2026年学习分析研究学会（SoLAR）执行委员会提名人选

本次选举的当选者将加入现任 2026 年 SoLAR（学习分析与知识网络国际学会）执行委员会：
主席——布拉热娜·迪夫亚克（Blaženka Divjak），克罗地亚萨格勒布大学（University of Zagreb）；副主席——穆罕默德·哈利勒（Mohammad Khalil），挪威卑尔根大学（University of Bergen）；普通会员——凯瑟琳·巴蒂莫特（Kathryn Bartimote），澳大利亚悉尼大学（University of Sydney）；普通会员——陈冠良（Guanliang Chen），澳大利亚莫纳什大学（Monash University）；普通会员——凯瑟琳·曼利（Catherine Manly），美国费尔利·狄金森大学（Fairleigh Dickinson University）；普通会员——姆拉登·拉科维奇（Mladen Raković），澳大利亚莫纳什大学（Monash University）；普通会员——安德鲁·扎梅奇尼克（Andrew Zamecnik），澳大利亚南澳大学（University of South Australia）
对学习分析（研究领域等）的兴趣，以及担任 SoLAR 执行委员会委员的意愿：巴尔塔库尔（Barthakur）博士对学习分析的兴趣，根植于其潜力——当分析工具与人工智能以学习者和教育者为中心进行设计、并以坚实的伦理基础为指导时，学习分析能够让学习更加透明、公平并持续改进。他已将这一承诺转化为对 SoLAR 及更广泛学术共同体的持续服务。在 SoLAR 内部，他担任财务主管兼早期职业研究者（ECR）工作组联合主席，负责财务管理，并统筹协调年度资助，帮助早期职业研究者推进研究项目。他还担任《学习分析学报》（Journal of Learning Analytics，JLA）编辑与 SoLAR 执行委员会之间的联络人，参与治理与长期可持续性规划。过去，他多次支持 LAK 会议，担任会议论文集主席（2022、2023）和研讨会主席（2025），并于 2025 年牵头开展了一次覆盖全学会的磋商，汇集 5000 多名成员的意见，就 LAK 论文集的出版决策征询建议。若再次当选，他将为 JLA 推动一条清晰、以成员意见为依据的可持续发展路径，包括稳定的资源保障、透明的编辑治理，以及期刊战略与学会优先事项之间更强的一致性。他将通过定向小额资助、指导与领导力培养路径，以及能够跨区域建设能力的服务性岗位机会，扩大对早期职业研究者的支持。更广泛而言，他将通过加强与成员的互动、深化与教育者和实践者的伙伴关系，并提升学会的全球知名度与影响力，助力 SoLAR 的发展。
个人简介：阿比纳夫·巴尔塔库尔（Abhinava Barthakur）博士是阿德莱德大学高级研究员，隶属于「变化与复杂学习环境中心」。他于 2023 年在南澳大学获得学习分析博士学位。他的研究聚焦于以学习分析和人工智能为支撑、以人为中心的评估模型，并在数据科学与心理测量学方面具有扎实的方法论基础。自职业生涯伊始，他便利用技术捕捉并支持高等教育中复杂学习者能力的发展。他已建立起扎实的研究成果记录和广泛的行业参与，使他成为通过循证技术创新显著推动教育实践发展的新兴领导者。这一点从他高数量、高质量的发表成果（例如《自然》（Nature））、他对博士研究者的指导、1.76 的标准化引用影响（Web of Science），以及相对其职业阶段而言超过 180 万美元的经费中可见一斑。
工作组意向：早期职业研究资助工作组与《学习分析学报》
对学习分析（研究领域等）的兴趣，以及担任 SoLAR 执行委员会委员的意愿：
我对学习分析的兴趣在于推动以学习者为中心、以伦理为根基、以影响为导向的研究，将方法论的严谨与真实的教育实践结合起来。我的研究聚焦于基于个体的和纵向的学习分析、自我调节学习，以及将复杂的学习者数据转化为面向教育者、机构和学习者的可操作洞察。我广泛运用序列分析、聚类方法和混合方法，从静态绩效指标转向理解学习随时间展开的过程。
