高端论坛2数智教育与人机协同：AI赋能的未来教育

简介：

汤庸，学者网创始人，国家万人计划教学名师，国务院政府特殊津贴专家，教育部新世纪优秀人才，国际人工智能科学院会士（AAIS Fellow），华南师范大学首批二级教授,教育部数据科学课程群虚拟教研室负责人，琶洲实验室杰出科学家，兼任广东科技学院学术副校长。获武汉大学学士和硕士、中国科学技术大学博士学位；先后任教于长沙铁道学院（现中南大学）、武汉大学等，曾任中山大学信息学院副院长、计算机系（实体系）主任和国家LINUX技术中心主任；华南师范大学学术委员会副主任、学位评定委员会副主席、教学指导委员会主任，计算机学院/软件学院院长等；中国计算机学会理事、协同计算专委主任（2020-2024）、YOCSEF广州创始主席（2003），ACM广州主席（2019-2022）等。获广东省科学技术一等奖、教育部科技进步二等奖、国家教学成果二等奖、丁颖科技奖、宝钢教育奖、教育部-华为智能基座优秀教师、CCF协同计算杰出贡献奖、CCF杰出演讲者等。 专注学者社交网络SCHOLAT，致力打造学者数据基座智能模型及应用生态。详细请见：scholat.com/ytang

简介：

浙江师范大学杰出教授、博士生导师（教育技术学、计算机），现任浙江师范大学教育学院学术副院长，浙江全省智能教育技术与应用重点实验室执行主任，浙江省数智文教与社会发展实验室智能教育研究中心主任，浙江省“人工智能+教育”产学研联盟副秘书长等，近五年在人工智能、智能教育等领域发表顶级期刊会议论文50余篇，曾获包括《英国工程技术学会高影响力文章》等多个论文奖项，主持国家级项目3项，浙江省尖兵领雁项目1项。曾入选2024年Wiley中国区优秀科学创新学者，担任包括IEEE TCSS在内的多个SCI期刊副主编，作为核心成员获2024年浙江省科技进步一等奖、浙江省教育科学研究二等奖，其研究及转化成果曾被包括光明日报、浙江日报、广东卫视在内的多家媒体广泛报道。

简介：

毛新军，国防科技大学首席教授，首届霍英东教育教学奖获得者，全国高校计算机专业优秀教师，入选教育部新世纪优秀人才，担任教育部软件工程专业教指委委员、“101计划”软件工程课程以及国家和军队虚拟教研室负责人，CCF教育专委副主任，信息技术新工科产学研联盟实践教学工委主任，长期从事软件工程方向的科学研究、课程教学和人才培养工作，研究成果发表在ICSE、ASE、TSE、FSE、ISSTA、SANER、ICPC、ESE、JSEP、中国科学、软件学报和计算机学报等期刊和会议上，多篇论文获ACM SIGSOFT杰出论文奖，开展了“基于开源、借助群智、智能辅助、群体化学习”等多项教学改革，编著有软件工程方面的国家级规划教材、101计划核心教材等8部，获国家教学成果二等奖，湖南省自然科学一等奖，湖南省、北京市和军队教学成果一等奖，湖南省计算机学会教学成果特等奖。

报告题目：人才培养幻觉：大模型融入教育的新挑战

报告摘要：

随着人工智能技术的快速发展，将人工智能技术融入教育成为重要趋势。当前越来越多的学生尝试用大模型来辅助其学习和实践，许多老师探索基于大模型的教学改革。然而，在我们开展大模型融入软件工程教育的过程中，我们发现大模型融入教育会产生人才培养幻觉。这一现象的表现是学生在大模型的辅助下能够高质量和高效率地开展学习和实践，但是实质上学生的知识、能力和素质并没有得到提升。报告介绍了我们对这一学习新现象的认识，揭示了大模型融入教育的双面性，讨论了产生这一现象的本源，提出了如何在高等教育领域用好大模型的若干建议。

简介：

詹志辉，南开大学人工智能学院教授，博士生导师，IEEE Fellow、IEEE计算智能学会杰出青年奖获得者（每年全球遴选一位）、教育部青年长江学者、国家优青、吴文俊人工智能优秀青年奖获得者、科睿唯安“全球高被引科学家”、人工智能领域全球前2%顶尖科学家（同时入选年度科学影响力和终身科学影响力双榜单）、2014-2025连续12年中国高被引学者。主要研究领域包括人工智能、进化计算和群体智能及智慧教育应用，担任进化计算、人工智能和控制领域顶尖国际学术期刊 IEEE Transactions on Evolutionary Computation、IEEE Transactions on Emerging Topics in Computational Intelligence、IEEE Transactions on Systems, Man, and Cybernetics: Systems和IEEE Transactions on Artificial Intelligence等4本IEEE Transactions的副主编。

报告题目：多目标进化智能驱动的智慧教育：从个性化学习到可解释认知诊断

报告摘要：

如何让机器既“懂”学生，又“信”得过？本报告围绕智慧教育中的两个核心环节——个性化习题组编与认知诊断建模，展示多目标进化智能驱动的智慧教育方法。针对习题推荐中多约束、多目标的复杂优化，介绍一种双档案多目标进化算法，实现高效、精准的个性化组卷；针对认知诊断中“精度-可解释性”的矛盾，介绍一种多目标神经架构搜索框架，自动构建既准确又透明的诊断模型。同时，对多目标进化计算作为高效方法在解决智慧教育复杂问题中的巨大潜力进行总结与展望。

