百年大计，教育为本。近年来，随着国家不断加大在教育领域的投入，我国教育得到快速发展，越来越多的人得以接受更好的教育，同时也更为渴望有针对性的个性化教育。如何满足更多不同学习层次与状态的人们教育需求，成为当下教育的重点与难点。

5月18日，第七届世界智能大会正式在天津开幕。本届大会以“智行天下，能动未来”为主题，全面展示智能科技赋能经济社会发展成果。期间，暨南大学广东智慧教育学院携手好未来智慧教育国家新一代人工智能开放创新平台在智慧教育领域的最新探索——心理测量理论启发的个性化学习系统关键技术及其应用（以下简称个性化学习系统），助力实现大规模个性化学习，让有教无类、因材施教真正成为可能。

据悉，个性化学习系统项目旨在实施自适应学习关键技术，为学习者提供个性化学习服务。

项目通过针对学生个体的过程性学习行为分析，突破和实现——

（1）基于多模态数据之间的信息互补机制的复杂数理题目下的精准特征表示模型；

（2）融合过程性学习行为分析和多维项目反应理论，实现认知能力层次的可解释诊断分析；

（3）研发多模态教学资源的多级精准导学与融合推荐，实现“资源找人”。

通过好未来集团亿级教育大数据，实现高可用的自适应学习系统，实现加强学生的学习效果，减轻学生的学习负担，提升教育教学质量和效率的最终目标。

个性化学习系统项目团队搭建了深度知识追踪领域首个标准化评测平台pykt，即https://www.pykt.org/。解决了当下深度知识追踪模型复杂繁多、实验标准不统一等问题导致的相同方法在相同公开数据集上实验结果相互矛盾的现实问题。目前经过长期的不断持续迭代和优化，pykt平台已经集成了主流的19种深度知识追踪模型，并针对每个模型，在全网公开的12个不同类型的数据集上，进行了统一的算法性能测试。

基于该研究撰写的论文被CCF A类会议Neural Information Processing Systems（NeurIPS 2022）收录。申请人将该算法的具体实现和相应的数据集开源发布，已被来自美国卡耐基梅隆大学、哥伦比亚大学、康奈尔大学、麻省理工大学、英国爱丁堡大学、新加坡科技研究局、澳大利亚迪肯大学、巴西圣保罗大学、韩国首尔大学、韩国科学技术院等30家高校和企业使用，国内外同行累计下载九千余次。

同时，个性化学习系统项目团队受心理测量学中的Rasch模型启发，明确地对测评试题的特定变量建模，以捕捉覆盖同一组知识点的问题之间的个体差异，提出了一个基于自注意力机制的强大但简单的知识追踪建模方法simpleKT。在7个不同领域的开放数据集上，在与12个不同的前沿深度知识追踪模型方法比较的过程中，simpleKT能够取得57胜3平16负的成绩，相关技术在2022国际计算机教育数据挖掘(CSEDM)“学生成绩预测”挑战赛中获得第一名。

该模型与现有的模型结构复杂的深度知识追踪模型相比，结构简单且不依赖于其他额外信息，易于应用部署。该模型已经被成功部署上线在好未来集团旗下的ThinkAcademy海外自学平台产品 （ThinkAcademy自学平台产品访问链接：https://think-matrix.com/）中，每天为数以千计的来自美国、英国、新加坡的全球学生提供个性化练习推荐和模考成绩预测服务。

基于该研究撰写的论文被深度学习领域的顶级会议International Conference on Learning Representations（ICLR 2023）收录。项目团队目前已将该算法的具体实现和相应的数据集开源发布。为“深度知识追踪模型的可解释性研究”的研究任务，提供了良好的前期基础。

目前该个性化学习系统项目已经全面上线，公开内测中，欢迎各位专家学者扫描入群，进行实际体验。