近日，第 35 届 ACM 国际信息与知识管理会议（ACM International Conference on Information and Knowledge Management，CIKM 2026）正式公布录用论文名单，暨南大学广东智慧教育研究院师生投稿 2 篇论文被录用（ 1 篇 Main Track、1 篇 Demo Track）。
CIKM 是信息检索、知识管理、数据挖掘和数据库等领域重要的国际学术会议，也是中国计算机学会（CCF）推荐 B 类国际学术会议。自创办以来，CIKM 持续汇聚学术界和工业界研究者，围绕信息与知识系统中的重要问题开展交流，展示相关领域的前沿理论、方法、系统与应用成果。
Demo Track 主要面向具有创新性的技术系统与研究原型，为研究者提供通过实际系统展示研究成果的平台。该 Track 重点关注系统的技术创新、研究与开发挑战、潜在影响以及面向真实场景的功能设计，录用论文将与会议其他论文一同收录于 CIKM 2026 会议论文集。
入选论文介绍
论文题目：OPERA: Option-level Pedagogical Explanation via Reasoning for Augmented Knowledge Tracing 作者：黄智维（暨南大学硕士研究生）、李薛毅（暨南大学博士研究生）、郑嘉琪（暨南大学）、赵翔宇（香港城市大学）、刘子韬（暨南大学） 通讯作者：李薛毅 摘要：知识追踪（Knowledge Tracing, KT）旨在通过建模学生的历史交互数据来预测其未来表现。尽管架构不断演进，当前主流范式仍面临三大持久性表示局限：其一，依赖随机初始化的 ID 嵌入，切断了数学表征与教学内容之间的联系；其二，将多选题简化为二元正确性标签，压缩了干扰项中嵌入的诊断信息；其三，近期引入大语言模型（LLM）的 KT 变体仅停留在知识点或题目粒度，未在选项层面产生显式的教学推理。本文提出 OPERA，一个解耦框架，通过向 KT 模型注入选项级教学信号来联合解决上述三大局限，且无需任何在线 LLM 调用。OPERA 引导 LLM 为每个选项生成结构化解释——对正确选项给出逐步解题路径与知识点掌握度评估，对干扰项则诊断其背后的具体认知误区。生成内容经多评委质量保证机制验证后编码为语义向量，并通过可学习投影层替换传统 ID 嵌入注入任意 KT 骨干网络的输入层。所有 LLM 计算均限于一次性离线预处理，使 OPERA 具备模型无关性且无推理时开销。在三个多选数据集上的实验表明，OPERA 一致性地提升轻量级 ID-based KT 骨干网络至与更重的过程感知模型相当甚至超越的 SOTA 结果，表明在输入层提供恰当的教学先验可能比不断堆叠更重的架构更为有效。 |
论文题目： ManipulativeAgent: A Multi-Agent System for Generating Interactive Mathematical Manipulatives 作者： 曾小丽（暨南大学硕士研究生）、彭夏童（暨南大学硕士研究生）、胡梓源（暨南大学硕士研究生）、程腾腾（暨南大学博士研究生）、刘子韬（暨南大学） 通讯作者：程腾腾 摘要：虚拟交互式数学教具有助于小学生通过数字化操作活动实现从具体经验到抽象数学思维的过渡，但其开发通常需要兼具教学与编程专业知识，现有平台的固定模板也难以满足个性化教学需求。为此，本文提出 ManipulativeAgent，一个面向虚拟交互式数学教具生成的多智能体系统。教师只需使用自然语言描述教学目标，系统即可通过多个专业智能体协同完成教学分析、活动设计、代码生成与自动测试，并利用经过预先测试的组件库提升生成结果的交互可靠性。实验结果表明，ManipulativeAgent 在 40 个真实教学场景中整体优于商业平台和通用大语言模型。来自全国 15 个省份的 89 名一线教师参与了用户研究，其中 92.2% 的教师表示愿意在未来教学准备中继续使用该系统。 |
