0
未来已来，随着技术的不断迭代，人类社会开始进入一个高度集约化的社会，以智能化为核心的第四次科技革命正在全世界席卷而来。人工智能这一社会新的生产力正在推动着生产关系的变革。
教育领域无疑是会被AI技术革命最先冲击的领域，当下随着AI技术积淀，AI+教育已覆盖了不同国家、不同年龄层，从小学、初高中、大学到职业教育的近百个学科，全球有 9000 多万用户使用AI智适应教育产品，引领全球教育变革的浪潮。
AIAED大会（AI Adaptive Education Conference）以“在全球普及人工智能教育，推动人工智能技术对教育的改变和发展，为了人类更好的教育公平性和教育成果做出贡献”为宗旨，是人工智能+教育行业最隆重的盛会，自2018年4月以来，AIAED大会已经在中国召开了两次，在国际AI教育学术和商业领域获得巨大反响。
第二届AIAED大会中，卡耐基梅隆大学（CMU）计算机学院院长Tom Mitchell教授、阿里达摩院首席外籍专家也是美国三院院士Michael Jordan教授、IEEE学习技术标准委员会现任主席 Avron Barr、ALEKS前主席/现任首席产品官Wilmot Lampros等二十多位全球AI教育领域科学家前来演讲，会场频频爆满，并且是首例在开场需要增加第二会场的大会，每位演讲者都在两个会场演讲两次，与会人数更是多达3000人次。
Knewton、ALEKS、新东方、好未来等全球及国内知名AI教育机构，以及淡马锡、General Atlantic、中金资本、歌斐资产、鼎辉、凯雷在内的一百余家万亿、千亿基金规模的风投均有参加AIAED大会。
卡内基梅隆大会计算机学院院长、机器学习教父、松鼠AI首席AI科学家Tom Mitchell（上）
美国三院院士、阿里达摩院首席AI科学家Michael Jordan（下）
AI智适应教育产业的发展，需要人工智能、教育企业、投资机构等各方的共同努力。基于此，第三届全球AIAED大会即将在今年五月份召开，从学术交流，技术创新、商业合作等维度出发，为AI智适应教育产业提供一个广阔的舞台。
第三届AIAED大会早鸟票申请通道（请戳链接）
2019年5月24日-25日，第三届AIAED大会将在中国北京再次起航，本次会议主办方为乂学教育-松鼠AI智适应教育、IEEE教育工程和自适应教育标准工作组、中国自动化学会、新东方、好未来等教育机构，由IEEE FML联合机器学习工作组，IAIED（国际人工智能教育协会,即AIED大会的主办组织）等共同支持协办，预计参会人数将多达5000人。
AIAED 2019将是一个国际化论坛，学术界和行业研究人员相聚在此，共同讨论人工智能、机器学习、数据挖掘、自然语言处理、多模态分析和系统架构应用于下一代教育领域的重要趋势以及这些是如何大规模地和在各种环境中影响人类学习。该会议为研究人员和产品开发人员提供了研究交流、开发和应用的机会。
第三届AIAED大会的组委会嘉宾阵容更是空前强大：机器学习教父、 卡耐基梅隆大学（CMU）计算机学院院长Tom Mitchell教授将亲临现场并将作为大会组委会主席参与论文的评估，此外还有MIT人工智能实验室主任Daniela Rus；伦敦知识实验室负责人Rose Luckin等。还有更多神秘嘉宾正在邀请中。
已确认2019AIAED Keynote Speakers名单（部分）：
Tom Mitchell教授
松鼠AI首席AI科学家、机器学习教父
全球公认的机器学习教父，在全球人工智能实力排名第一的卡耐基梅隆大学创办了人类历史上的第一个机器学习系并担任系主任。美国《Machine Learning》杂志、国际机器学习年度会议（ICML）的创始人。他的经典著作《机器学习：一种人工智能方法》被认为是行业圣经，销量惊人。他的学术论文专著超过130篇，在包括《Science（科学）》、《Nature （自然）》等世界顶级学术期刊发表。
Daniela Rus
MIT人工智能实验室主任
美国工程院院士，曾经一手创办了达特茅斯学院机器人实验室。Daniela Rus开创的可编程物质和分布式机器人的研究让其成为人工智能领域地位最高的女性。
Rose Luckin
伦敦知识实验室负责人
她是伦敦大学学院教授，伦敦知识实验室负责人。著有《机器学习与人类智能》，国际顶尖AI教育学术大会AIED-2018/2019会议主席，国际人工智能教育(AIED)协会执行委员会委员。
AIAED 2019目前面向全球征集有关人工智能教育技术、教育理论、在智适应教育中的应用以及相关领域的新型跨领域合作的相关论文，欢迎人工智能教育领域的专家学者提交有关AI（人工智能）在智适应教育中的应用以及相关领域的新型跨领域合作的论文概要(1000至1500字)，论文将由专业的科学家团队进行审核和评估，且要求展示严谨的研究方法并提供实验证据作为支持。
论文指南
AIAED 2019欢迎提交有关AI（人工智能）在智适应教育中的应用以及相关领域的新型跨领域合作论文。论文将经过同行评审，且需要体现严谨的研究方法并提供实验证据作为支持。
论文主体长度应为一页(250字),同时包含一张图表，体现论文作者的理论(Theory)、方法(methodology)和研究发现(findings)。
论文拓展摘要字数要求为1000-1500字，且包含以下6个部分：引言(Introduction)（100-150字）、展示相关的学习理论(Relevant Theories of Learning)（200-300字）、体现促进技术进步(Enabling Technological Advances)（200-300字）、现实应用(Real World Applications)（200-300字）、潜在影响证据(Real World Applications)（200-300字）和总结(Summary)（100-150字）。扩展摘要的参考文献引用也应不超过20个（不包含在1000-1500字内）。
