近日,研究組與暨南大學(xué)、澳大利亞莫納什大學(xué)(Monash University)科研團(tuán)隊(duì)合作完成的論文“Graph neural network empowers intelligent education: A systematic review from an application perspective”發(fā)表在教育學(xué)知名刊物IEEE Transactions on Learning Technologies(SCI&SSCI雙檢期刊,最新影響因子4.9,平均年發(fā)文量低于100)。該文從應(yīng)用視角出發(fā),收集了200多篇高質(zhì)量相關(guān)論文,系統(tǒng)深入介紹了圖神經(jīng)網(wǎng)絡(luò)(Graph neural network, GNN)應(yīng)用于智能教育的教育學(xué)與信息科學(xué)理論基礎(chǔ)、分類體系、代表性工作、開放資源、面臨的挑戰(zhàn)及未來的發(fā)展方向。
圖神經(jīng)網(wǎng)絡(luò)因具有強(qiáng)大的圖數(shù)據(jù)表征能力而被廣泛應(yīng)用于推薦系統(tǒng)、網(wǎng)絡(luò)安全、經(jīng)濟(jì)金融等多個(gè)領(lǐng)域,并且大部分都已有相關(guān)綜述論文,但在教育領(lǐng)域,系統(tǒng)性地介紹GNN如何賦能智能教育的綜述論文仍然缺失。本次研究組發(fā)表的綜述論文很好地彌補(bǔ)了這個(gè)空白,為對(duì)該領(lǐng)域感興趣的研究人員提供了及時(shí)且有價(jià)值的參考,參與4輪審稿的4位審稿專家都一致給出了很高的評(píng)價(jià):“The paper fills a real gap by pulling together scattered work on GNNs in education. It gives the field a clearer structure, offers a practical classification, and points out challenges that actually matter. It’s a solid contribution that moves things forward...”。
附全文下載鏈接:https://ieeexplore.ieee.org/document/11231364
