智慧教育是依托人工智能、物联网、云计算、5G等新一代信息技术所打造的智能化、物联化、感知化、泛在化的新型教育形态和教育模式。智慧教育是新时代教育信息化关注的重点，是未来教育发展的方向，是加快实现教育现代化、建设教育强国的必然选择。
本期焦点整合了CCF会刊以及相关会议资源，组织了1个期刊专题、6篇期刊论文和7个会议报告视频。其中，《软件导刊》2022年第1期出版的“智慧教育” 专题主要探讨了智慧课堂、在线课程推荐、游戏化学习、AI双师教学、智慧校园、教育信息化、计算机支持协作学习等内容，研究如何应用智能技术赋能教育；选自《计算机研究与发展》等优秀会刊的6篇论文，主要介绍了智慧教育不同方向的综述和展望，以及相关模型、算法和技术应用情况；而来自CNCC2021、CCF NCCA2021等会议的7个视频报告，则从智慧教育的研究热点、现状出发，扩展到目前该领域的学术前沿以及对未来挑战的展望。本期焦点旨在为推动我国智慧教育领域的进一步深入研究提供借鉴，希望能够有更多的从业者共同关注这一领域的研究与发展。
教学中，由于知识点间相互联系，随着疑惑知识点增多，学生听课的效率降低，及时为学生答疑解惑至关重要。针对此问题，考虑学生对知识理解与课堂专注度、教师授课水平、知识点难易程度之间的关联性，利用深度学习技术智能分析课堂三要素，从多维角度生成学情分析一体化数据。同时由于互联网学习资源冗余、部分内容缺乏趣味性，基于学生习惯和兴趣，将学习资源风格化处理成学生乐于接受的形式，以满足不同学生的学习需求。实践应用结果表明，课堂上人脸识别、文字识别的准确率分别为99%与92%，能够满足项目需求。其中，学生四个评估指标中，学生满意率为83.4%，表明该平台能够及时提供针对性的答疑解惑，便于学生更轻松主动地学习。
在课程推荐领域，通常会遇到数据稀疏性和冷启动问题，导致推荐效果不理想。为此，基于端到端深度学习框架，提出一种融合课程知识图谱的深度卷积神经网络（ KGCN-CR）。通过聚集课程实体邻域信息增强自身实体表示，获取学生个性化潜在兴趣。以慕课（MOOC）平台为例，通过爬取计算机类和艺术类学生的课程交互数据和课程属性，构建课程知识图谱作为辅助信息增强课程推荐的性能，分别使用18 135条交互数据以及44 600条课程属性进行试验。结果表明， KGCN-CR的ACC以及AUC分别达到了82.3%和78.2%，比SVD提升15%，精确率、召回率以及F1值也最优。因此，知识图谱作为辅助信息能有效提升课程推荐的性能，能较好解决数据稀疏性以及冷启动问题，并具有较好的推荐可解释性。
为提高计算思维能力培养时学习者的兴趣，引入游戏化方法，提出综合利用开发游戏与玩游戏进行计算思维训练的方案。以递归思维为例，一方面通过设计游戏培养计算思维，给出适合递归思维培养的Scratch设计教程，学生在教程引导下进行Scratch开发，把问题分解拆分，比较异同，并进行归纳完成设计；另一方面通过玩游戏培养计算思维，使用Unity游戏引擎开发用于培养递归思维的汉诺塔游戏，在游戏中利用递推与回归原理使复杂、抽象的问题变得清晰而简单，通过一步步引导把问题分解，重复计算思维的思考过程。调查数据表明，该方案可实现较好的计算思维训练效果，学生的学习兴趣得到明显提升。
《2021地平线报告（教学与学习版）》由美国高等教育信息化协会（EDUCAUSE）于2021年4月发布，报告分析了高等教育信息化发展的五大宏观趋势、六大关键技术、四大未来场景以及五大发展案例。在分析该报告诸多特色的基础上，提出教育4.0时代背景下我国高等教育信息化发展的启示与建议。
