合圖6 從整體分布趨勢看，針對這3 個高頻詞的提問，學期末相較于其他時段更頻繁。此外，學生提問較多的時間一般與教學安排時間節點、突發事件以及通知發布有關，而且當有突發情況或者問題存在時學生情感值偏低，當問題解決后情感值會上升。

圖6 大學物理實驗（上）高頻詞變化分析

圖6 中綠色的3 條豎線和自測題的一些時間節點有關，其中第1 條綠色實線對應的時間恰是教學安排中學生進行實驗預習自測階段，學生在初次使用自測答題系統中遇到問題較多，情感值偏低［見圖6（b）］。通過設置情感閾值構建預警反饋系統就可以及時發現學生的問題并進行疏導。此外，如果提前發布一些關于自測題的操作方法、評分方式、自測題所屬微信公眾號平臺的用戶綁定和登錄的注意事項等，就能對學生可能存在的問題提前做出干預。圖6 中第2 條綠色虛點線對應的時間是教學安排中劃定的自測題成績記錄開始時間，可見該時間節點附近學生的提問占比也快速上升。第6 條綠色短劃+雙點線對應自測題的成績記錄截止時間，該時間節點后學生的問題主要圍繞自測題成績的評定以及能否延期完成，結合圖6（b）可見學生情感傾向值相比于初期整體有所提高。由此可見，重要的時間節點是學生提問的高發時段，可以提前發布相關通知并利用預警反饋系統減輕大家的疑惑和焦慮。

圖6 中第3 條和第4 條紅色的短劃線對應的時間內出現了突發情況（自測題圖片無法加載、虛擬實驗報告提交系統報錯），引起提問量激增。在這類情況下，通過設置詞頻的閾值就能利用預警反饋系統來實時反饋網絡教學平臺的運轉狀態，如有異常即可迅速發現并動態調整教學安排。

圖6 中第5 條和第7 條黑色線與虛擬實驗以及成績查詢相關通知的發布有關。其中，第5 條黑色虛點線對應的當天發布了關于虛擬實驗延期通知，此后一周內關于虛擬實驗的提問大幅減少。第7 條黑色虛線對應的當天發布了成績核查通知，學生關于成績的問題急劇增加，其中自測題的評分方式是學生較為關心的問題（該結果與圖5（a）聚類結果一致）。

根據上述分析，對于一些自主性強的教學活動，可以在開始以及結束的重要時間段內提前做好引導和反饋工作，盡量細化通知以及回復的內容，全面覆蓋學生的疑問。對于出現的問題及時發現、及時修正，可避免影響學生的學習進度和學習體驗。預警反饋系統利用動態設置高頻詞以及情感值的閾值來提供警報信息給教師，這一系統可配合智能問答系統在智能、及時、高效交互的同時，及時應對突發問題，關注學習情感體驗的積極引導。

4 結語

《中國教育現代化2035》明確提出，將加快推進信息化時代的教育變革作為我國面向未來的重要戰略任務，建設智慧化校園、探索新型教學方式、創新教育服務業態、推進教育治理方式變革。本文在推進數字化、信息化、智能化教育與管理的時代背景下，提出利用文本分析方法對混合教學模式下的交互文本進行數據挖掘，從詞頻分析、聚類分析和情感分析的角度探究了學生的交互行為，并基于物理實驗教學特點對智能交互系統進行設計，利用智能問答、預警反饋、教學資源智能推送和教學通知智能發布各模塊耦合協作，可以更好地實現教師與學生、線上與線下的融通，尤其是對于綜合實驗以及實踐類課程的混合教學的開展具有借鑒意義。智能交互系統的設計以期更好地服務混合教學，實現個性化、智能化、泛在化的混合實驗教學新模式，進而形成開放共享、教學效果良好的信息化實驗教學新體系。