2022世界人工智能大会教育论坛以“引领学习变革，智创教育未来”为主题，论坛的成功召开引发了各界热烈讨论和高度关注。为进一步传播关于智能教育的前沿信息和专家观点，促进智能教育基础理论和技术研究，提升创新策源能力，我们将重点回顾本次论坛的精彩内容。本期为大家带来郭毅可教授的发言：《智能教育的新境界》

大家好，我叫郭毅可，我现在在香港，我是浸会大学的副校长。我非常感谢华东师大的邀请，今天很高兴在世界人工智能大会上和大家见面。

我研究的工作是人工智能，我做了很多方面的应用，智能教育也是非常重要的应用。我跟大家分享一下这个领域的体会，我的题目是《智能教育的新境界》。

智能，人类最伟大的智能是发明了教育

我们通过发明语言、文字、符号，我们产生了现在的文明，这些文明使得整个想象和现实脱离我们的大脑，脱离我们的生命体而独立存在，并记录下来。这个基础上，人类伟大的智能就是发明了教育，可以传承能够记录下来的知识。再发展一代一代，使得我们不仅能够延续生命信息，同时延续我们的知识信息，使我们的知识可以迭代发展，最后使得人类越来越聪明。整个教育是人最大的智能体现。

今天讲人工智能，我们要让机器具有人一样的智能功能，比如我们可以像人一样思考，像人一样去听、去说话、去看，一切这些工作都是由人工智能技术的发展，使得我们的机器能够更接近人的智能行为。

反过来讲，这样的技术革命，像最伟大的智能是发明了教育，而人工智能技术又在不断推进教育的发展。这个世界是个轮回，最早的农耕时代我们的教育是叫“私塾”，我们是口耳相传。我们当年的像孔夫子这样的大教育家，他是创办私塾来形成实践的教育。

到了工业革命时代，我们做的是工业化的教育，标准化的课堂，使得教育更加产业化，使得教育能够更加形成一种工业体系。这时候，教育产业得以形成。

最后到互联网时代，这样的教育不受距离控制，使得我们在网上可以形成网上的教育系统，这样我们对于教育就有了选择，就有能力选择最好的教师、最大的信息，形成了不受距离限制的教育体系。

规模化地做个性化的教育

到了智能时代，最重要的特征就是我们需要有一种教育的机器，教育学的自动化和计算化，使得我们能够重归像农耕时代，我们可以做到精英化、个性化的教育，这个时候个性化的教育不再像过去那样只是少数人的权利，而是多数人在网络时代形成大规模的因材施教。

今天而言，工业化的教育常常是focuses培养“守时、易管、冷静”这样的技术人才，但是这样的教育形式往往忽略了人创造力的培养、忽略了人的个性、忽略了每个人之所以为人的人性，这种是工业化教育最大的弊病。

过去如果我们没有互联网，没有人工智能，我们有一个最大的问题，就是我们不能把教育规模化。现在个性化的教育为什么可以规模化做？规模化通过互联网实现的，人工智能就可以理解每个受教育者，我们可以为每个受教育者量身定制教育系统。从这个意义来讲，今天的教育回归了几千年前我们所说的个性化精英教育。而最大的不同，过去精英化的教育只对极少数人，而我们现在可以通过网络，把因材施教个性化的教育能够规模化。

这个人工智能体现在什么地方，为什么能够做到这样的个性化？因为他有一个很重要的特点，他可以给每个学生方向。也就是说我可以量化每个人的学习状态，我可以知道他的知识，现在接受的情况和接受知识的能力，以及他现在的情感模型，他学习的风格等等，都可以通过大数据量化。

这样我们就了解了每个人，不仅了解了每个人，我们还能了解知识教学内容的知识结构。如果一个学生在某个问题上有缺陷，我们就知道到底是什么原因。这个原因可能是知识上的关联度，如果一个人在微积分上出现问题的话，他可能是对物理时空关系的理解不够，对物理问题的因果关系理解不足，导致了建模能力的匮乏。

这样内在教学内容的结构，对于我们理解每个受教者在教育上面的受教程度，和我们教课时候作为一个教师需要侧重的地方都有了很好的认识。

所以我们认为人工智能是开创了计算教育方法学的时代，就是computational pedagogy这样的时代。这个时代很重要的特点，就是我们可以通过大数据理解每个学生，为每个学生画像。同时通过大数据理解每个人动态的知识接受的过程还有程度，最后我们可以用计算的方法为每个学生选择最佳的学习途径。这个就是所谓计算教育方法学的特点。

