混合式教学平台技术设计——录播、直播、题库、考试全链路打通

引言

混合式教学（Blended Learning）是目前公认的效果最好的教学模式之一，它将录播、直播、练习、考试有机结合，覆盖"教 → 学 → 练 → 考"全链路，比单一的录播或直播效果显著更好。

但实现混合式教学有一个现实障碍：这些功能分散在不同的系统和工具中——录播用视频网站，直播用腾讯会议，练习用第三方题库，考试用另一个工具——管理成本极高，学员体验割裂。

织码在线教育系统将这四个核心能力整合在一个平台内，本文从技术架构和功能设计视角，详细介绍混合式教学全链路的实现方案。

一、混合式教学的四个核心环节

教（录播 + 直播）

     ↓

学（自主学习：视频 + 图文 + 文档）

     ↓

练（题库练习：刷题 + 错题本）

     ↓

考（在线考试：智能组卷 + 防作弊 + 自动评分）

     ↓

证（完成颁证）

四个环节形成完整闭环，每个环节都在同一个平台内完成，学员无需在多个工具间切换。

二、课程内容：三种形态自由组合

织码系统中，一个课程可以包含三种类型的课时：

| 课时类型 | 说明 | 适用场景 |

|---------|------|---------|

| 视频课时（录播） | 上传到 VOD 的点播视频 | 基础知识讲解，可反复观看 |

| 直播课时 | 配置直播间的实时互动课 | 答疑、实操演示、集中讲解 |

| 图文课时 | 富文本内容（文字+图片+代码块等） | 知识点补充、参考资料 |

三种形态在同一课程的大纲树中混合排列，学员按顺序学习：

课程：《Python 数据分析实战》

│

├── 第一章：基础准备

│   ├── 1.1 环境搭建（视频，15分钟）

│   ├── 1.2 Jupyter Notebook 使用指南（图文）

│   └── 1.3 直播答疑 - 第一章（直播，2024-10-15 20:00）

│

├── 第二章：Pandas 数据处理

│   ├── 2.1 DataFrame 基础操作（视频，32分钟）

│   ├── 2.2 数据清洗实战（视频，28分钟）

│   └── 2.3 实战项目说明（图文）

│

└── 第三章：数据可视化

    ├── 3.1 Matplotlib 入门（视频，20分钟）

    └── 3.2 直播实战 - 可视化案例（直播，2024-10-22 20:00）

**录播讲基础，直播做答疑，图文当补充** — 三种形态各司其职，协同发挥最大教学效果。

课时数据结构

public class CourseLesson {

    private Long lessonId;

    private Long courseId;

    private Long chapterId;

    private String title;

    private LessonType type;          // VIDEO / LIVE / RICHTEXT

    private Integer sortOrder;

    private Integer duration;         // 时长（秒），视频和直播有效

    

    // VIDEO 类型

    private String vodVideoId;        // 阿里云 VOD 视频ID

    

    // LIVE 类型

    private Long liveRoomId;          // 关联直播间ID

    private LocalDateTime liveStartAt; // 直播开始时间

    

    // RICHTEXT 类型

    private String content;           // 富文本内容（HTML）

    

    private Boolean isFreePreview;    // 是否允许免费试看

}

三、题库系统：批量建库 + AI 出题

3.1 题型设计

系统支持四种标准题型，覆盖大多数考试场景：

| 题型 | 说明 | 自动评分 |

|------|------|---------|

| 单选题 | 4-5 个选项，选一个 | ✅ 支持 |

| 多选题 | 4-6 个选项，选多个 | ✅ 支持 |

| 判断题 | 对/错二选一 | ✅ 支持 |

| 问答题 | 自由文本作答 | ❌ 需人工批阅 |

每道题包含：题干、选项、正确答案、解析（答错后展示）、难度等级（简单/中等/困难）、知识点标签。

3.2 Excel 批量导入

题库建设最耗时的工作是手动录题，批量导入功能将效率提升数倍：

Excel 模板结构：

| 题型 | 题干 | 选项A | 选项B | 选项C | 选项D | 正确答案 | 难度 | 知识点 | 解析 |

|------|------|-------|-------|-------|-------|---------|------|--------|------|

| 单选 | ... | ... | ... | ... | ... | A | 中等 | 数据结构 | ... |

| 判断 | ... | 正确 | 错误 | | | A | 简单 | 基础语法 | ... |

导入时后端进行格式校验，错误行单独报告，支持修正后重新导入（不重复创建已有题目）。

3.3 AI 辅助出题

AI 出题功能集成了大语言模型，帮助快速生成题目草稿：

@PostMapping("/api/question/ai-generate")

