GCCCE 2025江南大学创新教育实践论坛

晋欣泉，江南大学教育学院教育技术系副教授，东北师范大学教育技术学博士，研究方向为学业预警与干预、学困生智能诊断、协同知识建构等相关领域，主持国家自然科学基金青年项目、教育部人文社科青年项目、省教育科学规划项目等课题，在国内外教育技术相关权威会议和期刊发表了10余篇论文，其中一作SSCI一区3篇。现任《Interactive Learning Environments》《现代远程教育研究》等期刊审稿人。

报告内容：
主题：数字时代高校学困生的诱因识别与演化机理研究
在数智技术深刻重塑教育生态的时代背景下，高校学困生群体的学业困境呈现新特征与复杂性。通过整合教育大数据分析、人工智能算法等，研究旨在探索高校学困生的诱因识别与演化机理，为提升高等教育质量、促进教育公平提供理论参考与实践指导。

刘文辉，毕业于北京师范大学教育技术学专业，江南大学人文学院讲师，曾在新加坡国立大学、芬兰赫尔辛基大学等进行访学交流，曾担任华为技术有限公司教学设计师，主要研究方向是数智时代下的教学设计，重点关注个性化学习设计、协作学习设计等研究主题，在SSCI、CSSCI等期刊以第一或通讯作者发表6篇论文。

报告内容：
主题：数智时代学习共同体促进学生个性化发展的理论与实践研究
个性化教学是数智时代教育的本质要求。关于未来教育的相关研究都提出：在未来，学习共同体将会是一种常态化的教学形式(李永智, 2022, 2023)。数智时代下的教育将会聚焦于学生问题解决能力的培养，区别于机器的独特智能，且更加重视学生的自我能动性。学习共同体特别适合这种综合性、复杂性、真实性、开放性的学习情境，能够满足未来教育人才培养的需求。因此，本研究探讨了学习共同体促进学生个性化发展的理论机理，构建了促进学生个性化发展的学习共同体设计过程模式，并通过多轮实践分析了学习共同体促进学生个性化发展的效果。

舒杭，江南大学校聘副教授，华东师范大学博士研究生，2019年国家公派访问学者，访学于美国佛罗里达大学。主要从事教育信息化理论、教育数字化转型、人工智能教育等方面的研究，主持教育部人文青年课题1项、江苏省教育科学十四五规划青年课题1项，发表SSCI、CSSCI期刊论文10余篇，参与国家社科、自科等重要课题6项，参与撰写著作3本。

报告内容：
主题：数智时代场景测评的价值意味与实践路径研究
衡量学生复杂能力需要多元证据支持，但传统的测评方式在衡量学生复杂能力方面，暴露出只关注结果的证明，而忽视过程的解释的弊端。智能技术支持的场景测评成为理解学生复杂能力的重要手段，其关键内核体现在情景任务的创设、能力目标嵌入、证据中心设计以及数据驱动解释四个方面。推进场景化测评，需要从真实任务的设计、能力指标的确定、多元证据的采集、多样化评估证据挖掘、跨场景迁移应用等方面着力，探索更多可行的路径。

姚佳佳，浙江大学教育技术学博士（直博）、教育学学士，韩国首尔国立大学短期交流，入选江苏省“双创博士”、无锡市哲学社会科学专家库。现任江南大学教育技术系校聘副教授、教研室主任。任多个国际会议程序委员、CSSCI和SSCI期刊审稿人、全国大学生数字媒体科技作品及创意竞赛评审专家、中小学/职业教育教师教研能力提升培训专家。主要从事数字化学习环境与资源开发、可视化交互学习设计、深度学习评价与学习分析、人工智能教育应用等相关领域研究；在国内外教育技术相关权威会议和期刊发表了20余篇会议论文、CSSCI和SSCI论文，其中多篇成果获全国性优秀论文成果奖。

报告内容：
主题：迈向无界社区的多人可视化协同学习研究现状及前沿趋势
在教育数字化浪潮的推动下，教育场景的时空边界正被技术悄然打破。从传统课堂的物理限制到虚实融合的“无界社区”，多人可视化协同互动技术通过无限白板、动态可视化工具与沉浸式交互空间，为协作学习开辟了全新可能。本报告旨在基于系统梳理近十年（2015—2024年）国内外32项实践案例研究，揭示多人可视化协同技术如何重塑协作学习并展望该技术未来理论与实践的研究方向。

朱芳芳，江南大学人文学院讲师，主要研究方向涵盖媒体学习、情感教育、协作学习及教育心理学与认知神经科学领域。参与多项国家级、省部级科研项目，在SSCI、CSSCI核心期刊发表学术论文十余篇，现担任《Journal of Computer Assisted Learning》《Active Learning in Higher Education》《Education and Information Technologies》等SSCI期刊审稿人。

报告内容：
主题：数智时代人机协同学习设计研究
数智时代的浪潮正重塑教育生态，“人机协同学习设计”如何破解规模化与个性化备受关注。本研究聚焦人机协同活动设计，旨在揭示AI重构导学机制的三个转向，构建“需求定导-循环生导”闭环体系，以人机协同为基座，通过问题驱动与实践生成形成个性培养链路，解析分层导学架构，依托“建构促学-探究进学-创新践学”三维问题链，为大规模人机协同学习提供可落地的数智化解决方案。