---
categories:
  - '[[LLM Wiki]]'
tags:
  - wiki
  - tool
  - ai
  - research
  - conference
created: 2026-04-20
source: '[[AIED-2025学术前沿论文深度解读-20260413]]'
type: entity
aliases:
  - AIED 2025
  - International Conference on Artificial Intelligence in Education
relations:
  - type: part_of
    target: '[[Askademia]]'
    description: 同源：AIED-2025学术前沿论文深度解读-20260413
    confidence: 3
---

[raw:AIED-2025学术前沿论文深度解读-20260413:3]# AIED 2025

> **一句话描述**: 第26届人工智能教育国际会议, 主题为"AI作为包容、个性化和伦理教育的催化剂"

## 基本信息

| 属性 | 值 |
|
------|
-----|
| 会议名称 | 26th International Conference on Artificial Intelligence in Education (AIED 2025) |
| 会议主题 | "AI as a Catalyst for Inclusive, Personalised, and Ethical Education: Empowering Teachers and Students for an Equitable Future" |
| 时间 | 2025年7月22-26日 |
| 地点 | 意大利巴勒莫 (Palermo, Italy) |
| 出版 | Springer Lecture Notes in Computer Science (LNCS) 15877-15882 |
| 论文数量 | 主会议254篇 + 海报/研讨会144篇 = 共398篇 |
| 编辑委员会 | Alexandra I. Cristea, Erin Walker, Yu Lu, Olga C. Santos, Seiji Isotani |

---

## 获奖论文

### 最佳论文奖 (Main Track)
| 奖项 | 获奖机构 | 论文主题 |
|------|----------|----------|
| **最佳论文奖** | 加州大学伯克利分校 | Askademia: 实时AI学生问答系统 |

### 最佳LBR论文奖
| 奖项 | 获奖机构 | 论文主题 |
|------|----------|----------|
| **最佳LBR论文奖** | 日本理化学研究所(RIKEN AIP) + 东北大学 | GPT生成有效选择题研究 |

### 最佳论文提名
- **21篇**论文获得提名
- 涵盖7大研究方向

---

## 最佳论文深度解析

### Askademia - 伯克利实时AI问答系统

**论文信息**
- **标题**: ASKADEMIA: A Real-Time AI System for Automatic Responses to Student Questions
- **作者**: Menakshi Mittal, Gaurav Tyagi, Azalea Bailey, Gireja Ranade, Narges Norouzi
- **机构**: 加利福尼亚大学伯克利分校
- **出版**: Springer LNCS Vol 15880, 2025年7月20日

**研究背景**
传统课堂教学中, 学生问题往往无法及时回答, 大型课程尤甚。助教响应时间平均需要数分钟至数小时, 导致学生注意力下降、学习体验受损。

**技术方案**
```
┌─────────────────────────────────────────────────────────────┐
│                      Askademia 系统架构                      │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│   学生问题 ──→ 视觉-语言模型(VLM) ──→ 上下文检索           │
│       ↓                                    ↓               │
│   实时Lecture内容 ◄── RAG ──→ 课程资料库                    │
│       ↓                                                     │
│   AI生成答案 ──→ 质量评估 ──→ 返回学生                      │
│                                                             │
└─────────────────────────────────────────────────────────────┘
```

**核心技术**
1. **视觉-语言模型 (VLM)**: 处理包含PPT、图片的学生提问
2. **检索增强生成 (RAG)**: 结合实时Lecture内容和课程资料
3. **实时处理管道**: 毫秒级响应学生问题

**实验结果**
| 指标 | Askademia | 助教(TA) | 提升 |
|------|-----------|----------|------|
| **话题切换前到达率** | **98.3%** | 45.4% | +2.2倍 |
| **中位响应时间** | **2秒** | 241秒 | **快120倍** |
| **可读性** | 高 | 高 | 相当 |
| **事实准确性** | 高 | 高 | 相当 |
| **相关性** | 高 | 中 | 更高 |

**核心发现**
> Askademia 能够以**显著更快的速度**(120倍)和**更高的一致性**提供高质量答案

**研究意义**
1. 证明了VLM+RAG在教育问答场景的可行性
2. 为大规模在线/混合课程提供技术范式
3. 开辟了"AI助教"替代人工TA的新路径

---

### GPT生成有效选择题

**论文信息**
- **标题**: Tell Me Who Your Students Are: GPT Can Generate Valid Multiple-Choice Questions When Students' (Mis)Understanding Is Hinted
- **作者**: Machi Shimmei, Masaki Uto, Yuichiroh Matsubayashi, Kentaro Inui 等
- **机构**: 理化学研究所(RIKEN AIP) + 东北大学
- **奖项**: AIED 2025 Best LBR Paper Award

