10月16日，医学信息工程学院在博学楼 B 座 520 会议室举办第105期博士论坛。医学信息工程学院大数据教研室徐健辉博士主讲，深入剖析行业现存难题，分享理论研究成果与创新技术方案，为在场教师搭建起在线教育技术前沿交流的优质平台。
报告中，徐老师首先梳理了在线教育行业发展背景。他指出，随着数字技术与教育领域的深度融合，在线教育已成为满足多样化学习需求、构建终身学习体系的重要载体，技术创新更是持续驱动在线教育服务不断升级。然而，当前在线教育推荐系统仍面临两大核心挑战：一是 “冷启动” 问题，新用户注册初期缺乏行为数据、新课程上线时缺少交互信息，导致难以快速实现精准匹配；二是 “数据稀疏” 难题，用户与课程的交互频次较低、偏好标签维度单一，直接影响推荐结果的准确性，制约个性化学习服务的深化推进。
针对上述行业痛点，徐老师系统介绍了在线教育推荐算法的理论基础。他强调，扎实的理论支撑是算法优化的核心前提，主要包括叁大方向：其一为学习者画像构建，通过整合学习者静态属性（如年龄、专业、学习目标）与动态行为数据（如课程点击、学习时长、习题正确率），采用多源数据融合技术生成精准用户标签，为个性化推荐奠定基础；其二是教育知识图谱搭建，以学科知识点为核心，梳理 “课程 - 知识点 - 技能目标” 的关联逻辑，明确内容模块的难易程度与前置依赖关系，确保推荐内容符合学习者知识储备；其三为深度学习与图神经网络应用，借助 CNN、LSTM 等深度学习模型捕捉用户行为序列中的隐藏偏好，利用图神经网络挖掘知识图谱中知识点的复杂关联，突破传统算法在多维度数据处理上的局限。
此次博士论坛的成功举办，不仅为医学信息工程学院教师带来了在线教育推荐算法领域的前沿知识，更激发了教师对教育技术创新的思考与探索热情。未来，医学信息工程学院将持续聚焦教育与技术的交叉融合领域，搭建更多学术交流平台，为推动在线教育高质量发展、培养高素质创新人才注入更多活力。
搜索
2025-09-23