基本信息
浏览量:19
职业迁徙
个人简介
研究方向
数据驱动的计算教育学,包括大规模可扩展在线教学平台研发、基于自然语言处理和程序语言处理的智慧教育研究等。
1)大规模可扩展教学平台:研发支撑大规模、全链路在线学习的新型教学平台,以及提高平台可扩展性和满足教学环境定制化的关键技术。
2)智慧教育支撑工具:研发能够促进自主学习的智慧教育支撑工具,提高教学过程的智能化程度,探索实现规模化、自适应教学的关键技术。
3)自动化学习反馈与评价:研究学习反馈与评价的自动化生成方法,探索通过即时反馈提高学生学习效率、利用多维数据实现过程性评价的关键技术。
数据驱动的计算教育学,包括大规模可扩展在线教学平台研发、基于自然语言处理和程序语言处理的智慧教育研究等。
1)大规模可扩展教学平台:研发支撑大规模、全链路在线学习的新型教学平台,以及提高平台可扩展性和满足教学环境定制化的关键技术。
2)智慧教育支撑工具:研发能够促进自主学习的智慧教育支撑工具,提高教学过程的智能化程度,探索实现规模化、自适应教学的关键技术。
3)自动化学习反馈与评价:研究学习反馈与评价的自动化生成方法,探索通过即时反馈提高学生学习效率、利用多维数据实现过程性评价的关键技术。
研究兴趣
论文共 42 篇作者统计合作学者相似作者
按年份排序按引用量排序主题筛选期刊级别筛选合作者筛选合作机构筛选
时间
引用量
主题
期刊级别
合作者
合作机构
CoRR (2024)
引用0浏览0EI引用
0
0
PROCEEDINGS OF THE 46TH INTERNATIONAL ACM SIGIR CONFERENCE ON RESEARCH AND DEVELOPMENT IN INFORMATION RETRIEVAL, SIGIR 2023pp.1345-1354, (2023)
ECML/PKDD (6) (2023): 286-301
LAK22: 12th International Learning Analytics and Knowledge Conferencepp.438-443, (2022)
加载更多
作者统计
合作学者
合作机构
D-Core
- 合作者
- 学生
- 导师
数据免责声明
页面数据均来自互联网公开来源、合作出版商和通过AI技术自动分析结果,我们不对页面数据的有效性、准确性、正确性、可靠性、完整性和及时性做出任何承诺和保证。若有疑问,可以通过电子邮件方式联系我们:report@aminer.cn