**核心问题**
GPT能否在知道学生"错误理解"的前提下, 生成有效的诊断性选择题?

**研究发现**
当给予GPT关于学生误解的提示后, GPT能够生成:
- 高度诊断性的选择题
- 精准识别学生 misconceptions 的题目
- 区分不同理解层次的能力

**技术贡献**
- 首次将"学生误解提示"引入MCQ生成
- 证明GPT可作为教师评估工具
- 为自适应测验开辟新方向

---

## 七大研究方向

| 序号 | 研究方向 | 论文数量 | 核心议题 |
|------|----------|----------|----------|
| 1 | AIED架构与工具 | ~35篇 | 实时AI系统、工具开发 |
| 2 | 以人为中心的设计 | ~40篇 | HCI、学习者体验 |
| 3 | 学习、教学与教学法 | ~50篇 | 有效教学策略 |
| 4 | AI教学 | ~30篇 | AI素养、计算思维 |
| 5 | 机器学习与生成式AI | ~45篇 | LLM应用、生成内容 |
| 6 | AIED理论基础 | ~30篇 | 学习建模、知识追踪 |
| 7 | 伦理、公平与社会 | ~25篇 | 责任AI、教育公平 |

---

## 重点研究主题

### 主题一: LLM导师系统

**代表性研究**
1. **Scarlatos et al. (2025)** - DPO训练LLM导师
2. **Gupta et al. (2025)** - 数学辅导LLM评估
3. **Phung et al. (2025)** - AI辅助编程元认知

**关键趋势**
- 从"遵循原则"到"优化效果"的范式转变
- 小模型(7-8B)实现导师能力
- 偏好学习(DPO/RLHF)成为主流方法

### 主题二: 教师AI工具

**代表性研究**
1. **AIBAT** - 教师驱动评估语言模型工具
2. **Karumbaiah et al. (2025)** - 教师AI素养评估
3. **Nagae et al. (2025)** - 教师专业发展培训效果

**关键趋势**
- 教师从"AI使用者"转变为"AI评估者"
- AI工具赋能而非替代教师
- 教师AI素养成为研究热点

### 主题三: 自适应学习系统

**代表性研究**
1. **Deep Knowledge Tracing** - 遗忘与题目难度建模
2. **AIA-PAL** - 个性化自适应学习代理框架
3. **IEEE Access (2025)** - 多模态自适应AI Agent

**关键趋势**
- 多模态数据融合(文本、EEG、眼动)
- Agentic AI驱动个性化路径
- 从"系统适应"到"代理协调"

### 主题四: 教育AI伦理

**代表性研究**
1. **PEaRCE** - 责任计算教育框架
2. **数据女权主义** - 包容性系统设计
3. **MisstepMath** - 学生错误数据集

**关键趋势**
- 伦理教育从"附加项"变为"核心项"
- 关注边缘化群体的AI体验
- 学生错误数据的伦理使用

---

## 关键发现与趋势

### 技术趋势
| 趋势 | 描述 | 代表研究 |
|------|------|----------|
| **LLM导师崛起** | 从规则系统到LLM驱动 | Scarlatos, Gupta |
| **偏好优化普及** | DPO/RLHF优化学习效果 | Scarlatos |
| **多模态整合** | 文本+视觉+生理信号 | EEG预测推理能力 |
| **Agentic AI** | 自主协调学习过程 | AIA-PAL |
| **小模型可行** | 8B模型足够导师能力 | Scarlatos |

### 教育研究趋势
| 趋势 | 描述 | 代表研究 |
|------|------|----------|
| **教师赋权** | AI增强教师而非替代 | AIBAT, 教学代理 |
| **批判素养** | AI评估与批判思维 | 批判性AI素养 |
| **伦理优先** | 责任AI教育 | PEaRCE, 数据女权 |
| **真实环境** | RCT+纵向研究结合 | Askademia学期实验 |
| **包容设计** | 边缘群体参与 | 数据女权主义 |

