论文标题：Advancements in Digital Humans for Recorded Courses: Enhancing Learning Experiences via Personalized Interaction

期刊：Frontiers of Digital Education

作者：Qi Liu, Yunhao Sha, Kai Zhang, Zhenya Huang, Linbo Zhu, Junyu Lu, Yu Su

发表时间：7 Jul 2025

DOI：10.1007/s42832-024-0230-x

微信链接：点击此处阅读微信文章

传统在线教育中，直播课程受师生时间冲突限制，录播课程虽灵活却存在静态化、无实时反馈、缺乏情感共鸣等问题，导致学生自主学习时遇阻易失去动力，家长也难以有效辅导。虽有嵌入式测验、脚本化聊天机器人等尝试改善，但在即时指导、个性化适配等方面仍有不足。

研究论文

为此，中国科学技术大学刘淇教授团队在Frontiers of Digital Education（《数字教育前沿（英文）》）期刊上发表了一篇题为Advancements in Digital Humans for Recorded Courses: Enhancing Learning Experiences via Personalized Interaction（《录播课程中数字人技术的进展：通过个性化互动提升学习体验》）的文章，构建了一套基于大语言模型（LLMs）的智能数字人教学系统，为提升在线学习体验提供了创新方案。

系统框架遵循“资源理解-数字教师生成-视频内容生成-交互式问答”的端到端流程。在资源理解环节，通过领域微调的LLMs处理PDF、PPT等静态教学资源，提取关键概念并生成符合教学逻辑的脚本，相较通用LLMs，微调后的模型能更精准融入学科术语与教学策略。数字教师生成阶段，依托计算机视觉与音频合成技术，从教师照片或视频中提取面部特征、语音风格等信息，通过多模态数据融合确保其视觉与听觉呈现贴近真人。视频内容生成环节，将教学脚本转化为匹配数字教师语音风格的音频，同步驱动数字教师的动作与表情，并动态整合课件、图表等视觉辅助材料。交互式问答模块是系统核心创新点之一，基于学生学习档案与实时情感分析，LLMs能生成个性化、共情式回答，同时通过情感感知调整回应语气，增强学习动力。

图1 交互式数字教学系统：端到端流程

图2 资源理解模块

图3 数字讲师生成的过程

为验证系统有效性，研究开展两项案例研究。资源理解案例中，67名计算机专业师生参与，将微调LLMs、通用LLMs生成的教学脚本与传统静态资源对比。结果显示使用微调LLMs脚本的学生测试平均分达90，显著高于通用LLMs组与传统资源组，且多数教师认可微调脚本的教学清晰度与学科适配性。编程教育案例中，8–12岁小学生参与，数字人教学组的课程兴趣度、学习障碍解决认可度及测试平均分均高于传统录播组，且差异具有统计显著性，证实数字人在提升低龄学习者参与度与学习效果上的优势。

整体而言，该研究通过技术融合突破了录播课程的交互瓶颈，为AI赋能教育的实践提供了可落地的框架，对推动在线教育从“资源传递”向“个性化互动”转型具有重要参考价值。

文章信息

Qi Liu, Yunhao Sha, Kai Zhang, Zhenya Huang, Linbo Zhu, Junyu Lu, Yu Su. Advancements in Digital Humans for Recorded Courses: Enhancing Learning Experiences via Personalized Interaction. Frontiers of Digital Education, 2025, 2(4): 35

DOI:10.1007/s44366-025-0072-9

识别二维码，免费获取原文

作者信息

刘淇，教授，博士生导师，中国计算机学会（CCF）大数据专家委员会委员、中国人工智能学会（CAAI）机器学习专委会委员、中国科学院青年创新促进会优秀会员、IEEE/ACM会员。主要研究数据挖掘与知识发现、机器学习方法及其应用。相关成果获得KDD 2018最佳学生论文奖（Research Track）、IEEE ICDM 2011最佳研究论文奖、SDM 2015 最佳论文候选奖等。还曾获教育部自然科学一等奖（2018年，排名第2），入选了国家基金委优秀青年科学基金项目、中国科协“青年人才托举工程”&&CCF青年人才托举计划（2017年）、微软亚洲研究院青年学者“铸星计划”、CCF-Intel青年学者提升计划等。主持了国家重点研发计划项目课题、国家自然科学基金青年（A类）项目、面上项目等多项国家级研究项目。

沙云浩，硕士，2025年毕业于中国科学技术大学人工智能与数据科学学院，获工学硕士学位，导师为刘淇教授。认知智能全国重点实验室成员。现就职于浙江快手网络科技有限公司，任广告算法工程师。主要研究方向为生成式推荐系统。