所有摘要和扩展摘要应通过Easychair提交。
提交文件格式应参照www.AIAED.com/call-for-papers上提供的论文模板。
AIAED会议结束之后，已入选的论文摘要将不仅在大会会刊发表，还将在顶级国际学术期刊 International Journal of Artificial Intelligence in Education (IJAIED) 特别期刊 上发表其对应的完整论文（ 更多信息敬请等待）；二、完整论文还有机会被《 AI技术在自适应教育中的应用现今发展情况》一书收录。
入选标准
如有需要申请奖学金的参会者，必须提交论文摘要。优先提交论文摘要者，奖学金申请将被优先考虑。
论文拓展摘要的评估将基于以下几个标准：
理论基础：该文献评论是否为你的研究提供了相关的学习理论和强有力的理论基础？
技术进步与技术稳定性：你的研究如何促进技术进步和/或你的研究方法有多严格？
现实应用：从你的研究中实现或实际从你的工作中得到的教育活动的变化是什么？
潜在影响：你在教育领域大规模应用的成果价值和潜在影响是什么？
建议主题
机器学习、深度学习和/或教育数据挖掘在自适应教育中的应用
多模式综合行为和情感分析在教育中的应用
人类语言处理和语义分析在教育中的应用
在K12实践中基于人工智能的应用
人工智能与学习科学/工程领域的相互作用
用于开发基于AI的智适应教育的标准和基础架构，包括对IEEE智适应教学系统标准和IEEE联合机器学习标准的贡献
自适应学习系统的自我提升
图像识别和处理在人工智能教育中的应用
重要时间节点
2019年3月15日 若希望优先获得会议奖学金支持，出版摘要（250字）应于此日期前提交
2019年4月1日 摘要提交截止日期（250字）
2019年4月8日 论文扩展摘要提交截止日期
2019年5月8日 同行评审
2019年5月17日 论文扩展摘要最终版收录入AIAED 2019会议论文集
2019年5月24-25日 AIAED 2019会议
2019年8月26日 《 AI技术在自适应教育中的应用现今发展情况》一书出版
发布
论文集将在AIAED大会官网发布并免费提供阅览，会议已获得商业4.0国际许可（CC by-NC 4.0）。
联系方式
所有论文相关的问题，请通过电子邮件发送至info@AIAED.net。
关于AIAED Technical program Chair介绍：
1. General Chair: Dr. Tom Mitchell (Carnegie Mellon University)
大会组委会主席：Tom Mitchell教授
机器学习教父、卡耐基梅隆大学教授、计算机系主任
全球公认的机器学习教父，在全球人工智能实力排名第一的卡耐基梅隆大学创办了人类历史上的第一个机器学习系并担任系主任。美国《Machine Learning》杂志、国际机器学习年度会议（ICML）的创始人。他的经典著作《机器学习：一种人工智能方法》被认为是行业圣经，销量惊人。他的学术论文专著超过130篇，在包括《Science（科学）》、《Nature （自然）》等世界顶级学术期刊发表。
2.Technical Program Chair: Dr. Xiangen Hu (University of Memphis)
技术论坛联席主席：胡祥恩博士
美国孟菲斯大学心理学、计算机工程、计算机科学系教授，华中师范大学心理学院院长
美国孟菲斯大学心理学，计算机工程，和计算机科学系教授。智能系统研究所先进学习技术（ALT）实验室主任，担任美国国防部先进分布式学习（ADL）国家实验室分部主任，主要研究方向为认知数学模型、人工智能和智能教学、统筹数据分析统计模型等方面。他还组织了2017年AIED大会等大型活动。 胡教授是国家组织部第七批“”学者并兼任华中师范大学心理学院院长。
3.Industry Program Chair: Michael Moe (GSV)
业界论坛主席：Michael Moe
GSV Capital创始人&CEO，ASU-GSV教育大会联合创始人
他是纳斯达克上市公司GSV Capital 的创始人和CEO。ASU-GSV教育峰会每年吸引超过4000名参会者和400家公司，入选《纽约时代周刊》“必须参加的会议”榜单。历届出席的名人有小布什、奥巴马总统、比尔盖茨、人工智能领域专家Andrew Ng教授、乔布斯遗孀Laurene Powell Jobs等。同时投资了AI教育公司Dreambox、Knewton、AltSchool等。（担任Coursera、Course Hero、Class Dojo等多家知名教育公司的观察员。）
4.Investor Program Chair: Joleen Liang (Squirrel AI Learning)
投资论坛主席：Joleen Liang
5.AIAED-Youth/AI4K12 Program Chairs:
AIAED-青少年/AI4K12 (AI应用于K12)论坛联席主席
5.1 Dave Touretzky (Carnegie Mellon University)
卡内基梅隆大学计算机科学系和认知神经基础中心教授
