近日，我院博士研究生白友恒以第一作者身份发表题为Prerequisite Relation Learning: A Survey and Outlook 的论文，被计算机领域顶级综述期刊ACM Computing Surveys录用。该综述系统梳理了先决关系学习领域的方法进展与应用现状，在此基础上提出了基于特征类型与增强关系的系统分类框架，并对未来研究趋势进行了深入展望。刘子韬教授为论文第一通讯作者。
ACM Computing Surveys是美国计算机协会（ACM）旗下的期刊之一，是计算机科学、人工智能、软件工程等领域的重要综述类期刊，主要收录计算机各分支领域的重要研究进展、技术综述和文献总结，致力于为科研人员和工程技术人员提供权威、系统、前沿的知识参考。该期刊的最新SCI影响因子为23.8（2023年数据，在Computer Science Theory & Methods领域排名第1/143），中科院一区TOP期刊，JCR分区Q1。
入选论文介绍
论文题目：Prerequisite Relation Learning: A Survey and Outlook |
作者：白友恒（暨南大学）、刘子韬（暨南大学）、郭腾（暨南大学）、侯明良（好未来）、肖奎（湖北大学） |
通讯作者：刘子韬、肖奎 |
摘要：先决关系学习是教育技术领域的一项基础任务，旨在识别学习资源之间的依赖关系，以促进个性化学习体验并优化教育内容的组织结构。本文对先决关系学习方法进行了系统性综述，重点总结了其方法论进展与实际应用。首先探讨了两种不同粒度的学习资源：知识概念与学习对象，并明确了它们的定义及关系。随后，提出了一套基于特征类型与增强关系的新颖分类框架，将现有的先决关系学习方法划分为四类：（1）面向知识概念的多源知识特征先决关系学习；（2）面向学习对象的语义知识特征先决关系学习；（3）基于学习对象增强的知识概念先决关系学习；（4）基于知识概念增强的学习对象先决关系学习。本文重点回顾了近年来在知识概念先决关系建模方面的研究进展，系统分析了评估方法，包括内在指标与外在应用评估。进一步地，我们探讨了先决关系识别在教育应用中的实际影响，如自适应学习路径生成与课程设计优化。最后，本文讨论了当前先决关系学习所面临的挑战及未来的发展机遇。 |
