香港教育大学数学教育学系全奖博士招生 | Prof. Cheng

导师简介

如果你想申请香港教育大学 数学教育学系博士，那今天这期文章解析可能对你 有用！今天Mason学长为大详细解析香港教育大学的Prof.Cheng的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！

作为香港教育大学数学与资讯科技学系的副教授，导师是当今教育技术和人工智能教育领域的重要学者。导师同时担任该校学习、教学与科技中心（LTTC）的执行联合主任，在香港教育界拥有超过15年的深厚经验。尽管导师的学术背景是计算机科学，但他专门从事教育中的信息通信技术（ICT）教学，在利用新兴技术增强教学和学习方面建立了卓越的声誉。

导师在香港学术界积累了丰富的工作经验，建立了广泛的知识体系和支持网络，致力于释放技术在师范教育中的潜力。他在探索和评估新兴技术使用方面有着良好的记录，特别是在技术增强学习领域。

研究领域

导师的研究兴趣体现了教育技术领域的前沿发展趋势，主要包括教育中的人工智能（Artificial Intelligence in Education）、学习分析（Learning Analytics）、信息技术支持的第二语言学习（Information Technology Supported L2 Learning）、电子学习档案介导的学习（ePortfolio-mediated Learning）、计算机编程教育（Computer Programming Education）、在线学习管理系统（Online Learning Management System）和电子评估（e-Assessment）等领域。

在教学方面，导师的兴趣涵盖了人工智能、计算机编程、计算机网络、数据库、数据挖掘、算法设计与分析以及教育中IT研究方法等多个技术领域。这种广泛的技术背景使导师能够从多个角度理解和应用技术在教育中的作用，为学生提供全面的技术教育视角。

导师特别关注新兴技术在教育中的应用，包括混合现实（Mixed Reality）、虚拟世界体验、人工智能聊天机器人等前沿技术。这些研究兴趣不仅体现了导师对教育技术发展趋势的敏锐洞察，也反映了他在推动教育数字化转型方面的重要作用。

研究分析

1."Concepts, affordances, and theoretical frameworks of mixed reality enhanced language learning"

在Interactive Learning Environments期刊发表

该研究系统地探索了混合现实（MR）在语言学习中的概念、功能特性和理论框架。通过综述四个相关研究主题，导师明确定义了MR增强语言学习为基于与无缝融入物理环境的语言学习材料表征进行实时、双向交互来发展语言知识和技能的方法。这项研究填补了MR在语言教育应用中概念模糊、功能不清的空白，为该领域的理论发展和实践应用提供了重要指导。

2."Detecting latent topics and trends in educational technologies over four decades using structural topic modeling: A retrospective of all volumes of Computers & Education"

该研究运用结构化主题建模方法，对Computers & Education期刊四十年来的所有卷期进行回顾性分析，识别教育技术领域的潜在主题和发展趋势。这项研究不仅为理解教育技术发展历程提供了宝贵的历史视角，也为预测未来发展方向提供了数据支撑，体现了导师在教育技术史学研究方面的深厚功底。

3. "Topics and trends in artificial intelligence assisted human brain research"

发表在PLoS ONE期刊

该研究探讨了人工智能在人脑研究中的应用主题和趋势，展现了导师对AI技术在不同学科领域应用的广泛关注。研究通过文献计量学方法分析了AI技术在神经科学研究中的发展模式，为理解AI跨学科应用提供了重要参考，也体现了导师研究视野的宽广性和前瞻性。

4.了"The Effects of Self-regulated Learning Strategies on Computer Programming Achievement in Teacher Education"

在Frontiers in Education Technology期刊发表

该研究探讨了自我调节学习策略对师范教育中计算机编程成就的影响，发现了学习策略与编程能力发展之间的重要关联。这项研究不仅为程序设计教育提供了理论指导，也为师范生技术能力培养提供了实践路径，体现了导师在教育心理学与技术教育结合方面的独特见解。

5. "Automated tracking of student revisions in response to teacher feedback in EFL writing"和"Exploring the effects of automated tracking of student responses to teacher feedback in draft revision"。