David S. Touretzky是卡内基梅隆大学计算机科学系和认知神经基础中心的研究教授。Touretzky的研究兴趣在于人工智能，计算神经科学和学习领域。2006年，他被Computing Machinery 协会评为杰出科学家。他于1978年在罗格斯大学获得计算机科学学士学位，1984年获得卡内基梅隆大学计算机科学专业的硕士学位和博士学位。
5.2 Christina Gardner-McCune 博士
佛罗里达大学助理教授
Gardner-McCune 博士担任佛罗里达大学助理教授，研究方向重点是整合中学和高中的计算机课程，并设计了兴趣和基于学科的课程以及课后和夏令营计划，以吸引中学和高中的科学和计算机学生，从而使用扩大计算机和计算机教育研究的参与度。她从雪城大学获得计算机工程学士学位，并在佐治亚理工学院获得计算机科学硕士和博士学位，主修软件工程和学习科学与技术。
6.Technical Track Chairs:
技术论坛委员会主席
6.1 Machine Learning/ Deep Learning
机器学习/深度学习技术论坛联席主席
6.1.1 Andy Li博士
美国佛罗里达大学(University of Florida) 电子和计算机工程学院教授
他是国家大学学习基金会（CBL）的创始主任，这是第一个美国国家科学基金深度学习中心。他还是大型智能系统实验室（Li Lab）的主管。他的研究兴趣包括大数据，机器学习，深度学习，云计算，智能平台，HPC以及健康，精准医学，CPS /物联网，CV，NLP，机器人，基因组学以及科学，工程和商业的安全和隐私。他在期刊和会议论文集上发表了100多篇同行评审论文，5本书和4项专利（3名被许可人）。他的团队创建了许多软件系统和工具。获得2010年国家科学基金会职业奖，2013年互联网创新应用奖，2015年NSF I-Corps最佳团队奖，以及最佳论文奖（IEEE ICMLA 2016，IEEE SECON 2016，ACM CAC 2013和IEEE UbiSafe 2007）。
6.1.2 吴凌飞博士
IBM Watson人工智能实验室研究员
他的主要研究方向集中在表象学习，推理机器学习，自然语言处理，数值线性代数和高性能数学软件。他的研究成果已经发表在许多顶级会议和期刊上，包括KDD，ICDM，ICASSP，IEEE等。并担任一流学术期刊IEEE Transactions on Parallel and Distributed Systems，IEEE Transactions on Knowledge and Data Engineering，ACM Transactions on Management Information Systems等的审稿人，还担任技术论坛委员会和包括AAI、ICDM、IJCAI等核心学术会议审稿人。
6.2 Educational Data Mining
教育数据挖掘论坛联席主席
6.2.1 Elizabeth Owen博士
Learning Data Discovery公司CEO、Age of Learning学习和数据科学总监
Owen博士是基于游戏的学习分析专家。 在Age of Learning，她专注于通过应用机器学习优化自适应学习系统。 此前，她曾在著名游戏公司Electronic Arts(EA）担任研究员和数据科学家。Owen博士的博士工作基于Games + Learning + Society（GLS）中心，该中心使用基于游戏的教育数据挖掘与EA，Zynga和PopCap Games展开合作。 欧文博士在K12教育界有十多年的丰富经验。
6.2.2 Michael Yudelson 博士
美国大学入学考试机构ACT Inc.学习方案组高级研究科学家
曾任卡耐基梅隆大学、卡耐基学习(Carnegie Learning)公司研究科学家。他的研究领域包括:认知模型、知识掌握。他获得了美国匹兹堡大学信息科学博士学位，师从Peter Brusilovsky教授(自适应教学领域先驱之一)。
6.3Multimodal Integrated Behavioral Analysis & Affective Computation
多模态综合行为分析与情感计算技术论坛联席主席
6.3.1 Kang Lee博士
加拿大多伦多大学(University of Toronto)应用心理学和人类发展系教授
他的研究领域包括：青少年道德观念的发展、面部处理专业知识的发展、儿童和成人面部加工的神经机制、儿童和成人说谎的神经机制。研究孩子如何掌握说谎的概念和道德含义，孩子是否容易上当或者能够发现别人的谎言，以及孩子是否可以在各种社交场合中说出令人信服的谎言。他还研究了影响说谎和说实话发展的认知 - 社会 - 文化因素。此外，通过神经科学方法（例如，EEG，fMRI，fNIRS）来检查儿童和成人的说谎和说话的神经生理相关性。他还使用心理物理学方法来研究儿童和成人如何处理稳定和动态的社交信息。关注儿童和成人如何感知，编码和识别不同类型的面部（例如，种族）。还使用了神经科学方法（例如，EEG，fMRI，fNIRS）来检查儿童和成人的面部处理的神经生理相关性。获得中国国家自然科学基金会颁发的国家杰出海外学者奖；加拿大创新基金会领导者机会基金奖等多项大奖。
6.3.2卢宇博士
北师大副教授、高精尖中心人工智能实验室主任
博士毕业于新加坡国立大学计算机工程专业，曾在新加坡科研局等国外机构长期从事大数据分析与人工智能领域的研究，并在Kaggle国际数据挖掘竞赛上多次取得优异成绩。在大数据分析、人工智能与教育技术研究领域已发表20余篇高水平英文论文，包括多篇ACM/IEEE Transctions及国际会议论文（例如ICDM, IJCAI, CIKM, EDBT等）。主持或已完成多项国内外科研项目，包括国家自然科学基金、教育部人文社会科学基金等。同时，负责北师大公共服务智能平台的数据分析研发工作。其中部分成果及其可视化方案已在平台上实现，直接服务于北京市多个区县的一线教师与学生，并已申请多项国家发明专利。