除研究之外，教学在我参与学习分析工作中也居于核心地位。作为 DHBW（德国）的外聘教师，我教授人工智能、数据科学与数学基础课程，将学习分析的概念融入课程设计、评估与反馈实践。我尤其关注学习分析如何支持教学决策和教育者的专业发展。
作为一名企业家，也作为一家人工智能咨询公司与教育科技企业的联合创始人，我积极与学校、大学及行业伙伴合作，大规模部署学习分析系统，同时确保教学有效性与负责任的人工智能使用。担任 SoLAR 执行委员会委员，尤其是在「行业与伙伴关系」及教育工作组中任职，将使我能够加强产学合作、支持面向实践者的倡议，并为 SoLAR 共同体内的能力建设、教学资源和全球推广作出贡献。
里瑟姆·巴蒂亚（Rhythm Bhatia）是一位在学习分析、教育数据科学与负责任人工智能教育应用交汇点工作的研究者、教育者和企业家。她是芬兰东部大学博士生，研究聚焦于从大数据方法转向以人为中心的学习分析，特别强调自我调节学习、学生纵向轨迹，以及面向教育者的可操作洞察。
里瑟姆已在多个顶级发表平台发表论文，她目前的工作探讨序列分析与聚类如何揭示超越分数的、有意义的学习者路径。除学术工作外，她还是 ICONFLYERTECH 的联合创始人兼首席技术官（CTO），领导以人工智能驱动的教育科技倡议，将研究转化为面向学校和大学、可规模化且合乎伦理的教育工具。
她在 DHBW（德国）担任外聘教师，教授人工智能、数据科学与数学基础课程，并通过「谷歌代码之夏」（Google Summer of Code）和「音乐信息检索领域的女性」（Women in Music Information Retrieval）等项目指导过学生。里瑟姆还积极参与国际学术与专业共同体，包括担任连接印度与欧洲的领导力职务。
通过 SoLAR，她致力于加强全球合作、支持早期职业研究者，并推进以学习者为中心、方法论严谨的学习分析研究。
工作组意向：行业与伙伴关系、教育工作组
对学习分析（研究领域等）的兴趣，以及担任 SoLAR 执行委员会委员的意愿：
作为一名大学教授和研究者，我始终出席 LAK 会议，见证了学习分析演变为现代教学法的基石。我的研究致力于评估分析与自适应智能系统的交叉领域，特别探索平台如何在高等教育中动态回应学习者的认知风格与表现轨迹。这项工作旨在弥合复杂数据与可操作的个性化学习环境之间的鸿沟。
我渴望在 SoLAR 执行委员会中承担更具战略性的角色，以进一步扩大该学会的全球影响。纵观我的职业生涯，我与北美、欧洲和澳大利亚的领先机构培养了深厚的合作关系，这让我得以从独特视角审视我们的国际共同体所面临的多元挑战。若当选，我打算利用这些人脉为 SoLAR 的使命奔走，尤其重要的是，与教育测量和心理测量共同体建立更牢固的联盟。通过促进这一跨学科对话，我旨在提升我们领域的方法论严谨性，并确保 SoLAR 持续成为学习科学创新的首要全球枢纽。
个人简介：奥坎·布鲁特（Okan Bulut）是阿尔伯塔大学「测量、评估与数据科学」项目的教授，同时也是应用测量与评估研究中心的研究者。他教授计算心理测量学、机器学习与统计建模课程。布鲁特博士的研究兴趣处于人工智能（AI）、教育数据挖掘与学习分析的交叉地带。通过运用人工智能驱动的算法和自然语言处理，他力求创造能够动态适应学习者偏好、认知风格与表现轨迹的智能系统。
工作组意向：我希望成为以下工作组成员：1）教育工作组 2）传播工作组
