2020年12月2日，博士生论坛第二期邀请到教育学部教育心理学系副教授郑蝉金老师主讲“智能化测试：缘起、发展、技术于趋势”，以及博士生王腾主讲“计算机自适应诊断测验（CO-CAT）”。

郑蝉金老师首先提到了智能化测验的起因，接着着重介绍了当前社会上主流的智能化测试——计算机化自适应测验，该测验是一种“量体裁衣”式的测验，广泛运用于各种场合。例如：人才测评、职业资格考试等。并对计算机化自适应测验按发展脉络作了简要说明，然后介绍了计算机化自适应测验的相关模型及技术，最后展望了智能化测试的未来发展趋势。

汪腾分享了认知诊断和计算机化自适应诊断，他首先简要介绍了CAT的优缺点，然后详细介绍计算机化自适应诊断测验（CD-CAT）的流程，最后介绍CD-CAT的原理与实现方法。认知诊断是认知心理学与心理测量学结合的产物，它可以区分学生在测验过程中所使用的认知技能以及学生对各个知识点的学握程度。通过结合计算机化自适应测验（CAT）的“自适应”算法，认知诊断可以更高效地刻画学生的知识结构与认知技能。

智能教育研究院第二期博士生论坛

为提高我院首届智能教育博士班同学的科研兴趣和学术水平，在学院的支持和指导下，将博士生论坛作为博士生培养的重要环节。该论坛由博士生班委精心筹划，邀请相关研究领域的老师和本班同学在本学期系列学术交流活动。

2020年11月25日，博士生论坛第一期由刘桐同学主讲“自适应学习平台建设初探”和杜润萌同学主讲“人工智能下的隐私计算”。

刘桐分享了自适应数学学习平台建设的初探，她围绕自适应数学学习平台的相关工作与任务展开，从教育情境与已有研究、商业产品与具体案例、平台目标与具体规划以及未来研究设想四个部分向大家进行了介绍。刘桐先是汇报了教育情境中的自适应学习是什么，以及从它拆分出的“因材施教”、数据驱动、学习诊断、自适应导学、大规模实现等教育问题，之后从领域模型、导学模型、学生模型、交互界面四个部分介绍了当前自适应学习系统的主要架构方式，并对现有的如ALEKS、ASSISTment、Mathspace等系统做了基本情况介绍。随后，在商业产品与具体案例部分，介绍了行业中已有的商业产品，并主要介绍了由卡耐基梅隆大学学习实验室开发的MATHia数学自适应学习系统。然后，对目前学校自适应学习平台的预期目标以及建设规划做了介绍，对各个子系统的具体技术实现规划做了介绍。最后，从研究的角度，介绍了目前自适应学习系统中潜在的研究问题，例如知识追踪与hint factory等，从技术层面与教育关切两个角度对未来研究提出思考。

杜润萌分享了联邦学习的隐私关键技术研究与应用。她在交流中强调数据里蕴含着价值。她指出在人工智能时代，机器学习尤其深度学习模型的获得需要大量的训练数据作为前提,这些数据可能是由单个或多个数据提供者收集的。由于数据的隐私性，谷歌引入了联邦学习(FL)系统。联邦学习的定义是各方数据都保留在本地，不泄露隐私也不违反法规；多个参与者联合数据建立虚拟的共有模型，并且共同获益的体系。因此着重研究了纵向联邦学习，并且提供私有化的方式部署，在合作方之间实现数据安全对齐融合、数据安全计算，安全学习建模，运行加密模型运算。

智能教育研究院博士生论坛第一期