人机协同时代的智慧教育：生成式AI带来的机遇与挑战
8月23日（星期六）15：45-17：30
地点: 三楼大宴会厅 C

简介：
       彭鑫，复旦大学计算机科学技术学院副院长，教育部长江学者特聘教授。中国计算机学会（CCF）杰出会员、软件工程专委会副主任、开源发展委员会常务委员，中国汽车工程学会汽车基础软件分会副主任，《Journal of Software: Evolution and Process》联合主编（Co-Editor），《ACM Transactions on Software Engineering and Methodology》、《Empirical Software Engineering》、《Automated Software Engineering》、《软件学报》等期刊编委。2016年获得“NASAC青年软件创新奖”，2023年入选上海市东方英才拔尖项目，2024年获得“中创软件人才奖”。主要研究方向包括软件智能化开发、云原生与智能化运维、泛在计算软件系统、智能网联汽车基础软件等。研究工作多次获得IEEE Transactions on Software Engineering年度最佳论文奖、ICSM最佳论文奖、ACM SIGSOFT杰出论文奖、IEEE TCSE杰出论文奖等奖项。担任2022年与2023年CCF中国软件大会（CCF ChinaSoft）组织委员会主席与程序委员会共同主席，以及ICSE、FSE、ASE、ISSTA、ICSME、SANER等会议程序委员会委员。

报告题目： AI时代的软件人才培养

报告简介： 

        大语言模型和多模态大模型的迅猛发展推动新的智能化时代的到来，其另一方面的典型特点是人机物融合与万物智能互联。软件定义一切的思想及相关技术支持人机物资源按需融合，而智能正在成为各类人机物融合系统的核心特征。随着智能化发展的浪潮，以神经网络为代表的AI模型将会逐渐取代软件吗？另一方面，生成式AI将会终结编程吗？本次报告将在背景介绍的基础上，围绕这两个问题进行探讨，同时阐述智能化时代需要什么样的软件人才。

简介：
       姜华，大连理工大学高等教育研究院教授，管理学博士，博士生导师，大连理工大学学科评价中心主任、辽宁省重点智库“教育评价与发展战略研究中心”主任，中国高等教育学会教育评估分会委员会常务理事、全国质量监测学会常务理事，辽宁省“双一流”建设咨询专家。主要研究领域为高等教育治理研究和教育测量与评价研究。著有《资源与效率—国外高等教育绩效评价研究》、《省属高校绩效评估的方案与实施策略研究》、《中国民办高等教育组织变迁—组织社会学的视角》等专著。

报告题目： 高校教师使用生成式人工智能的能力结构模型及其演变规律

报告摘要： 

       下生成式人工智能的迅速崛起正推动高校教学模式、教师角色与教育治理的深刻变革。教师角色正在由传统的课堂讲授者逐步转向教学设计者与协作者，生成式 AI 工具也在从辅助后台工具演进为课堂中的协作伙伴。在这一背景下，高校教师在日常教学与研究中基于人机协同的工作方式愈发重要。本次报告将重点介绍高校教师使用生成式人工智能的能力结构模型及其演变规律，以帮助厘清教师能力发展的内在逻辑并为未来的专业发展提供参考。

简介：
       互联网资深产品总监、物理教师、北师大教育硕士。8年互联网教育从业经历，负责过多款AI+教育产品从0到1的创新设计和应用落地。2023年开始专注教育大模型领域，负责好未来九章大模型产品，并推出九章爱学AI数学老师，致力于为用户提供媲美真人老师的互动学习体验。

报告题目： 大模型时代的个性化学习探索

报告摘要： 

       教育行业经常提到的“不可能三角”，即大规模、个性化和高品质三者很难兼得。但大模型时代的到来，整个的教育行业有望一步一步地突破“不可能三角”。那具体到知识学习场景中，如何利用大模型，来解决学生遇到的知识学不明白、练习不会做等个性化的问题呢？好未来学而思大模型团队，尝试在讲题答疑、精准学练等场景切入，精准诊断学生的知识薄弱点，帮助学生进行一对一实时答疑，在个性学、精准学的场景中探索出了一种更有实用价值和应用潜力的模式。

简介：
       卢宇，北京师范大学教育学部副教授，博士生导师，新加坡国立大学计算机工程专业博士，北京市未来教育高精尖创新中心人工智能实验室主任。曾在新加坡科研局（A*STAR）等科研机构长期从事人工智能及其教育应用相关领域的研究。现担任IEEE Transactions on Learning Technologies等多本SCI/SSCI期刊Associate Editor，AIED等多个本领域重要国际学术会议的共同主席。在本领域出版中英文著作3本，发表中英文学术论文100余篇。主持国家重点研发计划课题1项，国家自然科学基金3项，北京市教育科学规划重点课题，教育部人文社科研究项目等。

报告题目： 人机协同的教育智能体构建

报告简介： 

        随着大模型等生成式人工智能技术的快速发展，教育智能体作为人工智能赋能教育领域的重要载体，正展现出广阔的应用前景。本研究聚焦大模型支持的教育智能体设计与应用，探讨其系统架构、关键技术与模型构建。在此基础上，重点面向课堂教学与教师教研等典型人机协同教育场景，分析其实际应用效果、潜在风险与挑战，旨在为智能体与教育的深度融合提供理论参考与技术方案。

简介：
       徐庸辉，山东大学教授，博士生导师，主要研究可信任人工智能、多模态大模型、图神经网络等。在国际人工智能顶级会议AAAI、IJCAI、ICDE及权威期刊TNNLS、TKDE、TKDD等发表论文100余篇，申请授权核心知识产权20余项。长期担任人工智能与数据挖掘领域顶级学术会议IJCAI、AAAI、KDD等程序委员，权威学术期刊IEEE TKDE、TNNLS等审稿人。先后承担国家重点研发计划课题、国家自然科学基金项目、国家自然科学基金重大项目子课题、阿里巴巴全球创新研究计划等国家级省部级项目等20余项，参与获得国家级教学成果奖二等奖、山东省科学技术进步奖一等奖、山东省教学成果奖特等奖。

报告题目： 大模型赋能的学习科学与教育

报告简介： 

       人工智能大模型的突破性发展为学习科学与教育领域带来范式变革。本报告系统探讨大模型如何通过其核心能力（语言理解、知识推理、多模态处理）重构学习科学理论框架：深化认知过程建模、实现动态个性化学习、拓展情境建构与元认知培养，推动教育从“知识传递”向“认知伙伴”转型。在实践层面，大模型正重塑微观教学（智能导学/动态内容生成）、中观系统（课程图谱/适应性评估）和宏观生态（资源公平/终身学习）三级场景，显著提升教育效率与可及性。然而，技术赋能伴随严峻挑战：模型幻觉、算法偏见、认知惰性风险及数据隐私问题亟需解决，同时需重构教师角色与评估体系。未来教育需构建“人机协同”新范式——通过发展可靠专用模型、创新教学模式、建立伦理标准与政策治理框架，使大模型成为支持人类智慧的教育增强工具。