智慧教育

        近年来，人工智能技术的迅猛发展为教育领域带来了前所未有的变革。凭借其强大的数据分析和个性化学习能力，人工智能在教育资源分配、教学质量提升和学习效果评估等方面展现出巨大潜力。然而，尽管人工智能在智慧教育中的应用日益广泛，对其深层理论和具体实施路径的探讨却相对滞后，阻碍了其全面推广与深度应用。为此，本次论坛邀请了国内智慧教育领域的顶尖学者和行业专家，共同探讨人工智能在教育中的创新应用、最新技术进展以及面临的挑战与机遇，旨在推动智慧教育的理论研究和实践应用迈上新台阶。

论坛主持人                                                                                                                                                                                    

主持人简介：李金屏，教授，济南大学模式识别与智能系统研究所所长。先后获得山东省优秀研究生指导教师、山东省自强模范、“泰山产业领军人才”等称号。长期从事计算机应用研究，研究课题涉及数字图像处理、计算机视觉、机器人、模式识别、机器学习、优化算法等理论和相关应用。获得多项科技奖励，例如教育部高等学校科学研究优秀成果奖（科学技术）、吴文俊人工智能科学技术奖、中国石油和化工自动化行业科学技术奖等多项科技奖励等（均首位）。现任中国人工智能学会机器学习专委会常委、中国逻辑学会非经典逻辑与计算专委会常委、中国计算机学会人工智能与模式识别专委会委员、中国计算机学会计算机视觉专委会委员等。还担任山东省人工智能学会常务理事、山东省人工智能学会视觉应用与智能感知专委会主任等。

主持人简介：王琳，博士生导师，济南大学信息科学与工程学院教授，山东省网络环境智能计算技术重点实验室常务副主任。获山东省自然科学杰出青年基金、山东省泰山学者青年专家、山东省省优青、山东省优秀研究生导师、济南市青年科技明星计划。2016-2018年担任加拿大滑铁卢大学兼职副教授、研究生导师，2017年起担任韩国水原大学兼职博士生导师。目前担任ACM计算机科学教育分会中国区理事，ACM济南分会秘书长，山东省人工智能学会副秘书长兼组织工委秘书长，中国自动化学会青年工作委员会委员，山东省人工智能学会常务理事，山东计算机学会理事。担任国际会议IEEE SPAC程序委员会共同主席，ACM SIGCSE China、AAAI、ICONIP等重要国际会议程序委员会委员。主要从事机器学习、反向建模、科学计算等领域的研究工作。近年来在IEEE TEVC、TNNLS、TSMCS、TCYB、TCDS、TFS、AAAI、IJCAI、GECCO、《中国科学》、《软件学报》等国内外重要学术刊物及国际会议上发表论文105篇，国家发明专利授权5项。机器学习反演水泥模型成果入选陶瓷材料顶刊《美国陶瓷学会期刊》创刊百年特辑。获得山东省科技进步二等奖、山东省人工智能自然科学一等奖、山东省自然科学学术创新奖、ACM济南新星奖等奖励。

主持人简介：马玉玲，山东建筑大学副教授，硕士生导师（英国奥斯特大学兼职博导）。主要研究方向为机器学习和教育大数据挖掘。现已在TNNLS、SCIS 、FCS以及 WISE 、PCM 、CIKM 等国内外重要学术期刊和会议上发表论文近20篇。主持国家自然科学基金面上项目1项，山东省自然科学基金面上项目1项，其他厅局级课题4项,授权发明专利6项，软件著作权3项。担任中国计算机学会模式识别与人工智能专委会通讯委员、山东省人工智能学会会员、CCF Yocsef济南会员，山东省视觉应用与智能技术专委会委员等。

