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
2025年11月18日，ac米兰官网中文网站京师智能讲堂第三十八期在昌平校园2号教学楼108教室成功举办。本期报告邀请到了浙江师范大学教授、博士生导师李明，为师生带来题为 “图表示学习及其在智能教育中的应用” 的精彩报告。讲座由ac米兰官网白璐老师主持，现场座无虚席，学院研究生共计80人次参与。
在报告的第一部分，李明教授围绕“图表示学习”的基本概念展开了系统介绍。李教授详细介绍了频域图神经网络方法，并对空域方法进行分类介绍，并通过实验与理论分析证明在GCN中引入随机权的可行性。在介绍基础图模型后，李教授进一步讲解了近年来备受关注的超图（Hypergraph）方法。他指出现有多数超图模型在异质性数据集上的效果甚至不如MLP。为解决上述问题，李教授展示了课题组所提出的新模型在多个异质性数据集上的实验结果，说明该超图神经网络在特征表达、高频信息建模等方面具有显著提升。最后李教授围绕“智能教育”，李教授从三个实际应用场景：学生成绩预测、跨模态检索和学生参与度预测，进行了深入讲解图表示学习在智能教育中的应用。
在交流环节，同学们围绕“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”“成绩预测结果的实际应用价值”等问题展开提问。李教授指出，在智能教育应用中，首先需要确保学生学习过程中的多源数据能够被真实、完整、结构化记录下来；其次，图神经网络的关键在于明确节点、边及其关系的定义；最后，关于预测如何真正转化为教育决策，需要教育学、心理学与人工智能的深度融合，而不仅仅是技术层面的指标优化。他强调，当前团队主要从人工智能视角研究建模方法，而未来更具价值的是将技术与教育实践结合，推动决策支持、个性化学习、风险预警等多方向落地。
此次讲座为在场的师生提供了一个了解图表示学习技术及其教育应用最新发展的机会，让大家深入学习了图神经网络、超图方法等前沿技术，以及它们在学生成绩预测、学习行为分析等智能教育场景中的实际应用，拓宽了对人工智能赋能教育的认识。许多与会学生表示对图表示学习在智能教育中的发展充满期待，并期待能在未来的学习和研究中应用这一技术。
