基于文本数据的多智能体角色协同反馈设计与实证研究

艳坤 易(公诚管理咨询有限公司，中国;)
宪君 吴(广东石油化工学院计算机学院，中国;)

摘要

在数字时代，计算机编程课已成高校核心，却因语言复杂与在线环境令学生情感受挫，影响学习效果；传统方法难以及时捕捉情绪，干预乏力。本研究探讨了利用人工智能（AI）技术从学习者数据中提取情感信息，并提出了一个情感分析模型，以增强在线学习体验。该模型通过分析在线学习平台上的学生文本数据（如讨论帖子和作业反馈），监测学生在学习过程中的情感状态。初步课堂实践表明，该路径显著提升了学生满意度、情感积极性与编程能力，研究为大学计算机编程课程的教学实践提供了新的视角和方法，展示了AI通过解决学生情感需求来增强教育成果的潜力。

关键词

多智能体系统；反馈设计；文本挖掘；LLM应用

参考

徐丹, 段晓雯. 人工智能素养：高等教育的挑战与应对——《2024地平线报告：教与学版》的解读与启示[J]. 开放教育研究, 2024, 30(3): 24–35. DOI:10.13966/j.cnki.kfjyyj.2024.03.003.

黄昌勤,钟益华,王希哲,等. 从单智能体到多智能体：大模型智能体支持下的激励型学习活动设计与实证研究[J].华东师范大学学报(教育科学版),2025,43(05):44-56.DOI:10.16382/j.cnki.1000-5560.2025.05.004.

刘华, 祝智庭. 大模型支持的会话辅导系统开发：范式转换、架构设计与能力训练[J]. 现代远程教育研究, 2024, 36(3): 11–19. DOI:10.3969/j.issn.1009-5195.2024.03.002.

James J. Gross. The emerging field of emotion regulation: An integrative review[J].Review of General Psychology,1998 2(3), 271–299.DOI: 10.1037/1089-2680.2.3.271

齐元沂, 王腊梅. 生成式人工智能应用于开放教育：机遇、挑战和应用场景[J]. 成人教育, 2024(6): 56–61. DOI:10.3969/j.issn.1001-8794.2024.06.009.

王永固,刘泉,李晓娟,等. 基于多智能体与混合检索的学科核心素养表现性评价设计研究[J].远程教育杂志,2025,43(02):31-44.DOI:10.15881/j.cnki.cn33-1304/g4.2025.02.004.

孙硕, 胡小勇, 穆肃, 等. 师范生教学基本技能智能实训模型及应用研究[J]. 电化教育研究, 2024(6): 113–120. DOI:10.13811/j.cnki.ier.2024.06.014.

Camacho-Collados J, Rezaee K, Riahi T, 等. TweetNLP: Cutting-edge natural language processing for social media[C]//Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing: System Demonstrations. Abu Dhabi, U.A.E.: Association for Computational Linguistics, 2022: 38–49.DOI:10.18653/v1/2022.emnlp-demo.5.

GitHub. (2023). CodeSearchNet Dataset. GitHub Repository. https://github.com/github/CodeSearchNet

吉朝明. 基于学习者画像的混合式精准教学模式的构建与应用[J]. 中国现代教育装备, 2024(9): 180–183. DOI:10.3969/j.issn.1672-1438.2024.09.044.

龚玉清, 朱云, 梁艳春, 等. 计算机应用基础课程的“四新”思政融合路径探索[J]. 计算机教育, 2024(5): 41–46. DOI:10.3969/j.issn.1672-5913.2024.05.008. CNKI 全文

林伟豪,何杰光,刘婷婷,等. 一种改进的多学习教与学优化算法[J].广东石油化工学院学报,2018,28(01):33-38.

DOI: http://dx.doi.org/10.12345/bdai.v6i6.34046