近日，经过15个月的审稿，计算机科学与技术学院崔超然教授作为第一作者的论文《Tri-Branch Convolutional Neural Networks for Top-k Focused Academic Performance Prediction》在《IEEE Transactions on Neural Networks and Learning Systems》在线发表（https://ieeexplore.ieee.org/document/9779126）。该期刊是我校特类期刊（中科院JCR一区，IF：10.451），这也是我校教师首次在该期刊上发表论文。

论文面向学生成绩预测这一智慧教育领域的热点研究问题。学生成绩预测旨在利用学生的相关信息预测其在未来的学业表现。随着校园信息化建设的持续推进，校园卡刷卡系统在高校中已经全面普及。借助校园卡，海量学生在校园中学习和生活的行为数据以一种完全隐蔽的方式被记录下来。考虑到人的行为表现和学习能力密切相关，论文以校园行为感知为切入点，通过分析学生校园卡的刷卡记录，利用深度学习技术捕获学生日常行为的持久性、规律性和位置分布性等特点，并将行为特征与准确识别学业落后学生直接关联起来。论文研究成果可以为高校顺利开展个性化教育、学业预警等工作提供重要支撑。

利用人工智能技术促进教育科学发展，积极开展智慧教育工作是中共中央、国务院印发的《中国教育现代化2035》中的重要内容。习近平总书记曾强调，“中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合”。在此背景下，国家自然科学基金委2018年增设“教育信息科学与技术”申请代码，引导科研人员将自然科学范式引入教育研究。计算机科学与技术学院崔超然教授和学生是山东省内较早开展智慧教育研究的团队，2020年主持立项国家自然科学基金“教育信息科学与技术”类面上项目，这也是该方向上省内立项的首个面上项目。同时，崔超然教授还积极将研究与教学实践相结合，2021年主持立项了山东省本科高校教学改革研究重点项目《基于智能学业预警的个性化教学研究与实践》，力图利用人工智能技术提高学业预警工作的事前预见性，将学业风险防患于未然，确保高校顺利实现人才培养的目标。

（供稿审核人：杨春丽）