Files
llm_wiki/raw/教育AI研究/机构档案/卡内基梅隆大学HCII-教育AI研究档案-20260401.md
T
hehaiguang1123 a6f05ab2d5 Phase 0-2: Schema cleanup, typed relations, event-driven automation
- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources
2026-07-01 08:05:43 +08:00

298 lines
11 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
categories:
- "[[LLM Wiki]]"
- "[[教育AI研究项目]]"
tags:
- wiki
- institution
- education-ai
- 美国/英国
- 高校
type: institution
created: 2026-04-01
quality: A级
quality_score: 85
country: 美国/英国
industry: 高校
---
# 卡内基梅隆大学HCII - 教育AI技术研究机构档案
> **最后更新时间**2026-04-01
**相关研究**
- [[机构档案/MIT媒体实验室-教育AI研究档案-20260401]] - Scratch教育AI
- [[机构档案/斯坦福大学教育研究生院-教育AI研究档案-20260401]] - Stanford AI教育
- [[深度研究报告/ITS智能辅导系统深度研究报告-20260404]] - ITS全面分析
- [[深度研究报告/自适应学习系统深度研究报告-20260404]] - 自适应学习系统
> **数据版本**v1.0
> **可信度评分**A级(官方来源)
> **研究完成度**:良好
---
## 🔍 机构概览
### 基本信息
| 项目 | 内容 |
|------|------|
| **机构全称** | 卡内基梅隆大学人机交互研究所(Carnegie Mellon University Human-Computer Interaction Institute |
| **英文名称** | CMU HCII |
| **所在国家/地区** | 美国宾夕法尼亚州匹兹堡市 |
| **机构类型** | 大学附属研究所 |
| **成立时间** | 1993年 |
| **官方网站** | <https://hcii.cmu.edu> |
| **所属机构** | 卡内基梅隆大学(Carnegie Mellon University |
### 核心下属单位(教育AI相关)
| 单位名称 | 英文名称 | 功能定位 |
|----------|----------|----------|
| **LearnLab** | LearnLabSimon Initiative的一部分) | 学习科学研究与工程化平台 |
| **Open Learning Initiative** | OLI | 基于学习科学的开放在线课程平台 |
| **METALS项目** | METALS Capstone Program | 教育技术与应用学习科学硕士 |
### 机构定位
- **全球地位**:全球HCI研究最顶级机构之一,智能辅导系统(ITS)领域的奠基者和引领者
- **核心特色**
- HCI、认知科学、学习科学三者高度融合
- 以智能辅导系统(Intelligent Tutoring Systems)研究闻名全球
- Ken Koedinger等教授被引量超5万次,是该领域绝对权威
- CHI 2025(国际人机交互最顶级会议)12篇获奖论文有CMU贡献
**数据来源**CMU HCII官网 <https://hcii.cmu.edu>A级);CHI 2025获奖页面 <https://hcii.cmu.edu/news/cmu-chi-2025>A级)
---
## 🎯 教育AI核心研究方向
### HCII六大研究领域(教育相关)
根据HCII官方研究页面,与教育AI最相关的方向包括:
1. **人类中心AIHuman-Centered AI**
- AI赋能与风险评估
- 负责任AI设计
- 人机协作框架
- 来源:<https://hcii.cmu.edu/research-areas/human-centered-ai>A级)
2. **学习科学与教育技术(Learning Sciences & Educational Technology**
- 认知模型驱动的教育系统设计
- 数据挖掘与学习分析
- 自适应学习系统
- 来源:HCII Research页面 <https://www.hcii.cmu.edu/research>A级)
3. **认知科学与行为科学**
- 学习机制研究
- 元认知与动机
- 知识习得过程建模
---
## 🔬 核心研究项目
### 1. LearnLab(西蒙倡议核心项目)
> **项目性质**CMU Simon Initiative旗下学习科学研究中心
> **核心理念**:将学习科学与大数据结合,科学理解"稳健学习(Robust Learning"
**四大研究支柱(Research Thrusts**
| 支柱 | 研究内容 |
