AISSA: Implementation and Deployment of an AI-based Student Slides Analysis tool for Academic Presentations

📄 arXiv: 2605.04729v1 📥 PDF

作者: Alvaro Becerra, Diego Gomez, Ruth Cobos

分类: cs.HC, cs.AI, cs.SE

发布日期: 2026-05-06

备注: Accepted in LASI Spain 26: Learning Analytics Summer Institute Spain 2026

💡 一句话要点

AISSA：基于AI的学生幻灯片分析工具，用于提升学术报告质量

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 幻灯片分析 大型语言模型 学习分析 自动反馈 教育技术

📋 核心要点

  1. 在高等教育中，尤其是在大型课堂上，及时提供关于口头报告幻灯片的可操作反馈具有挑战性，教师难以在学生展示前提供详细的形成性反馈。
  2. AISSA系统利用大型语言模型和学习分析仪表板，根据教师定义的评价标准，自动为学生提供幻灯片的量化评分和定性反馈。
  3. 在包含46名本科生的试点部署中，AISSA表现出技术可靠性和经济可行性，并被学生认为有助于改进幻灯片。

📝 摘要（中文）

本文介绍了一种名为AISSA（基于AI的学生幻灯片分析工具）的Web系统，该系统结合了大型语言模型（LLM）和学习分析仪表板，旨在为演示幻灯片提供可扩展的、基于评价标准的反馈。AISSA允许学生在口头报告之前上传幻灯片，并自动接收基于教师定义的评价标准的量化分数和定性反馈。该系统分析幻灯片级别的特征和内容，通过LLM（ChatGPT 5.2）生成结构化反馈，并通过交互式仪表板向学生和教师展示结果。我们在真实的学术环境中对46名本科生进行了试点部署测试。结果表明，AISSA在技术上是可靠的，在经济上是可行的，并且被学生认为对迭代改进幻灯片是有用的。这些发现表明，将基于LLM的分析与学习分析仪表板相结合，是一种有前景的方法，可以大规模地支持演示幻灯片的形成性反馈。

🔬 方法详解

问题定义：现有方法难以在大班教学中为学生提供及时、详细的幻灯片反馈，教师负担过重。学生缺乏有效的工具来迭代改进幻灯片，导致演示质量参差不齐。

核心思路：利用大型语言模型（LLM）的自然语言处理能力，自动分析幻灯片的内容和结构，并根据预定义的评价标准生成反馈。结合学习分析仪表板，为学生和教师提供可视化的反馈结果，促进迭代改进。

技术框架：AISSA系统是一个Web应用，包含以下主要模块：1) 幻灯片上传模块：学生上传幻灯片文件。2) 幻灯片分析模块：提取幻灯片特征（如文本、图像、布局）并分析内容。3) LLM反馈生成模块：使用ChatGPT 5.2根据评价标准和幻灯片分析结果生成结构化反馈。4) 学习分析仪表板：以可视化方式展示反馈结果，供学生和教师查看。

关键创新：将LLM应用于幻灯片分析和反馈生成，实现自动化、可扩展的幻灯片评估。结合学习分析仪表板，提供个性化的反馈和迭代改进建议。

关键设计：系统使用ChatGPT 5.2作为LLM引擎，并针对幻灯片分析任务进行了优化。评价标准由教师自定义，以适应不同的课程和学习目标。学习分析仪表板的设计注重用户友好性，方便学生理解反馈并进行改进。具体参数设置和损失函数等技术细节未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

AISSA系统在包含46名本科生的试点部署中表现出技术可靠性和经济可行性。学生普遍认为该系统对迭代改进幻灯片是有用的。具体性能数据未知，但结果表明，将LLM与学习分析仪表板结合，是一种有前景的幻灯片反馈方法。

🎯 应用场景

AISSA系统可应用于高等教育、企业培训等场景，帮助学生和员工提升演示技能。通过自动化幻灯片评估和反馈，减轻教师和培训师的负担，提高教学和培训效率。未来可扩展到其他类型的文档分析和反馈，例如论文、报告等。

📄 摘要（原文）

Providing timely and actionable feedback on oral presentation slides is challenging in higher education, particularly in large classes where teachers cannot realistically deliver detailed formative feedback before students present. This paper introduces AISSA (AI-based Student Slides Analysis tool), a web-based system that combines large language models (LLMs) and Learning Analytics dashboards to support scalable, rubric-based feedback on presentation slides. AISSA allows students to upload their slide decks prior to an oral presentation and automatically receive quantitative scores and qualitative feedback based on teacher-defined evaluation rubrics. The system analyzes both slide-level features and slide content, generates structured feedback through an LLM (ChatGPT 5.2), and presents the results through interactive dashboards for students and teachers. We tested AISSA on a pilot deployment with 46 undergraduate students in a real academic setting. The results indicate that AISSA is technically reliable, economically feasible, and perceived by students as useful for iterative slide improvement. These findings suggest that combining LLM-based analysis with Learning Analytics dashboards is a promising approach for supporting formative feedback on presentation slides at scale.