张凯，博士，计算机学院副研究员。2023年于中国科学技术大学获得计算机科学与技术专业博士学位，主要从事人工智能、自然语言处理、大语言模型、知识表示与高效推理等方面的研究。近年来，在自然语言处理、数据挖掘、人工智能等领域的重要国际学术会议及期刊发表论文50余篇，研究成果曾获国际人工智能会议“最佳论文候选”、中国机器学习会议“最佳学生论文”、中国智能技术与大数据会议“优秀论文”、入选“ESI高被引/热点论文”等奖项。曾获中国人工智能学会博士论文激励计划候选、小米青年学者、中国科大墨子杰出青年特资津贴（一等）、中国科学院院长奖学金、中科大优秀毕业生、并多次获得博士研究生国家奖学金等荣誉，申请/授权国家发明专利20余项。

黄振亚，博士，中国科学技术大学副教授。研究方向为数据挖掘与知识发现、知识计算与认知推理，智能教育技术与应用等。入选中国科协青年人才托举工程。主持国家自然科学基金面上项目/青年项目等。在相关领域高水平学术期刊和国际重要学术会议上发表论文50余篇。获吴文俊人工智能科技进步一等奖等。

朱林波，高级工程师，中科大博士，中科迪曼联合创始人，中国科学技术大学先进技术研究院企业实践导师，专注于研究人工智能技术向产业应用赋能。曾就职于科大讯飞研究院，任教育认知群大数据分析与挖掘团队负责人，重点负责教育领域个性化学习业务，包括个性化学习相关模型研究，产品设计，服务研发等，其研发的多项成果已经成功地应用到讯飞个性化学习手册、讯飞学习机等相关产品中。2022年3月至今就职于合肥综合性国家科学中心人工智能研究院，主要负责自主终身学习团队知识产权转化相关工作，其间，获得“2023年通用人工智能创新应用大赛全国二等奖”，先后参与安徽省科技攻坚项目、安徽省重大产业创新计划榜单项目、国家自然科学基金面上项目等。在自然语言理解、个性化学习与大语言模型智能体研究等方面参与并发表论文近20篇，获得专利10余项。

陆君宇，中国科学技术大学工程博士生，纽约大学硕士，现任合肥综合性国家科学中心人工智能研究院算法工程师，曾任华为科技有限公司工程师。长期专注于自然语言理解、智慧教育与大语言模型智能体研究，致力于推动人工智能在教育领域的应用转化，积累了相关的科研与工程实践经验。先后参与多项国家级及安徽省重大科研项目，取得了丰富成果，获得多项发明专利，并在AAAI、KDD、IJCAI等国际顶级会议和期刊发表论文十余篇。同时合作出版专著《终身学习的智能变革——AI在不同教育阶段的实际应用》。曾获2023 CCF科技创业大赛通用人工智能专项赛全国通用人工智能创新应用大赛二等奖。

苏喻，工学博士，高级工程师，硕士生导师，合肥师范学院副教授，合肥综合性国家科学中心人工智能研究院副研究员，中国计算机学会大数据专家委员会通讯委员，安徽省计算机学会青少年信息学教育专委会秘书长，六安路小学翠微分校学术副校长，研究方向为自然语言理解，数据挖掘与推荐系统。2011年至2022年就职于科大讯飞研究院，任科大讯飞AI教育研究院副院长，重点负责教育领域个性化学习业务，其研发的多项成果已经成功应用到讯飞智学网、讯飞学习机等相关产品中，在全国32个省级行政区的16000余所学校推广，产品收益超过100亿元。于2018年获得讯飞首届华夏创新奖，2020年获吴文俊人工智能科学技术奖科技进步一等奖，2023年获CCF科技创业大赛通用人工智能专项赛二等奖。同时，先后参与多项安徽省、部级层面的重大项目科研工作。其间获得多项发明专利，并在AAAI、KDD、IJCAI、ESWA等国际知名学术会议与期刊发表文章近50余篇。

推荐阅读

 重磅解读 | 数字教育研究全球十大热点 2025（免费下载）

《数字教育前沿（英文）》专题征稿 ｜ 教师数字素养提升方法及路径探索

《数字教育前沿（英文）》专题征稿 | 中国数字教育

期刊介绍

期刊特点

1. 国际化投审稿平台Editorial Manager方便快捷。

2. 严格的同行评议（Peer Review）。

3. 免费语言润色，有力保障出版质量。

4. 不收取作者任何费用。

5. 不限文章长度。

6. 审稿周期：第一轮平均30天，投稿到录用平均60天。

7. 在线优先出版（CAP）。

8. 通过SpringerLink平台面向全球推广。

在线浏览

https://journal.hep.com.cn/fde

（中国大陆免费下载）

https://link.springer.com/journal/44366

在线投稿

https://www.editorialmanager.com/fode/

邮发代号‍‍‍‍‍

80-164

联系我们

fde@hep.com.cn

010-58582344, 010-58581581