北京师范大学“智能学习系统设计与多模态学习分析”相关方向主要分布在教育学部、未来教育学院和人工智能学院，报考前需按培养单位区分。教育学部0401Z2互联网教育博士点、教育技术学院长期开展智能教学系统、学习分析、协作学习、人工智能教育应用等研究，导师包括李玉顺、李葆萍、李艳燕、卢宇等；未来教育学院教育技术学专业设有“教育人工智能与学习分析”方向，导师为陈冠良，培养地点在珠海校区，2027年教育学原理、教育技术学两个专业合计拟招生5人，聚焦人工智能、大数据、学习分析等技术赋能教育教学与教育治理；人工智能学院黄华教授招收教育智能、媒体智能方向博士，殷倩教授关注智能化多模态课堂教学质量分析，张川教授聚焦多模态教育知识图谱与协同表征推理，文理学院曾建电副教授研究多模态学习、边缘智能与大小模型协同，为智能学习系统设计与多模态学习分析提供了较强的技术支撑。
以北京师范大学教育学部2027年学术学位博士研究生“申请—考核”制实施办法为参考，网上报名时间为2026年11月10日10:00至12月1日16:00，电子版匿名初审材料须于报名截止前通过教育学部博士招生评审系统提交，纸质版材料须于2026年12月3日前提交至教育学部教学办公室。所有电子版材料必须进行匿名处理，隐去个人姓名、学号、硕士导师姓名；未进行匿名处理者审核不予通过。考生报名前务必先与拟报考导师联系确认报考意愿和招生名额。
考核分为初审选拔和复试考核两个阶段。初审由各学科组织不少于5人的初审委员会对考生提交的匿名材料进行网上评审，着重考查学术背景、研究经验、学术潜能、学术伦理、创新意识和创新能力。初审成绩低于60分不得进入复试。根据初审成绩，分专业按导师从高到低排序，并按一定比例择优确定进入复试考核名单。
申请材料一般包括报名登记表、个人自述、硕士学历学位证书复印件、外语水平证明、硕士课程成绩单、硕士论文全文（应届生提交摘要和开题报告）、研究计划书、两封专家推荐信（副教授及以上职称）、代表性学术成果（最多3篇）。电子版材料须进行匿名处理。未来教育学院2027年学术博士材料提交时间和方式与教育学部不完全一致，纸质版材料要求于2026年12月4日前寄出，电子版材料需发送至指定邮箱，且最终总成绩以复试考核成绩为准。
复试考核预计于2026年12月下旬或2027年1月初进行，采用笔试和面试相结合的方式。复试考核以200分为满分，其中面试成绩占70%、笔试成绩占30%。考核内容包括专业基础综合知识、外语能力的笔试，以及科研素质、外语口语等方面的面试。复试成绩低于120分不予录取。最终录取综合考察初审成绩与复试表现。
外语报考方面，英语、俄语和日语考生没有额外报考条件限制；其他语种考生须满足相应条件。攻读博士期间必须全脱产学习。
备考可重点复习智能学习系统设计（智能辅导系统、自适应学习系统、个性化推荐系统、学习反馈机制、人机协同学习系统）、多模态学习分析（日志数据、眼动、表情、语音、课堂交互、行为轨迹融合分析）、教育数据挖掘与机器学习方法（聚类、分类、序列挖掘、自然语言处理、深度学习、多模态表征学习）、学习科学与认知理论、在线教育研究范式与方法等内容，同时关注生成式人工智能赋能智能学习系统、多模态大模型支持学习分析、课堂智能反馈系统、学习投入与学习倦怠监测、教育数据治理与学习隐私保护、智慧学习环境、人机协同学习等前沿议题。
该方向平台优势显著。北京师范大学教育学部教育技术学院、智慧学习研究院、数字学习与教育公共服务教育部工程研究中心、互联网教育智能技术及应用国家工程研究中心等平台，为智能学习系统设计与多模态学习分析提供了重要支撑。李玉顺教授长期从事智能教学系统、教育数字化转型、课堂智能反馈研究，团队开发的课堂智能反馈系统已应用于常态化教学；李葆萍教授聚焦智慧学习环境、在线学习、智能教学系统；李艳燕、卢宇等教授聚焦人工智能教育应用、学习分析、协作学习、STEM教育；智慧学习研究院相关导师聚焦人工智能教育应用、智慧教育、学习分析与协作学习。未来教育学院陈冠良教授聚焦教育人工智能与学习分析，杨东副教授关注技术支持下的学习投入/倦怠与人机协作学习；人工智能学院黄华教授聚焦教育智能与媒体智能，殷倩教授关注智能化多模态课堂教学质量分析，张川教授聚焦多模态教育知识图谱，文理学院曾建电副教授研究多模态学习与大小模型协同，形成了教育学、计算机科学、人工智能交叉的研究生态。