public Result<List<QuestionDraftVO>> aiGenerate(@RequestBody AiGenerateDTO dto) {

    // dto 包含：知识点描述、题型、难度、数量

    String prompt = buildPrompt(dto);

    

    // 调用 LLM 生成题目

    String rawResponse = llmService.generate(prompt);

    

    // 解析 LLM 返回的结构化 JSON

    List<QuestionDraftVO> drafts = parseQuestions(rawResponse);

    

    // 返回草稿（需人工审核后才正式入库）

    return Result.success(drafts);

}

private String buildPrompt(AiGenerateDTO dto) {

    return String.format("""

        请根据以下要求生成考试题目，以 JSON 数组格式返回：

        - 知识点：%s

        - 题型：%s

        - 难度：%s

        - 数量：%d 道

        

        每道题包含：stem（题干）、options（选项列表）、answer（正确答案）、explanation（解析）

        """,

        dto.getKnowledgePoint(), dto.getQuestionType(),

        dto.getDifficulty(), dto.getCount()

    );

}

AI 生成的题目标记为"草稿"状态，管理员审核通过后才正式入库，保证题目质量。

四、智能组卷：规则驱动的自动抽题

4.1 组卷规则配置

public class ExamPaperRule {

    private Long examId;

    private Integer totalScore;       // 总分

    private Integer passingScore;     // 及格分

    private Integer durationMinutes;  // 考试时长（分钟）

    

    private List<QuestionGroupRule> groupRules; // 题型分组规则

}

public class QuestionGroupRule {

    private QuestionType questionType;  // 题型

    private Integer count;              // 抽题数量

    private Integer scorePerQuestion;   // 每题分值

    private String difficulty;          // 难度要求（可选）

    private List<String> tags;          // 知识点标签限定（可选）

    private Long questionBankId;        // 从哪个题库抽取

}

// 示例：100分试卷的组卷规则

// 单选20题×2分=40分，多选10题×3分=30分，判断10题×3分=30分，合计100分

4.2 自动抽题逻辑

@Service

public class ExamPaperGenerateService {

    public ExamPaper generate(ExamPaperRule rule) {

        List<Question> allQuestions = new ArrayList<>();

        

        for (QuestionGroupRule groupRule : rule.getGroupRules()) {

            // 查询满足条件的题目

            List<Question> pool = questionRepo.findByCondition(

                groupRule.getQuestionBankId(),

                groupRule.getQuestionType(),

                groupRule.getDifficulty(),

                groupRule.getTags()

            );

            

            if (pool.size() < groupRule.getCount()) {

                throw new BizException("题库题目不足，无法满足组卷要求");

            }

            

            // 随机抽取指定数量的题目

            Collections.shuffle(pool);

            allQuestions.addAll(pool.subList(0, groupRule.getCount()));

        }

        

        // 组装试卷

        ExamPaper paper = new ExamPaper();

        paper.setExamId(rule.getExamId());

        paper.setQuestions(allQuestions);

        paper.setGeneratedAt(LocalDateTime.now());

        paper.setVersion(UUID.randomUUID().toString()); // 每次生成不同版本，防作弊

        

        return paperRepo.save(paper);

    }

}

每次生成的试卷记录版本号，同一考试中不同学员拿到的是不同的题目抽取结果，有效防止抄答案。

五、在线考试：完整考试流程

5.1 考试状态机

PENDING（待开始）

    ↓ 学员点击"开始考试"

