2025年2月21日，海南師范大學(xué)DeepSeek-R1（671B）“滿血版” 本地服務(wù)重磅上線，成為海南省首家上線滿血版DeepSeek的高校，也是全國首批“滿血版”DeepSeek本地化部署的高校。上線至4月1日，DeepSeek累計回答師生問題11276條。為進(jìn)一步深度挖掘師生對AI服務(wù)的關(guān)切點，通過對這些數(shù)據(jù)的時間、關(guān)鍵詞、用戶行為和語言內(nèi)容等進(jìn)行分析，以期掌握學(xué)生的提問行為模式、關(guān)注焦點與個性化需求。
高頻詞分析
高頻詞統(tǒng)計能夠直觀反映師生在提問中關(guān)注的主題與領(lǐng)域。本分析對所有文本首先進(jìn)行分詞處理和詞頻統(tǒng)計，結(jié)合matplotlib和wordcloud等可視化工具，繪制關(guān)鍵詞的詞表和詞云圖，直觀展示師生在平臺上討論最頻繁的話題。
圖1 師生提問的高頻詞詞云圖
從圖1高頻詞分布來看，師生最常提及的詞語為“研究”，出現(xiàn)頻率高達(dá)3603次，表明科研與項目類問題在整個平臺中占據(jù)核心地位。其次，“文化”和“發(fā)展”分別出現(xiàn)2426次和1708次，也具有較高熱度，說明師生對社會文化、非遺傳承等主題有著較高的關(guān)注度。“海南”一詞頻次達(dá)到1624次，體現(xiàn)出地域?qū)傩栽趲熒釂栔械膹V泛滲透。除此之外，“教學(xué)”“教育”“設(shè)計”“理論”、“技術(shù)”“中國”“內(nèi)容”“學(xué)習(xí)”“社會”等高頻詞，也反映出師生主要聚焦于學(xué)術(shù)研究、專業(yè)發(fā)展、課程教學(xué)等方面，具有明顯的學(xué)習(xí)導(dǎo)向和專業(yè)導(dǎo)向特征。
詞云圖進(jìn)一步強化了上述觀察。詞云圖通過詞頻可視化，將高頻關(guān)鍵詞以字體大小和色彩分布的形式展現(xiàn)出來。圖中“研究”“教學(xué)”“發(fā)展”“師生”“海南”“教育”等詞匯字體明顯突出，再次驗證其在整體數(shù)據(jù)中的高出現(xiàn)頻率。圖中還出現(xiàn)了如“非遺”“旅游”“對話”“分析”“方法”“項目”“模型”“中國”等具有本地要素或?qū)I(yè)術(shù)語色彩的詞匯，說明師生關(guān)心本地區(qū)域文化、知識學(xué)習(xí)和科研研究等內(nèi)容。
對關(guān)鍵詞頻率分析不僅揭示了師生在使用平臺過程中的主要關(guān)注點，還表明他們的提問呈現(xiàn)出多元化、實踐化、地域化的特征。相關(guān)教育部門與教學(xué)管理人員可據(jù)此進(jìn)一步優(yōu)化內(nèi)容資源推薦、提升答疑系統(tǒng)精準(zhǔn)度，推動學(xué)術(shù)服務(wù)的智能化與個性化水平。
關(guān)鍵詞趨勢分析
詞表詞頻反映了師生當(dāng)前的關(guān)切點。為了直觀感受師生關(guān)注的趨勢變化，進(jìn)一步將時間戳與內(nèi)容數(shù)據(jù)進(jìn)行關(guān)聯(lián)。通過關(guān)鍵詞匹配，提取師生關(guān)切的“教育”“研究”“發(fā)展”“文化”“海南”等關(guān)鍵詞，按天統(tǒng)計各關(guān)鍵詞的提及次數(shù)，并使用pandas和matplotlib工具完成折線圖的繪制。圖2展示了師生提問的高頻關(guān)鍵詞在每日變化趨勢。可以看出，“教育”與“研究”這兩個關(guān)鍵詞，在整個時間段內(nèi)始終處于較高關(guān)注度，表明師生在這一階段對學(xué)術(shù)發(fā)展、教育資源或研究方向存在集中提問或討論需求。而“論文”一詞的波動較為平穩(wěn)，但在3月上旬有一次明顯增長，可能與臨近某個科研活動或者論文提交等研究計劃相關(guān)。
