前ALEKS首席数据科学家 Dan Bindman认为，从建立一 智能应学习系统的角度来说，高质量的内容、智能AI给所有学生绘制高知识转化的状态图谱，以及量身定做的选择材料，三者缺一不可。他还向与会者分享了自身在智适应算法模型方面的研究成果——多轨道模型，与传统的IRT和KST等其他模型相比，他认为人的能力是在多轨边上出现的，并运用多个例子来证实多轨道模型算法的精准性。前Knewton亚太区技术负责人Richard Tong以乂学教育作为一个样例来讲述“AI智适应平台架构和规划”，包括设立架构的背景、缘由、因素、组成部分等，并全面解析了乂学教育智适应平台的整个架构，以及建立架构的整个规划过程。他总结了构建一个AI智适应学习系统的四大核心要素，分别是本地化的课程体系、高质量多样化的学习内容、多种AI算法的结合运用、严格学习环境下采集的有效大数据。