报告1：生成式大模型赋能智能教育关键技术与应用探索                                                                                                                

报告人简介：陈恩红，中国科学技术大学讲席教授，信息与智能学部副部长，认知智能全国重点实验室副主任，安徽省计算机学会理事长。IEEE Fellow，国家“万人计划”创新领军人才、国家杰出青年基金获得者、科技部重点研发计划项目首席科学家，科技部重点领域“大数据分析及应用”创新团队负责人。研究方向是人工智能、数据挖掘、个性化推荐系统、智能教育等。主持了国家重点研发计划项目、国家自然科学基金重大仪器研制项目、国家自然科学基金区域联合重点项目等。获教育部自然科学一等奖、CCF自然科学一等奖、吴文俊人工智能科技进步一等奖，及KDD、ICDM的最佳论文奖等

报告摘要：生成式大模型引发了新一轮人工智能的发展浪潮，在多个行业领域中取得了显著的效果，特别是为智能教育的发展带来了全新的机遇和挑战。探索利用生成式大模型的智能教育关键技术是当前研究与应用的重点之一。报告将结合团队研究基础，介绍“大模型+教育”场景下的认知分析、资源理解和多轮自适应学习等技术，讨论大模型赋能智能教育发展的关键问题，并分享团队探索的典型应用案例。

报告2：人工智能大模型下的教学与思考                                                                                                                                         

报告人简介：张军平，复旦大学计算机科学技术学院，教授、博士生导师，中国自动化学会混合智能专委会副主任。主要研究方向包括人工智能、机器学习、图像处理、生物认证及智能交通。至今发表论文100余篇，其中IEEETransactions系列26篇，包括IEEETPAMI, TNNLS, TOC, TITS,TAC, TIP等。学术谷歌引用近5000次，ESI高被引一篇，H指数33。出版科普著作《爱犯错的智能体》，曾连续24次推荐至科学网头条，曾五次进入京东科普读物新书榜前三名。该书获得2020年中国科普创作领域最高奖，即2020年中国科普作家协会第六届优秀作品奖金奖，也是人工智能领域科普作品首次获得该奖项。同时，该书也获得2019年中国自动化学会科普奖，中国科协的典藏2020科普「优秀图文图书」奖，2020年吴文俊人工智能科技进步奖(科普项目)。他也翻译了人工智能中经典数据挖掘书、量化投资领域的红宝书《统计学习要素》(第二版)。他关于人工智能发展趋势的观点曾被《国家治理》周刊、《瞭望》、《科技日报》、《中国科学报》等媒体多次报道。

报告摘要：近年来人工智能得到飞速发展，尤其是大模型的推出，让人类在记忆方式处于明显劣势。同时，其对学生数学基础、统计基础的要求反而变弱。我在本报告中，将讨论如何融合新一代人工智能技术，善用大模型来辅助教学，并探讨在大模型时代，哪些人工智能的不足需要谨慎使用，才有利于大学智慧教育的良性发展。

报告3：机器具身交互智能与教学实践—以无人驾驶为例                                                                                                                

报告人简介：马楠，北京工业大学教授，博士生导师，担任国家重点研发计划项目负责人，智能感知与自主控制教育部工程研究中心副主任，中国人工智能学会副秘书长，CCF杰出会员，国家级一流本科课程负责人，北京市智能制造与机器人创新专项负责人，研究方向为交互认知、机器视觉、无人驾驶与移动机器人。以第一完成人先后获得中国图象图形学学会科技进步一等奖、中国电子学会科学技术奖【技术发明类】二等奖，主持多项国家、省部级项目，承担北汽集团、东风悦享、云迹科技等企业委托智能交互项目10项。带领团队多次在国际、国内人工智能、无人驾驶重要比赛中获得冠军，团队成果“无人驾驶云智能交互系统”获得第二届中国“AI+”创新创业大赛总决赛特等奖（2000余参赛队）。已在IEEE TIP、IEEE TNNLS、ICRA、中国科学.信息科学等国内外学术期刊、会议发表论文80余篇。人才培养方面，在中国大学MOOC主讲《智能交互技术》在线课程10轮次，主编教材《智能交互技术与应用》获得北京市优质本科教材；先后获得第六届全国教育科学研究优秀成果奖二等奖和北京市教学成果一等奖等。

