image_6.png

扎卡里pardos

助理教授(我的学校和教育研究生院)

211南厅和2121伯克利路,4232套房

焦点

学习分析,数字化学习环境,学习机

研究领域

博士。布朗是在皇冠体育平台信息学院的助理教授和教育的研究生院。他研究的重点领域是知识表示和个性化的充分利用大数据支持教育。 His've计算机科学博士学位获得伍斯特理工学院和麻省理工学院的人工智能计算机科学实验室(CSAIL)博士后之后吃皇冠体育平台。在UC berkeley've指导的计算方法,以人类的学习(CAHL)的研究实验室和教上的数据挖掘和分析,数字化学习环境,和机器学习的教育课程。

研究出版物

特色:

Pardos, Z.A., Chau, H., Zhao, H. (2019) Data-Assistive Course-至-Course Articulation Using Machine Translation. In J. C. Mitchell & K. Porayska-Pomsta (Eds.) P第六届ACM会议对学习@规模roceedings (L @ S)。伊利诺伊州芝加哥。 ACM。 *最好  [] [幻灯片]

棕色,Z.A.,风扇,Z,姜,W。 (2019)在野外联结的建议:在实用和个性化指导课神经网络的scrutability。 用户建模和用户交互适于,29(2),487-525。 []

预印本:

Pardos, Z.A., & Jiang, W. (2019) Combating 日e Filter Bubble: 设计ing for Serendipity in a University Course Recommendation System. 科尔预印本,ABS / 1907.01591。 []车间版本:[recsys /intrs] [KDD /dl4e]

Pardos, Z. A., & Nam, A. J. H. (2018) A Map of Knowledge. 科尔预印本,ABS / 1811.07974。 [纸]

最近(2018-2019):

Jiang, W., Pardos, Z.A. (2019) Time Slice Imputation for Personalized Goal-based Recommendation in Higher 教育. In D. Tikk & P. Brusilovsky (Eds.) 对推荐系统的第13届ACM研讨会论文集。丹麦哥本哈根。 ACM。 506-510页。 []

Dong, M., Yu, R., Pardos, Z.A. (2019) 设计 and Deployment of a Better Course Search Tool: Inferring latent keywords from enrollment networks. In M. Scheffel & J. Broisin (Eds.) 14的诉讼 加强技术学习欧洲会议 (EC-TEL)。代尔夫特,荷兰。斯普林格。 480-494页。 []

Kolb, J., Farrar, S., Pardos, Z.A. (2019) Generalizing Expert Misconception Diagnoses Through Common Wrong Answer Embedding. In M. Desmarais, C.F. Lynch, A. Merceron, & R. Nkambou (Eds.) 有关教育数据挖掘的第12届国际会议论文集 (EDM)。加拿大蒙特利尔。页342-347。 [] [幻灯片]

Pardos, Z.A., Chau, H., Zhao, H. (2019) Data-Assistive Course-至-Course Articulation Using Machine Translation. In J. C. Mitchell & K. Porayska-Pomsta (Eds.) P第六届ACM会议对学习@规模roceedings (L @ S)。伊利诺伊州芝加哥。 ACM。 *最好  [] [幻灯片]

棕色,Z.A.,Horodyskyj,L。使用连续表示在可居住世界可视化学生行为(2019)分析。 学习分析杂志,6(1),1-15。 []

Jiang, W., Pardos, Z.A., Wei, Q. (2019) Goal-based Course Recommendation. In C. Brooks, R. Ferguson & U. Hoppe (Eds.) 第九届国际会议的学习分析和知识论文集 (LAK 2019)。 ACM。亚利桑那州坦佩。 36-45页。 [] [幻灯片]

棕色,Z.A.,风扇,Z,姜,W。 (2019)在野外联结的建议:在实用和个性化指导课神经网络的scrutability。 用户建模和用户交互适于,29(2),487-525。 []

pardos,z.a.,大渡河,一。 (2018)dafm:熔合心理和联结建模Q-矩阵细化。 教育数据挖掘的日记。第10卷(2),1-27。 [] [幻灯片] []

Pardos, Z.A., Hu, C., Meng, P., Neff, M., and Abrahamson, D. (2018) Classifying Learner Behavior from High Frequency Touchscreen Data Using Recurrent Neural Networks. In D. Chin & L. Chen (Eds.) 用户建模,适应性和个性化的第26届会议的论文集兼任 (UMAP)。新加坡。 ACM。 317-322页。 []

Le, C.V., Pardos, Z.A., Meyer, S.D., Thorp, R. (2018) Communication at Scale in a MOOC Using Predictive Engagement Analytics. In M. Mavrikis, K. Porayska-Pomsta & R. Luckin (Eds.) 在教育人工智能的第19届国际会议论文集 (AIED)。英国伦敦。 239-252页。 [] [PDF格式] [幻灯片] []

Pardos, Z.A., Farrar, S., Kolb, J., Peh, G.X., Lee, J.H. (2018) Distributed Representation of Misconceptions. In J. Kay & R. Luckin (Eds.) 学习科学的第13届国际会议论文集 (ICLS)。英国伦敦。 1791年至1798年的网页。 [] [幻灯片]