IN_PROGRESS（考试中）

    ↓ 学员点击"提交" 或 时间到达自动提交

SUBMITTED（已提交）

    ↓ 系统评分（客观题即时）

GRADED（已评分）

    ↓ 教师批阅主观题（如有）

FINISHED（已完成）

5.2 考试时长管控

服务端维护考试开始时间，防止客户端篡改计时：

// 考试进行中的心跳检测（每60秒客户端上报一次）

@PostMapping("/api/exam/heartbeat")

public Result<ExamHeartbeatVO> heartbeat(@RequestBody ExamHeartbeatDTO dto) {

    ExamRecord record = examRecordService.getById(dto.getRecordId());

    

    // 校验考试状态

    if (record.getStatus() != ExamStatus.IN_PROGRESS) {

        return Result.fail("考试已结束");

    }

    

    // 计算剩余时间

    long elapsedSeconds = Duration.between(record.getStartAt(), LocalDateTime.now()).getSeconds();

    long remainingSeconds = record.getExam().getDurationSeconds() - elapsedSeconds;

    

    if (remainingSeconds <= 0) {

        // 时间到，强制提交

        examService.forceSubmit(record.getRecordId(), "TIME_UP");

        return Result.success(ExamHeartbeatVO.builder().status("FORCE_SUBMITTED").build());

    }

    

    return Result.success(ExamHeartbeatVO.builder()

        .remainingSeconds(remainingSeconds)

        .status("IN_PROGRESS")

        .build());

}

5.3 错题本：考后自动收录

每次考试结束，做错的题目自动写入该学员的错题本：

@EventListener

public void onExamFinished(ExamFinishedEvent event) {

    List<ExamAnswer> wrongAnswers = event.getAnswers().stream()

        .filter(a -> !a.isCorrect())

        .collect(Collectors.toList());

    

    // 批量写入错题本（去重：已有的错题更新记录时间，不重复创建）

    wrongAnswers.forEach(answer -> {

        wrongQuestionRepo.upsert(WrongQuestion.builder()

            .userId(event.getUserId())

            .questionId(answer.getQuestionId())

            .wrongCount(1)    // 累加错误次数

            .lastWrongAt(LocalDateTime.now())

            .lastExamId(event.getExamId())

            .build());

    });

}

学员可以在 App 端查看错题本，按科目/题型筛选，针对性地复习薄弱环节。这对考证培训尤为重要——**考前刷错题比盲目刷题效率高数倍**。

六、混合式教学的整合效果

将录播、直播、题库、考试整合在一个平台，带来的不只是"方便"，更是**教学数据的打通**：

| 数据维度 | 整合后能做什么 |

|---------|--------------|

| 视频观看 vs 考试成绩 | 分析"看了录播"和"考试通过率"的相关性，验证教学内容有效性 |

| 直播参与 vs 学习效果 | 参加直播答疑的学员和纯看录播的学员，谁的完课率和通过率更高 |

| 题目正确率 vs 课程章节 | 哪个知识点的题目错误率高 → 对应的录播章节点击率是否也低 |

| 错题分布 vs 课程设计 | 某知识点错题集中 → 说明该知识点在课程中的讲解时间/深度不够 |

这种数据联动让"混合式教学"真正进入可迭代的科学改进循环，而不是各环节数据孤立、只能凭经验优化。

七、总结

混合式教学系统的技术核心是：

1. **课程内容多形态**：录播 + 直播 + 图文在同一课程大纲内统一管理，学员无需切换工具

2. **题库体系完整**：四种题型 + 批量导入 + AI 出题，快速建立高质量题库

3. **智能组卷灵活**：规则驱动的随机抽题，每次生成不同版本，兼顾严肃性和效率

4. **考试管控严格**：防切屏 + 时长校验 + 违规记录，线上考试达到接近线下的严肃性

5. **错题本形成复习闭环**：考试数据不只是用来出成绩，还驱动后续的针对性复习

这套体系既适合企业内训（特别是需要考试认证的合规培训），也适合教培机构（需要完整教-练-考链路的备考培训）。

**如有关于混合式教学系统设计的问题，欢迎评论区交流。**