《计算机科学》专题征文——基于图机器学习的教育数据挖掘
更多学术信息，请关注计算机期刊网官方微信公众号“智刊IT”
本信息来源于《计算机科学》官网(https://www.jsjkx.com/CN/1002-137X/home.shtml), 所有信息最终解释权归《计算机科学》所有.
本网站所有转载的文章、图片、视频、音频文件等资料版权归版权所有人所有，本站转载文章均出于非营利目的的、非商业性的教育和科研目的，本站采用的非本站原创文章及图片等内容无法一一与版权者联系，如果本站所选用内容的文章作者及编辑认为其作品不宜上网供大家浏览，或不应无偿使用，请及时用电子邮件或电话通知我们，我们会立即删除，避免给双方造成不必要的经济损失。
《计算机科学》专题征文——基于图机器学习的教育数据挖掘
随着教育数字化进程的不断深入推进，教育领域的各类信息化管理平台及教学服务系统积累了大量高价值的数据，推动了教育数据挖掘（Educational Data Mining，EDM）这一新兴研究领域的产生和发展。作为一种能够有效处理复杂数据结构并揭示深层次数据关系的先进技术，以图神经网络为代表的图机器学习（Graph Machine Learning）在教育数据挖掘领域吸引了广泛关注。图机器学习通过对具有显式或隐式关系的教育数据进行深度分析与挖掘，不仅可以辅助教学管理决策，还可以为知识追踪、学习资源推荐、学生行为预测、学业表现分析等许多个性化学习应用提供有效支持。此外，目前大模型赋能的图机器学习已表现出优越的性能，这为开展基于图机器学习的教育数据挖掘研究提供了更多机遇与挑战。
为了全面且及时地反映基于图机器学习的教育数据挖掘领域的最新进展和成果，《计算机科学》拟在2025年第11期策划出版“基于图机器学习的教育数据挖掘”专题（正刊），旨在为相关领域的专家学者打造一个交流、合作与发布前沿科研成果的平台。我们期望借此机会，汇聚产、学、研、用各方的智慧与力量，共同推进基于图机器学习的教育数据挖掘人才培养、技术研发和应用实践，加速相关标准和规范的制定，以此为推动我国智能教育的发展贡献力量。
我们诚挚地邀请相关领域的专家学者、科研人员踊跃投稿，期待与广大专家学者和读者共同探讨基于图机器学习的教育数据挖掘未来的发展方向。
一、专题特邀编审
汤 庸（华南师范大学）
黄昌勤（浙江大学）
贺超波（华南师范大学）
金 弟 （天津大学）
官全龙（暨南大学）
周俊生（南京师范大学）
二、征文范围（包括但不限于以下主题）
1. 教育数据的复杂关系建模与分析
2. 面向教育数据挖掘的图机器学习范式
3. 基于图机器学习的智能教育应用
4. 图表示学习与教育知识图谱
5. 图机器学习与多模态教育数据
6. 图基础模型与教育大数据分析
7. 可解释图机器学习与教育数据挖掘
8. 基于图机器学习的教育隐私数据保护
9. 图机器学习与教育智能体
10. 图机器学习与教育大模型
三、重要日期
论文投稿截止时间：2025年5月31日
预录用通知截止时间：2025年7月31日
专题拟出版时间：2025年11月15日
四、投稿要求
1.投稿方式：通过“计算机科学在线投稿系统”（www.jsjkx.com）投稿。投稿时请选择“基于图机器学习的教育数据挖掘”栏目。
2.稿件要求：参照《计算机科学》官方网站首页提供的稿件模板排版，中英文稿件均可，内容可以是原创研究型和综述型成果，一般不少于8000字，鼓励综述和长文。
3.投稿文章未在正式出版物上发表，也不处于其他刊物或会议的审稿过程中，不存在一稿多投现象；投稿文章须保证合法性（无抄袭、剽窃、侵权等不良行为）。
4.其他事项请参阅投稿指南：http://www.jsjkx.com/CN/column/column12.shtml。
重要提示：为加强优质成果的及时传播，专题文章的录用情况确定后，《计算机科学》编辑部及CCF ChineseCSCW2025会议组委会将邀请录用文章作者在“大数据智慧教育”论坛上做学术报告。
五、联系方式
编辑部联系人：李老师 E-mail：lyhjsjkx@163.com 电话：023-67039612
喻老师 E-mail：jsjkxyuli@163.com 电话：023-63500828
通信地址：重庆市渝北区洪湖西路18号（401121）
