近日，華南師范大學SCHOLAT數(shù)據(jù)智能開放實驗室的研究成果“Context-Driven Learning Path Recommendation: From Static Records to Dynamic Contexts”，被AAAI2026 AI for Education（AI4EDU）錄用。本屆AI4EDU聚焦人工智能在教育領域的前沿，主題為“大型多模態(tài)模型在教育領域的前景與挑戰(zhàn)”。

該工作針對當前在線教育中學習路徑推薦（Learning Path Recommendation, LPR）普遍存在的三大瓶頸——依賴靜態(tài)歷史記錄、忽視學習資源語義信息、缺乏動態(tài)反饋機制，創(chuàng)新性地提出了一種上下文驅(qū)動的動態(tài)學習路徑推薦框架。該框架深度融合大語言模型（LLM），通過系統(tǒng)化地獲取、組織、壓縮并持續(xù)更新多源信息（包括學生行為、知識狀態(tài)與資源語義），實現(xiàn)了更自適應、多樣化且可解釋的個性化學習路徑生成。
在真實大規(guī)模教育數(shù)據(jù)集（涵蓋數(shù)學、物理及編程等領域）上的實驗表明，該方法在學習效果提升和路徑多樣性等關(guān)鍵指標上顯著優(yōu)于現(xiàn)有主流基線模型，同時保持良好的運行效率。

隨著教育數(shù)字化轉(zhuǎn)型加速推進，如何利用AI技術(shù)實現(xiàn)真正意義上的因材施教成為關(guān)鍵挑戰(zhàn)。本工作依托國家重點研發(fā)計劃項目“全過程教與學評價和多場景個性化學習服務”開展，聚焦于“人機協(xié)同學習”核心問題，探索人工智能在教育場景中的深度賦能。研究成果模型已在合作平臺進行試點，助力構(gòu)建更加智能、高效的學習生態(tài)系統(tǒng)。
該論文第一作者為2023級碩士研究生林韻璇，指導教師為吳正洋副教授，林榮華副研究員與湯庸教授為共同作者。