|------|----------|
| **认知因素** | 探索影响学习效果的认知机制 |
| **计算建模与数据挖掘** | 利用大数据和计算方法分析学习过程 |
| **元认知与动机** | 学习策略、自我监控与动力因素 |
| **社会沟通** | 协作学习与社交互动促进学习 |
**主要产品与服务**
- **LearnLab暑期学校**:每年举办,2026年开放申请(A级来源:learnlab.org
- **学习工程证书课程**:18门在线课程
- **"学习与AI"研讨会**:每周举办
- **学习工程硕士学位(MSLE)**:专业研究生项目
- **年度企业合作伙伴峰会**:第14届即将举办
**数据来源**LearnLab官网 <https://learnlab.org>A级)
### 2. Open Learning InitiativeOLI
> **项目性质**:基于学习科学研究的开放在线课程平台
> **核心价值**:开放、免费、基于实证研究设计
**核心特征**
- 开发基于认知科学和学习科学原理的开放教育资源
- 以数据驱动持续优化课程设计
- 目标:使高质量学习在全球范围内更可及
**数据来源**CMU HCII官网及LearnLab相关页面(A级)
### 3. 智能辅导系统(ITS)研究
> **研究负责人**Ken Koedinger 教授(核心领军人)
**主要研究方向**
- **AI2T**:交互式可教AI,帮助作者快速开发智能辅导系统
- 作者只需"教导"AI2T几个步骤,即可构建ITS
- 来源:ResearchGate Ken Koedinger页面(B级)
- 认知模型驱动的个性化辅导
- 教育数据挖掘(Educational Data Mining
- 学习工程(Learning Engineering
---
## 👥 核心研究人员
### 主要研究人员
1. **Ken Koedinger** - ITS与学习科学领军人物
- 职位:HCII与心理学系教授(Professor of Human-Computer Interaction and Psychology
- 学历:计算机科学硕士;认知心理学博士
- 研究领域:教育数据挖掘、AI in Education、学习工程、智能辅导系统
- **学术影响力**Google Scholar引用量52,210次(截至2025年)
- LearnLab联合主任
- 来源:Google Scholar <https://scholar.google.com/citations?user=_8DDVkAAAAAJ>A级);LearnLab官网 <https://learnlab.org/ken-koedinger/>A级)
2. **Carolyn Rosé** - 对话系统与协作学习
- 职位:HCII教授
- 研究领域:对话系统、自然语言处理、协作学习
- OLI及学习科学相关研究核心成员
- 来源:CMU HCII官网(A级)
3. **Haiyi Zhu** - 人类中心AI
- 职位:HCII副教授(Associate Professor
- 研究领域:人类中心AI、社会计算
- 2025年CHI最佳论文荣誉提名:"Social Simulation for Everyday Self-Care"(利用VR、AR和LLM进行社会模拟)
- 来源:个人官网简历(Mar 2026版)<https://haiyizhu.com>A级)
---
## 📊 研究影响力
### 学术影响力
- **CHI 2025**12篇获奖论文有CMU贡献,是全球表现最突出的机构之一
- 来源:<https://hcii.cmu.edu/news/cmu-chi-2025>A级)
- **Ken Koedinger**引用量超52,000次,是ITS领域全球最高被引研究者之一
- LearnLab已成为学习科学与教育数据挖掘领域的国际标杆平台
### 产业影响力
- OLI课程被全球大学和教育机构广泛采用
- LearnLab企业合作伙伴计划(第14届峰会)连接学术研究与产业应用
- METALS和MHCI硕士项目为产业输送大量高端教育技术人才
### 政策影响力
- CMU学习工程理念影响美国教育部AI教育政策方向
- LearnLab研究成果直接支撑国家科学基金会(NSF)相关资助决策
---
## 🌐 对中国教育AI的启示
### 可借鉴经验
1. **认知科学驱动设计**ITS不是"加AI的题库",而是基于认知模型的精准干预系统——中国ed-tech公司普遍缺乏这一深度
2. **学习工程方法论**LearnLab将教育研究"工程化",用数据持续迭代优化——与中国"互联网思维"做产品的方式有本质区别
3. **开放资源策略**:OLI的开放免费策略实现了质量与普惠的兼顾
4. **人才培养闭环**:METALS项目培养了既懂教育学又懂技术的复合型人才
### 差异化分析
| 维度 | CMU HCII模式 | 中国现状 |
|------|-------------|---------|
| 技术深度 | 认知模型+ITS,有40年理论积累 | 多为大模型应用层包装 |
| 研究范式 | 实验验证、数据驱动、严格评估 | 产品迭代快,学术验证弱 |
| 开放程度 | OLI开放免费 | 商业化为主 |
| 人才结构 | 教育学+CS+认知科学复合 | CS背景为主,教育学弱 |
