蒲石

　　（美国教育考试服务中心人工智能工程师）

　　主讲人：蒲石美国教育考试服务中心人工智能工程师

　　讲座时间：2022年6月8日（周三） 上午9:00-11:00

　　腾讯会议：https://meeting.tencent.com/dm/vMuN1lHPol4W

　　会议室号码：846-764-813

　　主持人：朱琼北京大学教育学院助理教授

　　摘要：智能教学系统(Intelligent Tutoring System)是一种实现因材施教的低成本可普及方式。通常，一个智能教学系统会首先根据数据建立用户模型 (student model)，并在此基础上设计最优教学方案。常见的用户模型关注用户的技能掌握 (skill mastery)，学习投入 (engagement)，和情绪 (affect)。

　　自 Corbett和 Anderson于 1995年发表了贝叶斯知识跟踪 (Bayesian Knowledge Tracing)以来，知识跟踪 (Knowledge Tracing) 成为了估计用户技能掌握的主流方案。知识跟踪的模型也随着公开数据集的普及，线上教育的兴起，和深度学习 (deep learning)的发展日渐完善。近年来的知识追踪发展主要集中在采用神经网络(neural network)来增强模型的性能上，但是这些基于神经网络的知识追踪可解释性普遍较差。

　　本文介绍知识跟踪的一个新的模型框架：Deep Performance Factors Analysis (DPFA). 实验结果显示DPFA在常见公开数据集上的性能不亚于最优异的深度知识追踪模型（deep neural network based knowledge tracing）。不仅如此，DPFA兼具易解释和易拓展的优点。

　　主讲人简介

　　蒲石，美国教育考试服务中心（ETS）人工智能工程师。2010年获新加坡国立大学计算机科学学士学位，2011年获纽约哥伦比亚大学金融数学硕士学位，2017年获美国宾夕法尼亚州立大学高等教育博士学位。主要从事于人工智能和教育的交叉领域研究。侧重于使用机器学习(machine learning)和多模态数据(multimodality)建立学生模型(student modeling)。迄今在The Journal of Higher Education, Educational Researcher, Research in Higher Education 等国外知名期刊和International Conference on Artificial Intelligence in Education 和 International Conference on Educational Data Mining 等知名会议上发表论文10余篇。