知识图谱

知识图谱是人工智能比较重要的概念，起源于上世纪六十年代，叫做知识表示。但是在大数据的时代下，这样刻画的知识已经被完全规模化。所以谷歌在2012年提出了“知识图谱”的概念，我们可以把知识图谱看作是网络，点表示了具体的事情和概念，边是概念与概念之间的语义关系。这样非常简单的图形描述，能够体现出非常完整的表达知识的方法。

为什么我们说它重要？因为它是知识获取和知识应用之间的桥梁，我们怎么样表达我们的知识。这个对于人工智能而言，人工智能最大的工作就是感知世界、认知推理，最后对环境做出改变，这是人工智能的三大要素。在这三大要素中间，都离不开知识图谱作为表达理解、表达知识的中间媒介功能，教育上也不例外。

这是我们知识图谱非常形象化的描述，每个点都是一个概念，我们可以看到相关知识结构的变化。现在基本上是树状结构，越来越复杂，变成了每个指数和指数之间又有关联，有个森林的结构。我们用圆圈表达出来了，但是实际上它是个森林结构。这是一个例子，就是我们对于生物知识的图谱表达。

知识图谱不光是表达知识的结构，也表达了其他的一些结构，包括说我们的目的，我们为什么要去学一样东西。它本身又是一个知识图谱，学这个东西之间目标的相连关系。还有很重要的要素，怎么刻画学生，刻画学生的时候也有一个很重要的知识图谱的概念。

这样的话我们就可以支撑计算教育方法学，我们不仅讲知识内容结构化，还有培养目标等等都形成图谱的概念，共同支撑教育方法学计算化，来设计教学活动，来体现我们的学习目的，培养我们的学习素养，运用好我们的学科知识。

表达图谱是可以不断进化，我们通过学习，孩子们在知识掌握的动态演化过程中，我们也可以通过知识图谱反映出来。能够真正从里面看到知识的交叉性、混合性，我们可以完全形成对知识图谱为基础的计算教育非常好的实现。

智适应学习系统

这里面的参与者有各方面。一个是教师，他可以做辅导、出考题等等，都有很大的帮助。还有一个就是学生，学生就让他们能够用好这个系统自己学习，结合课堂学习，结合个性化的作业进行自主学习。这就形成家长、教师、学生形成有机体，使得学生在这样的环境中间不断发现自己学习的弱点，找到克服自己弱点的教育途径，能够自主地或者老师帮助下，能够很好完成自己的学习任务。

还有更重要的是，你可以build一些教育方法学的基本思想在里面，比如说最近发展区。如果你有一个已掌握知识项，哪些相关知识是最容易得到拓展的，而这个拓展不断进化，使得未掌握的知识能够越来越少，掌握的知识越来越多。这样的话，你也可以激励学生的信心，激励成长。如果太难的话，他一下子学不会的话，就会出现问题，对信心有影响。所以我们理解学生知识掌握以后，把最接近这些掌握知识的所谓的最近发展区确定好，使得这个学生在最近发展区这里面增加信心，学得好、学得快，同时不断拓展发展边缘，使得他能够更好学习未知的知识。

这些系统已经部署在试点学校里面，比如2016年我们在湖南就已经开始了，第一个实验我们做过跟踪实验，42个孩子作为一个自主学习班，运用我们的系统进行个性化的学习。经过我们跟踪他，从小学一直跟上去，最后我们发现这些孩子42个里面有35个考上了983和211大学。所以老师和孩子们都非常开心，对于这个结果，运用我们这个系统，老师也被评为全国优秀教师。

我们在这个基础上就希望搞一个教学大纲，对学生它是学霸，对老师它是助教，能够很好地组合起来，等于是管教育的操作系统。

基础就是一个多维的知识图谱，还有更多一些数据采集的关于学生的数据资料，形成非常好的应用层面，这是我们做的很重要的大系统。我们要部署在中学里面，使得真正为教育服务。

