Artemis通过为编程练习、测验、建模任务等提供即时的个性化反馈,使互动学习变得生动有趣。该平台为教师提供定制选项,为学生提供实时协作功能,将创造力与教育完美结合。Artemis开创了一个全新的、引人入胜的自适应学习和人工智能支持时代,将创新与包容性融为一体。欲了解更多信息,请访问https://artemisapp.github.io
编程练习,具有版本控制功能,基于测试用例和静态代码分析(通过持续集成执行)的 自动个性化反馈(和评估),适用于任何编程语言。
集成代码生命周期:提升编程练习体验,Artemis无缝集成了版本控制和持续集成,创建了一个精简、统一的开发环境。与外部系统不同,这种集成方法最大限度地减少了维护开销,并专门为学习平台的特定需求量身定制,提供无与伦比的灵活性。它简化了管理员的初始设置,为学生和教师alike提供了更顺畅、更集成的工作流程。
测验练习,包括多选题、拖放题和简答题
建模练习基于易用的在线建模编辑器Apollon,使用机器学习概念进行半自动评估
文本练习,基于监督机器学习和自然语言处理(NLP)使用Athena进行手动、半自动评估
文件上传练习为教师提供充分的灵活性。学生可以创建任何类型的文件(如PDF、PNG)并在完成工作后提交给Artemis。Artemis允许教师和导师下载文件,并根据结构化评分标准进行手动评估(见下文评估部分)。
考试模式:教师可以创建在线考试,包括练习变体、集成的剽窃检查、测试运行和学生审查。您可以在"考试模式学生功能"和"考试模式教师功能"中找到更多信息。
评分:教师可以为课程和考试配置评分标准,自动计算成绩并向学生显示。成绩可以轻松导出为csv文件,以上传到大学系统(如Campus online)。教师可以选择定义期末考试的奖励配置,根据学生在期中考试或课程练习中的成绩来提高学生的最终成绩。
评估:Artemis使用双盲评分和结构化评分标准来提高一致性和公平性。它集成了评估培训过程(基于教师定义的示例提交和示例评估),有评分领导榜,并允许学生对评估进行评价。学生可以投诉或要求更多反馈。
通信:教师可以发布公告。学生可以在频道或私人聊天中提问、发表评论和回应其他帖子。导师可以筛选未回答的问题。
通知:Artemis支持可定制的网页和电子邮件通知。用户可以启用和禁用不同的通知类型。
团队练习:教师可以配置具有实时协作功能的团队练习,每个团队都有专门的导师。
讲座:教师可以上传讲义,将讲座分为单元,将视频流、讲座录像和练习集成到讲座中,并定义能力。
集成的Markdown编辑器:Markdown用于格式化平台上的文本内容,使用集成的Markdown编辑器。
剽窃检查:Artemis集成了课程和考试中编程练习(基于JPlag)、文本练习和建模练习的剽窃检查。它允许通知学生已识别的剽窃行为。学生可以审查并评论指控。
学习分析:Artemis集成了不同的统计数据,让学生可以与课程平均水平进行比较。它允许教师根据练习和能力评估学生的平均表现。
自适应学习:Artemis允许教师和学生定义和跟踪能力。学生可以监控自己朝这些目标的进展,而教师可以提供量身定制的反馈。这种方法将讲座和练习整合在总体学习目标下。
学习路径:基于能力模型和学生的个人进展,Artemis创建学习路径,引导学生完成课程内容。
教程小组:Artemis支持课程教程小组的管理。这包括安排课程、分配负责的导师、登记学生和跟踪出勤情况。
Iris:Artemis集成了Iris,这是一个聊天机器人,可以帮助学生和教师解答常见问题和完成常见任务。
可扩展性:Artemis可以同时支持多门课程和数千名学生使用。事实上,最大的一门课程有2,400名学生。管理员可以通过在持续集成环境中添加额外的构建代理,轻松扩展Artemis。
高用户满意度:Artemis易于使用,提供引导式教程。开发人员注重可用性、用户体验和性能。
可定制:支持每门课程有多名教师、编辑和导师,并允许教师自定义许多课程设置。
开源:免费使用,拥有庞大的社区和许多活跃的维护者。
Artemis开发团队在未来优先考虑以下问题。我们欢迎来自学生、导师、教师和管理员的功能需求。我们很乐意讨论任何改进建议。
Artemis文档可在此处获取。 您可以在如何编写文档中找到指南。
按照https://docs.artemis.cit.tum.de/dev/setup的说明,在开发环境或演示生产环境中设置Artemis非常简单。如果您想支持编程练习,我们建议使用[集成代码生命周期](https://docs.artemis.cit.tum.de/dev/setup/#integrated-code-lifecycle-setup)。
Artemis还可以与外部版本控制和持续集成工具一起设置:
Artemis使用这些外部工具进行用户管理和编程练习配置。
如果需要,您可以配置自助用户注册。
请阅读如何贡献指南。
当您的PR准备合并时,请在Slack上通知负责的功能维护者:
以下项目管理团队成员负责Artemis中的特定功能领域。如果您有问题或想在该领域开发新功能,请联系他们。
功能/方面 | 维护者 |
---|---|
编程练习 | @krusche |
集成代码生命周期 | @krusche |
测验练习 | @FelixTJDietrich |
建模练习(+ Apollon) | @krusche |
文本练习 | @maximiliansoelch |
文件上传练习 | @maximiliansoelch |
考试模式 | @krusche |
评分 | @maximiliansoelch |
评估 | @maximiliansoelch |
通信 | @rabeatwork |
通知 | @rabeatwork |
团队练习 | @krusche |
讲座 | @maximiliananzinger |
集成Markdown编辑器 | @maximiliansoelch @bassner |
抄袭检查 | @MarkusPaulsen |
学习分析 | @bassner |
自适应学习 | @bassner @maximiliananzinger |
学习路径 | @maximiliananzinger |