6.4 Natural Language Processing & Semantic Analysis
自然语言处理与语义分析技术论坛联席主席
6.4.1 Arthur Graesser 博士
孟菲斯大学心理系和智能系统研究所教授
研究方向包括：记忆，计算语言学，人工智能，人机交互等 ，在期刊和会议论文集上发表了600多篇文章，（曾担任70项研究项目的首席研究员，）他领导的研究项目总金额约4500万美元，资金主要来自美国国家科学基金会、教育科学研究所等。曾获得孟菲斯大学首个终生成就奖。主要研究领域涉及认知科学，话语处理和学习科学。 研究方向包括：记忆，计算语言学，人工智能，人机交互等。
6.4.2 吴凌飞博士
IBM Watson人工智能实验室研究员
他的主要研究方向集中在表象学习，推理机器学习，自然语言处理，数值线性代数和高性能数学软件。他的研究成果已经发表在许多顶级会议和期刊上，包括KDD，ICDM，ICASSP，IEEE等。并担任一流学术期刊IEEE Transactions on Parallel and Distributed Systems，IEEE Transactions on Knowledge and Data Engineering，ACM Transactions on Management Information Systems等的审稿人，还担任技术论坛委员会和包括AAI、ICDM、IJCAI等核心学术会议审稿人。
6.5 Learning Engineering
学习工程技术论坛联席主席
6.5.1 Ken Koedinger博士
美国卡耐基梅隆大学计算机、心理学系教授、 LearnLab研究室主任
他领导开发的Cognitive Tutor软件已应用在数以千计的学校，帮助了大量学生提高成绩。他拥有多学科背景，将人类学习和创造教育技术以提高学生成绩的研究目标。他的研究为教育软件的设计提供了新的原则和技术，并产生了关于学生思考和学习本质的基础认知科学研究成果。 Koedinger指导LearnLab, 该计划始于美国国家科学基金会10年的资助，现在属于CMU Simon Initiative的科学部门。 LearnLab建立在认知导师过去的成功基础之上，这是一种在数千所学校中使用的在线个性化辅导方法，并且一再被证明可以提高学生的学习成绩。他是卡内基学习公司的联合创始人，该公司自1998年成立以来，已为数百万学生提供基于认知导师的课程。 Koedinger博士撰写了250多篇同行评审的出版物，并且是超过45项拨款的项目调查员。
6.5.2 Mingyu Feng博士
WestEd的科学，技术，工程和数学（STEM）高级研究员
她目前领导了数个复杂的跨机构研究项目，包括评估在100多个教室中科学项目的有效性。 她是国际教育数据挖掘协会理事会成员，并担任EDM 2016的项目联合主席，EDM 2019的高级项目委员会成员以及AED 2019的项目委员会成员。封博士拥有在计算机科学博士学位，专注研究智能辅导系统。她的研究兴趣是教育技术的实施和有效性以及教育数据分析。
6.6 Self-Improvements in Adaptive Learning Systems
自适应学习系统的自我改进技术论坛主席
6.6.1胡祥恩博士
美国孟菲斯大学心理学、计算机工程、计算机科学系教授，华中师范大学心理学院院长
美国孟菲斯大学心理学，计算机工程，和计算机科学系教授。智能系统研究所先进学习技术（ALT）实验室主任，担任美国国防部先进分布式学习（ADL）国家实验室分部主任，主要研究方向为认知数学模型、人工智能和智能教学、统筹数据分析统计模型等方面。他还组织了2017年AIED大会等大型活动。 胡教授是国家组织部第七批“”学者并兼任华中师范大学心理学院院长。
6.7 Standards & Infrastructure: Adaptive Instructional Systems & Federated Machine Learning
标准与基础设施：自适应教学系统与联合机器学习技术论坛联席主席
6.7.1 Robby Robson博士
Eduworks公司CEO、IEEE委员会成员、前IEEE学习技术标准委员会主席
Robby在学术界和工业界有20多年领导研究和开发项目方面的成功领导经验。在2000至2008年期间，担任IEEE学习科学标准委员会主席。应用领域包括从因子算法和计算语言学到学习管理系统，数字图书馆和能力管理。自1995年以来，一直致力于新兴技术在学习、教育、培训和相关领域的应用。现为能力和技能系统项目的主要研究者（www.cassproject.org），并致力于智能辅导系统以及自然语言处理（NLP）和机器学习的商业应用。
6.7.2 Weijia Xu博士
美国德克萨斯大学奥斯汀分校德克萨斯州高级计算中心(TACC)研究工程师、数据挖掘和统计组负责人
他的主要研究重点是大规模信息管理和分析领域，通过开发促数据到知识转移过程的新方法和应用来实现数据驱动的发现。 徐博士在与数据库和分析方法开发领域的科学家合作方面拥有丰富的经验，发表了30多篇学术专著。