在Interactive Learning Environments期刊发表

这些研究开发了技术手段来监测和分析学生如何响应教师的反馈，为理解反馈效果和优化教学策略提供了重要工具。研究展现了导师在学习分析和教育数据挖掘方面的专业能力。

6. "Integrating Drone Technology in STEM Education: A Case Study to Assess Teachers' Readiness and Training Needs"

在Issues in Informing Science and Information Technology期刊发表

该研究通过案例研究方法评估了教师在STEM教育中整合无人机技术的准备情况和培训需求。研究发现了技术集成过程中的关键挑战和成功因素，为新兴技术在教育中的推广应用提供了实用指导，体现了导师对创新教育技术实践应用的深入关注。

项目分析

1. 人工智能技术增强语言学习研究集群项目

导师主持的"Establishing a Research Cluster for Promoting Artificial Intelligence in Technology-Enhanced Language Learning (AI-TELL) Research"项目于2020年启动，旨在建立一个研究集群来促进香港人工智能技术增强语言学习研究。该项目的终极目标是识别和弥合AI技术与TELL之间的差距，开发教学创新以增强语言学习。项目通过整合跨学科资源，构建了AI技术与语言教育的桥梁，为该领域的理论发展和实践应用奠定了重要基础。项目的创新性在于将最前沿的AI技术与传统语言教学相结合，为未来的智能化语言教育探索了新路径。

2. 基于完全随机测度的神经主题建模促进主题词汇学习项目

该跨学科项目"Facilitating Theme-based Vocabulary Learning by Neural Topic Modeling based on Completely Random Measures"利用提出的神经主题模型（NTMs）识别的主题进行基于主题的词汇学习。项目通过NTMs识别的主题和相关文档帮助教师轻松组织和制作适合词汇学习者的学习材料。基于提出的模型，项目开发了词汇学习框架来支持学生学习基于主题的词汇。该项目展现了导师在机器学习技术教育应用方面的深度专业知识，为个性化学习和智能教育资源开发提供了创新方案。

3. 使用AI聊天机器人作为智能导师提供个性化反馈项目

该项目"Using AI Chatbot as Intelligent Tutor to provide Personalized Feedback and Enhance Learning Support"提出使用人工智能聊天机器人提供个性化反馈以满足学生的多样化需求。项目将AI聊天机器人系统集成到基于证据的在线评估系统GMoodle中，提供及时的基于事实的反馈、检索实时学习进度并为学生提供个性化建议。同时，教师也可以使用它构建知识数据库以提高教学生产力、减少重复性任务并识别常见学习问题。该项目在香港教育大学和香港理工大学的四门不同本科课程中进行实验，研究AI聊天机器人作为智能导师对高等教育中学生和教师学习教学体验的影响。

研究想法

1. 多模态AI驱动的个性化语言学习系统

• 研究内容：开发集成视觉、听觉、触觉等多模态感知的AI系统，为不同学习风格的学生提供个性化语言学习体验。系统可以实时分析学生的学习行为、情绪状态和认知负荷，动态调整教学内容和方式。
• 创新点：结合计算机视觉、自然语言处理和情感计算技术，构建真正意义上的智能化、个性化学习环境。
• 可行性：基于现有的深度学习框架和多模态数据处理技术，具有较强的技术可行性。

2. 基于区块链的分布式学习成果认证与激励机制研究

• 研究内容：利用区块链技术构建去中心化的学习成果认证系统，设计代币化激励机制促进学生持续学习和同伴互助。研究如何将学习行为数据、成就记录等信息安全地存储在区块链上，确保学习成果的可验证性和不可篡改性。
• 创新点：将区块链技术引入教育评估和激励体系，探索新型的学习生态系统。
• 可行性：区块链技术逐渐成熟，在教育领域的应用具有良好前景。

3. 虚拟现实环境下的编程思维可视化与评估研究

• 研究内容：开发VR环境下的3D编程教学平台，将抽象的编程概念转化为可视化的3D对象和交互过程。研究如何通过VR技术增强学生对算法逻辑的理解，并开发相应的评估工具来衡量编程思维的发展。
• 创新点：将编程教育与沉浸式技术相结合，为抽象思维的具象化表达提供新方法。
• 可行性：VR技术日趋成熟，硬件成本下降，为教育应用提供了良好条件。