简介：

邸世民，东南大学计算机科学与工程学院教授、博士生导师。入选国家高层次青年人才、香港科学院青年科学家（数学/物理轨）、小米青年学者、紫金青年学者等计划，主要研究领域为智能体系统、数据挖掘与科学智能。2016年自湖南大学数学学院取得学士学位，2017年、2022年先后获香港科技大学硕士、博士学位，同年加入香港科技大学，历任博士后研究员、研究助理教授，2025年起任教于东南大学，2026年获批东南大学青年首席教授。他长期服务于数据挖掘与人工智能领域多个学术团队，受邀担任多个重要国际期刊编委，现任国产期刊群《The Innovation Informatics》学术编委，以及《The Innovation Reviews》和《The Innovation Insights》编委。担任中国计算机学会推荐A类国际会议的领域主席或程序委员会成员30余次。近年来，他累计发表ICLR、ICML、NeurIPS、KDD等CCF-A/B类论文40余篇，其中以第一作者或通讯作者身份发表CCF-A类论文25篇。

报告题目：从知识传授到自主科学发现

报告摘要：

人工智能正在深刻改变高等教育，但其影响已不再局限于智能助教、个性化学习和教学效率提升。随着大模型、智能体、工具学习与AI4Science的发展，人工智能正逐步从知识获取工具演进为能够参与问题提出、文献理解、方案设计、工具调用、实验执行与结果分析的科研伙伴，推动高等教育从知识传授进一步迈向知识创造。本报告将结合智能体、工具学习与自主科学发现等研究进展，讨论人工智能如何重构高校人才培养与科学研究的基本范式。一方面，AI正在改变学生所需要掌握的核心能力，高等教育的重点将逐步从知识记忆和标准化问题求解，转向问题定义、复杂任务分解、工具组织、人机协同与科学判断。另一方面，面向真实科学问题，未来的AI系统将不再只是回答问题，而是能够连接代码、软件、数据库、实验设备等科研工具，在人的指导与约束下参与完整科研过程。报告将进一步探讨从辅助科研走向自主科学发现所面临的关键挑战，包括复杂科研工具的可调用性、长时序科学任务规划、实验过程中的安全与约束，以及人类科学家与智能体之间新的协作关系，并展望以人、智能体、科研工具为核心的新型高等教育与科学研究生态。

简介：

王笛，西安电子科技大学教授、博士生导师，国家级青年人才。主要研究方向为机器视觉、具身智能、智能教育技术。以第一或通信作者在顶级期刊会议如TPAMI、TIP、TIFS、CVPR、ICCV、SIGIR等发表论文90余篇，主持包括国家自然科学基金面上项目、新一代人工智能国家科技重大专项子课题、陕西省杰出青年科学基金等项目。获得陕西省科学技术进步奖一等奖、陕西高等学校科学技术研究优秀成果奖特等奖、中国图像图形学学会优秀博士学位论文奖等。教育教学方面，作为主要成员获得陕西省高等教育（本科）教学成果奖特等奖、国家级线上线下混合式一流本科课程、华为“智能基座”产教融合一流课程等荣誉。

报告题目：面向个性化学习的多模态教育大数据分析

报告摘要：

数据驱动的人机协同个性化学习支持方法，致力于通过挖掘学习过程的多维度数据，为每位学习者精准匹配适切资源、动态规划学习路径、即时提供干预策略，是破解规模化教育与个性化培养之间核心矛盾的关键路径。本报告立足真实教学场景，面向个性化学习的现实需求，系统介绍多模态教育大数据智能分析技术，重点阐述如何精准感知学生需求、融合分析多源异构数据，并生成精准化的学习支持策略，以“一人一策”的动态适配机制，突破“千人一面”的传统供给模式，提升学习者学习成效。

简介：

林荣华，华南师范大学计算机学院特聘研究员，硕士生导师，入选广东省科学技术协会2025-2026年度青年科技人才培育计划，中国计算机学会协同计算专委会执行委员，国际人工智能科学院AI安全与治理专委会理事。主持国家自然科学基金青年基金项目、广东省自然科学基金面上项目、国家重点研发计划项目子课题等国家级/省部级项目。先后获得中国计算机学会协同计算专委会青年科技奖，广东省计算机学会科技进步一等/二等奖，广东省计算机学会教学成果二等奖等奖励。

报告题目：全过程教与学评价和多场景个性化学习服务关键技术与应用

报告摘要：

随着教育数字化战略的纵深推进，传统的“结果导向”评价模式与“千人一面”的教学服务已难以满足高质量、个性化教育的发展需求。本报告以报告人所在团队目前承担的国家重点研发计划项目课题为背景，介绍课题研究过程中的相关研究成果，主要涵盖“教-学-练-测-评”全过程的教与学评价和多场景个性化学习服务相关技术及算法，以及在国家中小学智慧教育平台上的落地应用。