数学教育中的AI:NeurIPS’21 Workshop 欢迎投稿!
Workshop主頁:
https://mathai4ed.github.io
數學推理是一種人類獨特的智慧能力,也是人類在對科學和知識的探尋道路上不可缺少的基石。不過,數學學習通常是一項極具挑戰性的過程,因為它依賴于指導者對學習內容的設計、教學和評估。從教育的角度來看,致力于幫助這一過程的人工智能系統能夠為使用者提供更多的包容性和可及性,并且提高他們的學習效率和對數學的理解。此外,構建能夠理解、創造、和使用數學推理的系統能為研究人工智能推理提供獨特的平臺。在此次研討會中,本次Workshop將探索人工智能在數學教育中的應用,包括:
● ? 教學:有效幫助學生進行數學學習的智能教輔系統
● ? 評估:人工智能輔助評分系統(如Gradescope)和個性化測試平臺(如IXL)
● ? 輔導:高級數學教育中的符號化數學工具(如Mathematica,Maple)
這些應用離不開人工智能和機器學習領域里核心問題的研究,例如:
● 解釋能力:打開“黑匣子”,提供透明、可解釋的人工智能模型
● 推理能力:可以實現形式化或非形式化的推理、與人類進行交流互動的人工智能體
● 核心方法:應用在數學領域里的多模態、邏輯推理、符號推理等方法
這些應用技術的實現不僅要求數學和人工智能研究的不斷創新,還需要對實際教學場景的深入理解。因此,本次Workshop邀請了擁有不同研究背景、來自不同機構和學科領域的專家,與他們共同討論和探尋在現實教學場景中,將人工智能融入數學教育的前景和挑戰。Workshop的討論話題包括但不限于:
● ? 可及性:人工智能如何如何最有效地幫助不同背景的學生進行數學學習?
● ? 應用性:人工智能在數學教育中的哪些近期和長期應用中最具前景?
● ? 方法:哪些研究進展是實現這些應用所必需的?
● ? 展望未來:數學教育和研究的未來是什么?
受邀嘉賓
目前受邀參加Workshop的嘉賓有:
組織者
(按字母排列)
● ? Xiaodan Liang (梁小丹):中山大學智能工程學院副教授,研究方向為機器學習、計算機視覺、智慧教育
● ? Pan Lu:加州大學洛杉磯分校計算機博士生,研究方向為多模態學習和常識推理。
● ? Jay McClelland:斯坦福大學心理學系教授,心智、大腦和計算中心主任,研究方向為認知和決策。
● ? Sean Welleck:華盛頓大學計算機系博士后,研究方向為自然語言理解與數學推理。
● ? Yuhuai (Tony) Wu:斯坦福大學博士后,谷歌研究科學家,研究方向為機器推理。
● ? Eric P. Xing:卡內基梅隆大學教授,默罕默德·本·扎耶德人工智能大學(MBZUAI)校長,研究方向為機器學習與人工智能。
投稿方式
提交給MathAI4Ed 2021的內容限制在4頁以內,但參考文獻和附錄可以不限頁數。后者不一定會被審稿人閱讀。我們要求并建議作者僅依靠補充材料來包括不適合4頁內容的小細節(例如,超參數設置、可重復性信息等)。評審過程是雙盲的,所以請確保所有論文都有適當的匿名性。
所有提交的論文必須使用LaTeX格式,使用NeurIPS 2021 MathAI4Ed論文格式:
https://mathai4ed.github.io/img/NeurIPS2021_MathAI4ED.zip。
所有被接受的論文將在虛擬海報會議上展示,一些論文將被選作口頭報告。Workshop也允許最近已經發表或正在提交的論文。請在提交時對這些論文進行相應的標注。這些論文的頁數限制為4頁。被接受的論文將在MathAI4Ed的主頁上公布,但是是非存檔的。
論文提交入口:
https://cmt3.research.microsoft.com/MATHAI4ED2021。
如有任何疑問,請發電子郵件至:
mathai4ed.neurips2021@gmail.com
重要日期
● ? 提交截止日期:2021 年 10 月 6日(11:59pm Pacific Time)
● ? 錄取通知:2021 年 10 月 23 日
● ? Camera-Ready 提交:2021 年 11 月 1 日
● ? Workshop 日期:2021 年 12 月 14 日
后臺回復關鍵詞【入群】
加入賣萌屋NLP/IR/Rec與求職討論群
后臺回復關鍵詞【頂會】
獲取ACL、CIKM等各大頂會論文集!
總結
以上是生活随笔為你收集整理的数学教育中的AI:NeurIPS’21 Workshop 欢迎投稿!的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 深度学习,路在何方?
- 下一篇: 调研了下 AI 作曲,顺便做了期视频..