圖2 關(guān)鍵詞的時間變化趨勢
同時，“文化”和“交流”這兩個關(guān)鍵詞雖然整體提及頻率不如“教育”與“研究”高，但其曲線走勢相對穩(wěn)定，說明在師生的學(xué)習(xí)過程中，文化背景和交流互動是一個持續(xù)關(guān)注的話題。
綜合來看，關(guān)鍵詞的時間變化體現(xiàn)出師生關(guān)注趨勢，其中“教育”“研究”“論文”等是關(guān)注核心，而“文化”“交流”則表現(xiàn)出更具人文或交往屬性的精神維度。
提問時間分布
師生提問的時間分布研究，一方面可以根據(jù)時間適當(dāng)調(diào)整算力分配策略，另一方面可以更有針對性地及時回復(fù)師生關(guān)切問題。以小時為單位進(jìn)行分析，從表1可以看出，師生在10點至23點之間較為活躍，尤其是15點至17點期間提問量達(dá)到高峰。這反映出師生的提問時間與課余時間安排密切相關(guān)，晚間提問頻次的增加也說明部分學(xué)術(shù)討論學(xué)習(xí)可能集中在非上課時間。
表1 師生提問時間分布表
關(guān)鍵詞共現(xiàn)分析
師生關(guān)切的關(guān)鍵詞明顯呈多元化，其中本地文化是師生持續(xù)的關(guān)注點之一。以“海南”為中心詞，使用networkx構(gòu)建了一個高頻共現(xiàn)詞的網(wǎng)絡(luò)關(guān)系圖，用于揭示師生關(guān)注“海南”時關(guān)聯(lián)的核心話題。網(wǎng)絡(luò)關(guān)系圖以關(guān)鍵詞作為中心節(jié)點，將共現(xiàn)詞作為連接節(jié)點邊的粗細(xì)表示共現(xiàn)頻率，邊權(quán)越大，表示共現(xiàn)越頻繁。
在“海南”這一核心關(guān)鍵詞的共現(xiàn)網(wǎng)絡(luò)圖中，可以明顯看出它與多個語義關(guān)聯(lián)緊密的關(guān)鍵詞構(gòu)成了豐富的主題網(wǎng)絡(luò)。較為突出的共現(xiàn)詞包括“文化”“建設(shè)”“旅游”“教育”“研究”“自貿(mào)港”“師大”“熱帶雨林”等，顯示出用戶對“海南”在文化傳承、生態(tài)資源、教育發(fā)展及政策戰(zhàn)略等方面表現(xiàn)出高度關(guān)注。
例如，“自貿(mào)港”體現(xiàn)了師生對國家戰(zhàn)略背景下海南發(fā)展的敏感性，社會熱點及區(qū)域發(fā)展等。而“文創(chuàng)”“熱帶雨林”“傳統(tǒng)” 等詞，則突出了本地自然與文化資源的重要位置。
值得注意的是，一些更具地方特色的關(guān)鍵詞如“老爸”“長臂猿”也出現(xiàn)在網(wǎng)絡(luò)圖中。其中“老爸”應(yīng)理解為“老爸茶”文化的簡稱，這是海南極具代表性的地域性生活方式和文化符號。此外，“背景”“生態(tài)”“學(xué)院”“生活”等詞語，進(jìn)一步揭示了師生們提問內(nèi)容的多元性和地方性。
通用性與個性化問題分析
通用性問題
通用性問題則是指重復(fù)頻率較高、內(nèi)容通用的問題。詢問8次以上的通用性問題分布見表2。師生提問主要是向Deepseek求助，其中接入性問候居多，體現(xiàn)了人與機器之間沒有強烈的距離感，體現(xiàn)了智能機器的人性化和廣大師生的普遍接納心理。第二類問題是希望對deepseek進(jìn)一步了解，反映了廣大師生們對AI應(yīng)用的進(jìn)一步深入探索。第三類問題是希望增進(jìn)對校園的了解， 表明師生的母校感情和關(guān)心。
表2 詢問8次以上的通用問題列表
個性化問題
