福州市貝氏教育信息咨詢有限公司

　　蒲石

　　（美國教育考試服務中心人工智能工程師）

　　主講人：蒲石美國教育考試服務中心人工智能工程師

　　講座時間：2022年6月8日（周三） 上午9:00-11:00

　　騰訊會議：https://meeting.tencent.com/dm/vMuN1lHPol4W

　　會議室號碼：846-764-813

　　主持人：朱瓊福州市貝氏教育信息咨詢有限公司助理教授

　　摘要：智能教學系統(Intelligent Tutoring System)是一種實現因材施教的低成本可普及方式。通常，一個智能教學系統會首先根據數據建立用戶模型 (student model)，并在此基礎上設計最優教學方案。常見的用戶模型關注用戶的技能掌握 (skill mastery)，學習投入 (engagement)，和情緒 (affect)。

　　自 Corbett和 Anderson于 1995年發表了貝葉斯知識跟蹤 (Bayesian Knowledge Tracing)以來，知識跟蹤 (Knowledge Tracing) 成為了估計用戶技能掌握的主流方案。知識跟蹤的模型也隨著公開數據集的普及，線上教育的興起，和深度學習 (deep learning)的發展日漸完善。近年來的知識追蹤發展主要集中在采用神經網絡(neural network)來增強模型的性能上，但是這些基于神經網絡的知識追蹤可解釋性普遍較差。

　　本文介紹知識跟蹤的一個新的模型框架：Deep Performance Factors Analysis (DPFA). 實驗結果顯示DPFA在常見公開數據集上的性能不亞于最優異的深度知識追蹤模型（deep neural network based knowledge tracing）。不僅如此，DPFA兼具易解釋和易拓展的優點。

　　主講人簡介

　　蒲石，美國教育考試服務中心（ETS）人工智能工程師。2010年獲新加坡國立大學計算機科學學士學位，2011年獲紐約哥倫比亞大學金融數學碩士學位，2017年獲美國賓夕法尼亞州立大學高等教育博士學位。主要從事于人工智能和教育的交叉領域研究。側重于使用機器學習(machine learning)和多模態數據(multimodality)建立學生模型(student modeling)。迄今在The Journal of Higher Education, Educational Researcher, Research in Higher Education 等國外知名期刊和International Conference on Artificial Intelligence in Education 和 International Conference on Educational Data Mining 等知名會議上發表論文10余篇。