提交的论文最终将交由以上来自全球人工智能、心理学、教育学等领域的50多名专家组成的学术委员会进行评审，机器学习教父Tom Mitchell，美国卡耐基梅隆大学计算机、心理学系教授Ken Koedinger，斯坦福国际研究中心(SRI International) 教育中心主任Marie Bienkowsk、中国科学院心理研究所研究员朱廷劭等人均会以客观公正的态度来审阅并作出评价，并将其中优秀的论文分享给参会者。这是中国首个在“AI+教育”领域收录全球技术论文的会议，从一定程度上代表着全球“AI+教育”从业者对于中国AI技术实力的认可。
我们期待一场人工智能智适应教育的顶尖学术讨论，我们期待向全世界展现属于中国的AI技术实力之光。
附录：
已确认的2019AIAED学术委员会组委会成员和评委名单：
Tom Mitchell
机器学习教父、卡耐基梅隆大学教授、计算机系主任
全球公认的机器学习教父，在全球人工智能实力排名第一的卡耐基梅隆大学创办了人类历史上的第一个机器学习系并担任系主任。美国《Machine Learning》杂志、国际机器学习年度会议（ICML）的创始人。他的经典著作《机器学习：一种人工智能方法》被认为是行业圣经，销量惊人。他的学术论文专著超过130篇，在包括《Science（科学）》、《Nature （自然）》等世界顶级学术期刊发表。
Ken Koedinger
美国卡耐基梅隆大学计算机、心理学系教授、 LearnLab研究室主任
他领导开发的Cognitive Tutor软件已应用在数以千计的学校，帮助了大量学生提高成绩。他拥有多学科背景，将人类学习和创造教育技术以提高学生成绩的研究目标。他的研究为教育软件的设计提供了新的原则和技术，并产生了关于学生思考和学习本质的基础认知科学研究成果。 Koedinger指导LearnLab, 该计划始于美国国家科学基金会10年的资助，现在属于CMU Simon Initiative的科学部门。 LearnLab建立在认知导师过去的成功基础之上，这是一种在数千所学校中使用的在线个性化辅导方法，并且一再被证明可以提高学生的学习成绩。他是卡内基学习公司的联合创始人，该公司自1998年成立以来，已为数百万学生提供基于认知导师的课程。 Koedinger博士撰写了250多篇同行评审的出版物，并且是超过45项拨款的项目调查员。
Li Deng
Chief AI Officer of Citadel
自2017年5月以来，Deng一直担任Citadel的首席人工智能官。在加入Citadel之前，2000-2017年间，他是微软的AI首席科学家，深度学习技术中心的创始人和微软的合伙人研究经理。在加入微软之前，他在加拿大滑铁卢大学担任全职教授（1989-99）自2000年以来，他一直是西雅图华盛顿大学的客座教授。他当选为IEEE信号处理协会理事会成员，并担任IEEE信号处理杂志和IEEE / ACM音频，语音和语言处理交易（2008-2014）的主编，并获得了IEEE SPS Meritorious服务奖。为了表彰他使用大规模深度学习语音识别颠覆行业的开创性工作，他因“自动语音识别和深度学习的杰出贡献”获得了2015年IEEE SPS技术成就奖。他还因人工智能，机器学习，信息检索，多媒体信号处理，语音处理/识别和人类语言技术的贡献而获得了许多最佳论文和专利奖。他是六本深度学习，语音处理，模式识别和机器学习以及自然语言处理技术书籍的作者或共同作者。
Marie Bienkowski
斯坦福国际研究中心(SRI International) 教育中心主任
她在教育技术研究、教育项目和项目评估以及人工智能软件设计和开发方面拥有超过30年的经验。她参与了美国国家科学基金会（NSF）计划评估，对教育研究制定了广泛的政策层面观点。她是斯坦福国际研究院评估NSF学生和教师创新技术经验（ITEST）计划的项目主管。并负责美国教育部教育技术办公室的多份政策简报。她是计算机协会计算机科学教育特别兴趣小组（SIGCSE）年会的副主席。她定期审查与计算机科学教育相关的期刊（例如，ACM的计算机教育交易）并就任教师学院记录编辑委员会。
Steve Reise
美国加州大学洛杉矶分校(UCLA )心理系教授、高级定量方法培训项目联合主任
主要研究方向包括潜变量测量模型的应用，包括结构方程（SEM）和项目反应理论（IRT）以及理论在实际中的应用。超过20年潜在变量模型在一般情况下的应用以及项目反应理论（IRT）模型研究经验。 1998年，Reise因其杰出的多变量实验研究获得了Raymond B. Cattell奖，他在2012年出版的关于“重新发现bifactor模型”的多变量行为研究中被授予“年度优秀论文奖” 。 发表超过100种评论出版物，包括两篇年度评论章节，两份APA手册，一些主要期刊如心理评估和心理学方法。
Andy Li
美国佛罗里达大学(University of Florida) 电子和计算机工程学院教授
他是国家大学学习基金会（CBL）的创始主任，这是第一个美国国家科学基金深度学习中心。他还是大型智能系统实验室（Li Lab）的主管。他的研究兴趣包括大数据，机器学习，深度学习，云计算，智能平台，HPC以及健康，精准医学，CPS /物联网，CV，NLP，机器人，基因组学以及科学，工程和商业的安全和隐私。他在期刊和会议论文集上发表了100多篇同行评审论文，5本书和4项专利（3名被许可人）。他的团队创建了许多软件系统和工具。获得2010年国家科学基金会职业奖，2013年互联网创新应用奖，2015年NSF I-Corps最佳团队奖，以及最佳论文奖（IEEE ICMLA 2016，IEEE SECON 2016，ACM CAC 2013和IEEE UbiSafe 2007）。
Li Cai
美国加州大学洛杉矶分校(UCLA ) 教育学院和心理学院教授、美国国家评估、标准和学生测试研究中心(CRESST)联合主任
