2025年11月25日下午，SCHOLAT 数据智能论坛 2025 第7期在华南师范大学计算机学院231实验室顺利举行。本次论坛由广东省计算机学会人工智能专业委员会、教育部数据科学课程群虚拟教研室、琶洲实验室及 SCHOLAT 数据智能开放实验室联合承办。

第一阶段：主题报告

复旦大学计算与智能创新学院陈阳教授首先作题为 “Fine-Grained Behavioral Modeling with Graph Neural Networks for Financial Identity Theft Detection” 的报告。陈教授围绕身份冒用账号检测的相关研究，介绍了团队提出的 EnvIT 模型，并说明模型如何结合账号关系、接入环境以及行为序列等多类信息开展建模。报告展示了团队对不同类型账号在多项行为与环境特征上的比较分析，以及这些特征在模型设计中的作用。随后，陈教授介绍了模型在两个真实数据集上的实验结果，并与多种序列模型和图神经网络模型进行了对比。此外，报告还介绍了相关方法在实际场景中的应用情况。 

图 1  陈阳教授做主题报告

随后，暨南大学广东智慧教育研究院院长刘子韬教授以 “AI 如何读懂你的学习 DNA：解码大模型赋能教育新可能” 为题，围绕当前智慧教育领域对个性化学习、精准诊断及多模态互动的实际应用需求，介绍团队在教育大模型方向的系统性探索。 刘教授围绕教育场景中有关个性化学习与学习过程分析的相关问题，介绍了团队在教育大模型方向的一些探索工作，并展示了模型在学习内容讲解、问题求解互动以及学习过程采集等方面的应用示例。在报告中，刘教授结合团队的研究积累，介绍了基于大模型对学习者行为和学习过程进行表征的思路，并对其在智能教育中的潜在应用进行了说明。 

图 2  刘子韬教授做主题报告

最后，陕西师范大学计算机科学学院郝飞教授作了题为 “图概念认知学习理论及其在智能教育应用中的探索” 的报告。郝教授从形式概念分析的基本思想出发，介绍了概念格构建、等势概念以及其与图中部分结构之间的关联等内容，围绕图概念认知学习的相关理论进行了讲解。他结合团队发表在高水平期刊和学术会议上的相关成果，展示了这些方法在动态网络分析、社区结构识别以及图结构约简等任务中的应用示例。郝教授还介绍了团队在智能教育方向的一些探索，包括基于三支概念格的知识点导航和概念约简方法在学习记忆效果方面的实验结果。总体而言，郝教授的报告中提出了一套图概念认知学习架构，系统性地将概念认知学习融入了图数据挖掘与分析中，并给出了不同图任务处理理论与方法，初步探索了图概念认知学习和智能教育相关应用的有效融合。

图 3  郝飞教授做主题报告 

第二阶段：博士生开题

在博士生开题交流环节， 周俊铭博士生就 “面向推荐系统稀疏与不平衡的关键技术研究” 展示了研究背景、设计框架与实验方案等内容；李树鹏博士生围绕 “基于非传播图神经网络嵌入算法研究”，对研究背景、研究构思及实验计划等内容作了汇报说明。两位博士生与现场专家在研究问题界定、可行性分析等方面进行了充分交流，获得了宝贵建议。

图 4  周俊铭博士生做博士开题报告

图 5  李树鹏博士生做博士开题报告 

本次论坛内容涵盖图智能、教育大模型等相关方向，展示了多位专家在各自研究领域的最新工作，也为博士生的科研汇报与学术讨论提供了交流平台。依托 SCHOLAT 数据智能开放实验室，SCHOLAT 数智论坛未来将继续面向数据智能与教育技术等主题开展交流活动，促进相关研究团队之间的持续互动与合作。