由于AI教师在知识调取、数据存储、智能计算、交互反馈等方面具有的优势，其在新工科人才培养中的应用研究成为热点。AI教师一方面能够减轻教师压力，拓展教师的教学能力，另一方面能够辅助学生开展自主学习与探究，激发学生的创新能动意识。为此，首先对应用AI双师教学模式开展新工科人才培养进行可行性分析，然后搭建其关键技术框架，最后以人工智能导论课程为例，针对课前、课中、课后3个阶段进行教学活动设计，验证了其对新工科教学的促进作用，并基于以上研究对应用AI双师开展新工科人才培养给出一些建议。
在智慧校园建设不断推进的背景下，云计算、物联网、大数据等新兴技术已深入到学校管理、教学的方方面面。统一身份认证系统在智慧校园总体框架中位于平台支撑层，在智慧校园体系中提供身份认证、应用授权、角色管理及单点登录等功能。统一身份认证系统的登录方式需要很好地平衡易用性与安全性，因此提出“企业微信+CAS”的统一身份认证系统改进方案，将企业微信的OAuth身份认证功能与CAS认证协议进行有效结合，统一了智慧校园中各系统身份认证入口，在简化登录操作的同时，提高了用户身份认证时的安全性。实践结果表明，应用改进方案后可逐渐取代账号密码的认证方式（占比80%以上），对于其他高校的智慧校园建设可提供一定参考借鉴。
计算机支持协作学习中的情感反馈系统将情感计算、机器学习与学习科学研究相结合，致力于研究如何利用快速发展的信息技术为学习者提供情感支持，进而推动学习者协作学习，现已成为信息科学和学习科学交叉融合的重要研究领域之一。CSCL环境中情感反馈系统框架由情感状态获取、情感状态分析和情感反馈处理三个部分组成：首先从情感状态的表征即情感模型描述切入，分析CSCL中使用多模态情感识别技术的要点，描述团队情感状态模型；然后介绍了情感状态分析的关键技术，主要包括基于文本情感分析、情感可视化分析和交互行为分析；最后从情感反馈推理模型、情感反馈策略生成算法和情感反馈策略分析情感反馈处理的关键技术，为计算机支持协作学习中的情感反馈研究提供清晰的研究线索与方向。
课堂辩论作为翻转课堂中一种重要的课堂活动形式，能够提升学生的思辨能力、沟通能力和学习积极性。以互联网金融课程教学实践为例，进行课堂辩论在翻转课堂上的教学设计。根据慕课中“电子货币定义”知识点的情况设置辩题，探讨课堂辩论在翻转课堂中实施的重点和难点，设计课堂辩论具体步骤。通过对比两个不同教学班的成绩分布情况，并进行教学效果问卷调查。结果表明，在翻转课堂上实施课堂辩论，学生的成绩普遍得到提高，综合能力也得到一定程度提升。
当前,以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势,也成为学术界热点的研究方向.首先,对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析;其次,重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术,包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测,进而对比分析了国内外主流的智慧教育平台;最后,探讨了当前智慧教育研究的局限性,总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向.
面对当前日益庞大的教育大数据, 如何在海量数据中高效、准确地提取出高价值的知识, 以满足个性化教学需求, 已成为当前智慧教育的一个研究热点. 作为一种可视化分析技术, 知识图谱可有效构建和挖掘知识及知识间的相互联系, 现已成功应用于诸多领域. 而图嵌入技术的引入, 则有利于提升大数据背景下知识图谱的处理效率. 针对个性化教育的知识处理需求, 首先介绍了知识图谱与图嵌入算法的基本概念, 并从向量平移、基于张量因式分解和基于神经网络等3个方面, 介绍基于三元组的表征学习模型. 然后, 从7种应用类型的角度, 综述知识图谱与图嵌入技术在个性化教育领域中的研究现状. 最后, 总结全文并给出未来的研究展望.