他的研究方向包括：心理测试、潜变量模型、项目反应理论、非线性模型、统计计算。获得多项学术奖项：2007年ETS，Gulliksen心理测量研究奖学金、2009年AERA，杰出量化论文奖、2010年NCME，Brenda H. Loyd杰出论文奖、2011 APA，Anne Anastasi早期职业奖、2011年多元实验心理学会当选成员、2012年多变量实验心理学会，Cattell早期职业奖、2012年科学家和工程师的总统早期职业奖并发表多篇学术论文“Generalized full-information item bifactor analysis”、“Metropolis-Hastings Robbins-Monro algorithm for confirmatory item factor analysis”等。
胡祥恩
美国孟菲斯大学心理学、计算机工程、计算机科学系教授，华中师范大学心理学院院长
美国孟菲斯大学心理学，计算机工程，和计算机科学系教授。智能系统研究所先进学习技术（ALT）实验室主任，担任美国国防部先进分布式学习（ADL）国家实验室分部主任，主要研究方向为认知数学模型、人工智能和智能教学、统筹数据分析统计模型等方面。他还组织了2017年AIED大会等大型活动。 胡教授是国家组织部第七批“”学者并兼任华中师范大学心理学院院长。
Kang Lee
加拿大多伦多大学(University of Toronto)应用心理学和人类发展系教授
他的研究领域包括：青少年道德观念的发展、面部处理专业知识的发展、儿童和成人面部加工的神经机制、儿童和成人说谎的神经机制。研究孩子如何掌握说谎的概念和道德含义，孩子是否容易上当或者能够发现别人的谎言，以及孩子是否可以在各种社交场合中说出令人信服的谎言。他还研究了影响说谎和说实话发展的认知 - 社会 - 文化因素。此外，通过神经科学方法（例如，EEG，fMRI，fNIRS）来检查儿童和成人的说谎和说话的神经生理相关性。他还使用心理物理学方法来研究儿童和成人如何处理稳定和动态的社交信息。关注儿童和成人如何感知，编码和识别不同类型的面部（例如，种族）。还使用了神经科学方法（例如，EEG，fMRI，fNIRS）来检查儿童和成人的面部处理的神经生理相关性。获得中国国家自然科学基金会颁发的国家杰出海外学者奖；加拿大创新基金会领导者机会基金奖等多项大奖。
Lin Zhou
IBM Watson Education项目总监
Zhou博士在IBM担任多个重要领导职位。 他负责管理北美，亚洲和欧洲的跨职能团队（研发，业务开发和工程）。 Lin是一名发明大师，并入选IBM的行业学院。 目前，他是IBM Watson Education的项目总监。 Lin是公司内部“认知教育初创公司”孵化的重要人物，管理IBM教育解决方案的全生命周期，并将其发展为Watson Education业务部门的关键。 他定义了跨全球各部门的技术战略，并领导人工智能的研发，以帮助学生获得卓越的学生体验。
Tony Xiaohua Hu
美国德雷塞尔大学(Drexel University) 计算机和信息学院教授、计算与信息学院数据挖掘与生物信息学实验室创始主任、 IEEE Big Data Conference主席
视觉和决策信息学（NSF CVDI），IEEE计算机学会生物信息学和生物医学指导委员会主席以及IEEE计算机学会大数据指导委员会主席的NSF中心（I / U CRC）的创始联合主任。他于2006年创立了国际数据挖掘和生物信息学期刊（SCI索引）。此前，他曾在世界领先的研发中心担任研究科学家，如北电研究中心和Verizon实验室（前GTE实验室）。 2001年，他在加利福尼亚州硅谷创立了DMW软件。研究领域包括大数据、数据/文本/网络挖掘、生物信息学、信息检索和信息提取、社交网络分析、医疗信息学。他在各种著名期刊、会议和书籍中发表了270多篇同行评审的研究论文，他获得了许多著名奖项，包括2005年国家科学基金会（NSF）职业奖、2007年国际人工智能会议最佳论文奖、2004年IEEE生物信息学和计算生物学计算智能研讨会最佳论文奖等。
Robby Robson博士
Eduworks公司CEO、IEEE委员会成员、前IEEE学习技术标准委员会主席
Robby在学术界和工业界有20多年领导研究和开发项目方面的成功领导经验。在2000至2008年期间，担任IEEE学习科学标准委员会主席。应用领域包括从因子算法和计算语言学到学习管理系统，数字图书馆和能力管理。自1995年以来，一直致力于新兴技术在学习、教育、培训和相关领域的应用。现为能力和技能系统项目的主要研究者（www.cassproject.org），并致力于智能辅导系统以及自然语言处理（NLP）和机器学习的商业应用。
黄荣怀
北京师范大学教授、长江学者
主要从事智慧学习环境、教育技术、知识工程、技术支持的创新教学模式等领域研究。现任北京师范大学智慧学习研究院院长、互联网教育智能技术及应用国家工程实验室主任、联合国教科文组织国际农村教育研究与培训中心主任。目前担任国家教材委员会科学学科专家委员会委员、教育部高等学校教育技术学专业教学指导委员会副主任、教育部教育信息化专家组成员、中国教育技术协会副会长、中国教育装备行业协会副会长、全球华人计算机应用学会（GSECE）执行委员、国际智慧学习环境协会主席、国际期刊 Smart Learning Environment（Springer出版）主编、国际期刊 Journal of Computers in Education（Springer出版）主编等。曾获国家精品课程、国家精品资源共享课、国家规划教材、国家教学成果奖、北京市优秀教学团队、北京市教学名师、北京市优秀教师等。承担国家、省部级等横向纵向课题100余项，现已发表学术论文近400篇，出版著作、杂志40余本。
