开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第5天，点击查看活动详情
人工智能顶会
AAAI
“AAAI人工智能会议”，该会议被认为是人工智能领域的顶级会议之一
AAAI-19 Knowledge Tracing Machines Factorization Machines for Knowledge Tracing
NIPS
该会议固定在每年的12⽉举⾏,由NIPS基⾦会主办。NIPS是机器学习领域的顶级会议。在中国计算机学会的国际学术会议排名中，NIPS为⼈⼯智能领域的A类会议。
NIPS-15 Deep Knowledge Tracing
教育人工智能类会议
L@S
全称ACM's Learning at Scale，是ACM旗下组织举办的会议之一，主要聚焦于学习者较多而专家较少的大规模、以技术为媒介的学习环境和机制，大规模的学习环境极其多种多样，包括：MOOC、ITS、open learning courseware、游戏化学习等等。
L@S的目标是增强人类的学习能力和效果，出了出现越来越多的上述学习形式之外，研究者也经常采用一些指标来间接的衡量学习，包括participation（参与度）、persistence（坚持度）、completion（完成度）、satisfaction（满意度）以及activity（活跃度）。
L@S-16 Structured Knowledge Tracing Models for Student Assessment on Coursera Zhuo Wang（北大）
L@S-16 Structured Knowledge Tracing Models for Student Assessment on Coursera
L@S-17 Deep Knowledge Tracing On Programming Exercises.
L@S-18 Addressing two problems in deep knowledge tracing via prediction-consistent regularization
WWW
全称是International World Wide Web Conference
WWW-17 Dynamic Key-Value Memory Networks for Knowledge Tracing
AIED
全称Artificial Intelligence in Education，属于International Artificial Intelligence in Education Society组织的国籍会议，IAIED是一个聚焦于计算机科学、教育以及心理学领域前沿的跨学科团体，主要促进提高不同领域、不同年龄学习者学习交互效率、自适应学习环境的改善。同时，IAIED组织发售International Journal of Artificial Intelligence in Education顶级学术期刊，同样致力于推广AI在教育领域的应用。
AIED-18 Deep Knowledge Tracing for Free-Form Student Code Progression
EDM
EDM全称Educational Data Mining ，是一个新兴的以目前快速增长的教育环境中产生的数据为基础，通过数据挖掘的手段和方法更好的理解学生以及其学习的环境，无论教育数据来自学生使用交互式学习环境，计算机支持的协作学习系统，还是来自学校和大学的管理数据，它通常都有多层次的有意义的层次结构，通常需要由数据本身的属性决定，更进一步，数据产生的时间、顺序以及上下文在理解教育数据工程中也发挥着重要作用。
EDM-16 How Deep is Knowledge Tracing
LAK
LAK全称International Conference on Learning Analytics & Knowledge，面向与学习和分析系统领域相关专业人员的首要研究论坛，用于探讨学习和分析的最新以及最前沿技术。
ITS
ITS全称International Conference On Intelligent Tutoring Systems，顾名思义，ITS会议主要专注智能教学系统，属于比较专业的范畴，最近一次ITS 2019（its2019.iis-international.org/）于2019年6月3-7日在牙买加举行，主题为人工智能的挑战——扩大ITS的边界，从今年会议的主题就可以看出随着这几年人工智能的大热，ITS也不仅仅局限在智能教学系统，也在逐步扩大其影响，期望借助人工智能的浪潮做出大的发展。
ITS会议开始与1992年，属于教育人工智能相关会议比较早的，在2018年之前每两年举办一次，2018年开始每年举办一次（link.springer.com/conference/…）。
总结
AIED主要作为教育AI方面最为全面的会议，征集的论文方向也比较广泛，ITS以及LAK主要是从某一个与教育相关的系统或者技术为基础进行延伸，EDM以及L@S主要是专注于教育、学习过程中产生的数据，以及在大规模学习环境中如何提高学习效率，同时与教育理论结合较为密切些。由于上述组织或者会议均是与教育领域密切相关的技术会议，为了更好的结合领域以及服务于领域，不同的会议团体与教育领域方面的会议或组织联合组建了IAALDE,即International Alliance to Advance Learning in the Digital Era(www.alliancelss.com/),其中AIED、EDM、L@S均属于该组织。
在整体影响力或者知名度方面AIED>ITS、EDM>LAK、L@S
