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

 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