学部要闻速递（第15期）
（11月18日-12月8日）
学科、平台建设与科研工作
华中师范大学研究生会举办第262期“百年求索·名师讲坛”
11月21日，华中师范大学第262期“百年求索·名师讲坛”举行，主题为“应用学习科学变革教学研究”。李文昊教授分享了教育研究的核心要义、全流程及多媒体学习科学体系，鼓励师生从实践中提炼课题。现场互动热烈，师生收获颇丰。讲坛旨在提供学术交流平台，期待更多名师带来启迪。
人工智能教育学部顺利举办智能科教工作坊暨“青年学术沙龙”系列活动第一期
12月5日晚，华中师范大学智能科教工作坊暨“青年学术沙龙”系列活动第一期成功举办。本次沙龙活动由武汉理工大学材料学院副教授、金属副系主任朱晓萌老师主讲，人工智能教育学部教育信息技术学院副院长罗恒教授、人工智能教育学部龙陶陶老师出席。武汉理工大学朱晓萌副教授主讲3D打印技术。罗恒、龙陶陶老师出席并鼓励提问。朱老师通过图文、视频等形式深入讲解3D打印种类、发展史及应用，并指出科普要点及工程思维。学生表示受益匪浅，对科普的真实性与通俗性平衡有更深理解。
教师教育工作
人工智能教育学部师范生第二周期钢笔字培训圆满结束
11月23日，人工智能教育学部钢笔字2班开展师范生钢笔字培训，由章文静讲解硬笔楷书基本笔画。章文静通过多媒体和黑板示范，结合理论分析，指导同学们练习。同学们认真临摹，取得显著进步。学部将继续推进技能培训，培育德才兼备的教育人才，助力教育强国梦。
党建与思政
人工智能教育学部举行“智启未来，科创引航”科创训练营开营仪式暨第一期活动
11月22日，人工智能教育学部“智启未来，科创引航”科创训练营开营仪式在南湖综合楼7001举行，人工智能教育学部党委书记黄涛、党委副书记李娜，公共管理学院副教授、硕士生导师陈刚华，学部团委书记任嘉航，学部“挑战杯”项目指导老师李秀晗、谭政和科创训练营的80余名营员出席本次活动。党委书记黄涛动员讲话强调创新重要性，学生代表谭元骏分享经验，李佳璐介绍比赛及活动计划。陈刚华教授做讲座指导。活动圆满结束，训练营将持续提供资源助力科创。
人工智能教育学部顺利举行十一月安全教育主题讲座
11月24日晚，华中师范大学人工智能教育学部在南湖一楼N111教室举办安全教育讲座，由辅导员王瑞主持，教师王翔主讲。王翔结合救援队经验，讲解急救知识重要性，演示癫痫急救方法，介绍海姆立克急救法。此次讲座旨在提升本科生安全救援意识及正确急救技能，整体安全素养显著提升。
人工智能教育学部师生赴京开展学科调研、爱国主义教育和科创实践为一体的行走思政课
11月28至30日，华中师范大学人工智能教育学部师生赴京，开展集学科调研、爱国主义教育和科创实践为一体的行走思政课。师生访问北京师范大学进行座谈交流，探讨人才培养新模式，参观腾讯、百度探讨校企合作，观看天安门升旗仪式、参观党史展览，深化爱国主义教育。未来，学部将持续开展此类活动，激励学子为教育智能化发展和民族复兴贡献力量。
人工智能教育学部开展2024职业发展工作坊
12月1日下午，华中师范大学人工智能教育学部职业发展工作坊首期活动举办，旨在提升学生就业创业能力。人工智能教育学部党委副书记李娜、教育信息技术学院副院长童名文分别致辞，学部教师代表谭政副教授、姚璜副教授出席了活动，近百位同学线上线下参与。哈佛双学位毕业生董昊宇、光谷人才集团付雅嘉等嘉宾分享创业经验和政策解读。同学们分组研讨，气氛热烈。后续还有三期活动，助力学生多元化就业创业。
人工智能教育学部学生赴武汉市盘龙城遗址博物院参观学习
12月5日，华中师范大学人工智能教育学部学生赴盘龙城遗址博物院研学，深化非正式科学学习理论理解。学生们参观常设展和特展，记录所见所感，通过任务单与小组讨论等形式探讨多个议题。活动展现了学部教学形式的融合性、多元性、创新性，同学们在实践中升华理论，增强历史文化素养，明确合作式学术研究中的表达方法。未来，学部将继续探索更多元教学形式。
人工智能教育学部“智启未来，科创引航”科创训练营第二期活动顺利开展
12月6日，人工智能教育学部科创训练营第二期活动在南湖综合楼7001举行，邀请第十八届“挑战杯”全国一等奖项目团队代表分享经验。人工智能教育学部团委书记任嘉航，公共管理学院2021级行政管理专业本科生刘一涵，政治学与国家治理研究院2022级研究生冯相龙，新闻传播学院广播电视学专业本科生白宇菲和科创训练营营员出席本次活动。刘一涵强调科学选题，关注社会热点；冯相龙建议选题紧跟时代潮流，落实到具体操作层面；白宇菲分享组队经验，鼓励尝试提升能力。与会者深入交流，表示将提升科研和团队协作能力，共创佳绩。
华中师范大学顺利举行第十四届新媒体创意大赛决赛及颁奖典礼
12月8日晚，华中师范大学第十四届新媒体创意大赛决赛及颁奖典礼与华中师范大学九号楼六楼演播厅举行，共收到16个学院105份作品。青年学子通过微视频、短视频、平面设计等形式，展现学校“五育并举”及华师之美。
国际合作与对外交流
华中师范大学人工智能教育学部在新加坡成功举办海外人才招聘洽谈会
11月27至30日，华中师范大学人工智能教育学部在新加坡举办两场海外人才招聘洽谈会，吸引60余名新加坡国立大学和南洋理工大学博士、博士后参与。会上详细介绍学校条件、人才政策等，吴龙凯教授分享回国经历，招聘团成员与参会学者面对面交流。此次活动提升了学校国际影响力，为学部吸引优秀人才，助力人工智能教育发展。
伍伦贡大学Yannan Li博士系列讲座顺利举办
11月25至26日，伍伦贡联合研究院举办“区块链技术：密码学基础与应用”讲座，由伍伦贡大学网络安全与密码学研究所Yannan Li博士主讲。首场聚焦密码学基础，次场探讨多元应用。讲座通过案例展示区块链在金融、供应链、医疗等领域的应用，拓宽了师生学术视野，促进了知识交流。Li博士是区块链和云数据安全专家，已发表40余篇论文。
伍伦贡大学Raad Raad教授专题讲座顺利举办
12月9日下午，伍伦贡联合研究院举办“CubeSat任务及其天线设计综述”讲座，由伍伦贡大学Raad Raad教授主讲，张隆吉副教授主持。Raad教授介绍了CubeSat的普及、天线设计挑战及解决方案，并探讨了最新设计趋势。此次讲座为师生提供了深入了解CubeSat技术前沿的宝贵机会，拓宽了学术视野。
科研成果
SLBDetection-Net: Towards closed-set and open-set student learning behavior detection in smart classroom of K-12 education
