2026年教育数据挖掘与计算机技术国际学术会议 (IECT 2026)
2026 International Conference on Educational Data Mining and Computer Technology (IECT 2026)

重要信息

大会时间：2026年6月26-28日

大会地点：湖南-湘潭（可参会）

一轮报名/截稿：2026年4月1日

最终报名/截稿：2026-06-25 00:00:00

接受/拒稿通知：投稿后5-10个工作日

检索：EI Compendex / SCOPUS,

出版：ACM ICPS (ACM International Conference Proceeding Series)

主办单位：CPCIG CONFERENCE INTERNATIONAL PUBLISHING GROUP

大会简介

2026 年教育数据挖掘与计算机技术国际学术会议（IECT 2026）定于 2026 年 6 月 26 日至 28 日在中国湖南湘潭举办。本次会议旨在为全球学者、科研人员、行业专家及从业者搭建交流平台，深入探讨教育数据挖掘与计算机技术在智慧教育领域的应用与发展。随着教育数字化转型的持续推进，个性化学习与精准教学服务的需求日益增长，智慧教育理念应运而生。通过数据挖掘、人工智能、云计算等技术提升教育服务效率、教学精准度及教育体系的可持续性，已成为行业共识。

会议将围绕多个前沿议题展开研讨，包括基于教育大数据的学习行为分析、人工智能辅助教学、智慧教育平台与系统、教育数据安全与隐私保护、在线教育技术创新等。组委会已邀请众多国内外知名专家作主旨报告，分享各领域最新研究成果与实践经验，为广大学者提供展示研究成果、开展学术探索的契机，推动产学研的深度合作。

所有被录用并正式出版的会议论文，将被工程索引（EI Compendex）、斯高帕斯（Scopus）、谷歌学术等权威数据库收录，为科研工作者搭建优质的学术成果展示渠道。本次会议作为一场重要的学术盛会，不仅能助力参会者拓宽研究视野、发掘合作机遇，更将推动智慧教育领域的发展与创新。我们诚挚期待您的参与，与全球同仁共同探索如何借助教育数据挖掘与计算机技术提升教育服务能力，实现全球教育事业的可持续发展。让我们携手共进，推动智慧教育领域的未来发展，为全球教育事业的转型升级贡献智慧与力量。

会议委员会

Prof. Nidhi Agarwal

Lincoln University College, Malaysia

Assoc. Prof. Dr. Fonny Dameaty Hutagalung

Faculty of Education, Universiti Malaya, Malaysia

Assoc. Prof. Nurhizam Safie Bin Mohd Satar

Faculty of Information Science & Technology, Universiti Kebangsaan Malaysia, Malaysia

Assoc. Prof. Azidah binti Abu Ziden

Universiti Sains Malaysia, Malaysia

论文征集

[ACM]2026 年教育数据挖掘与计算机技术国际学术会议（IECT 2026）定于 2026 年 6 月 26 日至 28 日在中国湖南湘潭举办。提交给会议的文章发送给至少两名审稿人，包括国际规划委员会成员、技术委员会成员和其他合格的审稿人。我们热烈鼓励提交描述原始作品的论文，但不限于以下主题：

· 信息化教育

· 互联网+教育

· 计算机教育

· 远程教育

· 在线、虚拟实验室

· 教育技术

· 教育数据挖掘

· 教育数字化转型

· 教育机器人

· 计算机辅助教学

· 学习模式

· 移动学习

· 人工智能与开放式学习

· ChaptGPT和AI增强学习

· 电子学习平台和工具

· 计算机科学

· 网络安全

· 建模和识别

· 数据库技术

· 计算机体系结构

· 人工智能理论

· 认知科学

· 智能计算

· 认知信息学

· 模糊逻辑和软计算

· 人工智能技术与应用

· 机器感知和虚拟现实

· 智能规划与调度

· 网络智能应用与搜索

· 人机交互

文出版

1稿件要求

· 稿件必须用英文书写;

· 稿件应按照模板标准书写;

· 论文页数不少于6页;

· 稿件主题应与会议主题相关;

· 禁止抄袭（查重20%内）、重复投稿;

· 创新和科学价值是必须的。

2出版道德声明

本会议遵循出版道德的******标准，并采取一切可能的程序来打击任何出版不当行为。本次会议致力于通过严格的同行评审和严格的道德政策来保持高标准。任何违反职业道德准则的行为，如剽窃、欺诈性使用数据、虚假的作者身份声明，编辑应以零容忍的态度严肃对待。提交的稿件以前不应以任何形式发表过，也不得正在考虑在其他地方发表。