辅导小组 | @FelixTJDietrich |
Iris | @bassner |
可扩展性 | @mtze |
可用性 | @rabeatwork |
性能 | @rabeatwork |
基础设施 | @mtze |
开发流程 | @FelixTJDietrich |
移动应用(iOS + Android) | @krusche @maximiliansoelch |
要为生产环境构建和优化Artemis应用程序,请运行:
./gradlew -Pprod -Pwar clean bootWar
这将在build/libs
文件夹中创建一个Artemis-<version>.war文件。构建命令将TypeScript编译为JavaScript文件,连接并压缩创建的文件(包括HTML和CSS文件)。它还会修改index.html
以引用这些新文件。为确保一切正常,请运行以下命令在本地计算机上启动应用程序:
java -jar build/libs/*.war --spring.profiles.active=dev,localci,localvc,artemis,scheduling,buildagent,core,local
(在此之前,您可能需要将yml文件复制到build/libs文件夹中,另请参阅开发设置)
然后在浏览器中导航到http://localhost:8080。
有关更多详细信息,请参阅在生产环境中使用JHipster。
以下命令可以自动部署到服务器。示例显示了部署到主Artemis测试服务器(运行虚拟机):
./artemis-server-cli deploy username@artemistest.ase.in.tum.de -w build/libs/Artemis-7.5.1.war
以下图表展示了Artemis的顶层设计,它被分解为应用客户端(在浏览器中作为Angular网页应用运行)和应用服务器(基于Spring Boot)。对于编程练习,应用服务器连接到版本控制系统(VCS)和持续集成系统(CIS)。身份验 证由外部用户管理系统(UMS)处理。
虽然Artemis包含了这三个外部系统的通用适配器,具有定义好的协议可以实例化以连接任何VCS、CIS或UMS,但它也为这些适配器提供了3个具体的实现以供连接。
以下简化的UML组件图示例性地展示了Artemis应用服务器架构及其与应用客户端的REST接口的更多细节。
以下UML部署图展示了Artemis应用服务器和应用客户端的典型部署。学生、教师和助教(TA)的计算机都配备相同的Artemis应用客户端,在浏览器中显示。
持续集成服务器通常将构建任务委托给大学基础设施内的本地构建代理或远程构建代理,例如托管在亚马逊云(AWS)上。
Artemis应用服务器在MySQL数据库中使用以下(简化的)数据模型(请注意,实际的数据模型现在更加复杂)。它支持多个课程和多个练习。参与学生组中的每个学生都可以通过点击"开始练习"按钮参与练习。然后,将为学生(用户)创建并配置一个仓库和构建计划。初始化状态有助于跟踪这个复杂操作的进度,并允许从错误中恢复。学生可以通过将源代码更改提交并推送到版本控制系统中的给定示例代码,或使用用户界面来提交多个解决方案。持续集成服务器自动测试每次提交,并在有新结果时通知Artemis应用服务器。此外, 助教可以评估学生的解决方案并"手动"创建结果。
请注意,实际的数据库模型更为复杂。为了可读性,上面的UML类图省略了一些细节(例如,讲座、学生问题、练习详情、静态代码分析、测验问题、考试会话、提交子类等)。
有一个不断增长的使用Artemis的大学教师社区。
我们通过GitHub问题和拉取请求进行交流。此外,您可以加入我们的Slack来提问和获取支持。如果您感兴趣,请发送电子邮件至Stephan Krusche。
以下大学正在积极使用Artemis或正在评估Artemis。
慕尼黑工业大学
https://artemis.cit.tum.de
主要联系人:Stephan Krusche
因斯布鲁克大学、萨尔茨堡大学、林茨约翰开普勒大学、克拉根福大学、维也纳工业大学
https://artemis.codeability.uibk.ac.at
codeAbility项目
主要联系人:Michael Breu
斯图加特大学
https://artemis.sqa.ddnss.org
主要联系人:Steffen Becker
帕绍大学
https://artemis.fim.uni-passau.de(仅通过大学网络/VPN访 问)
主要联系人:Benedikt Fein
卡尔斯鲁厄理工学院
https://artemis.praktomat.cs.kit.edu
主要联系人:Dominik Fuchß
慕尼黑应用科技大学
https://artemis.cs.hm.edu
主要联系人:Michael Eggers
德累斯顿工业大学
主要联系人:Andreas Domanowski
海尔布隆应用科技大学
主要联系人:Jörg Winckler
慕尼黑玛丽亚·特蕾西亚中学
主要联系人:Valentin Herrmann
柏林洪堡大学
主要联系人:Lars Grunske
茨维考西萨克森应用科技大学
主要联系人:Heiko Baum
开姆尼茨工业大学
主要联系人:Danny Kowerko
科隆大学
主要联系人:Andreas Vogelsang
多特蒙德工业大学
主要联系人:Falk Howar
比勒费尔德大学
主要联系人:Daniel Merkle
乌尔姆大学
主要联系人:Matthias Tichy
伦敦帝国理工学院
主要联系人:Robert Chatley
南澳大利亚大学
主要联系人:Srecko Joksimovic
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专 注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览 器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号