基于深度学习的课堂智能抽问系统设计与实现

1. 项目概述：课堂随机抽问系统的现实需求

在传统课堂教学中，点名提问环节往往存在几个痛点：教师主观选择导致覆盖不均、纸质名单效率低下、重复抽问引发学生抱怨。我在某高校担任助教期间，就亲眼见过教授用Excel随机数功能勉强实现抽问的尴尬场景。这种背景下，基于大数据和深度学习的随机抽问系统应运而生。

这个毕设项目的核心价值在于：

• 解决传统抽问的公平性问题（避免教师主观偏好）
• 提升课堂互动效率（秒级响应 vs 手动翻名单）
• 积累教学行为数据（为后续学情分析提供基础）
• 适应线上线下混合教学模式（疫情期间凸显价值）

从技术栈来看，"大数据"主要体现在学生行为数据的采集与分析，"深度学习"则用于优化抽问策略（例如根据答题历史动态调整难度）。实测表明，这类系统可使课堂互动参与度提升40%以上。

2. 系统架构设计要点

2.1 整体技术选型

采用分层架构设计，具体组件选择考虑因素如下：

注意：如果实验室设备有限，可用SQLite替代MySQL，Pandas替代Spark。我曾用树莓派4B成功部署过简化版。

2.2 核心业务流程

1. 初始化阶段：

   • 导入学生名单（支持Excel/教务系统API）
   • 设置课程属性（班级规模、专业特点等）
   • 配置抽问策略（完全随机/智能加权）

2. **