报告摘要：面向智能时代的教育是我国跻身全球创新型国家前列和经济强国的重要抓手，是中国迈向成为人工智能强国的重要基础。在此背景下，掌握新一代智能机器的硬核--可交互、会学习、自成长尤为重要，以无人驾驶为例，应具有良好的具身交互智能，近年来团队先后将研发的一系列人车路协同无人车交互应用转化为教学实践，并以此建设“五位一体”智能交互技术教学平台，包括国家级一流本科线上课程、产教融合新型态教材、智能交互轮式机器人教学载体、虚拟仿真教学平台和实践教学案例，旨在多维度、立体化地丰富智能交互技术课程教学，以科学任务助力人才培养。

报告4：面向认知诊断的可解释性学习与优化                                                                                                                                 

报告人简介：钱鸿，华东师范大学计算机科学与技术学院副教授，博士毕业于南京大学机器学习与数据挖掘实验室（LAMDA Group）。主要研究决策优化、演化学习、智能教育，在ICML、AAAI、KDD、WWW、IEEE TEVC、SCIS、FCS等国内外重要会议与期刊发表论文三十余篇，相关成果被上海市教委、蚂蚁集团等单位应用。获NeurIPS 2023根因发现竞赛国际冠军、第十九届中国机器学习大会最佳学生论文奖、江苏省人工智能学会优博、华鑫奖教金。入选上海市“晨光学者”青年人才项目、上海市高等教育人才揽蓄计划、第八届金砖国家青年科学家论坛中国代表队成员。主持NSFC、上海市科委和教委、CCF-蚂蚁绿色计算专项基金等项目。担任CCF-B类期刊FCS预备青年编委、中国人工智能学会机器学习专委会通讯委员、IEEE CIS Shanghai Chapter常务秘书等。担任ICML、NeurIPS、AAAI、KDD等国际重要会议SPC/PC，以及IEEE TPAMI、IEEE TEVC等国内外重要期刊评审人。指导的学生获2024年CCF优秀大学生学术秀本科组一等奖、国家奖学金等。

报告摘要：认知诊断旨在从学生的作答数据中推测学生在各学习要点上的掌握程度，其性能直接影响下游任务（如学习材料推荐、计算机化自适应测验等），因此是智能教育中的关键基础问题。在智能教育领域，可解释性是认知诊断方法实现应用的刚需，诊断的过程、结果应被学生、老师、家长信任，方可安心使用。近年来，可解释性机器学习与优化技术的突飞猛进，给认知诊断带来了发展契机。此时，如何在增强诊断模型可解释性的同时，不损害甚至能提升其泛化性，成为亟待解决的研究问题。有鉴于此，本报告将从知识表征、交互建模、参数优化等角度，汇报近期我们在面向认知诊断的可解释性学习与优化方面的初步探索，进而尝试回答上述研究问题。

报告5：面向智能教育的学生学业表现预测研究                                                                                                                             

报告人简介：崔超然，山东财经大学计算机科学与技术学院教授，博士生导师，山东省泰山学者青年专家，山东省高等学校优势学科人才团队负责人。主要研究兴趣为机器学习、数据挖掘、多媒体信息处理。目前，以第一作者或通讯作者在中科院SCI一区、IEEE/ACM汇刊及CCF推荐的A类期刊和会议上发表论文20余篇。主持国家自然科学基金项目2项、国家重点研发计划子课题1项、山东省自然科学基金项目1项，获得国家发明专利授权10项，获得山东省科技进步奖二等奖（第二完成人）。在教育教学方面，主持山东省本科教学改革研究重点项目，获得山东省人工智能学会教学成果特等奖，指导学生获得“挑战杯”中国大学生创业计划竞赛全国银奖等奖项。

报告摘要：伴随教育信息化进程的推进，教育数据不断积累，为数据驱动的智能教育研究提供了良好条件。本次报告介绍学生学业表现预测这一智能教育领域的热点研究问题。面向真实校园场景，综合学生的过往成绩、试题作答表现、校园日常行为等信息，从试题层面、课程层面以及学年末GPA成绩层面，分别汇报团队在学生学业表现预测研究上的初步探索。