最近做了一个比较扎实的例子就是上海宝山，我们就deploy这样一个大脑，有90家学校用了，14所中学，18所小学还有初中，近一千名老师应用它，有两万名学生受益。这里面就是刚才说的整个系统还是非常成功，近两万名学生体现了自适应的学习。从最近得到高考的结果来看，成果还是非常显著的。

还有一个非常大的好处，做好了以后因为本身强调学生自主学习，通过互联网我们可以把很好的教育资源精准提供给农村的学校，这也是非常重要的扶贫。我觉得这个工作也是有规模化因材施教，这个规模化当然也包括农村的学习。

让中国的智能教育扎根中国、走向世界

随着技术进步，我们现在有了这样的技术，来实现我们的社会责任，鼓励比我们更年轻的一代人成为非常有探索精神、有求知欲，能够追求梦想的未来受教育人。这样的话，使得我们的世界变得更加充满活力。

中国的教育在世界上很受尊重的，我们可以把对教育的几千年的经验，加上今天人工智能技术，组合成中国的智能教育，让它走向世界。这也是我们非常重要的一个出发点。

以香港为起点，能够携手国内的研究机构，像华师大的智能教育研究所等等，让中国的智能教育扎根中国、走向世界。

这就是我的报告，谢谢大家！

2022世界人工智能大会教育论坛以“引领学习变革，智创教育未来”为主题，论坛的成功召开引发了各界热烈讨论和高度关注。为进一步传播关于智能教育的前沿信息和专家观点，促进智能教育基础理论和技术研究，提升创新策源能力，我们将重点回顾本次论坛的精彩内容。本期为大家带来OECD教育技能司司长Andreas Schleicher关于人工智能与教育相融合的演讲。现将演讲全文整理发表如下，以飨读者。

大家好，我很荣幸被邀请参与世界人工智能大会。如今的上海正是发展的前沿，这座城市有太多正在进行的有趣研究。人工智能就是其一。我们应当从两个方面看待人工智能。

其一是它如何改变我们需要学习的世界。

其二是它如何变革教育部门，以及相应的教育实践。

最近，我们OECD（经济合作与发展组织）测试了年轻人群的社交情感技能，发现创造力是我们最关心的重要指标之一，因为这个世界需要有想象力、能发展、能创造新事物的人。创造力让我们成为人类。人类利用电脑创造了人工智能，但是创造力才是我们在此之外提供的新价值。但在评估中我们发现，15岁的少年群体表现出的创造力指数低于10岁的少年群体。如果我告诉你15岁的学生在数学学习中表现得比10岁学生更为差劲，大家一定会觉得是学校教育出了问题。但在创造力方面，事实恰恰如此。

也许正是教育系统带走了我们与生俱来的创造的能量，用固有的思维方式、成型的工作模式，让我们变得顺从。有人将这一切比作教育与技术之间的竞赛。第一次工业革命前，大部分人在自己的领域里自给自足，对他们而言教育和技术都不甚重要。但工业革命一举将科学技术推进到远胜人的能力的高度，这造成了巨大的社会痛苦——很多人并没有准备好应对这样的变化。正是在那个时候，产生了当今仍在使用的学校体制，培养适合工业化的工作方式的人才，创造了繁荣盛景。而如今，我们正迎来数字化革命。我们再一次看到科技进步跑赢了人的能力发展，也见证了那种社会痛苦的重来。一边是拥有相当不错学历的年轻人找不到他们想要的那种工作，而另一边是雇主们在抱怨“找不到需要的技术人才”。

我们需要再度思考，如何改变现状，如何推动人的技能水平发展，使之超过当前时代的科技水平。这是如今我们面对的挑战。

科技改革教育传递的方式

当然，科技能够协助改革教育传递的方式。疫情期间，学校进入数字化世界，而这正在根本性地改变学习的方式。让我们来看看当前环境下的诸多可能性。显而易见，当今科技的最大的前景乃是人工智能会让学习变得更加个性化，更加细节化。当你在电脑上学习数学时，电脑能够分析你的学习方式，然后调整学习适应你的具体需求。不再是千篇一律的学习方式，而是真正意义上实现了每个人按照自己的节奏学习个体化定制课程。在人工智能的帮助下，学习还能变得更有趣味性。比如基于游戏的学习，这一块有巨大的发展潜力，又比如虚拟现实技术，真实世界和虚拟世界能够融合，利用新的信息为你赋能，甚至是巨大赋能。这在应景教学实践领域也有无数的可能性。尤其在疫情期间，很难让学生来到教室上课，但在虚拟世界中，我们可以用科技助力学习体验，让学习变得更切实、更有趣、更有吸引力。当你可以在虚拟实验室中直接模拟实验进行时，又何必听教师讲解实验过程呢？