王伟军
华中师范大学青少年网络心理与行为教育部重点实验室常务副主任、华中师范大学信息管理学院教授、博士生导师，2007年“教育部新世纪人才支持计划”入选者，湖北省自然科学基金“基于云计算的知识集成与服务研究”创新群体负责人，华中师范大学青少年网络心理与行为教育部重点实验室副主任，湖北省电子商务实验室教学示范中心主任。
长期从事信息系统与电子商务方面的教学与研究，先后主持国家自然科学基金项目3项、国家社会科学基金项目1项，作为子课题负责人参加国家社会科学基金重大招标项目3项和教育部高等学校学科创新引智计划等多个项目；是国家双语教学示范课程“电子商务”（2009年）负责人、国家网络教育精品课程“电子商务概论”（2009年）负责人、国家精品资源共享课程“电子商务概论”（2012年）负责人，国家电子商务管理优秀教学团队（2010年）第二责任人，国家来华留学英语授课品牌课程（2013年）负责人；出版著作3部，教材4部，公开发表中英文重要学术论文90余篇，先后获得省部级优秀成果奖一等奖1项、三等奖2项。潜心研究性教学，注重指导学生全面发展，多次获得湖北省优秀（博士、硕士和学士）论文指导老师称号，先后指导6名优秀博雅计划生被保送到北京大学、华中科技大学、中国人民大学和国外名校读研。
余新国
华中师范大学国家数字化学习工程技术研究中心，副主任、教授、楚天学者、博士导师，兼任华师伍伦贡联合研究院院长。
长期以来从事视频分析、计算机视觉、人机交互、多媒体技术等方面的研究，其研究成果获得国内外专家的广泛引用，比如其中一篇被引用了160多次。现已在国内外权威杂志和知名的国际会议上发表了论文80多篇，其中第一作者的论文有40多篇。获得了7项国际专利，两项国内专利。是IEEE和ACM Senior Member，担任国际著名杂志IEEE Transactions on Multimedia、IEEE Transactions on Circuits and Systems for Video Technology、IEEE Transactions on Image Processing、Computer Vision and Image Understanding、Journal of Visual Communication and Image Representation、Pattern Recognition、Pattern Recognition Letters等的审稿人。担任多个国际会议的程序委员会成员。目前的主要研究方向有：图像视频处理与分析、视频事件检测、教育人机交互、智能教育系统、自动解答、教育机器人、智化教育。
张敏灵
东南大学计算机科学与工程学院教授、博士生导师
2007年于南京大学计算机科学与技术系获博士学位，现任东南大学计算机网络和信息集成教育部重点实验室副主任。自2001年起长期从事机器学习、数据挖掘等领域的研究工作，已发表学术论文40余篇，部分工作发表在领域内重要国际期刊，如《IEEE Trans. PAMI》、《IEEE Trans. KDE》、《IEEE Trans. SMC-B》等，以及领域内重要国际会议，如IJCAI、KDD、AAAI等。申请人相关论文他引3800余次（单篇最高逾900次），论文工作得到国际同行一定程度的关注与好评，部分成果被国际同行在论文中称为“state-of-the-art”、“popular”、“attracted significant attention”等。现为《Frontiers of Computer Science》、《软件学报》编委，《Machine Learning》等期刊客座编辑，应邀担任亚太人工智能国际会议（PRICAI’16）程序委员会主席、AAAI’17、ICDM’16、IJCAI’15等重要国际会议领域主席/高级程序委员10余次。现任中国计算机学会人工智能与模式识别专委会常务委员、中国人工智能学会机器学习专委会秘书长等。2012年获得国家自然科学基金优秀青年科学基金，2015年入选教育部“长江学者奖励计划”青年学者。
卢宇
北师大教育学部副教授，高精尖中心人工智能实验室主任
研究领域：教育数据挖掘，学习分析，普适计算，人工智能及其教育应用。博士毕业于新加坡国立大学计算机工程专业，曾在新加坡科研局等国外机构长期从事大数据分析与人工智能领域的研究，并在Kaggle国际数据挖掘竞赛上多次取得优异成绩。在大数据分析、人工智能与教育技术研究领域已发表20余篇高水平英文论文，包括多篇ACM/IEEE Transctions及国际会议论文（例如ICDM, IJCAI, CIKM, EDBT等）。主持或已完成多项国内外科研项目，包括国家自然科学基金、教育部人文社会科学基金等。同时，负责北师大公共服务智能平台的数据分析研发工作。其中部分成果及其可视化方案已在平台上实现，直接服务于北京市多个区县的一线教师与学生，并已申请多项国家发明专利。
朱廷劭
中国科学院心理研究所研究员、博士生导师，并入选中国科学院“百人计划”
