也许是因为每天的行程安排都很充实，感觉时间在飞速流逝。

在不知不觉中，我们的旅程也迎来了最后的一周时光。在我们刚到美国时，系所里的很多教授都正在国外忙于参会，无法抽身赶来。

所以ALTTAI会议一结束，我们就抓住机会邀请老师为我们量身定做举办了几场“conversation”。

大佬嘉宾纷纷上阵，寓教于言，为此次夏令营画上完美句点。座谈会中，老师作为主讲人通常会先分享自己对于某个主题的见解，再由此延伸抒发一些感想，或是询问同学们问题引发思考，并且对此给出一些关于未来发展的建议。

在热切的讨论中，老师和同学们的思维发生碰撞，话题也由特定内容扩散到对自我和世界的认识。在这种形式限定更少、表达更为自由的情境下，同学们也因谈话内容的切身性得到了非常多的启示。我们不仅学习到了科研的严谨态度和创新精神，更获得了人生向前发展的宝贵经验。

其实在第一周夏令营开幕式上，心理学系系主任Frank Andrasik就曾来到教室与我们进行过这样的一次会谈。

Andrasik教授面带笑容，以平和开放的心态和同学们相对而坐，关切询问每位同学自身的现状，并愉快地回顾了他自己数十载的研究历程，还对孟菲斯心理学系的现状和未来发展谈了自己的想法。他用自己在科研道路上的转型经历启发同学们应该如何在科研的道路上坚持下去，给大家留下了无比深刻的印象。

随后的一周我们与以下几位系所的老师分别开展了这样形式特别的交流，请大家一起来认识一下各位才华横溢的老师，也看看同学们的所思所感吧~

 

7.15 周一

Andrew Olney

Andrew Olney是任职于孟菲斯大学心理学系及智能系统研究所 (IIS, Institute for Intelligent Systems)的副教授。研究兴趣主要在于自然语言界面，向量空间模型、对话系统及智能导学系统(Intelligent Tutoring System)等。

其科研成果颇丰，据谷歌学术统计共获得了3444的被引量。除学术成果外，Andrew在实践领域也有成功之作，之前备受媒体关注的“Sophia”智能机器人的原始模型就出自于Olney教授之手。

Olney教授在一开始就给大家抛出了一个问题：“什么是Tutor？”，立即引发了大家的思考和讨论。之后他介绍了美国当代著名的教育家和心理学家本杰明·布卢姆的学习分类法，以及学者Vanlehn对Tutor特点的定义：“提供反馈，教学支架（Scaffolding）和互动式教学模式”。

由浅入深，逻辑上联系紧密，概括了三个重要方面的特点，而每一个方面都又紧扣“Tutor”智能系统，可见Olney教授对“Tutor”系统的理解深刻。之后会谈主题聚焦于特点二——教学支架，这个概念最早由维果茨基提出，他认为教育要帮助学生从舒适区跨越到最近发展区，这一过程需要有智慧的成人的支持。

而“Tutor”本身其实就是一种“Scaffolding”（支架式教学），这样一种理论让我们可以对智能导学系统产生一种新的理解方式，从而创造和模拟出更有效更适合学生个体的教学模式，不仅能显著地提升学生的学习和探索动机，更能实现更好的学习效果。

小伙伴们说：
“AutoTutor”作为智能导学系统的重要一员，设计者和背后的研究者对学生的学习特点和原理有着深刻的理解，特别是能从维果茨基提出的教学支架理论中吸收重要养分，让人感到欣慰。当“AutoTutor”中引入教学支架理论时，它就更具有人性化的特点，能根据学生的当前状况逐步调整，这也更加契合“AutoTutor”所倡导的适应性学习（Adaptive Learning）理念，让教学模式不再一刀切。

一旦具备这样的特点，它就更能发挥教学支架的优势。这样的结合方式让人不禁想到，智能教学的未来可以做到多样化教学，带给个体更多的收获和成长。

Olney教授的报告给我最大的启示是他对测试效应的理解。我以前关注过在测试过程中不同的反馈内容对学习效果的影响，而Olney教授将其放到教学的整个框架内思考，其实测试效应对学习者的帮助不仅仅在于其提供的反馈内容。