增强现实技术能让你随时获取世界上的知识应用于实践体验，这一领域我们也看到了广阔前景。机器人教师，搭载人工智能的机器应当以怎样的程度出现在教室里，可能是争议度最大的话题了。但事实上，在语言学习等领域，机器人教师的作用巨大。毕竟语言学习的最佳方式是互动，而机器人教师技术可以极大促进这种互动。在一次非常有趣的实验中我们发现，相比被他人教学的情况，孩子在向他人讲解事物的时候，能够达到最好的学习效果。这也能够通过电脑助力，与电脑进行对话，电脑会对问题和观点进行回应和反馈。人工智能正为学习提供无数可能性。

人工智能协助统合学习与评估

我非常关注的一个领域就是评估。我相信，过去几个世纪里我们在教育中最大的错误就是分割了学习与评估环节。我们学校系统时常显得狭隘浅薄。教学浮于表面，如隔靴搔痒。而非鞭辟入里，入木三分。人工智能可以让学习和评估重新统合起来，在你学习时便可得到反馈信息，在互动反馈中掌握知识。学习分析技术能够极大助力教师，人工智能能够收集并总结信息，使之能够运用于教学中。让教师了解不同的学生如何采取不同的学习方法，或是学生如何在不同发展阶段采用不同的学习方法，这些实时获取的信息，能够了解不同的学生各是如何学习及学习效果如何。在中国，你能够看到这些先进技术的落地。在疫情大流行之前，我曾参观了上海的一间教室，在那里我看到学生用电脑学习书法，当他们在格子里写字时，集成扫描仪会输入那些信息，与模板图案对比核实。随后在笔记本或平板电脑上，学生能够得到书法质量的实时反馈，教师也能理解不同的学生有怎样不同的学习状况，这都依托借助这些学习模板实现。如今的教师逐渐成为数据科学家，这是全新的发展方向，教师们将能够深入了解不同学生不同的学习状态。上述种种，都是我们这个时代拥有的可能性。

但同时我们应当看到，与其不甚相同的现实状况。我们PISA（国际学生评估项目）最新的研究评估了教室内的技术密度与学习成果质量之间的关系。我们发现，在大多数维度上，教室内的技术使用程度与学习成果常常是负相关的。这挺令人费解的——我们明明能够看到巨大的潜力，看到人工智能在学习变革中的巨大作用，而在现实中，我们却没能将那份潜力发挥到极致。要将科技的作用彻底发挥出来，我们还有很多事要做。

智能教育应以学习为中心

我们得到的第一个教训是，当教师群体并不是创新技术学习环境的核心设计者时，他们无法助力技术的执行和使用。而TALIS（教学与学习国际调查）数据显示，只有半数左右的教师经常在课堂或项目中使用科技。当然对比2013年和2018年的数据来看，其实进步还是很大的。但在不同国家，不同的教室之间差异还是巨大的。很多教师还没有准备好使用新技术。而且显而易见的一件事是，智能教育并不等于科技或人工智能，智能教育的本质是对“学习”彻底的重新构想，在人工智能的高度赋能下，学习和教学应当是什么样的。我们需要从学习的科技迈向能够使用技术赋能的学习活动，将学习活动作为关注的中心，而技术和设备都只是学习活动的助力。

在大教育时代，科技设备或许并不显眼，但它们一定存在。还记得上海的试验里，学习书法的学生们吗？他们并未在电脑或者笔记本上做多少工作，但这些设备始终存在于背景之中,有传感器收集信息并让学生和教师使用它们。此外人工智能应当为学生和教师赋能，而非阻碍教学工作。事实上也存在人工智能使学习更加脚本化，标准化的风险，尽管它本应使教学更有激情，更加个性化。科技和人工智能也有让教学脚本化的风险，它可能让教师遵循刻板印象，用过去学生的行为来评价现在的学生，而忽视现在学生的独特性。因此，学生和教师必须是技术的中心。如果你不理解一个算法的本质，你很快就会成为这个算法的受害者，现实往往如此。