為更深入了解師生提問的關(guān)注點，采用LDA（Latent Dirichlet Allocation）主題建模方法，對師生提出的個性化問題文本進(jìn)行無監(jiān)督主題識別。LDA模型能夠從大規(guī)模文本中學(xué)習(xí)出“詞—主題”和“主題—文檔”之間的潛在概率關(guān)系，從而提取出每個主題所代表的核心關(guān)鍵詞，進(jìn)而幫助學(xué)校進(jìn)一步理解師生關(guān)心的主要話題。通過分析師生提出的所有問題文本，自動聚類出了三個主要話題。每個主題由一組高概率的關(guān)鍵詞構(gòu)成，反映出師生提問內(nèi)容的核心語義特征。
教育發(fā)展類主題。關(guān)鍵詞如“傳統(tǒng)、社會、技術(shù)、理論、教育、研究、發(fā)展、海南、文化”等，體現(xiàn)了師生對教育政策、社會進(jìn)步與區(qū)域發(fā)展的關(guān)注，整體問題內(nèi)容具有師范類大學(xué)的宏觀視角。
社會文化類主題。關(guān)鍵詞包括“報道、文化、新聞、南海、文創(chuàng)、孩子、父母、海洋、研究”等，涵蓋社會現(xiàn)實、家庭關(guān)系與地方文化，說明師生普遍關(guān)注社會熱點與文化傳播相關(guān)議題。
學(xué)習(xí)科研類主題。高頻詞匯如“論文、內(nèi)容、教師、對話、師生、學(xué)習(xí)、教學(xué)、分析”等，聚焦學(xué)術(shù)寫作、課堂交流與學(xué)習(xí)過程，反映了師生在學(xué)習(xí)與科研實踐中的具體需求。
從LDA主題建模結(jié)果來看，“教育發(fā)展類”問題數(shù)量最多，占總問題數(shù)的55.2%，關(guān)鍵詞集中在“學(xué)習(xí)”“教學(xué)”“論文”“教師”等，這表明師生在平臺上的提問多數(shù)聚焦于課程內(nèi)容理解、學(xué)術(shù)規(guī)范探討與論文寫作相關(guān)內(nèi)容，體現(xiàn)出平臺在輔助教學(xué)和學(xué)術(shù)交流方面的重要作用，也凸顯了師生對學(xué)術(shù)提升和專業(yè)能力訓(xùn)練的高度重視。
“社會文化類”與“學(xué)習(xí)科研類”問題分別占比28.5%和16.4%。前者主要涉及社會熱點、文化傳播與個人經(jīng)驗等主題，顯示師生對于公共話題具有一定的關(guān)注和表達(dá)欲望。后者則更偏向具體論文分析和對學(xué)習(xí)方法的關(guān)注，可能反映出師生在學(xué)習(xí)路徑中對案例分析與教學(xué)實踐的探索需求。
問題回答分析
情感分析
為更客觀了解AI助手的回答質(zhì)量，對Deepseek回答的文本進(jìn)行情緒分析，從而間接分析用戶對AI的滿意度。采用基于RoBERTa架構(gòu)的中文預(yù)訓(xùn)練模型，通過構(gòu)建文本數(shù)據(jù)集并使用批量推理方式，獲取AI助手每條回答的正向情緒得分，得分越接近1代表情緒越積極，結(jié)合Seaborn進(jìn)行分布可視化，反映AI回應(yīng)的整體情緒傾向。
圖3 Deepseek回答的情感分布
從圖3中可以看出，AI助手生成的回答整體情緒傾向積極，情緒得分集中分布在0.85至1.0區(qū)間，尤其在0.9以上頻次最高。這說明AI助手在回應(yīng)用戶問題時，整體語氣積極、語態(tài)正面，有助于提升用戶的接受度與滿意度。說明系統(tǒng)在絕大多數(shù)情境下能夠保持情緒穩(wěn)定與表達(dá)友好，負(fù)面表達(dá)或偏冷情緒非常少，符合教育服務(wù)類AI系統(tǒng)的人機溝通需求。
高頻詞與語言風(fēng)格
AI回答本身并沒有情感傾向，更多是用戶對AI回答的感官體驗。因此，挖掘AI的語言表達(dá)方式也具有積極的現(xiàn)實意義。繼續(xù)利用WordCloud詞云庫生成可視化圖像，將關(guān)鍵詞出現(xiàn)頻率映射為字體大小，輔助理解系統(tǒng)回答中關(guān)注的核心詞匯與語言風(fēng)格。
