---
categories:
  - '[[LLM Wiki]]'
  - '[[People]]'
tags:
  - wiki
  - people
  - person/researcher
  - 教育AI
  - 伯克利
  - AIED2025
created: 2026-04-22
source: '[[AIED-2025学术前沿论文深度解读-20260413]]'
type:
  - "entity"
  - "Author"
aliases:
  - Meenakshi Mittal
  - Mittal
status: reviewed
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-20260413:47]# Meenakshi Mittal

> **一句话简介**：加州大学伯克利分校研究者，AIED 2025最佳论文奖得主，Askademia实时AI问答系统开发者

## 身份

| 属性 | 值 |
|
------|-----|
| 领域 | 教育AI、实时问答系统、视觉-语言模型 |
| 知名身份 | Askademia系统主要开发者 |
| 机构 | 加利福尼亚大学伯克利分校 |
| 关键词 | 实时AI问答、VLM、RAG、课堂AI助教 |

## 主要贡献

### Askademia 实时AI问答系统（AIED 2025最佳论文奖）

Meenakshi Mittal 领导开发的 Askademia 系统荣获 AIED 2025 最佳论文奖：

- **论文标题**：ASKADEMIA: A Real-Time AI System for Automatic Responses to Student Questions
- **共同作者**：Gaurav Tyagi, Azalea Bailey, Gireeja 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
- **DOI**：10.1007/978-3-031-98459-4_8

#### 系统核心能力

| 能力 | 描述 |
|------|------|
| **视觉-语言模型（VLM）** | 处理包含PPT、图片的多模态学生提问 |
| **检索增强生成（RAG）** | 结合实时Lecture内容和课程资料库 |
| **实时处理管道** | 毫秒级响应学生问题 |

#### 关键实验结果

| 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** |
| 事实准确性 | 高 | 高 | 相当 |
| 相关性 | 高 | 中 | 更高 |

### 研究意义

1. **证明VLM+RAG在教育问答场景的可行性** — 多模态理解能力满足课堂场景需求
2. **为大规模在线/混合课程提供技术范式** — 降低对人类助教的依赖
3. **开辟"AI助教"替代人工TA的新路径** — 实时响应提升学习体验

## 与其他概念的关系

- [[Askademia]] — 其开发的实时AI问答系统详细页
- [[Kestin]] — 哈佛RCT研究作者，互补的AI教育实证研究
- [[ITS智能辅导系统]] — Askademia属于ITS的实时响应演进
- [[LLM教育应用深度研究报告]] — LLM教育应用全景
- [[教学设计]] — 实时问答系统对课程设计的影响

## 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
- Tyagi et al. (2025). ASKADEMIA. AIED 2025, LNCS 15880. DOI: 10.1007/978-3-031-98459-4_8

[raw:AIED-2025学术前沿论文深度解读-20260413:47]# Meenakshi Mittal

> **一句话简介**：加州大学伯克利分校研究者，AIED 2025最佳论文奖得主，Askademia实时AI问答系统开发者

## 身份

| 属性 | 值 |
|------|-----|
| 领域 | 教育AI、实时问答系统、视觉-语言模型 |
| 知名身份 | Askademia系统主要开发者 |
| 机构 | 加利福尼亚大学伯克利分校 |
| 关键词 | 实时AI问答、VLM、RAG、课堂AI助教 |

## 主要贡献

### Askademia 实时AI问答系统（AIED 2025最佳论文奖）

Meenakshi Mittal 领导开发的 Askademia 系统荣获 AIED 2025 最佳论文奖：

- **论文标题**：ASKADEMIA: A Real-Time AI System for Automatic Responses to Student Questions
- **共同作者**：Gaurav Tyagi, Azalea Bailey, Gireeja 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
- **DOI**：10.1007/978-3-031-98459-4_8

#### 系统核心能力

| 能力 | 描述 |
|------|------|
| **视觉-语言模型（VLM）** | 处理包含PPT、图片的多模态学生提问 |
| **检索增强生成（RAG）** | 结合实时Lecture内容和课程资料库 |
| **实时处理管道** | 毫秒级响应学生问题 |

#### 关键实验结果

| 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** |
| 事实准确性 | 高 | 高 | 相当 |
| 相关性 | 高 | 中 | 更高 |

### 研究意义

1. **证明VLM+RAG在教育问答场景的可行性** — 多模态理解能力满足课堂场景需求
2. **为大规模在线/混合课程提供技术范式** — 降低对人类助教的依赖
3. **开辟"AI助教"替代人工TA的新路径** — 实时响应提升学习体验

## 与其他概念的关系

- [[Askademia]] — 其开发的实时AI问答系统详细页
- [[Kestin]] — 哈佛RCT研究作者，互补的AI教育实证研究
- [[ITS智能辅导系统]] — Askademia属于ITS的实时响应演进
- [[LLM教育应用深度研究报告]] — LLM教育应用全景
- [[教学设计]] — 实时问答系统对课程设计的影响

## 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
- Tyagi et al. (2025). ASKADEMIA. AIED 2025, LNCS 15880. DOI: 10.1007/978-3-031-98459-4_8