2026-08-30

【第41期】人工智能教育应用 - 教师生成式人工智能素养与专业胜任力

       随着生成式人工智能进入备课、教学设计、资源生成、评价反馈与教师研修，教师能力议题正在从“会不会使用AI”转向“能否在专业判断、伦理责任与教学创新中有效驾驭AI”。近两年的相关研究进一步将教师人工智能素养视为一个由价值理念、知识技能、教学整合、专业能动性与组织支持共同构成的系统，并开始通过结构模型、能力框架、量表开发和Meta分析检验其形成机制与实际效果。教师生成式人工智能素养与...

2026-08-17

【第40期】人工智能教育应用 - 教育大模型可信度

随着大语言模型逐渐应用于智能辅导、自动评分、学习问答和教学支持等教育场景，模型输出的安全性、教学适切性与可信判断成为影响其实际应用的重要因素。与通用场景相比，教育大模型不仅需要生成准确内容，还需要遵循教学目标、保护学生数据并避免误导性反馈。因此，相关研究开始从攻击风险、教学行为、学习者信任以及评测数据可靠性等方面，对教育大模型的可信度进行系统研究。教育大模型可信度Prompt Injection Attacks[1]：由Cai...

2026-08-03

【第39期】人工智能教育应用 - 教育智能体运行框架

       随着大语言模型智能体（LLM Agent）逐渐应用于智能辅导、编程教学和学习管理等教育场景，教育智能体运行框架（Agent Harness）成为支撑人工智能教育应用的重要技术基础。该框架通过协调模型、工具、记忆与环境交互机制，提高智能体系统的可靠性、安全性与持续优化能力。教育智能体运行框架Harness-MU[1]：由Fan团队提出。背景研究表明，多用户LLM智能体需要服务不同用户角色，各角色之间存在不同的权限...

2026-07-20

【第38期】人工智能教育应用-多模态学生学习分析与干预

多模态学生学习分析融合学习平台日志、文本对话、视线、表情、姿态、语音和生理信号，刻画学生的认知投入、行为参与、情绪状态与自我调节过程。目前，这一领域已逐步发展为能够在学习过程中持续感知学生状态、识别潜在问题并及时提供支持的智能化分析体系。多模态学生学习分析与干预ChatGPT求助过程多模态分析[1]：由Chen团队提出。研究招募38名大学生完成论文写作与修改，随机分为ChatGPT组和人类专家组，融合操作轨迹、眼动和对...

2026-07-06

【第37期】人工智能教育应用-大模型与图表征学习的AI教育追踪

学情状态追踪与能力推演是智能教育系统实现“因材施教”的核心技术，其主要作用是通过解析学生的交互行为，精准还原其对各类知识概念的真实掌握程度。近年来，随着大语言模型（LLM）与图表征学习的深度融合，该领域迎来了范式革新。大模型与图表征学习的AI教育追踪KECQCD[1]：由Fan团队提出。背景研究指出，传统的学情推演过度依赖专家标注的Q矩阵，容易引入主观偏见与噪声，进而影响追踪精度。该研究提出了一种融合文本语义与动态...

2026-06-22

【第36期】人工智能教育应用-LLM赋能教育新意图发现

   教育意图发现旨在从大量未标注教育对话数据中自动识别和发现新意图类别，是构建智能教学对话系统和教育大模型的重要基础技术。随着课堂互动、智能辅导系统和教育聊天机器人的广泛应用，传统依赖人工标注和预定义类别的意图识别方法难以适应教育场景中不断涌现的新意图需求，因此基于大语言模型的新型意图发现方法成为研究热点。LLM赋能教育新意图发现   Dial-In LLM[1]：由Mengze Hong团队提出。背景研究表...

2026-06-08

【第35期】人工智能教育应用-可教智能体

    可教智能体是人工智能教育应用中的一种重要形态，核心思想是让学生通过“教授智能体”来完成学习。它并不把AI设计成直接给答案的教师，而是让AI扮演知识有限、会提问、可能产生误解的学习者。学生在向智能体解释概念、纠正错误和组织思路的过程中，能够进一步发现自身知识缺口，形成更主动的学习过程。可教智能体Student Simulation Engine (SSE)[1]：由华中师范大学人工智能教育学部孙建文、冯锦天、万仟团队提出。...