### 核心洞察

#### 洞察1: AI导师的"效果优化"时代

**过去**: 训练LLM遵循教学原则(如苏格拉底方法)
**现在**: 训练LLM最大化学生学习效果
**未来**: 预测性个性化干预

**证据**: Scarlatos (2025) 证明DPO训练可使学生正确率显著提升

#### 洞察2: 教师成为"AI评估者"

> AI工具爆发 → 教师需要评估AI质量 → 新职业角色

**证据**: AIBAT系统、教师AI素养研究

#### 洞察3: 小模型+偏好学习=可及AI教育

**过去**: 需要GPT-4级别模型才能做导师
**现在**: Llama 3.1 8B + DPO即可实现

**证据**: Scarlatos使用8B模型达到GPT-4o教学质量

---

## 与项目已有研究的关联

### 与哈佛RCT的关联
| 研究 | 方法 | 核心发现 |
|------|------|----------|
| **哈佛Kestin (2025)** | RCT | AI导师效果是主动学习2倍 |
| **AIED Scarlatos (2025)** | DPO训练 | 优化学生正确率 |
| **AIED Askademia (2025)** | 实时系统 | 120倍响应速度提升 |

**综合结论**: AI导师不仅"有效", 而且正在变得"高效"(快速响应)和"可及"(小模型)

### 与LLM文献地图的关联

MEMORY.md记载的Shi (2025) 88项实证研究综述指出:
- LLM六大应用: ITS > 学习支持 > 自动化评估 > 任务支持 > 内容生成 > Chatbots
- AIED 2025论文进一步验证这一排序

**新发现**: AIED 2025新增"教师AI工具"作为第七大应用领域

### 与EdTech创业研究的关联
| 学术发现 | 创业教训 | 相互印证 |
|----------|----------|----------|
| 实时AI问答系统 | Chegg答案服务失败 | 实时>异步 |
| 偏好学习优化 | Duolingo学习过程 | 效果>答案 |
| 教师AI评估工具 | MagicSchool教师工具 | 工具赋能 |

---

## 研究建议

### 下一步研究方向
1. **LLM导师评估标准**: 如何衡量"好"的AI导师?
2. **教师AI素养框架**: 构建教师AI能力评估体系
3. **小模型优化**: 在教育场景验证更多8B以下模型
4. **纵向效果追踪**: 1年以上学生学习效果追踪

### 项目补充建议
| 建议 | 来源 | 优先级 |
|------|------|--------|
| 添加Askademia论文到文献库 | AIED 2025最佳论文 | P0 |
| 添加Scarlatos DPO论文详情 | LLM导师优化新范式 | P0 |
| 更新"LLM教育应用"知识卡片 | 新增教师工具领域 | P1 |
| 添加AIED 2025机构档案 | 会议机构分布 | P2 |

---

## 来源

- [[AIED-2025学术前沿论文深度解读-20260413]] — AIED 2025学术前沿论文深度解读
- AIED 2025官网: https://aied2025.itd.cnr.it/
- DBLP论文索引: https://dblp.org/db/conf/aied/aied2025-1
- Springer论文集: https://link.springer.com/conference/aied

[raw:AIED-2025学术前沿论文深度解读-20260413:3]# AIED 2025

> **一句话描述**: 第26届人工智能教育国际会议, 主题为"AI作为包容、个性化和伦理教育的催化剂"

## 基本信息

| 属性 | 值 |
|------|-----|
| 会议名称 | 26th International Conference on Artificial Intelligence in Education (AIED 2025) |
| 会议主题 | "AI as a Catalyst for Inclusive, Personalised, and Ethical Education: Empowering Teachers and Students for an Equitable Future" |
| 时间 | 2025年7月22-26日 |
| 地点 | 意大利巴勒莫 (Palermo, Italy) |
| 出版 | Springer Lecture Notes in Computer Science (LNCS) 15877-15882 |
| 论文数量 | 主会议254篇 + 海报/研讨会144篇 = 共398篇 |
| 编辑委员会 | Alexandra I. Cristea, Erin Walker, Yu Lu, Olga C. Santos, Seiji Isotani |

---

## 获奖论文

### 最佳论文奖 (Main Track)
| 奖项 | 获奖机构 | 论文主题 |
|------|----------|----------|
| **最佳论文奖** | 加州大学伯克利分校 | Askademia: 实时AI学生问答系统 |

### 最佳LBR论文奖
| 奖项 | 获奖机构 | 论文主题 |
|------|----------|----------|
| **最佳LBR论文奖** | 日本理化学研究所(RIKEN AIP) + 东北大学 | GPT生成有效选择题研究 |

### 最佳论文提名
- **21篇**论文获得提名
- 涵盖7大研究方向

---

## 最佳论文深度解析

### Askademia - 伯克利实时AI问答系统

**论文信息**
- **标题**: ASKADEMIA: A Real-Time AI System for Automatic Responses to Student Questions
- **作者**: Menakshi Mittal, Gaurav Tyagi, Azalea Bailey, Gireja Ranade, Narges Norouzi
- **机构**: 加利福尼亚大学伯克利分校
- **出版**: Springer LNCS Vol 15880, 2025年7月20日