4. 基于知识图谱的智能课程推荐与学习路径规划系统

• 研究内容：构建教育领域的大规模知识图谱，包括概念关系、前置知识依赖、技能树等信息。开发智能推荐算法，为学习者提供个性化的课程推荐和最优学习路径。
• 创新点：将知识图谱技术应用于教育领域，实现知识结构的精确建模和智能导航。
• 可行性：知识图谱技术相对成熟，教育数据资源丰富，具有较好的实现基础。

5. 基于边缘计算的实时学习行为分析与反馈系统

• 研究内容：利用边缘计算技术在学习终端设备上部署轻量级AI模型，实现实时的学习行为分析和即时反馈。研究如何在保护隐私的前提下进行本地化数据处理和模型推理。
• 创新点：将边缘计算引入教育技术，解决实时性和隐私保护的双重需求。
• 可行性：边缘计算技术发展迅速，移动设备计算能力不断提升，为实现提供了技术基础。

申请建议

1.技术背景建设

• 强化编程技能：掌握Python、R、JavaScript等主流编程语言，特别是在数据科学、机器学习和Web开发方面的应用。重点学习深度学习框架如TensorFlow、PyTorch，以及数据分析工具如pandas、numpy等。
• 机器学习与AI基础：深入学习监督学习、无监督学习、强化学习等机器学习范式，了解自然语言处理、计算机视觉、推荐系统等AI应用领域的基本原理和最新进展。
• 教育技术平台熟悉：熟练使用Moodle、Canvas等学习管理系统，了解SCORM标准、xAPI规范等教育技术标准，掌握教育数据挖掘和学习分析的基本方法。

2. 研究方法论准备

• 混合研究方法：掌握定量研究（实验设计、统计分析）和定性研究（案例研究、访谈分析）方法，特别是在教育技术效果评估中的应用。
• 文献计量学方法：学习使用VOSviewer、CiteSpace等工具进行文献分析，掌握共引分析、共现分析等方法，能够进行系统性文献综述。
• 用户体验研究：了解人机交互设计原理，掌握可用性测试、用户访谈、A/B测试等方法，为教育技术产品设计提供科学依据。

3. 跨学科知识储备

• 第二语言习得理论：学习语言学习的认知过程、动机理论、交际教学法等相关理论，为技术增强语言学习研究奠定理论基础。
• 教育心理学：深入了解学习理论、认知负荷理论、自我调节学习理论等，理解技术如何影响学习过程和效果。
• 数据科学与学习分析：掌握大数据处理技术、数据可视化方法、预测建模等技能，能够从教育数据中挖掘有价值的信息。

4. 实践项目经验

• 开发教育应用：独立或团队开发过教育类软件、移动应用或Web平台，具备完整的项目开发经验，包括需求分析、系统设计、编码实现、测试部署等环节。
• 参与开源项目：积极参与教育技术相关的开源项目，如Moodle插件开发、学习分析工具等，展示技术能力和社区贡献。
• 教学实践经验：有过编程、数据科学等技术课程的助教或教学经验，理解教育过程中的实际挑战和学生需求。

5. 学术准备与研究规划

• 前期研究积累：在本科或硕士阶段完成过相关研究项目，最好有教育技术、学习分析或AI教育方面的研究经历，能够体现研究兴趣和能力。
• 论文发表经验：尝试在相关会议或期刊发表论文，即使是学生论文或短文也有助于展示学术潜力和研究热情。
• 研究计划的针对性：深入研读导师的论文，理解其研究脉络和方法论特点，制定与导师研究方向高度匹配但又有创新性的研究计划。

博士背景

Betty，本科985，港校MPhil毕业，教育方向在读PhD。曾担任港校研究助理，有丰富的港澳及海外申博经验！Betty学长擅长教育方向研究型硕士及博士申请辅导，包括：选校定位，套瓷辅导，RP写作辅导，PS写作，还有面试辅导。目前已成功帮助学生取得港五、新二等教育学方向的博士offer。