2026-05-25

【第34期】人工智能教育应用-教育知识图谱自动构建与应用

教育知识图谱自动构建与应用是智能教育系统的核心基础设施之一，其核心作用是将海量、分散的教育资源、核心概念与学习实体进行结构化建模，从而支持精准的认知诊断、个性化路径推荐与多轮智能问答。近年来，该技术广泛应用于各类在线学习平台、大规模开放式在线课程（MOOC）及学科自适应教学中。教育知识图谱自动构建与应用CG-RAG EKG System[1]：由Wang团队提出。背景研究表明，传统教育知识图谱的构建和维护高度依赖人工，成本高...

2026-05-11

【第33期】人工智能教育应用-AI教师助教

随着大语言模型（Large Language Models）的快速发展，人工智能在教育领域的应用逐渐从传统智能辅导系统向生成式教学助理系统演进。AI教师助教能够通过自然语言交互为学生提供即时答疑、学习反馈与个性化学习支持，从而有效缓解教师教学负担并提升学习体验。近年来，国内外研究者围绕大模型驱动的教学问答、学习反馈生成以及个性化教学支持等方面开展了大量探索，并提出了一系列AI教师助教系统与方法。AI教师助教TAsk AI Teaching ...

2026-04-27

【第32期】人工智能教育应用-数学题自动生成与推理增强

数学题目自动生成（MQG）与推理能力增强是智能教育系统的核心技术方向，其核心作用是自动化构建高质量教学资源并提升大语言模型的逻辑解题水平，广泛应用于自动化测评、个性化练习推荐及智能助教等教育领域中。数学题自动生成与推理增强MathFusion[1]：由Qizhi Pei团队提出。背景研究表明，当前的数学数据增强主要局限于实例级的修改，未能捕捉数学知识内在的关系结构。该系统解决了大模型在处理具有依赖关系的复杂多步问题时表现...

2026-04-13

【第31期】人工智能教育应用-RAG在教学问答中的应用

检索增强生成（Retrieval-Augmented Generation, RAG）正在成为教育问答系统的重要技术路径。相较于仅依赖大模型参数记忆的问答方式，RAG通过先检索教材、课件、课堂转录、题库解析等外部知识，再结合生成模型组织答案，能够在一定程度上缓解幻觉、静态知识滞后和课程内容更新不及时等问题。研究表明，RAG已广泛进入多种教育场景，相关研究重点集中在检索优化、多模态资源利用、知识更新和教学适配等方面[1]。RAG在教学问答中的应...

2026-04-03

双周简报合集（简报001期-简报030期）

双周简报合集（20250120-20260330）.pdf供下载使用

2026-03-30

人工智能教育应用 - 概念先决条件学习

      概念先决关系是一种知识依赖类型，它表明某一领域内核心概念的学习顺序决定了知识的学习顺序。概念先决关系在多种教育场景中发挥着不可或缺的作用，例如学习路径规划、知识追踪、认知诊断以及学习资源推荐。概念先决条件学习PRIERP[1]：由华南师范大学贺超波团队提出。针对现有方法仅直接使用稀疏的拓扑结构信息、未能利用先决条件关系信息来进一步提升预测性能的问题，该团队设计了一种先决条件关系信息增强...

2026-03-16

人工智能教育应用 - 教育意图检测

教育意图检测是智能教育系统的核心技术之一，其核心作用是精准识别学生在学习过程中的需求意图，从而实现教育服务的个性化与高效化，广泛应用于在线教育、智能tutoring、编程教育等多个教育领域中。教育意图检测Chatbot ITS[1]：由Cutler团队提出。背景研究表明，对话式教学系统需依托对话驱动导航以满足学生预期。该系统解决了开放式对话中学生课程切换意图检测难题，可降低学生学习挫败感。研究者将该问题建模为二分类任务，判断...