近日，長水教育集團(tuán)題為《Exercise recommendation algorithm based on improved collaborative filtering》、《Exercise Recommendation Method Based on Machine Learning》的兩篇學(xué)術(shù)論文被教育技術(shù)領(lǐng)域頂級國際會議The 21st IEEE International Conference on Advanced Learning Technologies（簡稱“ICALT 2021”）錄用，該會議是由IEEE計(jì)算機(jī)協(xié)會和IEEE學(xué)習(xí)技術(shù)委員會聯(lián)合組織的關(guān)于高科技學(xué)習(xí)技術(shù)的年度國際會議，是全球公認(rèn)的教育技術(shù)領(lǐng)域?qū)W術(shù)質(zhì)量最高的會議之一。

“ICALT 2021”組委會發(fā)給李志壯老師的回函

兩篇論文的第一作者均為長水教育集團(tuán)人工智能與學(xué)生發(fā)展研究工作室主任李志壯老師，通訊作者為長水衡實(shí)中宜良校區(qū)執(zhí)行校長胡海洋。論文其他作者包括宜良校區(qū)常務(wù)副校長夏志鵬老師、呈貢校區(qū)教研與課改中心主任王子思翰老師、宜良校區(qū)黃曉克老師、施景艷老師、李海龍老師、曾山老師、李學(xué)章老師、仇北旭老師，均為長水教育集團(tuán)人工智能與學(xué)生發(fā)展研究工作室成員。

李志壯老師介紹習(xí)題推薦算法的設(shè)計(jì)思路

擁有北京大學(xué)計(jì)算機(jī)專業(yè)碩士學(xué)位的李志壯老師是長水教育集團(tuán)“鯉魚計(jì)劃”引進(jìn)人才，在宜良校區(qū)擔(dān)任高中數(shù)學(xué)教師。這兩篇論文的研究主要源于他在一線課堂教學(xué)中對學(xué)生學(xué)情的觀察與思考。

“我在教學(xué)過程中發(fā)現(xiàn)，有些成績一般的學(xué)生進(jìn)行某些章節(jié)的測案習(xí)題答題時(shí)，能表現(xiàn)出與學(xué)習(xí)成績較好的同學(xué)相近的水平，但在其他章節(jié)答題中并沒有出現(xiàn)這種情況?；诖宋疫M(jìn)行猜想：對于每個(gè)知識點(diǎn)，每類學(xué)生都有適合自己的一批習(xí)題，學(xué)習(xí)這樣的習(xí)題能給這類學(xué)生帶來比一般習(xí)題更大的提升，因此讓他們具備了超出平時(shí)水平的解題能力”。

李志壯老師在有了這個(gè)想法之后，得到了集團(tuán)督導(dǎo)辦、教科院、人力資源部等部門的大力支持，借助“鯉魚計(jì)劃”的培養(yǎng)框架，成立了長水教育集團(tuán)人工智能與學(xué)生發(fā)展研究工作室，并招募了一批有研究能力、扎實(shí)基礎(chǔ)、教學(xué)經(jīng)驗(yàn)豐富的老師加入，如工作室中的夏志鵬老師是集團(tuán)宜良校區(qū)的常務(wù)副校長，他是2018年云南省民辦教育優(yōu)秀工作者，擁有極為豐富的教學(xué)管理與德育管理經(jīng)驗(yàn)，工作期間更是獲獎無數(shù)，并曾發(fā)表多篇高水平論文；王子思翰老師畢業(yè)于中國科學(xué)院大學(xué)，具有優(yōu)秀的科研能力，曾發(fā)表多篇高水平論文。此外，工作室還邀請北京大學(xué)朱鄭州教授擔(dān)任名譽(yù)主任，與朱鄭州教授創(chuàng)辦的北京大學(xué)教育大數(shù)據(jù)研究會展開合作，并由北京大學(xué)教育大數(shù)據(jù)研究會為工作室提供一定的數(shù)據(jù)和技術(shù)支持。

在宜良校區(qū)執(zhí)行校長胡海洋的直接引領(lǐng)與參與下，工作室的成員們制定了研究方向、研究思路、技術(shù)路線，通過認(rèn)真嚴(yán)謹(jǐn)?shù)恼{(diào)研探討出了多種學(xué)生分類策略、適合各類學(xué)生的習(xí)題挖掘方法、某類學(xué)生對指定習(xí)題的學(xué)習(xí)效果檢驗(yàn)方法，并通過分工協(xié)作，對多種習(xí)題推薦算法進(jìn)行了具體的設(shè)計(jì)研發(fā)和效果驗(yàn)證，證實(shí)了最初設(shè)計(jì)的兩種習(xí)題推薦算法具有較強(qiáng)的有效性和合理性，最終這兩篇論文被“ICALT 2021”會議錄用。