智能技术应以师生为中心

那么我们如何实现学生与教师的中心地位？首先我们需要创造一个更加创新友好的教育系统，让科技能发挥其潜力，那些进行思考、设计、开发的人的工作应当得到认可，那些设计创新型学习环境的伟大教师应当得到他们同侪与教育系统的鼓励和认可。如今教育领域的环境仍对创新颇怀敌意，创新者时常感到不被认可，工作没有回报。有趣的事实是，学前教育，幼儿教育和初等教育阶段常常表现得比中学教育更具创新性。为何如此？因为小孩子不用太担心考试的问题。老师们因而有更大的空间进行教学实验和创新。所以我们应当向这些阶段的教育系统学习，使其他阶段的教育具备同等的创新性。

制定标准，创造平等竞争环境十分重要。我们西方的教育界存在的一大问题就是技术方案的高度分散性。学校里通常使用着多种类且互不兼容的技术方案。教师们被迫使用不同的应用，而这些应用间也不能共享数据，如此种种。正因如此，公共政策需要致力于创造平等竞争环境，确保技术的互通性，确保教师能使用不同的设备，确保技术的兼容和一致，确保应用能够相互交互，确保我们能够有效使用收集来的数据资料。这非常非常重要。打造丰富数据支持的教学和学习需要经过深思熟虑的法规支持，要做好隐私与数据保护工作，集中精力打造透明，可解释，无偏见的，同时，经过社会协商的应用程序。这就是人工智能在教育领域的未来方向。

当然，这一切都需要资源。我们在人才，在教育上投入了大量资源。这当然是好事，因为学习的本质就是一种社会经验，但我们应该更具战略性投入资源，部署人工智能以实现教育转型，加大对能够使用这些人工智能的人才，教师，学生，教育者，管理者的投资，让教师和学生能够合作，共同创造出智能，用户友好，开放的互通的工具。让之实现我们还有很长的路要走。但我们应当始终铭记，技术只是工具，学习才是目标。学习，教育从来都不是交易和生意，而是一项社会关系事业。

厘清智能技术的设计目的

回到我们对年轻人社交情感技能的评估上，我们发现师生关系这一指标能最有效地预测。学生的情绪管理，抗压能力，乐观心态与情绪控制能力，这些都是学生身心健康的重要推动因素。在人工智能的世界中，师生关系的质量同时还能最有效地预测学生其他诸多方面的能力发展状况：学生的坚持力，同理心，信任度，他们的合作能力，宽容心，好奇心，创造力，社交能力，他们的自信心，精力，自我效能和成就动机。没有什么指标能与师生关系媲美。

也正因如此，科技和人工智能的设计目的，不应是替代教师和教学过程，而是为教师和教学赋能，提供工具和信息，让教师掌握学生的学习经历。其重要性不言而喻。

注重培养智能技术时代新人才

最后，如今我们生活在一个信息难以被核实的世界里。在2000年，我们刚开始PISA评估项目的时候，阅读还算是一件相当直截了当的事，阅读即是萃取知识，且通常是预制好的知识。当你不知道一个问题的答案时，你可以在百科全书中查找答案，并且你能够信任所获取信息的真实性。而今天，你在雅虎或者谷歌上搜索信息，能获得超过10万条问题的回答，但没人会告诉你哪些是真的哪些是假的，什么是对的什么是错的。人工智能无法帮你作出那样的判断。它可以为你提供信息，为你分析信息。但最终，人必须有可靠的指南针和工具，指引我们自信地穿过这片日益模糊的信息迷雾。

这张学生在数字世界的自我导航能力统计图有不少让人惊讶的地方。比如参与我们PISA评估的中国的四个地区成绩都不错，名列前茅。这表明中国至少三分之二的年轻人拥有在数字世界的自我导航能力，能够有效辨别事实和观点，能够整合各种信息来源等等。但仍有三分之一的15岁群体难以做到这些。而在很多国家，做不到才是年轻人的常态。可以看出人工智能的发展速度，远快于人类掌握和使用它的能力。当然你可以说，人类更擅长发明新工具，而合理使用工具的能力却总是慢半拍。但如今，这种能力真的真的很重要。我们不仅需要投资作为工具的技术，我们还需要投资人力，培养懂得操作的人。