更重要的是，提问行为可以降低学习的自由度，为学习者指明学习的重点。另外，测试难度的不同还可以让学习者保持动机，不会很快感到无聊或者沮丧等等。此外，Olney教授对不同的知识产生水平的观点也给了我新的研究思路。以前有关学习反馈的知识告诉我，在一般情况下，精细反馈程度越高越能促进学习效果。而Olney教授提出的高建构过程（低精度程度的反馈）可以发挥学习者的主动性，更有利于学习者的长期发展。作为教育心理学研究者，我们不要忘了学生是发展中的人，要从发展和长远的角度看待教育和学习。

 

Alistair Windsor

Alistair Windsor是孟菲斯大学数学科学系的副教授，同时也是智能系统研究所（Institute for Intelligent System）的所长。Windsor教授的本科和博士专业都是数学，其主要研究领域包括动态系统和遍历理论（Dynamical Systems and Ergodic Theory）以及数学教育和项目评估（Mathematics Education and Project Evaluation）。目前Windsor教授主要从事基础数学的教学研究以及中小学数学教师的教学培训。

Windsor教授主要给我们介绍了著名的数学智能教育系统网站ALEKS及其主要理论基础之一：知识空间理论（Knowledge SpaceTheory），并强调了前置问题的重要性。

这一点和之前师兄们为我们介绍的智能导学系统的问题设置策略有异曲同工之妙。与Windsor教授的交流不是通过报告的形式开展的，而是像一个朋友一样和我们分享一些他的故事、他的经历、他的见解。

在表达中学习，在聆听中收获。会谈间，Alistair和胡老师一直强调，在这个互联网时代，学习一门程序语言无比重要——“Nobodyshould graduate from college without learning to program”。

小伙伴们说：

"在与Windsor教授的交流中，我表达了一个疑惑。其实我注意到这些天接触到的老师大多数都有数学背景或者计算机背景，刚刚老师也强调了现在的大学生至少要掌握一门编程语言的重要性，那么这些学科背景对于掌握程序语言有怎样的必要性呢？

Windsor教授向我们强调了批判性思维和终身学习的重要性，而不是相关学科背景起到了决定性作用。这番话触动了我，不能再因为学科背景的差异而逃避实用性编程学习中可能遇到的困难，也更坚定了我想要好好学习一门程序语言的想法。未来研究道路还很长，希望自己能够清晰目标，踏实走好每一步。"

"Windsor教授在没有展示PPT的情况下，分享了很多内容，主题广泛，给了我们不少关于学习、数据和编程的启迪。

Windsor教授在孟菲斯待了十二年左右，这些年来他见证了孟菲斯的诸多变迁，向我们感慨孟菲斯是一个充满变化的城市，虽然它并不像其他沿海城市那么发达，但近年来也有很多科技公司纷纷涌入孟菲斯，给大家创造了很多机会。

互联网的发展让从事相关技术的工作人员可以不一定要选择在沿海，也能做出卓有成效的工作。Windsor教授让人印象最深刻的应该是他的关于编程技能的一番话，对我们有很大的启迪和思考价值。

他让我们意识到，编程不仅仅是一项技术，也是一种每个人都需要掌握的思维方式。当我们学习一门程序语言的时候，自己的思维方式和逻辑的严谨性也会发生变化。不断地修复bug会让人变得更有耐心，心思缜密，对语言简洁性的不断追求也会让自己在思考问题时能够直切要点。

编程本身是一件饶有趣味的事情，因为很多意想不到的事情其实都可以用编程解决，它会让我们感受到世界原来可以用另一种方式来解读，那就是像程序语言那样：严密、富有逻辑、考虑全面！"

 

7.16 周二

Zhiqiang Cai 蔡志强

蔡志强老师是孟菲斯大学智能系统研究所的高级研究员。蔡老师毕业于华中科技大学计算机数学系，曾是华中科技大学、苏丹科技大学和巴黎第六大学的客座副教授。他的研究兴趣是智能导学系统和自然语言处理的算法设计和软件开发，是AutoTutor和Coh-Metrix的核心开发人员。

