基于水杉平台CS空间的AI教学分析助手，通过大语言模型(LLM)技术结合前端开发，实现智能化的教学行为数据分析和问答功能。

• AI助手: 智能问答系统，支持自然语言查询，基于规则或LLM进行回答
• 智能分析: 学习路径分析、学生表现分析、资源使用分析
• 教学评估: 为教学评估和学生学习分析提供智能化支持

.
├── app.py                      # Flask后端主应用
├── data_processor.py           # 数据处理和分析模块
├── ai_service.py               # AI服务模块（支持规则、ECNU API）
├── run.py                      # 快速启动脚本
├── requirements.txt            # Python依赖包
├── README.md                   # 项目说明文档
├── config.example.env          # 配置文件示例
├── static/                     # 前端静态文件
│   ├── index.html              # 主页面
│   ├── style.css               # 样式文件
│   └── app.js                  # 前端JavaScript逻辑
└── SHUISHAN-CLAD/              # 教学行为数据目录（课程数据JSON文件）

pip install -r requirements.txt

确保 SHUISHAN-CLAD 目录中包含教学行为数据的JSON文件。

项目默认使用基于规则的问答系统。如需使用大语言模型，请配置ECNU开发者平台API：

1. 复制配置文件：

   copy config.example.env .env
   

   (Linux/Mac: cp config.example.env .env)

2. 编辑 .env 文件，填入ECNU API配置：

   LLM_TYPE=ecnu
   OPENAI_BASE_URL=https://chat.ecnu.edu.cn/open/api/v1
   OPENAI_API_KEY=sk-your-ecnu-api-key-here
   ECNU_MODEL=educhat-r1
   

3. 安装 openai 库（ECNU API使用OpenAI兼容接口）：

   pip install openai
   

获取ECNU API Key: 访问 https://developer.ecnu.edu.cn 获取开发者平台API密钥

python run.py

该脚本会自动检查依赖和数据目录，然后启动服务。

python app.py

服务将在 http://localhost:5000 启动。

在浏览器中打开 http://localhost:5000 即可使用。

• 浏览所有课程列表
• 按分类筛选课程（AI、编程、数据、系统等）
• 搜索课程
• 查看课程详细信息

• 学习路径分析: 分析学生的学习路径和访问顺序，识别常见学习模式，提供详细的分析报告
• 学生表现分析: 分析学生的视频观看时长、作业提交、考试成绩、出勤率等，生成综合性评估
• 资源使用分析: 分析学习资源的使用情况和受欢迎程度，识别热门资源和冷门资源

支持自然语言查询，例如：

• "这门课程有多少学生？"
• "第1周有哪些学习内容？"
• "最受欢迎的资源是什么？"
• "视频观看情况如何？"
• "哪些章节更受欢迎？"
• "学生的学习路径是怎样的？"
• "学生的整体表现如何？"

LLM支持:

• rule (默认): 基于规则的问题理解和回答
• ecnu: 华东师范大学开发者平台API（推荐用于教学场景）

• GET /api/courses - 获取所有课程列表
• GET /api/course/<course_id> - 获取课程详细信息

• POST /api/course/<course_id>/chat - AI问答

  {
    "question": "问题内容"
  }
  

• POST /api/analyze/learning-path - 分析学习路径

  {
    "course_id": "课程ID"
  }
  

• POST /api/analyze/student-performance - 分析学生表现
• POST /api/analyze/resource-usage - 分析资源使用情况

• 后端: Flask + Python
• 前端: HTML5 + CSS3 + JavaScript
• 数据处理: JSON处理、数据分析和统计
• AI服务:
  • 基于规则的问答系统（默认）
  • ECNU开发者平台API（可选，推荐）

在 .env 文件中设置 LLM_TYPE：

• rule: 基于规则的问答（默认，无需API密钥）
• ecnu: 华东师范大学开发者平台API（推荐）

LLM_TYPE=ecnu
OPENAI_BASE_URL=https://chat.ecnu.edu.cn/open/api/v1
OPENAI_API_KEY=sk-your-ecnu-api-key-here
ECNU_MODEL=educhat-r1

推荐的ECNU模型：

• educhat-r1 - 教育大模型（推荐用于教学场景）
• ecnu-max - 最强的通用推理模型
• ecnu-plus - 通用的推理能力
• ecnu-turbo - 推理速度优化

详细文档: https://developer.ecnu.edu.cn/vitepress/llm/model.html

1. 读取原始JSON数据文件
2. 提取课程信息、资源信息、学生行为数据
3. 进行数据清洗和统计分析
4. 为AI问答提供结构化的知识库

• 规则模式: 通过关键词匹配和规则逻辑回答问题
• ECNU API模式: 将课程数据格式化为上下文，调用ECNU开发者平台API进行深度分析

• Flask - Web框架
• flask-cors - 跨域支持
• python-dotenv - 环境变量管理

• openai - ECNU API支持（ECNU API使用OpenAI兼容接口）

A: 在 .env 文件中修改 LLM_TYPE 的值，重启服务即可。

A: 当前支持从 SHUISHAN-CLAD 目录读取JSON格式的教学行为数据。

A: 选择课程后，点击"智能分析"选项卡，可以分别进行学习路径分析、学生表现分析和资源使用分析，每个分析都会生成详细的分析报告。

本项目仅供学习和研究使用。

华东师范大学数据学院