本子会议重点研究学习分析和学习评估的范式、原理、设计、实践和应用。本子会议目标是对过程性学习资料展开分析，以发现学习者行为习惯的规律、预测学习绩效、以証為本促进技术支援的学习工具的设计和开发，从而更好地理解和改善学习过程。学习分析和学习评估源自多个学科的融合，包括学习技术、教育研究和实践、认知和学习科学、电脑科学、资料科学、心理学、语言学以及其它相关学科。学习分析和学习技术应用所面临的挑战源自其跨学科的特质、多元的分析以及方法，需要通过多学科交叉的系统研究，建立资料驱动的解决方案。本子会议期望为学者们提供一个开放的平台分享知识、经验、思想和策略，以构建新的理论和实践见解，并进一步推动此领域的发展。因此，以下将子会议主题分为四大面向，鼓励研究者参考以下主题选择相关议题进行讨论，但研究主题不以此为限：

1. 学习分析的工具与方法论
此主题涵盖了从学习分析的途径、工具及方法层面。研究学习分析的不同方法和途径，以及在学习分析中的工具和技术探询。关注学习分析研究的范式，即在教育研究中所采用的理论架构与方法。并深入在教育研究中所采用的理论架构与方法，以优化教学和学习体验为学习者提供更有效的学习支援，以下列举部分研究范例：

- 学习分析的途径、方法与工具

- 学习分析研究典范与课程设计

- 学习分析工具设计与应用

2. 学习分析的决策与评估
此主题侧重于如何善用数据，对学习者进行精准的诊断、及时有效的回馈，关注学习过程中的变化和最终成果的评估方法，使教育者能够全面了解学生的学习情况。此外，本次子会议也鼓励以创新技术的整合，以提高评估的效率和准确性。以下列举部分研究范例：
- 数据启示的诊断、回馈与决策
- 学习过程、变化和成果的评估
- 评估中的技术创新与融合
- 自适应学习技术及应用研究
- 学习分析支持的活动、应用和干预

3. 学习者特质与学习分析
学习者特征与学习分析主题着重于学习者个别差异的各个层面。透过个体的情绪、行为、等多元特征，提出相应的评估方法，以更全面地了解学生的学术表现和潜在能力，旨在深入了解学习者的个体需求与行为模式，实现更个人化、灵活和高效的学习体验。以下列举部分研究范例：
- 多模态学习分析的理论与实践
- 学习者情绪分析技术及应用
- 学习者知识隐藏行为与评量研究

4. 人机互动与学习分析
生成式AI的兴起渗入各行各业，本子会议希望结合学习分析与人机互动，主题着重于学习分析技术如何理解和促进人與智慧夥伴互动。探询在学习分析与AIED中所需遵循的伦理道德规范，并探索互动中的学习理论建构及其互动样貌。以学习分析技术理解和适应人與智慧夥伴互动，提供个人化的学习支援，促进更有效的教学和学习互动。以下列举部分研究范例：
- 学习分析技术理解人机互动
- 人机互动学习理论建构
- 学习分析与AIED中的伦理道德与规范

论文提交须知：

本研讨会只接受论文全文（不论是长、短论文或海报论文）提交，不接受摘要提交。本会议采用“双盲”审稿制度，即在论文作者和论文评审者姓名互不公开的情况下对论文进行匿名评审。因此，在论文评审阶段，论文作者提交论文时需将作者资讯从文中删除（包括题目、正文部分、及参考文献）。在论文被录取后，最终论文定稿提交时则需显示相关作者资讯。

自2020年起，GCCCE的九个子会议将只征集中文论文。因此，投稿本分会的论文，须以中文撰写(长篇八页、短篇四页、海报两页)。中文论文须提供中英文标题、摘要和关键字，并以PDF格式上传全文至大会网站：https://easychair.org/conferences/?conf=gccce2024。论文格式请参考 大会论文格式范例[中文] 准备论文。请注意所有的英文论文，不分主题，请投往“English Paper Track”。论文一经接受，至少需有一位作者报名并出席发表论文。