教育大数据可视化分析对于复杂教育规律的理解与挖掘具有重要作用，已成为当前教育信息科学研究领域的重要课题。首先归纳了教育大数据的典型特征，从促进学生元认知发展、辅助教师监督学习过程及提升管理者科学决策水平三个角度介绍了教育大数据应用的最新研究成果，并简述了利用教育大数据实施可视化分析的基本流程。然后重点对文本数据可视化、多维数据可视化、网络数据可视化、时间序列数据可视化以及地理空间数据可视化等五种主流的教育大数据可视化呈现方法进行特征描述，并给出具体的应用场景。随后介绍了动态查询与过滤技术、可缩放/变形界面技术和多视图联动技术三个实施教育大数据可视化的关键交互技术方法。最后依据最新研究动态，从多模态教育数据融合、人机交互、人机协同范式以及教育数据可视化设计的标准规范和评价体系四方面对教育大数据可视化未来研究方向进行了展望。
知识追踪任务旨在根据学生历史学习行为实时追踪学生知识水平变化，并且预测学生在未来学习表现.在学生学习过程中，学习行为与遗忘行为相互交织，学生的遗忘行为对知识追踪影响很大.为了准确建模知识追踪中学习与遗忘行为，提出一种兼顾学习与遗忘行为的深度知识追踪模型LFKT （learning and forgetting behavior modeling for knowledge tracing）.LFKT模型综合考虑了4个影响知识遗忘因素，包括学生重复学习知识点的间隔时间、重复学习知识点的次数、顺序学习间隔时间以及学生对于知识点的掌握程度.结合遗忘因素，LFKT采用深度神经网络，利用学生答题结果作为知识追踪过程中知识掌握程度的间接反馈，建模融合学习与遗忘行为的知识追踪模型.通过在真实在线教育数据集上的实验，与当前知识追踪模型相比，LFKT可以更好地追踪学生知识掌握状态，并具有较好的预测性能.
在采集在线学习信息时，普遍存在数据缺失的情况，使得课程资源推荐时可能因数据稀疏导致推荐的效果不理想。为了解决上述问题，基于端对端的深度学习框架，提出了融合知识图谱的多任务特征推荐算法（Multi-Layer Knowledge graph Recommendation，MLKR）。基于多任务特征学习，在任务中嵌入知识图谱；在任务之间通过交叉压缩单元建立潜在特征和实体之间的高阶联系，从而建立推荐模型。实现了基于学习者目标、兴趣、知识水平的课程资源精准推荐。实验结果表明，MLKR推荐算法训练时长和预测准确率均优于基于用户或物品的协同过滤算法和逻辑回归模型，在课程资源推荐领域具有一定的应用价值。
商务智能中，基于Agent的自动谈判利用Agent的各项人工智能优势模拟人们进行实际商务谈判，日益受到重视，其中的多属性决策尤为重要。针对现有研究对其中权重及感知价值研究不够的现状，采用犹豫模糊数，给出新的属性分类，建立相应的犹豫模糊评价矩阵并进行评价值规范后构建相应主观权重算法；结合目标优化模型和拉格朗日函数，构建相应客观权重算法，进而提出改进的综合权重计算法；在前景理论基础上，引入损失规避因子，提出将正负理想点作为双参考点，设定相应算法计算各属性与正负理想解的距离，并将其作为新参数加入感知价值函数，从而提出基于改进综合感知价值函数的总体优势度算法，最终构建出基于Agent的多属性决策模型；以某高校实验教学设备采购谈判为例，通过敏感性分析和与相关研究结果的比较分析，验证了该模型能帮助Agent做出更快速合理有效的决策。