Luo, Y., Pardos, Z.A. (2018) Diagnosing University Student Subject Proficiency and Predicting Degree Completion in Vector Space. In E. Ea至n & M. Wollowski (Eds.) 第33届会议的人工智能进展论文集 (AAAI)。路易斯安那州新奥尔良。 AAAI按。 7920-7927页。 [] [幻灯片]

选择以前的工作:

Pardos, Z. A., & Heffernan, N. T. (2010). Modeling Individualization in a Bayesian Networks Implementation of Knowledge Tracing. In 国际会议的用户模型,适应性和个性化程序 (UMAPs)。大岛,夏威夷。施普林格,柏林,海德堡。 255-266页。 []

Pardos, Z. A., Bergner, Y., Seaton, D., Pritchard, D.E. (2013) Adapting Bayesian Knowledge Tracing 至 a Massive Open Online College Course in edX. In S.K. D’Mello, R.A. Calvo, & A. Olney (Eds.) 有关教育数据挖掘的第六届国际会议论文集 (EDM)。田纳西州孟菲斯。 137-144页。 []

棕色,Z。一,面包,r.s.j.d.,圣佩德罗,m.o.c.z.,·高达,S.M.,·高达,S.M. (2014),情感状态和状态检查:调查是如何影响和参与在学年预测结束一年的学习成果。 学习分析杂志,1(1),107-128。 [] [会议版本]

棕色,Z.A. (2017年),在教育大数据和爱他们的模型。 在行为科学电流意见。第18卷,107-113。 []

Pardos, Z.A., Tang, S., Davis, D., Le. C.V. (2017) 实现实时自适应的moocs具有个性化的下一步的建议框架. In C. Thille & J. Reich (Eds.) 第四届会议对学习@大规模诉讼 (L @ S)。 ACM。 23-32页。 [] [幻灯片]

一个完整的发布列表,其中包括车间和海报论文,请咨询我的谷歌[学者页面] DBLP, 要么 简历.

积极研究基金

(I日ika S + R)提高在CUNY信贷转移和学生支持的铰接[二〇一九年至2020年]

(加利福尼亚OPR)来源的社会的,数据驱动的改进打开,自适应课件[二○一九年至2022年]

(佩德·萨瑟研究中心)的数据拥抱教育系统:使用在风险分析的学习支持,以学生的[2019 - 2020]

过去补助:

(谷歌)的缩放认知建模环境打开大量[2014-2019]

(NSF IIS)在高等教育大数据深度学习,探索潜在的学生原型和知识型材[2015至2019年]

(NSF DRK-12)在个性化推荐大规模管线分析教育[二〇一五年至2019年]

一般研究领域:

- 传达由代表知识作为学生行为
- 个性化教育过程中的数据支持利用学习者
- 数字化学习环境(在线课程和辅导系统智能)

我目前正在接受研究生和本科生研究助理。请教 tiny.cc/zpucb 安排会议。 

选择服务/专业活动

  • 计算总监途径人类学习(CAHL)研究实验室: //gi日ub.com/cahlr
  • 智能导当然项目的主任,askoski [学到更多]
  • IJCAI组委会对理解人类的学习多式联运分析研讨会[网站]
  • 人工智能在教育执行委员会
  • 程序委员(2019):L @小号ACM,ACM LAK,ACM recsys,IASP,电火花
  • AAAI - EAAI新的和未来的AI教育家(2018)
  • Edi至rial Board – 教育数据挖掘的日记 & Int. Journal of AI in 教育
  • 小组成员/音箱 - 教育的美国国家科学院:大数据和隐私(2016): http://naeducation.org/bigdata
  • 2014年教育数据挖掘大会的议程联席主席
  • 国际教育数据挖掘社会社区联络
  • 小组成员 - 白宫/ OSTP:大数据和隐私车间,伯克利(2014)
  • 共同主题/研讨会主讲人:行为,教育考试服务中心,英特尔适应性教育
  • 信息技术园区联合委员会(jccit),2016- 2017年
  • asiomar highered约定: http://asilomar-highered.info/

教学

信息254 /数据144: 数据挖掘和分析 (每下降)[教学大纲]
信息/ EDU c260f: 机器学习教育 (每弹簧)教学大纲] []
weduc 161: 数字化学习环境 (每年春天 - 在网上,UC宽)教学大纲] [网站]
EDUC 290A / 003:方法的计算人类学习(CAHL)研究小组(每下降)网站]

信息一流的研究组:该组将运行作为对话题从校园公平性,多样性,和包容的分析,以AI的K-16教育中的作用进行讨论的平台。第一次会议的头脑风暴会议(食品)后,主题列表将被开发,学生可以从一个会议选择类的期间讨论。第二个贡献,预计这一次会议,每名学生使用,以他们的目前的工作,或切向有关直接集团的研究领域。除了第一次和最后一次会议,类将在网上见面(上变焦)星期三11:30-1pm(CCN是TBA)。

教育

Postdoc至ral Associate, Physics & CSAIL - Massachusetts Institute of Technology
哲学,计算机科学博士 - 伍斯特理工学院
科学,计算机科学专业学士学位 - 伍斯特理工学院

最近更新时间:

2019年11月8日