天津大学智能与计算学部
计算机实验教学中心 高级实验师
硕士生导师,ICPC/CCPC竞赛天津大学代表队指导教师
研究方向:教育信息科学、教育大模型、推荐系统、知识图谱
人工智能改变教育,教育改变中国,中国改变世界
每一个认真努力的人,都值得被尊重
每一个人都值得更好的教育
每一个人都了不起
做更好的教育,让每一个认真努力的人更加了不起!
致力于知识图谱及未来推荐系统研究,面向未来教育应用,促进教育资源共享,教育公平。
研究介绍
教育大模型研究:
1.长期记忆大模型:如何让模型像人类一样具备长期记忆能力,能够持续学习并整合新知识(主要是学习者的能力、习惯、认知状态等),同时避免灾难性遗忘,以更好地支持教育场景中的知识积累与应用。
2.云端大小模型协同:如何实现云端大模型与本地小模型的高效协同,充分发挥两者优势,优化资源分配与任务处理,以提高教育大模型的整体性能和应用效果。
3.大模型情感、品德、社会能力支持:如何让教育大模型不仅在知识传授上发挥作用,还能在培养学生情感、品德和社会能力方面提供有效支持,促进学生的全面发展,构建有温度、有价值的教育大模型。
4.数学推理大模型:如何提升教育大模型在数学推理方面的准确性和逻辑性,使其能够更好地解答复杂数学问题,支持数学教学与学生思维能力的培养。
5.具有分步引导、思维培养能力的大模型:如何构建具有分布引导和思维培养能力的教育大模型,能够根据学生的学习情况和特点,引导其进行深度思考和探索,培养学生的创新思维和问题解决能力。
知识图谱构建研究:从非结构化的自然语言文本或多模态数据中提取实体和关系等基本元素构建精确且全面的知识图谱,并基于已有的知识图谱推理发现更广泛的未知事实信息,以构建大规模、具有应用潜力的知识图谱,为问答系统、语义搜索和个性化推荐等领域的技术创新提供支持。
未来推荐系统研究:针对推荐系统中的流行度偏差、公平性、算法歧视、信息茧房等问题,基于知识图谱推理、因果推断等方法研究更具社会责任、更利于用户发展的推荐算法。
以教育领域为切口,积极探索将研究成果转化为实际应用,通过搭建学科知识图谱系统原型,构建基于学科知识图谱的自适应导学系统,推动知识图谱在教育领域的实际应用和发展,驱动教育创新升级。
近期代表性论文