近日，山东财经大学计算机与人工智能学院崔超然教授团队在智能教育领域取得新进展，成功构建并实践了“知识追踪-学业画像-精准滴灌”三位一体的智能教育新范式。该成果以“技术赋能教育、数据驱动教学”为核心，深度融合人工智能技术，旨在破解传统教育模式瓶颈，为构建科学、智能、高效的现代教育体系提供了创新方案与实践路径。

  传统教学模式下，教师对学生个体知识掌握的动态感知往往不足，主要依赖阶段性测试和有限观察，难以实现全面精准评估；学业预警也常因数据滞后而错失最佳干预时机，多在问题积累后才显现；同时，尽管个性化教育理念备受推崇，但由于缺乏智能化、精细化的技术支撑，导致“因材施教”在实践中常难以摆脱“一刀切”的困境。针对这些制约教育教学质量提升的关键痛点，山东财经大学崔超然教授团队的智能教育新范式应运而生，提供了系统性的解决方案：

  实现学生学习状态的“动态精准感知”。通过引入知识追踪技术，特别是基于深度学习的知识追踪（DKT）模型并融合注意力机制，该范式能够实时采集并分析学生在各类学习场景（线上线下、课内课外）产生的过程数据，动态评估其知识掌握程度。这使得教师能从传统的“经验判断”转向“数据驱动”，全面及时了解学情，为优化教学策略提供了科学依据。

  构建学业风险的“精准前置预判”。该范式突破了仅依赖考试成绩的局限，整合了学生学习、生活、网络等多维度行为数据，利用深度神经网络技术构建学生多维学业画像。该画像不仅揭示学生的学习习惯与行为模式，更能提前6-8周精准预测学业风险，识别潜在学困生，将学业风险干预从“被动响应”转变为“主动干预”，为教育管理者提供了高效决策支持。

  实践个性化教育的“智能落地路径”。基于对学生知识状态和学业画像的精准把握，该范式通过智能化的教学内容推送和“润物细无声”的精准帮扶机制，实现了教学内容与教学帮扶的双重个性化。这使得个性化教育理念从“理念倡导”真正走向“智能落实”，为规模化教育背景下的高质量个性化人才培养提供了可借鉴的范例。

  该成果已形成“理论模型-技术平台-实践案例”的完整体系。团队成员先后主持“教育信息科学与技术（F0701）”类国家自然科学基金面上项目2项、山东省本科教学改革研究重点项目3项，发表高水平论文13篇，获国家发明专利授权6项。该范式已在4所高校、12个专业开展示范应用，累计覆盖学生1.3万余人。实践数据显示，学业预警系统准确率高达80%以上，经干预后学困生比例下降超过30%；在个性化教学模式的帮助下，实验班平均成绩较对照班提高7.5分。该成果同时入选“山东省2024年数字化赋能教育管理信息化建设与应用典型案例”，在高等教育领域产生了广泛的积极影响。