**研究背景**
传统课堂教学中, 学生问题往往无法及时回答, 大型课程尤甚。助教响应时间平均需要数分钟至数小时, 导致学生注意力下降、学习体验受损。

**技术方案**
```
┌─────────────────────────────────────────────────────────────┐
│                      Askademia 系统架构                      │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│   学生问题 ──→ 视觉-语言模型(VLM) ──→ 上下文检索           │
│       ↓                                    ↓               │
│   实时Lecture内容 ◄── RAG ──→ 课程资料库                    │
│       ↓                                                     │
│   AI生成答案 ──→ 质量评估 ──→ 返回学生                      │
│                                                             │
└─────────────────────────────────────────────────────────────┘
```

**核心技术**
1. **视觉-语言模型 (VLM)**: 处理包含PPT、图片的学生提问
2. **检索增强生成 (RAG)**: 结合实时Lecture内容和课程资料
3. **实时处理管道**: 毫秒级响应学生问题

**实验结果**
| 指标 | Askademia | 助教(TA) | 提升 |
|------|-----------|----------|------|
| **话题切换前到达率** | **98.3%** | 45.4% | +2.2倍 |
| **中位响应时间** | **2秒** | 241秒 | **快120倍** |
| **可读性** | 高 | 高 | 相当 |
| **事实准确性** | 高 | 高 | 相当 |
| **相关性** | 高 | 中 | 更高 |

**核心发现**
> Askademia 能够以**显著更快的速度**(120倍)和**更高的一致性**提供高质量答案

**研究意义**
1. 证明了VLM+RAG在教育问答场景的可行性
2. 为大规模在线/混合课程提供技术范式
3. 开辟了"AI助教"替代人工TA的新路径

---

### GPT生成有效选择题

**论文信息**
- **标题**: Tell Me Who Your Students Are: GPT Can Generate Valid Multiple-Choice Questions When Students' (Mis)Understanding Is Hinted
- **作者**: Machi Shimmei, Masaki Uto, Yuichiroh Matsubayashi, Kentaro Inui 等
- **机构**: 理化学研究所(RIKEN AIP) + 东北大学
- **奖项**: AIED 2025 Best LBR Paper Award

**核心问题**
GPT能否在知道学生"错误理解"的前提下, 生成有效的诊断性选择题?

**研究发现**
当给予GPT关于学生误解的提示后, GPT能够生成:
- 高度诊断性的选择题
- 精准识别学生 misconceptions 的题目
- 区分不同理解层次的能力

**技术贡献**
- 首次将"学生误解提示"引入MCQ生成
- 证明GPT可作为教师评估工具
- 为自适应测验开辟新方向

---

## 七大研究方向

| 序号 | 研究方向 | 论文数量 | 核心议题 |
|------|----------|----------|----------|
| 1 | AIED架构与工具 | ~35篇 | 实时AI系统、工具开发 |
| 2 | 以人为中心的设计 | ~40篇 | HCI、学习者体验 |
| 3 | 学习、教学与教学法 | ~50篇 | 有效教学策略 |
| 4 | AI教学 | ~30篇 | AI素养、计算思维 |
| 5 | 机器学习与生成式AI | ~45篇 | LLM应用、生成内容 |
| 6 | AIED理论基础 | ~30篇 | 学习建模、知识追踪 |
| 7 | 伦理、公平与社会 | ~25篇 | 责任AI、教育公平 |

---

## 重点研究主题

### 主题一: LLM导师系统

**代表性研究**
1. **Scarlatos et al. (2025)** - DPO训练LLM导师
2. **Gupta et al. (2025)** - 数学辅导LLM评估
3. **Phung et al. (2025)** - AI辅助编程元认知

**关键趋势**
- 从"遵循原则"到"优化效果"的范式转变
- 小模型(7-8B)实现导师能力
- 偏好学习(DPO/RLHF)成为主流方法

### 主题二: 教师AI工具

**代表性研究**
1. **AIBAT** - 教师驱动评估语言模型工具
2. **Karumbaiah et al. (2025)** - 教师AI素养评估
3. **Nagae et al. (2025)** - 教师专业发展培训效果

**关键趋势**
- 教师从"AI使用者"转变为"AI评估者"
- AI工具赋能而非替代教师
- 教师AI素养成为研究热点

### 主题三: 自适应学习系统

**代表性研究**
1. **Deep Knowledge Tracing** - 遗忘与题目难度建模
2. **AIA-PAL** - 个性化自适应学习代理框架
3. **IEEE Access (2025)** - 多模态自适应AI Agent

