SMP 2022 智慧教育论坛
论坛概况
论坛时间：8月21日16:00-18:00
论坛简介：随着人工智能应用的快速发展，人工智能技术与教育教学的深度融合得到了越来越多的重视与关注，其对教育数字化、信息化的创新发展正发挥着越来越重要的作用，对于促进传统教学方式、学习方式、评估方式及教学管理模式的转型与变革，更有效地满足学生高效学习与个性化的成长需求，实现教育资源的优化配置等都具有重要意义。本次智能教育论坛特别邀请了来自北京师范大学与华中师范大学的三位青年专家学者进行分享，从教育知识图谱构建与应用、学习资源智能推荐方法、自适应测验题库建设等角度切入，呈现智慧教育领域的最新研究进展及特色应用成果，期盼感兴趣的老师、同学和业界同行加入讨论，共同交流探讨智慧教育未来发展的前沿方向。
论坛安排：
| 时间 | 内容 | 主持人 |
|---|---|---|
| 16:00-16:40 | 智能导学系统中的教育知识图谱构建与应用 卢宇 北京师范大学教育学部副教授 |
王明文，江西师范大学计算机信息工程学院院长、数字产业学院院长，二级教授 |
| 16:40-17:20 | 面向学习资源适配的深度矩阵分解与智能推荐方法 刘海 华中师范大学人工智能教育学部副教授 |
|
| 17:20-18:00 | 在线标定技术赋能自适应测验题库建设 陈平 北京师范大学中国基础教育质量监测协同创新中心副教授 |
论坛主席：王明文（江西师范大学计算机信息工程学院院长）
主席简介：王明文，江西师范大学计算机信息工程学院院长、数字产业学院院长，二级教授，博士生导师，中国中文信息学会常务理事，江西省互联网信息学会理事长，江西省计算机学会副理事长。研究领域：自然语言处理、机器学习、信息检索等。
王明文 江西师范大学计算机信息工程学院 院长
论坛嘉宾
卢宇 北京师范大学 副教授
报告主题：智能导学系统中的教育知识图谱构建与应用
报告摘要：在智慧教育领域，智能导学系统指可以为学习者提供实时教学支持且在此过程中通常不需要人类教师进行人工干预的自主性学习系统。教育知识图谱既是智能导学系统中领域知识模型的重要基础，也可以为系统中的开放学习者模型提供关键性信息和支持。报告主要介绍以下相关工作进展：（一）智能导学系统中领域知识模型的自动构建研究；（二）开放学习者模型的建模及其可解释性研究；（三）基于教育知识图谱的智能导学系统应用。
嘉宾简介：卢宇，北京师范大学教育学部副教授，博士生导师，北京师范大学高精尖中心人工智能实验室主任。博士毕业于新加坡国立大学计算机工程专业，曾在新加坡科研局(A*STAR)资讯通信研究院等科研机构长期担任研究员并从事人工智能领域研究。在人工智能及其教育应用等领域已发表70余篇高水平学术论文，主持２项国家自然科学基金，在国际人工智能联合会议（IJCAI）等学术会议多次获奖。与腾讯、中国移动等多家企业开展联合科研攻关，已授权和在审国家发明专利10项。负责北师大教育公共服务智能平台的核心研发，部分成果直接服务于北京市8个区县的38,000余名学生和近4000名教师。在中小学人工智能教育领域研发系列课程与资源，主编和主审多本教材。
刘海 华中师范大学 副教授
报告主题：面向学习资源适配的深度矩阵分解与智能推荐方法
报告摘要：如何在海量的学习资源中选择适合学习者的优质教育资源是一个亟待解决的问题。个性化推荐方法是一种高效快捷而具有长远发展前景的解决方案，可有效提取学习者的偏好特性并为其选择合适的优质教育资源。本报告利用深度学习技术对学习者的反馈信息进行建模，构建了高效的资源推荐算法，能够有效提高推荐结果的准确率，使学习者在学习过程中，可以获得更加个性化的学习体验。本报告要包含两个方面。（1）提出了通过评论表示学习和历史评分行为的置信度感知的推荐模型CARM。该模型利用评论信息的交互性，构建了学习者和学习资源的交互潜在因子。然后，通过置信度矩阵去构建评分离群值和误导性评论之间的关系，进一步提高模型的准确性，减少误导性评论对模型的影响。（2）提出了基于L0正则化的评论特征表示学习的深度矩阵分解模型EDMF。学习者评论中的两个特性首次被揭示：交互性和稀疏性。学习者对学习资源评论中的交互性被利用，评论的这种交互性也可以认为是一种学习者的评分行为。评论只包含用户对对象偏好的部分描述信息，这种特性被称之为评论的稀疏性。最后，介绍学习资源适配的未来研究趋势。
嘉宾简介：刘海，华中师范大学人工智能教育学部副教授，博士毕业于华中科技大学模式识别与智能系统专业，长期从事自我调节学习、学习资源推荐、知识图谱、计算机视觉、机器学习等领域的研究。曾入选2016年度“香江学者”人才计划，赴香港城市大学机器人视觉实验室交流2年。已在IEEE TNNLS、TII、TMM、TKDE等国内外知名期刊上发表了学术论文40余篇，含中科院一区IEEE trans系列14篇，8篇入选ESI高被引论文。申请或授权国家发明专利28项，主持国家自然科学基金4项，“十四五”国家重点研发计划子课题1项。曾荣获湖北省科学技术进步一等奖（2020）、高等学校科学研究优秀成果奖（科学技术）科技进步奖一等奖（2019）。
陈平 北京师范大学 副教授
报告主题：在线标定技术赋能自适应测验题库建设
报告摘要：计算机化自适应测验（Computerized Adaptive Testing，CAT）作为人工智能在测评设计中的最早实例化形式，已广泛应用于心理测试、教育评价、人员选拔和医学诊断等领域。CAT的持续实施、可持续使用在很大程度上依赖于对题库的定期更新和补充。虽然由人类或机器生成大量题目本身就是一个重要的研究课题，但高效、准确地标定这些题目则是另一个研究课题，即在线标定。在线标定包括将题目分配给个体的设计和估计题目参数的算法技术。而且，随着测量复杂结构（例如，教育中的高阶思维或健康领域的多方面功能）的趋势不断增强，需要使用多维CAT来优化效率。因此，本次报告将重点关注多维CAT中的在线标定。首先，简介在线标定的背景知识（包括其定义、实现步骤和数据结构示例）； 其次，简述在线标定的两个核心环节（即在线标定设计和在线标定方法）；最后，介绍我们在该领域的代表性研究工作和未来研究方向。
嘉宾简介：陈平，心理测量与评价方向博士，北京师范大学中国基础教育质量监测协同创新中心副教授，博士生导师。从事心理测量理论、计算机化自适应测验与分类测验、认知诊断评价以及测量模型参数估计等方面的教研工作。先后主持国家自然科学基金青年项目和面上项目等多项科研课题，已在Psychometrika、Br J Math Stat Psychol、J Educ Behav Stat、Behav Res Methods、J Educ Meas、Appl Psycholo Meas、Educ Meas: Issues Pract和心理学报等主流权威期刊发表论文50余篇。目前担任双语期刊Chinese/English Journal of Educational Measurement and Evaluation的中方执行编辑和编委会成员，曾任美国教育研究协会（AERA）Division D Section 2（Quantitative Methods and Statistical Theory）的联合主席（2021-2022）。