主讲人：何祺玮 副教授

何祺玮博士现任美国乔治城大学数据科学专业副教授，人工智能测量与数据科学实验室创始人兼主任。她的研究重点在于大数据背景下的测评技术和对新型过程数据及文本数据的分析和建模，尤其擅长序列挖掘、文本挖掘、大语言模型，心理测量建模和机器学习的方法。何博士毕业于荷兰屯特大学心理测量及数据科学专业，曾在美国教育考试服务中心（ETS）心理测量和数据科学中心工作九年，任职高级研究员，负责监督创新题型开发，过程数据建模分析，以及PISA等国际大规模测评的统计建模。何博士是国际经合组织（OECD）任命的Thomas J. Alexandar研究员，现受聘于联合国教科文组织统计研究所，担任心理测量和教育评估组专家，并为美国国际开发署国际教育政策评估组提供专家咨询。

她是2023年美国教育测量委员会年度杰出成就奖获得者，并于2019年荣获美国教育测量委员会Jason Millman Promising Measurement Scholar Award，于2017年荣获美国教育测量委员会Alicia Cascallar年轻学者杰出论文奖。

讲座摘要

日益增长的计算机测评为过程数据的收集和分析创造了宝贵的研究机会。这种新型数据资源旨在更深入地捕捉和呈现被试的行为模式和解决问题的策略。精细的过程数据通常记录被试在答题过程中的动作和时间序列，具有复杂和多维的形式，除了经典的心理测量模型之外，机器学习和数据挖掘的方法被证实更为有效。讲座将通过多个实例来展现过程数据在大规模测评中的重要性，以及如何创建并应用序列挖掘的方法分析过程数据。讲座中主要涉及到的序列挖掘方法包括n-gram 模型，序列相似性度量，潜在序列建模，以及人工智能中的大语言模型。这些研究的目标是利用大规模评估中的过程数据来帮助了解被试是如何在计算机测评中进行人机互动的，以提取不同人群在答题过程中的行为特征，从而支持测验构建，增强潜在能力评估，提高测验的信度和效度，以及更好地进行跨国家和文化比较。讲座中还将讨论如何将人工智能更好地应用于过程数据分析，并将过程数据纳入自适应测试以及题目质量监测的未来研究新趋势。