蔡老师的报告主题是：文本与语篇分析方法和工具。首先用一张照片导入，引发我们思考利用计算机进行语义分析的三个重要因素：数据、编码和理论。然后，他比较了文本分析（text analysis）和语篇分析(discourse analysis）的异同，并用美国总统大选辩论和两位政治家的语言连贯性变化为我们展示了语篇分析的应用。在报告的最后，蔡教授介绍了几种语篇分析的实用工具，如LIWC、LSA、Coh-Metrix和ENA等。

小伙伴们说：
“在前两届华中师范大学心理学院举办的CBS会议上，中科院心理研究所朱廷劭老师介绍了其团队开发的中文文本分析工具“文心”，并用这个工具分析了许多中国文学小说（如《西游记》、《平凡的世界》和金庸的小说等），得到了很多有趣的结论，这与蔡老师本次的报告不谋而合，看来文本分析工具的研究和应用在全球都如火如荼地开展着。文本和语篇分析工具可以快速地分析文本数据并得到客观数据，但是我们要注意的是，同样的数据可以有不同的解读，最终还是取决于我们的理论基础和背景知识。”

“蔡老师在这次讲座中与我们分享了一些文本与语篇分析的方法与工具，将晦涩难懂的理论概括为几个关键词，并将其融入到日常的生活情景中，再用中国古典诗歌的形式表现出来。我觉得这种“教授”形式是非常有创意且非常新奇的。同时也感觉蔡教授是一位非常有生活情怀的老师，一边学术，一边追求“诗和远方”。”

 

7.17 周三

Andrew Hampton

AndrewHampton是孟菲斯大学智能系统研究所的助理教授。他是对话式AI的开发领导者之一，旨在通过教育、智能推荐和缓解个人问题来帮助人们进行职业规划。Hampton教授的研究兴趣包括技术中介的沟通、心理语言学、符号学、自适应教育技术、人工智能和政治心理学等。

Hampton教授之前的研究方向为人因心理学（Human Factors Psychology），所以在进入主题之前，他先向我们介绍了人因心理学领域的一些有趣的研究，比如人体工程学中如何设计椅子的角度可以让人感觉更舒服等。

他还详细地介绍了他在他的博士论文研究中如何利用推特消息中的语言信息来预测飓风的严重程度，并和大家探讨可以用哪些线上指标来预测事件发生的中心点，比如表情、符号、文字长度、表达方式等等，这些都是非常有意思而且与我们生活十分贴近的研究内容。接下来Hampton教授讲到了他现在的研究兴趣主要集中在教育方向，涉及IntelligentTutoring Systems、Adaptive Learning等，并分享了他对于如何构建先前研究和现在研究的结合点的经验，鼓励大家工作后一定要把握机会，去探索无限可能。

小伙伴们说：

Andrew Hampton教授的讲座非常有感染力，只是通过聊天互动的方式将他的研究内容和现实生活以及和学生们的问题结合起来。

我印象最为深刻的是当他问我们现在的人们在社交媒体上如何表达自己的情绪。于是大家开动脑筋想出了许多方式，比如我们最常使用的表情符号、标点符号等来表达我们的情绪，相比于大段的文字，这样的表达更为简洁直观。Hamphton教授通过研究日常生活中的类这些小小的细节来揭示人工智能辅导教育过程中的大问题，他的新奇独特的研究思路也给我们带来了很大的启发。

 

7.18 周四

Philip Pavlik

Philip Pavlik是孟菲斯大学心理学系的副教授。Pavlik教授于1992年获得密歇根大学经济学学士学位，2005年获得卡内基梅隆大学认知心理学博士学位，并于同年获得认知神经科学的证书。他的主要研究兴趣包括教育软件设计，认知计算模型(Computational Modeling of Cognition)，概念和事实学习(Concept and Fact Learning)，学习转移(Transfer of Learning）以及学习策略等。