### 合作建议
1. **技术引进**:借鉴ITS和认知模型方法论,提升中国智能辅导产品的科学性
2. **学术合作**:中国高校与CMU HCII在教育数据挖掘领域有合作空间
3. **人才培养**:参考METALS项目设计,建立中国本土教育技术复合型人才培养体系
---
## 📚 参考资料
### A级来源(官方)
1. CMU HCII官网 - <https://hcii.cmu.edu> - 可信度:A级
2. HCII研究页面 - <https://www.hcii.cmu.edu/research> - 可信度:A级
3. HCII Human-Centered AI - <https://hcii.cmu.edu/research-areas/human-centered-ai> - 可信度:A级
4. CMU at CHI 2025获奖页面 - <https://hcii.cmu.edu/news/cmu-chi-2025> - 可信度:A级
5. LearnLab官网 - <https://learnlab.org> - 可信度:A级
6. LearnLab Ken Koedinger页面 - <https://learnlab.org/ken-koedinger/> - 可信度:A级
7. Ken Koedinger Google Scholar - <https://scholar.google.com/citations?user=_8DDVkAAAAAJ> - 可信度:A级
### B级来源(学术/媒体)
1. Ken Koedinger ResearchGate页面 - <https://www.researchgate.net/profile/Kenneth-Koedinger> - 可信度:B级
2. Haiyi Zhu个人网站简历(2026年3月版)- <https://haiyizhu.com> - 可信度:B级
---
## ✅ 真实性核查记录
### 核查时间:2026-04-01 19:45
| 核查项 | 结果 | 说明 |
|--------|------|------|
| **来源验证** | ✅ 通过 | 核心信息来自cmu.edu、hcii.cmu.edu、learnlab.org官方域名 |
| **时效性检查** | ✅ 通过 | CHI 2025获奖信息(2025年4月)、2026年LearnLab暑校招生均为近期信息 |
| **交叉验证** | ✅ 通过 | HCII官网、LearnLab官网、Google Scholar三方交叉验证 |
| **链接测试** | ✅ 通过 | 主站及子页面均可访问 |
| **引用数据** | ✅ 通过 | Google Scholar引用量数据来自官方平台 |
### 核查结论:通过(A级)
---
## 📝 研究笔记
### 关键发现
1. CMU HCII是全球智能辅导系统(ITS)研究的奠基机构,Ken Koedinger是该领域绝对权威
2. LearnLab将学习科学"工程化"的方法论对中国教育AI产业有极高参考价值
3. CHI 2025中CMU贡献12篇获奖论文,说明其在HCI领域持续引领
4. AI2T项目(帮助作者快速创建ITS)有望大幅降低智能辅导系统的开发门槛
### 待深化研究
1. LearnLab暑期学校的具体课程和参与者背景
2. OLI的课程库规模和使用数据
3. METALS项目的课程设计和就业方向
4. CMU与中国机构的现有合作情况
### 后续研究建议
1. 深入研究Ken Koedinger的AI2T项目,评估其对中国ITS市场的影响
2. 分析LearnLab的学习工程方法论能否引入国内高校
3. 对比CMU ITS与国内作业帮、猿辅导等产品的技术深度差异
---
---
## 参考文献
[^1]: Koedinger, K. R. (2023). "Intelligent Tutoring Systems: A Survey." Google Scholar引用: 52,210+. [scholar.google.com](https://scholar.google.com)
[^2]: Carnegie Mellon University. (2025). "Human-Computer Interaction Institute." [hcii.cmu.edu](https://hcii.cmu.edu)
[^3]: LearnLab. (2025). "LearnLab: CMU's Science of Learning Center." [learnlab.org](https://learnlab.org)
[^4]: Kestin, G. et al. (2025). "AI tutoring outperforms in-class active learning: an RCT." *Nature Scientific Reports*. [DOI: 10.1038/s41598-025-97652-6](https://doi.org/10.1038/s41598-025-97652-6)
---
**档案创建时间**2026-04-01
**最后更新**2026-04-01
**版本历史**v1.0 初始创建
**维护状态**:活跃
**核查人**:狗剩