京师智能讲堂第三十八期 | 图表示学习及其在智能教育中的应用

主要观点总结

本文报道了北京师范大学人工智能学院举办的第三十八期京师智能讲堂，讲座主题为图表示学习及其在智能教育中的应用。浙江师范大学教授李明博士做了主题报告，详细介绍了图表示学习的基本概念，如频域图神经网络方法、超图神经网络等，并通过实验展示了新模型在异质性数据集上的效果。此外，还讨论了图表示学习在智能教育中的实际应用，如学生成绩预测、跨模态检索和学生参与度预测等。报告还包含了与学生互动环节，解答了关于图模型理解学生复杂操作等问题。

关键观点总结

关键观点1: 京师智能讲堂第三十八期成功举办

本次讲座由北京师范大学人工智能学院举办，浙江师范大学教授李明博士做主题报告，介绍了图表示学习的基本概念及其在智能教育中的应用。

关键观点2: 李明教授讲解图表示学习的基本概念

李教授详细介绍了频域图神经网络方法和超图神经网络等概念，并通过实验展示新模型在异质性数据集上的效果。

关键观点3: 图表示学习在智能教育中的实际应用

李教授通过学生成绩预测、跨模态检索和学生参与度预测等场景，讲解了图表示学习在智能教育中的实际应用。

关键观点4: 交流环节中的问题与解答

在交流环节，学生们提出问题，李教授解答了关于图模型如何理解学生复杂操作、大模型介入后学生行为数据的采集与建模等问题。

关键观点5: 对未来智能教育的展望

李教授强调了技术与教育实践结合的重要性，对未来智能教育中的决策支持、个性化学习、风险预警等方向的落地充满期待。