來源：電影胡侃 釋出時間：2024-04-17 12:14

大模型正在加速與各行各業的融合，其中，在線上教育領域，大模型的加持或許可以解決批次生產題目以及最佳化題目質量的難點。一起來看看本文的分享。

在線上教育領域，大模型的應用場景非常豐富。這些場景在大模型加持後，可以極大提高相關工作崗位的工作效率，提升使用者體驗和滿意度。筆者做為具有20年線上教育從業經驗的產品經理，與同行簡要分享，歡迎批評指正。

一、核心矛盾

做過線上教育運營的夥伴都會遇到類似的情況，尤其是在考證培訓領域，與課程配套的訓練題目數量不足。為課程出配套習題的工作是腦力勞動和體力勞動雙密集的工作，能勝任出題這項工作任務的人員幾乎都是老師或專業人員，對行業知識儲備要求非常高，並且對出題技巧也有相當高的要求，所以在專案運營費用上，生產題目的費用在整體專案費用中佔比相對較高。

另一方面，在現階段商業環境和網路環境下，優質原創題目被友商參考的成本極低。因此產生核心矛盾是，學員對優質題目需求日益增加，而行業從業者生產題目動力不足。

充分利用大模型的學習、推理、自然語言處理等能力，可以解決以上矛盾。

二、先做個試驗

我們先做一個實驗，如下是3個初級會計職稱考試的題目：

我們將這3個題目做為學習內容，讓大模型工具學習，並給出複製相似題目的指令，如下圖：

大模型工具回答的結果相當的驚豔，結果如下：

從這個實驗可以看出，在筆者未提供其他學習資料（例如課程講義、相關法規、會計準則等）的情況下當今國內大模型（實驗中應用的大模型為國內著名廠商並且有云API可用）完全可以勝任該工作，並且質量優良。

三、大模型生產題目產品簡述

回到我們討論的出題場景，作為產品經理，我們可以設計這樣一個產品，解決批次生產題目以及最佳化題目質量的產品，思路如下：

1）利用開源專案自建私有化大語言模型或者使用雲服務的AI能力，使用課程相關的學習資料、講義、法規、題目等資料對大模型進行持續學習和訓練。由於講義等學習資料都是隨著課程進展製作和上傳，因此大模型的學習可以與課程管理系統進行聯動，每當上傳講義的時，同時都發送給大模型進行同步學習。

2）利用現有題庫中的習題作為模版和校驗依據，設計一系列提示詞，由大模型批次生產題目。

場景有兩種，第一種是批次生產入庫，由專業老師進行稽核後投入生產使用。第二種是在特定產品場景下實時生成題目，例如在聽課過程中的實時效果檢測，兩種場景都可以在產品中應用。

上述實驗中使用的方式是相似複製模式，除此之外，利用大模型的特性，還有多中生產題目的模式可供嘗試。透過大模型的能力，可以生產足夠數量的題目供客戶在不同場景下使用。設計大模型生產題目的指令需要進行重點研發，才能控制AI生成符合知識範圍、題目要求、考察難度的題目。

3）同步開展AI題目的質量檢測。由於大模型訓練、微調等因素，AI生產的瑕疵題目用於生產將會對使用者體驗產生傷害， 因此需要設計完整的質量檢測體系。

例如，AI生產的題目可以透過另外一個模型進行校驗；用於重要場景（例如模擬考試）的題目需要經過人工稽核等等。

設立後置檢測環節，透過使用者對題目的解答正確率分佈，判斷題目是否合理，是否超出範圍。

四、混合使用AI題目和傳統題目的策略

如何平衡AI生成題目的創新性與傳統題目的穩定性，以下一些策略，可以幫助實現這種平衡：

1. 混合型題目生成

在生成題目時，可以採用一種混合型方法，即結合傳統題目的穩定性和AI生成題目的創新性。例如，可以設計一部分題目基於傳統、經過驗證的題型和知識點，而另一部分題目則由AI生成，以引入新的視角和創新元素。

2. AI生成題目的初步篩選

在AI生成題目後，可以透過演算法對題目進行初步篩選，排除那些可能偏離教授教養目標或不符合教育標準的題目。這樣可以確保題目的穩定性，同時留存具有創新性的題目。

3. 人工稽核與反饋

AI生成的題目應經過專業人員的稽核，以確保其符合教育標準和考試要求。同時，可以透過收集使用者反饋，瞭解哪些題目更具創新性且受到學生歡迎，哪些題目需要改進或調整。

4. 迭代最佳化

AI模型可以透過持續學習和迭代最佳化來提高其生成題目的質量。透過分析學生解題的資料和反饋，模型可以逐漸調整，以生成更加符合教授教養目標和學生需求的題目。

5. 創新性題目的分類和標籤

為AI生成的題目設定不同的分類和標籤，如“創新性”、“傳統性”等，這樣教師和學生可以根據需要選擇適合的題目。同時，這也有助於追蹤和評估創新性題目的實際效果。

6. 動態平衡機制

建立一個動態平衡機制，根據學生的反饋和學習成果，調整創新性題目與傳統題目的比例。例如，如果資料顯示學生對某些創新性題目的掌握程度較高，可以適當增加這類題目的比例。

7. 教學實驗和研究

透過教學實驗和研究來評估AI生成題目的創新性和穩定性。這可以幫助教育者更好地理解AI生成題目的實際效果，並據此調整教學策略和題目生成的方法。

五、後記

線上教育行業，存在大量類似“出題”這種體力勞動和腦力勞動雙密集的場景，也恰恰是大模型擅長的領域，充分利用大模型的AI能力，可以極大提高行業生產力，從而提高教學效果和學生的學習體驗。

當然大模型應用也給產品經理帶來了全新的跳戰，產品經理需要學習大模型的技術原理，充分了解大模型的能力，才能更好地設計出有大模型加持的產品。

本文由 @李雨田 原創釋出於人人都是產品經理。未經作者許可，禁止轉載。

題圖來自Unsplash，基於CC0協議。

該文觀點僅代表作者本人，人人都是產品經理平臺僅提供資訊儲存空間服務。

大模型正在加速與各行各業的融合，其中，在線上教育領域，大模型的加持或許可以解決批次生產題目以及最佳化題目質量的難點。一起來看看本文的分享。

在線上教育領域，大模型的應用場景非常豐富。這些場景在大模型加持後，可以極大提高相關工作崗位的工作效率，提升使用者體驗和滿意度。筆者做為具有20年線上教育從業經驗的產品經理，與同行簡要分享，歡迎批評指正。

一、核心矛盾

做過線上教育運營的夥伴都會遇到類似的情況，尤其是在考證培訓領域，與課程配套的訓練題目數量不足。為課程出配套習題的工作是腦力勞動和體力勞動雙密集的工作，能勝任出題這項工作任務的人員幾乎都是老師或專業人員，對行業知識儲備要求非常高，並且對出題技巧也有相當高的要求，所以在專案運營費用上，生產題目的費用在整體專案費用中佔比相對較高。

另一方面，在現階段商業環境和網路環境下，優質原創題目被友商參考的成本極低。因此產生核心矛盾是，學員對優質題目需求日益增加，而行業從業者生產題目動力不足。

充分利用大模型的學習、推理、自然語言處理等能力，可以解決以上矛盾。

二、先做個試驗

我們先做一個實驗，如下是3個初級會計職稱考試的題目：