对学习分析（研究领域等）的兴趣，以及担任 SoLAR 执行委员会委员的意愿：我对学习分析的兴趣集中于利用混合、多模态和过程导向的数据，对自我调节学习过程进行建模，特别是实时地刻画动机与情绪，以期为自适应、智能化且公平的学习环境提供依据。我尤其关注分析工具如何支持个性化反馈，并在技术增强的学习情境中促进学生能动性。担任 SoLAR 执行委员会委员将使我能够通过推动弥合学习理论与实践的研究，参与塑造学习分析的未来。我致力于支持那些推动合乎伦理、包容性使用分析工具、促进跨学科合作，并加强研究者、教育者与开发者之间联系的倡议。我把这一角色视为协助引导本领域战略优先事项、并放大 SoLAR 共同体内多元视角的机会。
个人简介：我是密歇根州立大学咨询、教育心理与特殊教育系的助理教授，也是教育心理学与教育技术博士项目的教师。我的研究聚焦于教学设计、自我调节学习与多模态学习分析的交叉领域，特别强调基于游戏的学习环境与自适应学习技术。我拥有学习科学博士学位，并有领导跨学科项目的经验，这些项目整合了日志文件、同步有声思维与情绪口述、眼动与面部表情等混合多模态数据源，以更好地理解以学习者为中心的过程与调节。我的工作获得竞争性奖学金资助，并在教育技术与学习分析领域产生多篇论文与会议报告。我热衷于推动公平且以学习者为中心的分析方法，并促进研究与实践之间的协作。
工作组意向：1. 跨空间多模态学习分析（CrossMMLA 特别兴趣组）2. 学习分析方法学（MLA）特别兴趣组
对学习分析（研究领域等）的兴趣，以及担任 SoLAR 执行委员会委员的意愿：
我在学习分析方面的研究兴趣在于运用计算方法来分析师生互动过程（例如口头交流、肢体手势与情绪），并进一步呈现有助于教育理论与实践的洞察。
我希望担任 SoLAR 执行委员会委员，因为 SoLAR 处于独特的位置，能够将方法论进展与共同体标准、实践者采纳以及负责任的创新连接起来。在执委会中，我将为那些加强可复现性与伦理、扩大亚太地区参与、并为从学习分析研究通往教育中可持续影响创造清晰路径的倡议作出贡献。
个人简介：林炯豪（Jionghao Lin）博士是香港大学助理教授。他在莫纳什大学获得计算机科学博士学位，并在卡内基梅隆大学完成博士后研究。他的研究处于学习分析、教育人工智能与以人为中心的计算的交叉地带，特别聚焦于设计人工智能驱动的系统以增强教学、学习与评估。林博士领导和参与了多项关于多模态反馈生成、教育对话分析与人工智能辅助导师培训的项目。他的工作获得多个奖项认可，包括人机交互国际会议（HCII）2024 年最佳论文奖、教育数据挖掘会议（EDM）2024 年最佳学生论文奖、数学与计算机思维国际会议（ICMI）2019 年最佳论文奖，以及人工智能教育会议（AIED）2023 年最佳演示奖。他还深度参与国际 AIED 共同体，担任国际人工智能教育学会技术与外联官。此外，他担任《人工智能教育交互期刊》（IJAIED）、IEEE 学习与教学汇刊（IEEE TLT）与《英国教育技术期刊》（BJET）等顶级期刊的审稿人，并服务于 AIED、LAK、EDM 与 ECTEL 等主要会议的程序委员会。
工作组意向：传播工作组与活动工作组
对学习分析（研究领域等）的兴趣，以及担任 SoLAR 执行委员会委员的意愿：
我对学习分析的兴趣集中于它塑造合乎伦理、透明且能在大规模上可操作的学习系统的能力。我的研究聚焦于学习分析基础设施的设计与治理，这些基础设施整合同伴反馈、反思性数据与人工智能支持的学习支架，以支持学习、教学决策与机构洞察。我尤其关注学习分析如何为学习设计、政策与组织实践提供依据——而不仅仅是测量。
除研究外，我在大班额与顶点（capstone）学习环境中领导过学习分析倡议，这让我在创新、伦理与机构治理的交汇处积累了直接经验。这种实践者兼学者的视角，塑造了我对负责任分析与共享治理的承诺。
我希望担任 SoLAR 执行委员会委员，以帮助加强学习分析研究、实践与领导力之间的协调一致。我将贡献在教学治理、技术政策与共同体建设方面的经验，支持 SoLAR 的使命，以及 LAK 在本领域持续走向成熟之际推动严谨、包容且有影响的学习分析学术的角色。
