2022年5月30日上午，厦门大学信息学院林凡副教授为我院师生作了题为《从知识追踪到学习者建模——对教育大数据的思考》的学术报告。本次报告由郭建鹏教授主持，我院140多位师生通过线上线下相结合的方式听取此次报告。
从对学习者进行“因材施教”的个性化角度出发，以知识追踪为切入点，本场报告深入讨论了从知识追踪到学习者建模的相关概念、发展背景、应用场景、主流建模方法和分阶段、多特征学习者建模。报告伊始，林凡老师介绍了教育数据挖掘（EDM）、人工智能赋能教育产业（AIED）、学习分析（LA）、学习者建模（LM）和知识追踪（KT）等相关概念，展现了知识追踪的精细化、智能化、深度化特点。在掌握学习、机器学习、深度学习的基础上，知识追踪目前已经发展出了状态模型、深度学习网络和认知诊断等技术。而且，知识追踪的应用场景也十分广泛，涵盖了自适应学习、教育测评、学习资源推荐、游戏式学习等多种学习情境，用以更好地掌握学习者的学习状态和更快地捕捉学习者的学习特点与不足，从而更准确地为学习者提供个性化反馈。在分析知识追踪的不同应用场景后，林凡老师对于现有的知识追踪建模方法重新分类，从而归纳出概率模型、逻辑模型和基于深度学习的模型三种知识追踪的主流建模方法。然而，基于方法的分类仅仅描绘了知识追踪建模的发展现状，却无法勾勒出更加复杂灵活和贴近实际学习需求的未来模型。因此，林凡教授以学习者建模的未来展望结束本场报告，提出了从学习前、学习中到学习后的分阶段学习者建模和涵盖问答系统、课程推荐、知识追踪的多特征学习者建模。
林凡老师的报告引起了与会师生的热烈讨论。老师和同学们就教育数据的特殊性、人工智能的伦理困境、学习者建模的指标选取、人工智能在文学艺术领域的应用前景等问题展开了十分热烈的讨论，林凡老师也一一进行了回应。面对人工智能发展的伦理问题，林凡老师表示无需过度担心，人工智能的发展形势大好。法制化治理和技术评价将进一步规范人工智能的未来发展，人工智能的算法“黑箱”终会开启。最后，郭建鹏教授进行总结。他认为林凡老师的报告具有前沿性，不仅让师生了解到了当前学习科学的发展现状和未来走向，而且通过技术手段让“因材施教”的教育理想在未来变得可能。
图文：吴新蕊