Pavlik教授向大家介绍了“Mobile fact and concept training system (MoFaCTS)”学习系统。该系统采用“抽认卡”式的学习方式，可作为教育研究工具用于实验，收集数据并以datashop的格式导出，方便分享与后续分析。这一系统的作用在于减缓了数据准备的负担，允许非职业程序员通过简单的编码构建自己的实验，给程序员提供强大的数据库。最后Pavlik教授表明这一系统的实践意义在于它可以使用多因素回归模型来预测学生的学习行为，选择接近学生阈限（90%正确）的学习项目等。

小伙伴们说：
“Pavlik教授的讲座中令我印象最深刻的一点是他对研究的理解，他认为研究是从干预到数据库再到数据分析的循环过程，可是说是相当言简意赅了。

以往我们在做研究时，这三个部分似乎是分离开的，我们往往先通过编程或者发放问卷收集数据，再利用一些统计软件进行分析。而Pavlik教授创建的MoFaCTS系统与DataShop以及Learnspere三者连接起来分别对应干预、数据库建设以及分析数据这三个部分，使得整个研究过程变得流畅及智能化。

虽然三者一一对应，但这一对应并不唯一，如张亮师兄给我们讲的利用learning locker来记录在学生在慕课、AutoTutor等系统中学习产生的一些数据，并将数据导入到Learnspere中进行分析。因此，我们在运用时还需要灵活变通。另外，我认为不仅教育方向可以应用MoFaCTS这一系统，一些学习实验材料的环节也可以效仿。总之，MoFaCTS也许短时间内无法满足所有研究的设计，但相信随着不断改进，其功能会变得越来越强大。”

 

Keith Shubeck

Keith Shubeck是胡祥恩教授的在读博士生，他的主要研究领域是教育系统中的人工智能，智能家教系统的开发、实施和评估以及如何提升学生在电子学习环境中学习效果。

Keith为我们带来的是主题为“Language matters in predicting meme success: a feedforwardconnectionist network（语言是预测模因成功传播的重要因素：建立一个正反馈的联结网络）”的报告。模因(meme)是指在同一个文化氛围中，人与人之间传播的思想、行为或者风格。也可简单地理解为网络流行词、流行表情包等等。

那么，在社交媒体中网络流行语是怎样传播的？以及流行语为什么流行，传播的速度、范围如何？这些问题都是Keith想要探讨的。他建构了一个网络结构(如下图)，先将目标流行语转换为15个维度的向量，再放入一个每层20个节点的双层网络中，最后输出层显示该流行语是否会成功流行。

小伙伴们说：
"Keith在报告用了非常多的公开平台的数据。比如会有一些专门的网站对模因的选择进行收集；再比如谷歌搜索，当输入关键词的时候就能发现这个词条出现了多少次。

这些数据不仅是公开的，而且在量上面也有优势，是我们完全可以充分利用起来的数据。结合前几天其他教授的报告，我深深体会到了计算机科学技术在处理数据、解释数据、发现新问题等方面的强大优势。

处理大量数据是计算机的基本操作，它还可以通过多种方法定量地解释数据，最后通过集合数据发现规律，并探究本质问题。这种思路与传统的心理学研究方法不太一样，但非常清晰和有效，前提是要用足够好的技术。"

 

结语

忙碌而愉快的美国夏令营活动走向了尾声，让人不禁想吟唱一句“多情自古伤离别”~~学生宿舍的一楼大厅迎接了我们拖着大大小小行李箱的深夜造访，又目睹了我们拖着大大小小行李箱挥手告别。在这说长不长、说短不短的时间里，我们与这座城市、这所学校、这里的人们产生了情感联结，期间我们也收获了珍贵的友谊、宝贵的知识、缤纷的体验。

相信离别的一刻，大家心里都有几番不同的滋味。夏令营的每位同学都各自结识了趣味相投的朋友，见识了在智能教育领域先进技术的发展历程，聆听了来自不同国家大佬们的深度报告，品尝了当地特色的美食美酒，也了解了美国以孟菲斯市这一中部城市代表的西方文化……一个月前我们搓搓小手怀抱期待而来，如今满载收获，尽兴而归，也希望大家通过阅读我们的文章体验到我们此次夏令营的点滴感受，并与我们一同学习，一同成长！