新的数字鸿沟已不在于是否拥有电脑，平板或手机等设备，而是在于是否拥有管理，整合知识与信息的能力，在于是否有掌握技术，积极创造的教师，在于是否培养出有内容创造力，社交能力，学习和分享能力的学生。这是我们应当发力的重点。

这并非微不足道的挑战。科技也可以促进人类能力的学习。我们需要聆听学生的声音，我们需要支持教师的工作，我们需要与产业端建立强有力的合作关系。我们要思考公私伙伴关系作为一种公共产品对教育保护意味着什么，思考如何建设教育系统自身的能力。这是我们必须着眼的未来。

人工智能是赋能教育的巨大能量，能创造出新的可能性，新的学习方式。人工智能让每个人都有机会接触个性化学习。但我们还需要深入思考：为迎接人工智能时代，我们要怎样进行教育，培养怎样的能力才能使人才真正有效益地与这个时代的科技共同协作。我知道在上海这座城市，在这次大会上，这些议题会得到大量的关注。

感谢各位，谢谢。

5月9日晚，由华东师范大学（上海）智能教育研究院、华东师范大学智能教育实验室、国家智能社会治理实验基地教育特色基地（华东师范大学）主办的“社会实验中的量化分析方法”线上讲座顺利举办。本次活动邀请到华东师范大学教育学部教育学系副教授唐一鹏带来精彩的主题演讲，讲座由智能教育社会实验团队倪琴老师主持。来自北京大学、南京大学、北京师范大学、华东师范大学等高校的近200名师生参加了此次线上学术讲座。

在讲座中，唐老师从“中国教育实验经济的兴起”、“社会实验中的量化分析方法：大规模随机干预实验、基于政策的自然实验方法、数据驱动的准实验方法”两个方面进行了分享。

首先，唐老师从中国教育实验经济的兴趣出发，指出因果推断方法为教育问题的研究带来了新的量化技术标准。在此基础上，唐老师指明中国教育实验经济的发展现状并梳理了带动中国教育实验经济发展的学者们做出的诸多贡献。当前，教育研究已经从早期的经验式研究转向基于科学证据的研究。

随后，唐一鹏老师讲解了社会实验中的量化分析方法，包括大规模随机干预实验、基于政策的自然实验方法、数据驱动的准实验方法，并分享了将各种定量分析方法应用于教育研究的具体案例，为大家进行相关研究提供新思路。

分享环节结束后，参会师生就讲座主题进行了热烈的讨论，唐老师对与会师生们的提问进行了鞭辟入里的解答。

其中包括：

※在进行定量分析研究中遇到的困惑，以及误区。

※计算机专业的学生在不具备系统的实验研究知识体系的情况下，应该如何在教育场景中寻找因果关系，从而进行实验研究。

※如何获取用来进行实验研究的数据，以及数据的处理方式。

此外，唐一鹏老师还为大家提供了进行定量研究学习的数据集、工具以及参考书籍。

倪琴老师总结到，随着科学技术的发展，推动学科交叉融合已成为高校学科发展的有效途径。我们需要搭建平台，促进不同学科之间的交流学习。唐一鹏老师为我们详细地讲解了定量研究的方法，为我们日后开展相关教育研究提供了新的学习思路。

      为促进研究团队间学术交流，助力上海智能教育研究院及计算机科学与技术学院师生的科研工作，进一步了解人工智能领域的前沿动态，11月3日下午特邀请复旦大学计算机科学与技术学院张军平教授来访，并作题为“人工智能进展及在人脸和步态的应用与思考”的报告。报告会由周爱民研究员主持，上海智能教育研究院及计算机科学与技术学院部分师生与会参加。

张军平教授在报告中首先分析了目前人工智能论文的“井喷”现象，梳理了近年来在人工智能、机器学习和计算机视觉等方向国际顶会中论文的数量和研究趋势变化。随后，张军平教授围绕人工智能系统中的人类行为特别是步态和微表情分析，系统介绍了其团队十余年来的相关理论研究工作和成果。最后，张军平教授综合当前人工智能的发展现状，展望了人工智能技术在人类健康、社会安全、治安反恐、身份识别和情绪分析等场景的潜在应用。

   报告之后，张军平教授与参会师生进行了热烈而深入的讨论.

