7月6日,国际人工智能教育大会2020(AIED)在线上成功开幕,作为教育应用领域的国际顶级会议,大会邀请了计算机科学、教育、心理学等领域的全球顶尖专家学者参与,围绕人工智能领域最前沿的研究成果、AI技术落地应用的经验与挑战等进行为期5天的学术讨论。
在本届大会上,爱学习教育集团AI Lab的学术论文被大会收录,论文作者受邀在会上做技术分享,展示爱学习在知识诊断领域的前沿研究成果,并和来自全球的专家学者进行学术探讨和技术交流。
爱学习AI Lab论文被AIED2020收录并应邀做技术分享
数十位全球顶尖专家汇聚 2020AIED线上开幕
AIED由国际人工智能教育协会(IAIED)组织召开,为包括计算机科学、认知与学习科学、教育、游戏设计、语言科学领域的新方法、新技术和新思想提供深入交流的机会,因提供高质量研究的智能系统和认知科学方法而闻名。
本届大会的主题是Augmented Intelligence to Empower Education(增强智能赋能教育),邀请了Eduwork公司联合创始人兼首席执行官Robby Robson博士,IEEE学习技术标准委员会副主席Jim Goodell,智能导学系统ASSISTments的主要贡献者Neil Heffernan教授,美国孟菲斯大学心理学系、电子计算机工程系、计算机科学系教授、华中师范大学心理学学院教授兼院长胡祥恩教授,IEEE工业连接行业学习工程联盟(ICICLE)主席Michael Jay等全球顶尖专家发表主题演讲,还有数十位知名学者通过学术报告、前沿对话、直播间分享等形式,探讨人工智能如何与教育进行深度融合。
分享前沿研究成果 爱学习AI Lab在国际顶级会议彰显领先实力
在本届大会上,爱学习AI Lab团队基于知识诊断研究成果的论文——《Exercise Hierarchical Feature Enhanced Knowledge Tracing》(题目层次化特征加强知识追踪)被收录。该论文针对传统知识诊断方法面临的题目表征不足和诊断维度单一等问题,提出了一种通用性的框架——EHFKT(Exercise Hierarchical Feature Enhanced Knowledge Tracing)。
该框架能够通过挖掘题目中的层次化信息和语义特征来丰富题目的隐层表示,并通过分析题目的知识点分布、难度特征等追踪学生对不同题型的掌握程度,为诊断结果提供不同维度的信息参考,从而提升知识诊断的准确性。
论文的三位作者受邀在大会上进行了该项研究成果的报告,通过在爱学习数据集上的大量实验数据,展示了新的通用模型的有效性,并与匹兹堡大学信息科学和智能系统教授Peter Brusilovsky等学者就知识诊断、自适应学习等话题进行了深入的探讨和交流。三位作者向Peter Brusilovsky教授介绍了通过EHFKT进行知识追踪的方法,讲述了知识诊断以及自适应学习系统在爱学习教育集团测评端未来的应用场景。Peter Brusilovsky教授分享了其在知识追踪方向的研究成果,表示其团队在从BKT(贝叶斯认知追踪)或者IRT(项目反应理论)的角度出发深入挖掘题目的层次化信息,爱学习AI Lab基于深度学习层次化诊断研究给予了他很多启发,他向几位作者表达了感谢,并表示会和他的学生和团队分享爱学习AI Lab在此方面的创新研究成果。
爱学习AI Lab的论文作者与匹兹堡大学Peter Brusilovsky教授进行学术交流
坚持科技创新 爱学习将持续探索AI与教育场景的深度融合
在刚刚结束的2020北京智源大会上,爱学习AI Lab的自适应学习系统和智能化教研两项产品受邀进行了企业成果展示,此次又受邀在国际顶级会议AIED上进行技术分享和交流,再一次彰显了爱学习AI技术的领先水平。不论是前沿的技术成果还是在教育场景的实际应用,爱学习正在用实力赢得业界越来越多的认可。
这些成果都源于爱学习对科技创新的重视。近年来,爱学习不断加大在AI等技术研发上的投入,并于2018年成立AI Lab,目前已围绕计算机视觉、语音识别、自然语言理解、智能决策四个方向,陆续打造出AI好课、AI智能化教研、AI自适应学习、AI英语情景对话、AI作文评价、AI学科知识图谱、AI试卷还原、AI教管等十多款创新产品和应用,覆盖了“教、学、练、评、测”全教学场景,已在旗下高思教育及合作机构中得到广泛落地应用。
除此之外,爱学习还与华为、腾讯、百度、商汤、暗物智能等企业和研究机构达成合作,积极探索人工智能等前沿技术在教育场景的落地。未来,爱学习将继续坚持对科技创新的投入,携手行业伙伴创建教育AI创新平台,共同推动更多的研究成果在教育场景落地,助力教育产业的智能化升级。
来源:北国网
免责声明:本文来源于网络,仅代表作者本人观点,与TechWeb无关。凡来源非TechWeb的新闻(作品)只代表本网传播该消息,并不代表赞同其观点。TechWeb对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任
2020-07-10 08:57 发布 浏览