**关键趋势**
- 多模态数据融合(文本、EEG、眼动)
- Agentic AI驱动个性化路径
- 从"系统适应"到"代理协调"

### 主题四: 教育AI伦理

**代表性研究**
1. **PEaRCE** - 责任计算教育框架
2. **数据女权主义** - 包容性系统设计
3. **MisstepMath** - 学生错误数据集

**关键趋势**
- 伦理教育从"附加项"变为"核心项"
- 关注边缘化群体的AI体验
- 学生错误数据的伦理使用

---

## 关键发现与趋势

### 技术趋势
| 趋势 | 描述 | 代表研究 |
|------|------|----------|
| **LLM导师崛起** | 从规则系统到LLM驱动 | Scarlatos, Gupta |
| **偏好优化普及** | DPO/RLHF优化学习效果 | Scarlatos |
| **多模态整合** | 文本+视觉+生理信号 | EEG预测推理能力 |
| **Agentic AI** | 自主协调学习过程 | AIA-PAL |
| **小模型可行** | 8B模型足够导师能力 | Scarlatos |

### 教育研究趋势
| 趋势 | 描述 | 代表研究 |
|------|------|----------|
| **教师赋权** | AI增强教师而非替代 | AIBAT, 教学代理 |
| **批判素养** | AI评估与批判思维 | 批判性AI素养 |
| **伦理优先** | 责任AI教育 | PEaRCE, 数据女权 |
| **真实环境** | RCT+纵向研究结合 | Askademia学期实验 |
| **包容设计** | 边缘群体参与 | 数据女权主义 |

### 核心洞察

#### 洞察1: AI导师的"效果优化"时代

**过去**: 训练LLM遵循教学原则(如苏格拉底方法)
**现在**: 训练LLM最大化学生学习效果
**未来**: 预测性个性化干预

**证据**: Scarlatos (2025) 证明DPO训练可使学生正确率显著提升

#### 洞察2: 教师成为"AI评估者"

> AI工具爆发 → 教师需要评估AI质量 → 新职业角色

**证据**: AIBAT系统、教师AI素养研究

#### 洞察3: 小模型+偏好学习=可及AI教育

**过去**: 需要GPT-4级别模型才能做导师
**现在**: Llama 3.1 8B + DPO即可实现

**证据**: Scarlatos使用8B模型达到GPT-4o教学质量

---

## 与项目已有研究的关联

### 与哈佛RCT的关联
| 研究 | 方法 | 核心发现 |
|------|------|----------|
| **哈佛Kestin (2025)** | RCT | AI导师效果是主动学习2倍 |
| **AIED Scarlatos (2025)** | DPO训练 | 优化学生正确率 |
| **AIED Askademia (2025)** | 实时系统 | 120倍响应速度提升 |

**综合结论**: AI导师不仅"有效", 而且正在变得"高效"(快速响应)和"可及"(小模型)

### 与LLM文献地图的关联

MEMORY.md记载的Shi (2025) 88项实证研究综述指出:
- LLM六大应用: ITS > 学习支持 > 自动化评估 > 任务支持 > 内容生成 > Chatbots
- AIED 2025论文进一步验证这一排序

**新发现**: AIED 2025新增"教师AI工具"作为第七大应用领域

### 与EdTech创业研究的关联
| 学术发现 | 创业教训 | 相互印证 |
|----------|----------|----------|
| 实时AI问答系统 | Chegg答案服务失败 | 实时>异步 |
| 偏好学习优化 | Duolingo学习过程 | 效果>答案 |
| 教师AI评估工具 | MagicSchool教师工具 | 工具赋能 |

---

## 研究建议

### 下一步研究方向
1. **LLM导师评估标准**: 如何衡量"好"的AI导师?
2. **教师AI素养框架**: 构建教师AI能力评估体系
3. **小模型优化**: 在教育场景验证更多8B以下模型
4. **纵向效果追踪**: 1年以上学生学习效果追踪

### 项目补充建议
| 建议 | 来源 | 优先级 |
|------|------|--------|
| 添加Askademia论文到文献库 | AIED 2025最佳论文 | P0 |
| 添加Scarlatos DPO论文详情 | LLM导师优化新范式 | P0 |
| 更新"LLM教育应用"知识卡片 | 新增教师工具领域 | P1 |
| 添加AIED 2025机构档案 | 会议机构分布 | P2 |

---

## 来源

- [[AIED-2025学术前沿论文深度解读-20260413]] — AIED 2025学术前沿论文深度解读
- AIED 2025官网: https://aied2025.itd.cnr.it/
- DBLP论文索引: https://dblp.org/db/conf/aied/aied2025-1
- Springer论文集: https://link.springer.com/conference/aied