廣東智慧教育研究院師生論文被CCF A類(lèi)會(huì)議 WWW 2026錄用
暨南大學(xué)融媒體中心訊 近日，萬(wàn)維網(wǎng)會(huì)議（The Web Conference，WWW 2026）正式公布錄用論文名單，暨南大學(xué)廣東智慧教育研究院師生投稿的兩篇論文被國(guó)際學(xué)術(shù)會(huì)議WWW 2026錄用。
WWW 國(guó)際學(xué)術(shù)會(huì)議（全稱(chēng) The ACM Web Conference，前身為 International World Wide Web Conference）。創(chuàng)辦于 1994 年，是 Web 領(lǐng)域最重要的國(guó)際學(xué)術(shù)會(huì)議之一。該會(huì)議每年舉辦一屆，是CCF-A類(lèi)推薦、Core Conference Ranking A*類(lèi)會(huì)議。今年的WWW會(huì)議收到3,370份有效投稿，最終僅錄用了676篇論文，錄用率為20.1%。
入選論文介紹
論文1
論文題目：A Frequency-Aware Mixture of Heterogeneous Experts Framework for Knowledge Tracing
作者：白友恒（暨南大學(xué)博士研究生），侯明良（好未來(lái)），郭騰（暨南大學(xué)），劉子韜（暨南大學(xué)），羅偉其（暨南大學(xué)）
通訊作者：郭騰
摘要：知識(shí)追蹤（KT）旨在通過(guò)建模學(xué)生交互序列中的知識(shí)狀態(tài)演變，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)預(yù)測(cè)，廣泛應(yīng)用于大規(guī)模在線(xiàn)學(xué)習(xí)平臺(tái)（如MOOC）。然而，現(xiàn)有KT模型大多依賴(lài)單一編碼器架構(gòu)（如自注意力或RNN），其固有的歸納偏置難以捕捉多樣化的學(xué)習(xí)行為。具體而言，學(xué)生的學(xué)習(xí)過(guò)程涉及多個(gè)時(shí)間尺度，交互序列包含從短期波動(dòng)到長(zhǎng)期趨勢(shì)的多種頻率成分。進(jìn)一步地，數(shù)據(jù)驅(qū)動(dòng)的分析表明，不同編碼器存在顯著的頻率偏好差異（如自注意力傾向于捕捉低頻模式），這凸顯了單一架構(gòu)的局限性。為此，我們提出頻率感知異構(gòu)專(zhuān)家混合框架FA-KT，融合自注意力、LSTM、Mamba及卷積神經(jīng)網(wǎng)絡(luò)等具有互補(bǔ)頻率特性的專(zhuān)家模型。通過(guò)頻率感知路由器分析交互序列的頻譜特征，F(xiàn)A-KT能夠自適應(yīng)地組合專(zhuān)家模型，為每位學(xué)生動(dòng)態(tài)構(gòu)建個(gè)性化編碼器。在五個(gè)KT基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)表明，F(xiàn)A-KT在預(yù)測(cè)學(xué)生未來(lái)表現(xiàn)方面顯著優(yōu)于20個(gè)代表性基線(xiàn)方法。代碼將在 https://pykt.org/ 發(fā)布。
論文2
論文題目：COMA: A Collaborative Multi-Role Agent Framework for Automated Lesson Plan Generation
作者：曾小麗（暨南大學(xué)）、鄭穎（暨南大學(xué)）、黃淑妍（好未來(lái)）、劉子韜（暨南大學(xué)）、田密（好未來(lái)）、侯明良（好未來(lái)）、鄭嘉琪（暨南大學(xué)）、竇文周（好未來(lái)）
通訊作者：劉子韜
摘要：一份課程計(jì)劃（LP）是一個(gè)結(jié)構(gòu)化的指南，用于明確教學(xué)目標(biāo)、方法及評(píng)估，以確保學(xué)習(xí)活動(dòng)有序進(jìn)行。然而，現(xiàn)有的課程計(jì)劃制作過(guò)程往往耗時(shí)長(zhǎng)、結(jié)構(gòu)不一致，且缺乏根據(jù)學(xué)生多樣化需求實(shí)時(shí)調(diào)整的教學(xué)機(jī)制。為解決這些問(wèn)題，我們提出了一個(gè)名為COMA（Collaborative Multi-role Agent）的協(xié)作多角色智能體框架，用于自動(dòng)生成課程計(jì)劃。COMA將課程計(jì)劃的生成視為一個(gè)多智能體協(xié)作工作流程，其中智能體各自具備不同的教學(xué)專(zhuān)長(zhǎng)：（1）新手智能體（novice agent），代表一名新手教師，具備對(duì)課程流程的整體理解，但在具體教學(xué)實(shí)施上缺乏精準(zhǔn)性；（2）資深智能體（veteran agent），代表一名經(jīng)驗(yàn)豐富的教師，深諳課程內(nèi)容、教材以及單元知識(shí)點(diǎn)的細(xì)節(jié)；（3）專(zhuān)家智能體（master agent），代表一名教育學(xué)專(zhuān)家，具備成熟的課程進(jìn)度掌控能力，并能有效設(shè)計(jì)、調(diào)整和實(shí)施具體教學(xué)活動(dòng)。通過(guò)迭代工作流程，這些智能體協(xié)作優(yōu)化課程計(jì)劃的質(zhì)量。我們?cè)谖鍌€(gè)學(xué)科上進(jìn)行的全面實(shí)驗(yàn)表明，基于專(zhuān)家設(shè)計(jì)的指標(biāo)，COMA顯著優(yōu)于當(dāng)前最先進(jìn)的方法，生成的課程計(jì)劃在質(zhì)量、連貫性和教學(xué)契合度上表現(xiàn)卓越。我們的框架為批量生成可部署的教學(xué)內(nèi)容提供了一種高效且可靠的解決方案。
責(zé)編：蘇倩怡