本子會議重點研究學習分析和學習評估的典範、原理、設計、實踐和應用。本子會議目標是對過程性學習資料展開分析，以發現學習者行為週期性規律、預測學習成效、以証為本促進適性學習工具的設計和開發，從而更好地理解和改善當代學習過程。學習分析和學習評估源自多個學科的融合，包括學習技術、教育研究和實踐、認知和學習科學、電腦科學、資料科學、心理學、語言學以及其它相關學科。學習分析和學習技術應用所面臨的挑戰源自其跨學科的特質、多元的分析以及方法，需要通過多學科交叉的系統研究，建立資料驅動的解決方案。本子會議期望為學者們提供一個開放的平臺分享知識、經驗、思想和策略，以構建新的理論和實踐見解，並進一步推動此領域的發展。因此，以下將子會議主題分為四大面向，鼓勵研究者參考以下主題選擇相關議題進行討論，但研究主題不以此為限：

1. 學習分析的工具與方法論
此主題涵蓋了從學習分析的途徑、工具及方法層面。我們研究學習分析的不同方法和途徑，以及在學習分析中的工具和技術探詢。關注學習分析研究的典範，即在教育研究中所採用的理論架構與方法。並深入在教育研究中所採用的理論架構與方法，以優化教學和學習體驗為學習者提供更有效的學習支援，以下列舉部分研究範例：

- 學習分析的途徑、方法與工具

- 學習分析研究典範與課程設計

- 學習分析工具設計與應用

2. 學習分析的決策與評估
此主題側重於如何善用數據，對學習者進行精準診斷、提供及時有效回饋。我們關注學習過程中變化和最終成果的評估方法，使教育者能夠全面了解學生的學習情況。此外，本次子會議也鼓勵以創新技術的整合，以提高評估的效率和準確性。以下列舉部分研究範例：
- 數據驅動的診斷、回饋與決策
- 學習過程、變化和成果的評估
- 評估中的技術創新與融合
- 自適應學習技術及應用研究
- 學習分析支持的活動、應用和介入

3. 學習者特質與學習分析
學習者特徵與學習分析主題著重於學習者個別差異的各個層面。我們透過個體的情緒、行為、等多元特徵，提出相應的評估方法，以更全面地了解學生的學術表現和潛在能力，旨在深入了解學習者的個人化需求與行為模式，實現更個人化、靈活和高效的學習體驗。以下列舉部分研究範例：
- 多模態學習分析的理論與實踐
- 學習者情緒分析技術及應用
- 學習者知識隱藏行為與評量研究

4. 人機互動與學習分析
生成式AI的興起滲入各行各業，本子會議希望探討人機互動歷程的學習分析研究。主題著重於學習分析技術如何理解和促進人與智慧夥伴之間互動。探詢在學習分析與AIED中所需遵循的倫理道德規範，並探索互動中的學習理論建構及其互動樣貌。以學習分析技術理解和適應人與智慧夥伴互動，提供個人化的學習支援，促進更有效的教學和學習互動。以下列舉部分研究範例：
- 學習分析技術理解人機互動
- 人機互動學習理論建構
- 學習分析與AIED中的倫理道德與規範

論文提交須知：

本研討會只接受論文全文（不論是長、短論文或海報論文）提交，不接受摘要提交。本會議採用「雙盲」審稿制度，即在論文作者和論文評審者姓名互不公開的情況下對論文進行匿名評審。因此，在論文評審階段，論文作者提交論文時需將作者資訊從文中刪除（包括題目、正文部分、及參考文獻）。在論文被錄取後，最終論文定稿提交時則需顯示相關作者資訊。

自2020年起，GCCCE的九個子會議將只徵集中文論文。因此，投稿本分會的論文，須以中文撰寫(長篇八頁、短篇四頁、海報兩頁)。中文論文須提供中英文標題、摘要和關鍵字，並以PDF格式上傳全文至大會網站：https://easychair.org/conferences/?conf=gccce2024。論文格式請參考 大會論文格式範例[中文] 準備論文。請注意所有的英文論文，不分主題，請投往“English Paper Track”。論文一經接受，至少需有一位作者報名並出席發表論文。

子會議議程委員會