智慧教育是教育数字化、信息化发展的高级阶段，以全体学生的学习与发展为中心，利用“互联网+”的思维和技术，打造富有智慧的学习环境，为学习者提供智慧、高效的教育服务，促进传统教学结构性变革，促进学生个性化成长和智慧发展。行为互联网（Internet of Behaviors, IoB）是Gartner 2021战略技术之首，它融合了技术，数据分析和行为心理学，用于捕获、分析、理解和响应各种行为的数字化表现。因为，IoB技术能通过数据挖掘与机器学习等核心技术处理行为数据、挖掘有用知识、理解人类行为、做出智能决策。针对数字化教育与学习，IoB技术是智慧教育发展的新机遇。 本报告从智慧教育领域需要解决的主要问题出发，主要介绍如下几个方面内容：教育行为数据、教育行为数据挖掘与分析算法、智慧教育的决策与响应模型、以及教育行为数据的安全与隐私等，重点介绍IoB技术如何有助于捕获、分析、理解并响应有关群体（例如学习者、教师）的行为，例如学习行为的大数据分析对促进学习者个性化学习、“互联网+课堂”促进教学结构性变革等。最后，本报告介绍IoB技术在线学习和数字化学习领域的最新进展。
在多样化沉浸式设备支持的虚实融合空间中，在轻量化个人使用和大空间裸眼多人协作等多种场景中，详细阐述3D全息显示及自由手势交互技术、镜面显示及利用自身影像完成交互的镜面交互技术、基于增强现实和交互全息的虚实结合互动系统等多模态的交互技术。 并探索了这些系统在教室等多人协作环境中对学习的积极作用和未来的技术发展展望。
认知诊断是对被试者认知能力高低的判断，是教育科学中最具挑战性的问题之一。在智慧教育中，认知诊断利用学生做题的历史记录来诊断学生对知识点熟练程度，进而将认知过程中的基本规律运用教学过程中，提高教学质量。报告将介绍认知诊断的基本概念和主要技术，并将从高阶潜质、多级评分、属性多级、水平潜质等方面介绍认知诊断技术的研究进展，梳理其中蕴含的思想，总结模型结构及各自的特点，并探讨未来的研究方向。
信创已经成为当前国家科技重点攻关领域之一，而信创软件生态建设是关键的一环。简要介绍信创发展的历程和现状，阐述开源与众包对当前信创软件生态建设的影响。分析为何产教（研）融合是软件工程实践的必经之路，解决当前软件教学往往脱离实际，软件实践项目也脱离工业一线等困难。分享基于慕测平台的教学、科研和产业服务融合思路，通过引入软件企业真实任务，提高软件工程课程项目的实践效用。最后阐述产教（研）融合推动我国信创生态建设的机遇与挑战。
人工智能技术的新发展，推动教育教学系统发生变革。未来已来，与最先进的人工智能技术同向进化，才能做不落伍于时代的好老师。教师要清晰地认识到智能技术给教育带来的新变化，将智能技术与教育教学应用场景深度融合，才能有效地将智能技术应用于教和学过程，提升教育教学质量。本报告将结合研究团队所创建的中国大学MOOC《人工智能教育应用》，从（1）春江水暖，做智能教育风向的观察者；（2） 疑则有进，做智能教育问题的深思者；（3）充电蓄能，做智能教育知识的学习者；（4）知行合一，做智能教学行动的践行者；（5）守正立德，培育智慧生存的时代新人等多个维度分享如何培养中小学教师掌握智能技术应用素养，推动开展智能教学实践。
在当今智能时代，教育大数据分析技术的蓬勃发展，对教育教学过程产生了深远的影响，利用计算语言学技术提取教学数据进行学生学习评价更是成为了该领域的一个重要研究热点。在该领域中，基于文本数据的学生学习评价方法是一个关键问题。在线教育使得在教育过程中提取的文本数据具有与时间相关的属性和操作属性，这些实时属性是传统教育评价方法无法观测的、衡量学生教育效果的重要指标。针对这个问题，我们首先使用感知器根据时间和操作属性提取学习文本数据；其次，根据文本数据的实时属性提出了一种基于实时文本数据的学习评价方法；最后，将传统评价方法与文中评价方法进行比较，得出传统评价方法与本文评价方法的区别。通过本文实验结果表明，使用实时属性文本数据对学生学习效果进行评价比使用传统的单一文本数据更有效。
《软件导刊》执行主编
中科国鼎数据科学研究院副院长
《计算机研究与发展》编辑部主任
《计算机科学与探索》编辑部副总编辑
《软件学报》编辑部副主任