教育科研小組學(xué)術(shù)研討會

“在整個(gè)研究過程中，集團(tuán)總督學(xué)張建平老師、教科院院長李曉麗老師、督導(dǎo)辦主任羅少輝老師都對我們的研究方向與思路提出過寶貴意見，這是長水教育集團(tuán)集體智慧的結(jié)晶”，李志壯老師表示，長水教育集團(tuán)人工智能與學(xué)生發(fā)展研究工作室還將繼續(xù)對上述兩篇論文提出的習(xí)題推薦算法進(jìn)行完善，提高其適用范圍和易用性，并進(jìn)一步設(shè)計(jì)出該算法在中學(xué)教學(xué)中的推廣使用方案，從而提升更多學(xué)生的學(xué)習(xí)效率。

近年來，長水教育集團(tuán)依托“上接天線、下接地氣”的教科研智庫體系，緊跟人工智能、大數(shù)據(jù)、區(qū)塊鏈等技術(shù)發(fā)展趨勢，成立了教育大數(shù)據(jù)研究院和“5G+AI實(shí)驗(yàn)室”，并創(chuàng)辦了云南省首個(gè)“5G+AI智慧教育”項(xiàng)目，逐步實(shí)施“智慧校園”建設(shè)、教聯(lián)網(wǎng)建設(shè)、信息化技術(shù)應(yīng)用，從而提高學(xué)生綜合素質(zhì)、個(gè)性化發(fā)展，培養(yǎng)學(xué)科核心素養(yǎng)，最終提升整體教育教學(xué)質(zhì)量。

長水衡實(shí)中“5G+AI”實(shí)驗(yàn)課課堂

目前，長水教育集團(tuán)已在部分校區(qū)建設(shè)了標(biāo)準(zhǔn)化考場和云計(jì)算機(jī)機(jī)房、AI人工智能實(shí)驗(yàn)室；長水衡實(shí)中各校區(qū)持續(xù)推進(jìn)三師課堂（三師：線上名師、線下輔導(dǎo)教師和德育導(dǎo)師）建設(shè)，推動教師主動適應(yīng)信息化、人工智能等新技術(shù)變革，促進(jìn)教師信息化素養(yǎng)與專業(yè)化成長；探索開展混合式教學(xué)，以數(shù)字家長學(xué)校、資源和學(xué)習(xí)平臺、辦公平臺及智慧校園管理平臺，多維度多層次滿足學(xué)生、家長、教師的學(xué)習(xí)與成長需求，為構(gòu)建長水教育現(xiàn)代化治理體系及高質(zhì)量教育信息化支撐體系持續(xù)賦能。

未來，長水教科研智庫體系將進(jìn)一步瞄準(zhǔn)國家重大戰(zhàn)略和區(qū)域發(fā)展需要，充分發(fā)揮教育科研在辦學(xué)過程中的支撐、驅(qū)動和引領(lǐng)作用，持續(xù)完善學(xué)科建設(shè)，提升研究水平，切實(shí)提高教育決策科學(xué)化水平，為促進(jìn)高中段學(xué)校多樣化建設(shè)，學(xué)生全面而有個(gè)性地成長，發(fā)展更加公平更高質(zhì)量的教育作出新的貢獻(xiàn)。

相關(guān)鏈接：

學(xué)術(shù)論文《Exercise recommendation algorithm based on improved collaborative filtering》提出了一種基于改進(jìn)的認(rèn)知診斷方法和長短時(shí)記憶網(wǎng)絡(luò)(LSTM)的習(xí)題推薦算法，旨在更快地提高學(xué)生對指定知識點(diǎn)的掌握程度。針對目標(biāo)學(xué)生和指定知識點(diǎn)，該算法可以在包含指定知識點(diǎn)的所有習(xí)題中，篩選出能盡快提高目標(biāo)學(xué)生對該知識點(diǎn)掌握水平的習(xí)題，然后推薦給目標(biāo)學(xué)生。實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。該算法具有較高的合理性和可解釋性，解決了傳統(tǒng)基于協(xié)同過濾的練習(xí)題推薦方法缺乏解釋性和合理性的兩大弊端。學(xué)術(shù)論文《Exercise Recommendation Method Based on Machine Learning》提出了一種基于機(jī)器學(xué)習(xí)的習(xí)題推薦算法。該算法可以根據(jù)學(xué)生所屬的類別，為學(xué)生推薦對提升該學(xué)生的能力幫助更大的習(xí)題。該算法首先使用線性回歸和EM算法，為學(xué)生對每個(gè)知識點(diǎn)的掌握程度進(jìn)行精確建模。對于每個(gè)知識點(diǎn)，根據(jù)學(xué)生對該知識點(diǎn)的掌握程度、學(xué)生對所有知識點(diǎn)的平均掌握程度，使用聚類算法，將學(xué)生分為多個(gè)類別。對于每個(gè)知識點(diǎn)，根據(jù)學(xué)生歷史答題記錄，分別找出對每類學(xué)生幫助最大的習(xí)題。對于需要推薦包含指定知識點(diǎn)的習(xí)題的學(xué)生，首先使用k-近鄰算法對該學(xué)生進(jìn)行分類，然后為該學(xué)生推薦適合于該類的習(xí)題。經(jīng)試驗(yàn)檢驗(yàn)，本方法可以提幫助學(xué)生在做同樣數(shù)量的習(xí)題的情況下獲得更大的知識點(diǎn)掌握程度提升效果。