圖4 Deepseek回答高頻詞（去停用詞）詞云
從圖4詞云圖可以看出，系統(tǒng)回答中出現(xiàn)頻率較高的關(guān)鍵詞包括“需要”“可能”“用戶”“希望”“提供”“通達(dá)”等，這些詞匯反映出AI助手在回應(yīng)用戶問題時，傾向使用委婉、推測性和服務(wù)導(dǎo)向的語言風(fēng)格。例如，“需要”“希望”體現(xiàn)出對用戶需求的重視，而“可能”“或者”則體現(xiàn)出謹(jǐn)慎表達(dá)和靈活判斷。這種語言風(fēng)格既具備服務(wù)意識，也符合教育場景中語言表達(dá)的溫和、鼓勵性特點，有助于增強用戶的接受度與信任感。
回答長度統(tǒng)計
對AI每條回答的詞數(shù)（Token數(shù)量）進(jìn)行統(tǒng)計，可以反映模型在內(nèi)容生成時是否具備長文理解與生成能力，從而判斷其回答是否滿足不同復(fù)雜度問題的需求。
大部分AI助手的回答集中在500詞以內(nèi)，說明AI助手在處理日常問答時傾向于簡潔、直接地給出回應(yīng)。同時也存在部分回答超過1000詞，甚至延伸至3000詞以上，反映出系統(tǒng)在面對復(fù)雜問題時具備較強的信息組織和擴展能力。整體上，回答長度呈右偏分布，說明模型能根據(jù)問題復(fù)雜程度動態(tài)調(diào)整生成長度，具有良好的應(yīng)答適配性。
結(jié)構(gòu)性分析
結(jié)構(gòu)性分析采用基于規(guī)則的文本特征識別方法，判斷每條回答是否存在段落結(jié)構(gòu)（如換行符、分點表達(dá)）與總結(jié)性語言（如“綜上所述”“因此可見”等）。統(tǒng)計具備這兩項特征的回答比例。分析表明，大約78%的回答具備段落結(jié)構(gòu)，說明AI助手在多數(shù)回復(fù)中能較好地使用換行和層次組織內(nèi)容，增強了文本的可讀性。然而，僅有約43%的回答包含總結(jié)性語句，表明系統(tǒng)在提供全面內(nèi)容時仍有提升空間，尤其在回答結(jié)尾處形成邏輯閉環(huán)的能力上尚不穩(wěn)定，也可能較簡易的問題就不需要累贅做總結(jié)。
從上述分析可以看出，師生使用平臺提問活躍度較高，尤其關(guān)注海南相關(guān)話題、學(xué)術(shù)研究、師生、教育等具體內(nèi)容，體現(xiàn)出學(xué)業(yè)發(fā)展與區(qū)域特色相結(jié)合的關(guān)切點。此外，通用性問題占比較小，平臺對個性化需求的支持顯得尤為重要。另外，AI助手的回答在情感表達(dá)、語言組織、長度控制等方面表現(xiàn)出較高水準(zhǔn)，能夠提供良好的用戶交互體驗。積極情緒占比顯著，回答內(nèi)容以問題解決為導(dǎo)向，整體具備邏輯清晰、實用性強的特點。但也存在如總結(jié)語句不足、個別情緒偏弱等可優(yōu)化空間。建議未來結(jié)合用戶提問意圖，進(jìn)行分場景的內(nèi)容結(jié)構(gòu)調(diào)整，引入總結(jié)模板與人性化表達(dá)機制，以進(jìn)一步提升平臺問答質(zhì)量與服務(wù)精準(zhǔn)度。
海南省高等學(xué)校教育教學(xué)改革研究項目（Hnjg2024ZD-19），海南省自然科學(xué)基金項目（625MS081），產(chǎn)學(xué)合作協(xié)同育人項目（CX2014141）
來源：《中國教育網(wǎng)絡(luò)》2025年4月刊
作者：曹均闊1 吳宇欣1 汪上晉進(jìn)1 陳國蓮2（作者單位1為海南師范大學(xué)信息科學(xué)技術(shù)學(xué)院；2為海南師范大學(xué)國有資產(chǎn)管理處）
責(zé)編：陳榮
