智能教育
项目简介
在智能教育小组致力于通过大语言模型与可视分析技术的深度融合，解决传统教学中忽视个体差异、难以因材施教、学生被动接受、自主性缺失、反馈滞后及教学调整不及时等核心问题。我们取得了一系列具有国际影响力的突破性成果，连续发表于CCF-A类顶级会议。针对大模型复杂的内部机制，我们提出了TransforLearn，首创架构与任务双驱动的交互式可视化教程，帮助初学者直观理解Transformer模型，显著降低深度学习认知门槛，助力大模型与人工智能技术的普及。为支持个性化自主学习，我们创新性地提出大模型微调与可视化系统的对齐框架，并构建智能导学系统Tailor-Mind，有效支持学生自主规划学习路径、动态调整学习策略，真正实现”因材施教”，并为智能教育系统设计提供了重要理论范式。上述研究累计被引60次，确立了课题组在”生成式AI+教育可视化”领域的国际地位。基于理论成果，我们成功转化多个应用项目：师生共创的”卓越教师成长AI助手”为教师教学工作全流程提供多维度支持，全面赋能专业发展；同时，利用环幕硬件与智能体仿真，构建集”模拟演练-智能反馈-精准研修”于一体的虚实融合教学训练场景，教师可在其中与智能体学生动态交互、进行教学技能演练，显著提升培训效率，实现从旁观学习到实战演练的范式革新。
相关发表
Fine-tuned large language model for visualization system: A study on self-regulated learning in education.
Lin Gao, Jing Lu, Zekai Shao, Ziyue Lin, Shengbin Yue, Chiokit Ieong, Yi Sun, Rory James Zauner, Zhongyu Wei, Siming Chen*.
IEEE Transactions on Visualization and Computer Graphics (IEEE VIS24), Accepted, 2025.
Lin Gao, Jing Lu, Zekai Shao, Ziyue Lin, Shengbin Yue, Chiokit Ieong, Yi Sun, Rory James Zauner, Zhongyu Wei, Siming Chen*.
IEEE Transactions on Visualization and Computer Graphics (IEEE VIS24), Accepted, 2025.
TransforLearn: Interactive Visual Tutorial for the Transformer Model.
Lin Gao, Zekai Shao, Ziqin Luo, Haibo Hu, Cagatay Turkay, Siming Chen*.
IEEE Transactions on Visualization and Computer Graphics (VIS'23), Accepted, 2024.
Lin Gao, Zekai Shao, Ziqin Luo, Haibo Hu, Cagatay Turkay, Siming Chen*.
IEEE Transactions on Visualization and Computer Graphics (VIS'23), Accepted, 2024.
- © FDU-VIS All rights reserved. 2026