11月29日下午14：30，北京师范大学教育学部教授、博导，互联网教育智能技术及应用国家工程研究中心常务副主任，北京师范大学远程教育研究中心主任郑勤华教授做题为“智能技术支持的教育建模研究”讲座。吴瑞林教授与郑勤华教授进行亲切交谈后，讲座正式开始。学院教师樊文强、张惠以及本研学生参加。讲座由樊文强主持。

郑勤华教授指出，大规模个性化教育服务得以实现的关键在于数据驱动的教育建模。他从教育高质量发展背景出发，引出教育建模的本质，重点介绍了三种类型的教育建模实践经验，并深入探讨了智能技术支持教育应用的潜力和局限性。

首先，郑教授明确了教育建模的定义，并详细解释了在进行教育建模过程中所面临的挑战——黑箱模型。他深入阐述了教育建模的基本原理，即通过运用机器学习相关的算法模型，分析学生在各个方面的数据，从而为学生推荐合适的学习资源和学习伙伴，以减轻他们的课业压力和负担。

接着，郑教授以拔尖创新人才为例，列举了这些人才的特质，并强调了将这类品质进行数学建模的重要性，特别是对于非认知因素如价值观的建模。他通过坚毅力的具体案例，详细阐述了这些非认知因素是如何被建模的。通过构建一个封闭的场景，进行了统一的测量，加强多模态数据融合，根据计算模型，得出了一个坚毅力指数。此外，他还通过现实中的教师和家长反馈来进行模型的验证。例如，线上线下相结合的科学探究活动场景——学生线上观看科技馆视频或完成探究实验，线下则基于易获取的材料完成探究活动。多模态科学探究活动数据——包括学生线上参与活动的时长、效率、修改次数等以及线下实验视频等多模态科学探究活动数据都被采集起来。智能分析评测科学探究能力——通过视频分析技术，提取关键行为，识别科学探究行为序列。基于这类分析框架，建立特征与能力的映射模型，实现能力化测评。

此外，郑教授还详细介绍了教育部开展信息技术支撑学生综合素质评价试点的成果。他强调了当前已经形成了以SEED工具、区域特色工具和区域教育信息化数据映射三方面为主的现状。通过他的讲解，我们对教育建模领域的现有成果有了更深入的理解和认识。

郑勤华教授就同学们所提出的“单模态与多模态数据比较”“基于数据的相关关系与因果关系分析”“专家在教育建模中的作用”“教育建模研究中的跨学科合作”等相关问题进行了详细的解答。郑教授在答疑过程中讲到，"智能教育模型"的核心在于它能够通过收集和分析学生在学习过程中的大量数据，从而理解学生的学习习惯和潜在问题。这不仅可以帮助教师更好地理解学生的学习需求，也可以提前发现学生的学习困难，并及时提供个性化的学习方案和辅导。这个模型还具有强大的预测功能，它可以根据学生的学习数据和成绩，预测其未来的学习路径和可能达到的水平。这不仅可以帮助教师更好地规划教学内容和进度，也可以帮助学生更好地了解自己的学习目标和方向。总的来说，"智能教育模型"的研究为现代教育带来了重大的改变和可能性。我们期待看到这项技术在未来的教育实践中发挥更大的作用，帮助更多的学生实现他们的学习目标。

最后，樊文强代表学院向郑勤华教授颁发“人文讲堂”纪念证书。

编辑丨高诗佳