程序聚合 软件案例 校本题库平台管理后台

校本题库平台管理后台

行业:在线教育
载体:网站
技术:Node.js、SQL、UniApp、Vue

业务和功能介绍

一)功能模块与使用者价值

本项目是一款面向学校教研组与教师的校本题库平台管理后台,核心目标是将学校日常教学中的试题资源进行数字化管理,并打通“出题—组卷—批改—数据分析”全链路。对于教师使用者,平台提供以下核心功能:

题库管理模块:支持手动新建试题或批量导入(Excel/Word),题库可按学科、来源、状态(启用/归档)进行筛选与检索,同时支持编辑、归档、删除等操作,方便教师分类沉淀校本资源。
知识点体系模块:按学科→年级维度维护多棵知识树(如“数学·七年级知识树”),每棵树下可增删改知识点,并自动统计各知识点的关联试题数、平均掌握度,支撑后续智能出题与薄弱点精准匹配。
智能组卷模块(菜单项,截图未展开):基于知识树与题库试题,可自动或半自动生成试卷,帮助教师高效完成单元测、期中/期末复习卷的编制。
非客观题批改管理:针对学生以拍照/上传图片提交的主观题作答(如简答、作文),教师可在图片上圈画、批注,并对照预设的采分点逐项评分,最终给出总分与评语;批改完成后学生端实时可见反馈。系统还提供待批改队列、待批试卷统计、24小时批改率等数据,助力教师把握工作进度。
数据与运营模块(菜单项):包括学业数据分析、用户与班级管理,帮助教师或教研组长追踪班级整体掌握情况,识别共性问题。
(二)主要功能路径

题库管理路径:左侧菜单“题库与出题”→“题库管理” → 搜索/筛选题库 → 点击“进入”查看详情 → 可进行编辑、归档或新增试题。
知识树维护路径:菜单“知识点体系” → 选择学科年级(如数学·七年级)→ 点击“查看详情”进入知识树详情页 → 对下属知识点进行增删改操作,同时查看关联试题数与掌握度。
批改工作路径:菜单“批改管理”→“非客观题批改” → 在“待批改队列”中点击某位学生(如王同学)→ 进入作答详情页 → 查看题目、学生提交的图片及标准采分点 → 逐项打分并填写评语 → 提交批改,状态流转为“已批改”,学生端同步更新。

项目实现

一)角色参与与个人职责

本项目团队共 1 名产品经理 + 2 名前端开发 + 2 名后端开发 + 1 名测试 + 1 名运维,整体开发周期为 6 周(含需求评审、UI设计、开发联调、测试压测)。
“我”作为 前端开发主力,承担如下任务:

负责题库管理、知识点体系、批改管理三个核心模块的页面开发,包含复杂表格交互、知识树可编辑组件、图片批注画布等前端交互实现;
封装通用上传组件(支持Excel/Word批量导入)、筛选搜索组件,并统一管理全局状态(用户权限、当前学科年级上下文);
与后端协作设计接口数据结构(如知识树的嵌套树形结构、批改的采分点与评分JSON格式),推动前后端联调及异常边界处理;
优化知识树在大数据量下的渲染性能(虚拟滚动),以及批改图片在低网速下的渐进加载策略。
(二)技术栈、架构与实现亮点

技术栈:后台管理端采用 React + TypeScript + Ant Design Pro 搭建,状态管理使用 Zustand 搭配 React Query 进行服务端数据缓存;后端采用 Java Spring Boot 提供 RESTful API,数据库选用 MySQL,缓存与分布式锁使用 Redis;文件存储对接 阿里云 OSS 用于存放学生上传的图片。
架构亮点:

知识树可扩展存储:采用 邻接表 + 路径枚举 混合模式存储树形结构,既保证增删改的灵活性,又通过冗余路径字段加速子树查询,使知识树加载速度提升 50%。
批改图片标注交互:前端基于 Fabric.js 实现画布批注,支持教师绘制矩形、圆圈、自由线条,并将批注坐标与分数点 JSON 化存储,后端保留原始图片与批注数据分离,便于撤回与重新批改。
批量导入的鲁棒性:使用 Apache POI 解析 Excel/Word 文档,配合异步任务队列(RabbitMQ)处理大文件导入,避免阻塞主流程;同

示例图片视频


山西誉鑫人工智能科技有限公司
5天前活跃
交付率:100.00%
相似推荐
万能水印相机打卡
本项目为外勤工作场景打造的水印相机工具,旨在解决传统照片无时间、地点、人员信息,导致考勤、工程验收、巡检记录无法溯源、易篡改的问题。 业务背景覆盖建筑施工、物业巡检、物流配送、环卫检查、外勤打卡等行业,用户需要快速拍摄带可篡改水印的现场照片,作为工作留痕与合规凭证,提升管理效率与数据可信度。
直播平台-嗨播谷
一站式短视频生态APP全部开发完成,集内容浏览、视频创作、直播带货、流量分润于一体。完善创作者激励、商家入驻、订单交易系统,适配多端流畅运行,依托智能分发机制高效引流,为个人创作者与商家提供完整流量变现渠道。
Go+FFmpeg 抖音财经股票指标视频自动化生成系统
一、项目简介 本人自1993年接触证券市场,2004年尝试用PHP开发自动化指标筛选程序,因并发性能限制,批量数据运算耗时过长。2015年转向Go语言,依托原生并发模型,将运算耗时由半小时优化至1分钟内,期间对比Python、Julia等语言后,最终选定Go为主力开发语言。 2025年启动本项目:基于自研股票指标函数体系,搭建财经短视频自动化流水线,将量化指标可视化内容批量生成视频并适配抖音平台分发标准。 技术迭代上,初期采用fogleman/gg生成PNG图片序列,再由FFmpeg合成视频。经持续优化,现绝大部分素材渲染直接交由FFmpeg完成,仅在FFmpeg耗时过高、分辨率无法满足需求时,回退使用GG生成静态图片。整套系统已实现数据解析、图表渲染、视频合成一站式自动化。 二、业务功能 批量指标运算:批量读取量化数据,自动运算生成股票指标信号。 数据可视化渲染:支持FFmpeg滤镜实时绘图,兼容GG静态PNG绘图兜底方案。 短视频自动合成:按平台规范自动合成视频,适配抖音等主流短视频平台分辨率与码率要求。 全流程自动化调度:从数据到视频全链路自动化,支持持续产出可视化素材。 智能渲染链路切换:根据耗时、画质需求,自动选择最优渲染方案(FFmpeg主链路/GG兜底)。 三、技术栈 Go、FFmpeg、fogleman/gg、股票量化接口、自动化调度脚本
基于多模态与大模型的短视频智能分析 Agent 系统
针对短视频平台内容爆炸式增长带来的推荐精准度不足、用户理解粗粒度等问题,设计并实现一个融合多模态理解与大语言模型决策能力的智能 Agent 系统,实现视频内容自动分类与动态用户画像构建,支撑个性化推荐、广告投放与内容治理等核心业务。 技术栈:Python, YOLOv8, Whisper, Qwen-VL, LangChain, Kafka, Flink, Milvus, Neo4j, FastAPI, Docker, Kubernetes
触发式自动讲解系统-循位智讲
场景触发式讲解系统是一款面向线下实体场景的自动语音导览应用。它通过持续追踪移动设备的 GPS 位置,在设备靠近预设的讲解点位时自动播放对应的语音讲解音频,无需人工干预,实现"人走到哪里,讲解跟到哪里"的沉浸式导览体验。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服