朱廷劭博士的研究工作涉及机器学习、汉语文语转换以及网络行为心理研究等多个领域，并取得创新性成果。他首次提出利用数据挖掘进行汉语韵律规则的学习，并应用于汉语两字词和句子的韵律规则学习，取得较好的学习效果。他提出的利用机器学习的方法训练用户的浏览行为模型，有关的论文获得第九届国际用户模型大会的最佳学生论文。他开展的网络行为心理研究，从网络行为的分析实现对用户人格、心理健康以及社会态度的感知，并在此基础上实现群体心理的预警预报和有效干预。到目前为止，朱廷劭博士在国内外权威杂志和知名国际会议发表论文已发表学术论文50余篇。1993年获得南京航空航天大学工学学士学位，1996年和1999年分别获得中国科学院计算技术研究所硕士学位和博士学位，随后进入加拿大University of Alberta继续深造，于2005年获得加拿大University of Alberta博士学位。
曹东璞
加拿大滑铁卢大学(University of Waterloo)认知自动驾驶（CogDrive）实验室主任、机械和机电工程系的副教授
曹教授在车辆动力学/控制，驾驶员认知，驾驶员自动化协作，自动驾驶和认知自动驾驶等领域发表了180多篇论文和2本书。于2012年获得SAE Arch T. Colwell优异奖，并获得ASME和IEEE会议颁发的三项最佳论文奖。曹教授领导的研究联团队进行3级自动驾驶研究。并在2015年至2017年间与捷豹路虎和伦敦大学学院认知神经科学研究所密切合作。曹教授是SAE车辆动力学标准委员会的成员，也是IEEE ITSS合作驾驶技术委员会的联合主席。曹教授是IEEE IV 2018的项目联合主席。
张坤
美国卡耐基梅隆大学(Carnegie Mellon University) 副教授
他在卡耐基梅隆大学哲学系及机器学习系任教。 他的研究领域包括机器学习和人工智能，特别是在因果发现和基于因果关系的学习。 基于各种数据，他开发了自动因果发现的方法并研究学习问题，包括转移学习和从因果观点深入学习，和研究因果关系与机器学习的哲学基础。 他的研究也包括神经科学、计算金融和气候分析的应用方面。任世界顶级AI会议NIPS、ACML、AAAI的区域主席。多篇学术著作：“Multi-Domain Causal Structure Learning in Linear Systems,” “Generalized Score Functions for Causal Discovery” 在世界顶级会议NIPS、SIGKDD发表。
马文超
美国阿拉巴马大学(University of Alabama)教育研究副教授
他的研究兴趣包括心理测量学和教育测量，特别是认知诊断建模和项目反应理论。 他目前的研究重点是开发心理测量模型和改进可用于诊断评估的统计程序并将尖端的心理测量技术应用到实践中。于美国罗格斯大学取得教育数据和测量博士学位。
沈俊
澳大利亚卧龙岗大学(University of Wollongong Australia) 工程与信息科学学院
计算机与信息技术学院副教授
研究领域包括：模式识别与数据挖掘、组织信息系统和网络服务、教育技术与计算、知识表达和机器学习等。他的具体研究内容包括计算智能在电子学习、生物信息学、环境问题、运输系统等方面的创新解决方案；云和大数据在不同领域包括物理模拟、电子医疗、先进制造和业务IS / IT系统等方面的应用。主要发表生物启发式算法优化方面的著作。2012年获得由IEEE教育协会授予的杰出领导奖。
朱飞达
新加坡管理大学(Singapore Management University) 信息系统学院助理教授
他的研究兴趣包括基于大规模的基于约束的顺序研究，图模式挖掘和信息/社交网络分析、网络应用、管理信息系统、商业智能和生物信息学。 并凭借他的理论计算机科学背景，也致力于在数据挖掘和数据库系统中的实际问题的算法设计和复杂性分析的研究。任2014年DASFAA会议的组委会主席、2013年SNAKDD项目联席主席等。于美国伊利诺伊香槟大学取得计算机博士学位。
Bo-Cheng Kuo
台湾大学心理学副教授
他的研究领域包括实验和认知心理、认知脑科学，包括记忆、执行功能、功能性链接等。发表多篇学术论文包括：“Selection History Modulates Working Memory Capacity”、“Efficacy of Attentional Modulation of Visual Activity in Visual Short-Term Memory”、“The Neural Dynamics of Fronto-Parietal Networks in Childhood Revealed using Magnetoencephalography”、“Age Group and Individual Differences in Attentional Orienting Dissociate Neural Mechanisms of Encoding and Maintenance in Visual STM”等。
Andy Song
澳大利亚皇家墨尔本理工大学(RMIT University)计算机和信息技术学院高级讲师
他的研究领域包括机器学习、多智能体环境中的学习、进化学习和优化，尤其是复杂的现实问题，如行业优化，纹理分析，运动检测，时间序列分析和智能交通系统中的AI应用。他与行业合作伙伴广泛合作，建立了集机器智能，移动计算和人群感知于一体的尖端技术，使运输，物流和仓储行业受益。他是Digital Futures Fund资助的仓库优化项目的首席研究员，也是一系列研发项目的主要研究人员。他是世界上最顶级的AI会议——IJCAI'17的地区联合主席，也是OECD论坛的合作伙伴。自2015年以来，他一直是B20特别工作组成员，为年度G20峰会提供政策建议。
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