期刊：《Expert Systems With Applications》
类别分区：计算机科学1区 IF：7.5
王志锋[1] 李龙龙[2] 曾春燕[3] 董石[4] 孙建文[5]
【1】教育信息技术学院 副教授
【2】教育信息技术学院人工智能2023级 硕士研究生
【3】湖北工业大学太阳能高效利用与储能系统运行控制省重点实 验室 副教授
【4】教育信息技术学院 副教授
【5】教育大数据应用技术国家工程实验室 教授
Through effective analysis of K-12 education students’ learning behaviors in the classroom, it is possible to greatly improve the interaction between teaching and learning, thereby enhancing the quality of education. However, current traditional analysis of student classroom behavior focuses on closed-set behavior detection in a single scenario. For complex and open real classroom environments, the challenge lies in obtaining meaningful representations of behaviors in small and densely populated complex scenes, while also achieving good performance in both closed-set and open-set environments. To address these challenges, this study introduces a novel method for detecting student learning behavior in both closed-set and open-set scenarios, termed SLBDetection-Net. This method focuses on accurately capturing learning behavior representation, with a specific emphasis on Multi-scale Focusing Key Information (MFKI). The study begins with designing a Learning Behavior-aware Attention (LBA) mechanism, dedicated to extracting key features of learning behaviors and capturing the complex characteristics of targets across different scales. Building on this attention mechanism, a backbone network feature encoder, LBA-Swin Transformer Block, is constructed to form the comprehensive SLBDetection-Net. The effectiveness of SLBDetection-Net is validated through rigorous testing and evaluation on real classroom scenario data of K-12 education, comparing its performance with the State-of-the-Art (SOTA) methods. The results demonstrate that SLBDetection-Net achieves a mean Average Precision (mAP) of 96.4% on the ClaBehavior dataset and 85.9% on the SCB dataset. These findings underscore the method’s significant advantages in enhancing detection precision and efficiency in both closed-set and open-set scenarios, thereby expanding the application scope of educational assessment frameworks.
通过有效分析K-12教育学生在课堂上的学习行为，可以极大地改善教与学的互动，从而提升教育质量。然而，当前对学生课堂行为的传统分析侧重于单一场景中的封闭集行为检测。对于复杂和开放的真实课堂环境，挑战在于如何在小且人口密集的复杂场景中获得有意义的行为表示，同时在封闭环境和开放环境中实现良好的性能。为了应对这些挑战，本研究引入了一种在封闭集和开放集场景中检测学生学习行为的新方法，称为SLBDetection-Net。该方法侧重于准确捕获学习行为表征，特别强调多尺度聚焦关键信息（MFKI）。该研究首先设计了一种学习行为感知注意力（LBA）机制，致力于提取学习行为的关键特征并捕获不同尺度目标的复杂特征。基于这种注意力机制，构建了主干网络特征编码器LBA-Swin Transformer Block，以形成综合的SLBDetection-Net。SLBDetection-Net的有效性通过对K-12教育真实课堂场景数据的严格测试和评估得到验证，并将其性能与最先进的(SOTA)方法进行比较。结果表明，SLBDetection-Net在ClaBehavior数据集上的平均精度(mAP)达到96.4%，在SCB数据集上达到85.9%。这些发现强调了该方法在提高封闭集和开放集场景中的检测精度和效率方面的显着优势，从而扩大了教育评估框架的应用范围。
人工智能教育学部融媒体中心
审读 | 李娜 余红亮 亢立
编辑 | 王睿童 李田田
排版 | 谭艳燕