洛根·保罗（Logan Paul）是印第安纳大学信息学系教师，其工作聚焦于学习分析、人工智能支持的决策，以及数据驱动学习系统的治理。他的学术致力于设计对学习者、教师与机构而言都透明、合乎伦理且具有切实可操作性的学习分析。
洛根的学习分析工作遍及大班额与顶点学习环境，他在这些环境中推进了以分析为依据的同伴反馈、协作与反思性学习的大规模方法。他特别关注学习分析如何弥合研究与实践，同时为机构政策、教学设计与组织决策提供依据。
在印第安纳大学，洛根担任多个与技术政策、数据使用和教师实践相关的学术领导与治理职务。他带来了驾驭机构结构的经验，使分析倡议与共享治理、学术价值和长期可持续性保持一致。在 SoLAR（及 LAK）内，洛根致力于推动共同体驱动的学术、合乎伦理的分析实践，以及能够加强学习分析研究、政策与影响之间联系的领导力。
工作组意向：教育、活动与包容
对学习分析（研究领域等）的兴趣，以及担任 SoLAR 执行委员会委员的意愿：
多年前，我有了一个顿悟：尽管工程已在许多行业部门产生影响（例如石油工程、航空航天工程、医疗工程），工程界却从未以类似方式将注意力聚焦于教育部门。在学习分析研究中，我发现了一个研究共同体，它容纳了我所设想的教育工程可能具备的许多内涵，这让我倍感振奋。凭借我新近掌握的数据科学技能，我期待继续成长为一名学习分析研究学者。
我希望担任 SoLAR 执行委员会委员的意愿有两方面。首先，我希望更直接地参与学习分析研究共同体。其次，作为一名正在转向将数据科学方法应用于教育领域研究的工业工程师，我的视角或许因其独特性而有价值。我希望为一个盼长期身处其中的共同体的未来方向作出贡献。在我第一次参加 LAK 会议即 LAK25 期间，我曾在一次会前研讨会中以不同规模做过这样的尝试，该研讨会的题目是「学习分析的重大挑战是什么？」
个人简介：我是南佛罗里达大学工业与管理系统工程副教授，正处于职业生涯的一次转折之中。我是一名充满热情的教育者，在整个学术生涯中一直从事传统工程教育工作，但希望将这份热情与使用更传统的工业工程研究方法结合起来。我获得了一项美国国家科学基金会（NSF）中年职业发展资助，作为我专业发展的一部分，它资助我进入密歇根大学应用数据科学硕士项目学习。我于 2025 年 8 月完成了该项目。正是在这个项目中，我接触到了学习分析研究与 SoLAR。去年我参加了第一次 LAK 会议，并希望参加今年的会议。我目前正在进行涉及自然语言处理与群体交流分析的研究，并有一项相关提案正在美国国家科学基金会评审中。我还在自己的课堂中开展涉及分析学生话语以衡量批判性思维的研究。尽管刚接触学习分析，我对成为共同体中更活跃的一员感到兴奋。作为一名普通会员，我的外部视角或许会被证明有价值。
工作组意向：会员工作组
对学习分析（研究领域等）的兴趣，以及担任 SoLAR 执行委员会委员的意愿：
我对学习分析的兴趣位于严谨研究方法与实质性教育科学的交汇处。我从事心理测量学、纵向与连续时间建模，以及机器学习方法的研究，以帮助解读大规模、稀疏且含噪的教育数据——这正是随着计算机化学习与评估系统的持续增长而将变得更加丰富的数据类型。
我把学习分析视为一个应用性领域，精深的方法论在其中能够产生直接的社会影响：改善学习机会、支持自适应教学，并为循证的教育决策提供依据。我目前的工作包括苏黎世学习进展研究（LEAPS）以及计算机化形成性评估数据建模研究（例如关于图神经网络与纵向等值的工作），同时还有若干应用项目，如基于人工智能的语言能力测试（Innosuisse，2024–2026）和高风险选拔程序的评估。
我希望担任 SoLAR 执行委员会委员，因为我想帮助塑造这一领域，加强方法论、理论与实践之间的联系，并为一个既有科学雄心又有社会责任感的共同体作出贡献。
个人简介：马丁·J·托马西克（Martin J. Tomasik）教授——哲学博士（Dr. phil.）、文凭心理师（Dipl.-Psych.）——是苏黎世大学发展与教育科学研究方法的专任讲席教授（ad personam）。他的研究……