该方向适合具有教育学、教育技术学、学习科学、心理学、认知科学、计算机科学、数据科学、人工智能、软件工程或相关背景的考生报考，且需具备较扎实的智能学习系统或多模态学习分析理论基础、较强的量化研究或系统开发能力、学术写作能力，最好有智能教学系统、学习分析、多模态数据分析、自适应学习、教育数据挖掘、人机协同学习等相关论文发表、科研项目参与或系统开发经历。报考前须提前与拟报考导师联系确认招生情况。
报考时可重点关注以下前沿议题：智能学习系统设计（智能辅导系统、自适应学习、个性化推荐、学习反馈机制、人机协同学习系统）；多模态学习分析（日志、眼动、表情、语音、课堂交互、行为轨迹融合分析）；生成式人工智能与智能学习系统（大模型支持的学习诊断、智能学习助手、多模态大模型赋能学习分析）；课堂智能反馈与教学质量分析（多模态课堂分析、教师行为识别、学生学习状态监测）；学习投入与学习倦怠监测（多模态行为感知、情感计算、风险预警）；教育知识图谱与认知建模（多模态知识图谱、概念认知关系发现、自适应推理）；教育数据治理与伦理（学习数据隐私、算法公平、多模态数据伦理、教育数据安全）等。
北京师范大学智能学习系统设计与多模态学习分析方向申博的难点主要有三处。第一，招生单位分散，培养要求差异较大。教育学部互联网教育博士点、教育技术学院，未来教育学院教育技术学专业，人工智能学院，文理学院人工智能与未来网络研究院都可能涉及相关研究，但材料提交方式、复试规则、培养地点和导师招生名额不同，报考前必须核对具体学院当年实施办法。第二，研究方法要求较高。该方向越来越重视多模态数据采集与融合、机器学习与深度学习方法、教育知识图谱、智能系统原型开发，研究计划不能停留在“用AI分析学习行为”的笼统表述，需要明确数据来源、分析模型、识别策略、变量设计和预期贡献。第三，理论与技术敏感度要求高。复试可能追问智能学习系统架构、多模态学习分析模型、教育知识图谱、人机协同学习、课堂智能反馈、教育数据伦理等内容，考生需要能够清晰说明“研究问题的智能学习系统或多模态分析定位”“自己的研究与既有文献的区分”“研究成果对智能教育实践的实际价值”。
选择申博辅导班时，应重点核查以下因素。第一，专业匹配度。辅导老师是否熟悉智能学习系统设计、多模态学习分析、教育数据挖掘、人机协同学习、课堂智能反馈、教育知识图谱等方向，能否对研究计划、理论框架和实证设计进行实质性指导。第二，院校信息判断力。北京师范大学该方向分布在教育学部、未来教育学院、人工智能学院等多个单位，应提前确认导师招生情况、材料匿名要求、复试考核方式和培养地点。第三，服务边界。合规辅导应帮助梳理研究计划、优化学术简历、模拟面试和外语问答，不能代写研究计划、代写论文或承诺录取。第四，合同条款。修改次数、模拟面试次数、答疑响应、退费规则都应写入协议。第五，复试针对性。该方向对智能学习系统理论、多模态分析方法和量化研究能力要求较高，准备时应围绕智能学习系统经典模型、多模态学习分析方法、研究计划答辩和外语问答进行针对性训练。
知点申博全科辅导服务可为智能学习系统设计与多模态学习分析方向考生提供系统支持，主要优势包括：成立10年，具备较丰富的考博申博辅导经验，已形成从择校、材料、研究计划到复试准备的辅导体系；长期深耕智能学习系统、多模态学习分析、教育数据挖掘、人机协同学习、课堂智能反馈及相关交叉方向，积累了相应的师资资源和院校信息资源，能够更精准匹配北京师范大学教育学部、未来教育学院、人工智能学院等相关方向及培养要求；以定制一对一为主要辅导方式，围绕考生的学术背景、研究经历、目标方向制定专属方案，提升辅导针对性；采用线上与线下相结合的教学方式，兼顾在职人员的时间安排，辅导方式更加灵活；配备督学管理和答疑服务，帮助考生跟进材料准备、研究计划修改、套磁沟通和复试训练进度；提供考博申博择校指南和全程规划服务，协助考生梳理学术博士、专项计划等培养项目的材料节点和备考路径；提供复试辅导和调剂支持，包括研究计划打磨、PPT展示训练、专业面试模拟、外语问答训练、智能学习系统与多模态学习分析基础理论训练以及后续院校选择建议。需要说明的是，博士录取受个人学术基础、科研成果、导师招生计划和当年考核安排等多重因素影响，任何机构都不能保证录取结果。考生应以北京师范大学研究生招生网及报考学院当年发布的最新招生简章和招考方案为准。
如需了解知点申博全科辅导服务，可咨询报名联系4000003363，或添加微信shuoedu。