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，中国自动化学会普及工作委员会主任、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IEEE Transactions系列26篇，包括IEEE TPAMI, TNNLS, ToC, TITS, TAC, TIP等。学术谷歌引用近5000次，H指数33。

2020年12月30日，博士生论坛第六期由纪雨同学主讲“性格预测在自适应学习系统中的应用”和乔宁同学主讲“图表示学习中的负采样”。

纪雨介绍到性格作为人类的情感处理系统，会在一定程度上影响学生的学习动机以及他们对教学风格的偏好，了解学生的性格，自适应学习系统能够为他们提供符合潜在学习需求的学习方法，提高学生的学习效率和学习满意度。

乔宁在分享中呈现了在图表示学习的研究中，采样一直是重点，以往的研究主要关注正采样，而对负采样研究不足。她着重对清华大学唐杰老师团队的文章做了汇报，文章主要证明了一个好的负采样分布是次线性相关于正样本分布，并且在下游任务中都得到了良好的效果。

本学期六期博士生论坛的成功举办，为促进师生之间、同学之间的学术交流，拓宽科研思路、营造学术氛围、养成交流习惯、增加知识储备、提高表达能力发挥了积极的作用。

智能教育研究院博士生论坛第六期

2020年12月23日，博士生论坛第五期由周宇航同学主讲“P进制导论”和杨爽同学主讲“AI+教育”应用场景与未来趋势。

周宇航主要交流了p-adic初步研究，p-adic在有理数上引入了一种新的距离。他向老师和同学们介绍了什么是p-adic，并且揭示了有理数上的任何绝对值的形式都等价于某个p-adic。

杨爽分享了“AI+教育”的应用场景和未来发展趋势，她介绍到，人工智能（AI）是信息科学领域最前沿的学科之一，经历60余年的发展之后，对医疗、交通、商业、航天、农业等领域产生了重大影响。教育的终极形态依然在演化进程当中，教育的未来是属于“智慧”的时代。教育会与更多的技术相结合，语音语义识别、图像识别、AR/VR、机器学习、脑神经科学、量子计算、区块链等等。这些智能化技术已经开始并且持续地、加速地在与教育产业结合在一起。

智能教育研究院第五期博士生论坛

2020年12月16日，博士生论坛第四期由金天成同学主讲“基于知识图谱的推荐系统”和周贝贝同学主讲“口令安全相关研究”。

金天成同学的分享从4个方面展开，分别为推荐系统的基础知识，知识图谱辅助的推荐方法介绍，基于向量的知识图谱推荐方法，基于路径的知识图谱推荐方法和混合型知识图谱推荐方法。此外，金天成同学还介绍了三篇有关基于向量的知识图谱推荐方法，基于路径的知识图谱推荐方法和混合型知识图谱推荐方法的论文，从而使同学们对基于知识图谱的推荐方法有一个更加深刻的了解。

周贝贝分享了口令安全相关研究，她指出，作为身份认证点重要方法，口令安全备受学术界关注。因此基于大规模真实口令数据集，从流行口令、口令长度、口令字符、包含的个人信息等方面分析口令特征，并且设计了口令强度评价方法。

智能教育研究院博士生论坛第四期

2020年12月9日，博士生论坛第三期由戚会清同学主讲“基于知识图谱的教育场景应用”和余阳同学主讲“文本生成动画相关研究”。

戚会清同学在分享中讲到，知识图谱是最直观，最易于理解的知识表示和实现知识推理的框架，也奠定了现代问答系统的基础。基于知识图谱的教育场景应用主要是探索知识图谱在智能教育中的应用，旨在融合学生的情绪，课堂表现等到知识图谱中，构建多维模态的知识图谱，以用于知识点复习，学习视频推荐以及学习路线规划，测评出题策略等。

余阳同学向老师和同学们介绍了文本生成动画的三个模块，分别是剧本解析模块，自然语言处理模块和动画生成模块，首先输入剧本文本，自动提取相关文本生成动画。然后是NLP模块，其中第一个小模块是文本简化模块，将复杂文本简化成简单句子。最后是信息提取模块，从简化句子中提取信息，转化为预定义的动作表示。最后是动画生成模块，基于动作表示生成动画。

智能教育研究院第三期博士生论坛