個性化自適應(yīng)學(xué)習(xí)研究 *
——大數(shù)據(jù)時代數(shù)字化學(xué)習(xí)的新常態(tài)

姜 強，趙 蔚，李 松，王朋嬌

(1.東北師范大學(xué) 計算機科學(xué)與信息技術(shù)學(xué)院，吉林 長春 130117；2.國家開放大學(xué) 教育教學(xué)部，北京 100039；3.遼寧師范大學(xué) 計算機與信息技術(shù)學(xué)院，遼寧 大連 116029)

個性化自適應(yīng)學(xué)習(xí)研究 *
——大數(shù)據(jù)時代數(shù)字化學(xué)習(xí)的新常態(tài)

姜 強1，趙 蔚1，李 松2，王朋嬌3

(1.東北師范大學(xué) 計算機科學(xué)與信息技術(shù)學(xué)院，吉林 長春 130117；2.國家開放大學(xué) 教育教學(xué)部，北京 100039；3.遼寧師范大學(xué) 計算機與信息技術(shù)學(xué)院，遼寧 大連 116029)

隨著移動互聯(lián)網(wǎng)、智慧教育的發(fā)展，個性化自適應(yīng)學(xué)習(xí)成為新興的研究熱點，將成為以大數(shù)據(jù)為基礎(chǔ)的教育技術(shù)新范式。該文通過對中外相關(guān)文獻的綜述和分析，對個性化自適應(yīng)學(xué)習(xí)的概念、研究歷程以及取得成就和影響力等方面進行了詳細(xì)闡述，強調(diào)了個性化自適應(yīng)學(xué)習(xí)的發(fā)展趨向，使其成為大數(shù)據(jù)時代數(shù)字化學(xué)習(xí)的新常態(tài)；重點提煉了個性化自適應(yīng)學(xué)習(xí)的元認(rèn)知與開放學(xué)習(xí)者模型、自主學(xué)習(xí)方式、信息可視化處理和大數(shù)據(jù)學(xué)習(xí)分析。大數(shù)據(jù)時代個性化自適應(yīng)學(xué)習(xí)研究新視角可從智能感知、個性化、預(yù)知性、動態(tài)平衡、智能化評價及實現(xiàn)學(xué)習(xí)者思維過程的可視化等層面審視，研究成果將被應(yīng)用在MOOC個性化設(shè)計、網(wǎng)絡(luò)學(xué)習(xí)空間人人通建設(shè)、未來智慧教育發(fā)展等方面。

個性化自適應(yīng)學(xué)習(xí)；元認(rèn)知；開放學(xué)習(xí)者模型；知識可視化；大數(shù)據(jù)學(xué)習(xí)分析

一、引言

教育是人類社會發(fā)展的動力和基礎(chǔ)。人類教育發(fā)展史中，主要發(fā)生三次根本性變革：第一次是從個別的原始教育走向個性的農(nóng)耕教育；第二次是從個性的農(nóng)耕教育走向班級授課式的規(guī)模化教育；第三次是從規(guī)模化教育走向分散化、生態(tài)化、生命化、網(wǎng)絡(luò)化的個性化教育[1]。現(xiàn)正處于第三次教育革命關(guān)口，有望打破學(xué)校人才培養(yǎng)的一元化格局。然而，當(dāng)前教育存在的最關(guān)鍵、最核心問題是忽略學(xué)生個性差異(如學(xué)習(xí)能力、行為習(xí)慣、知識水平、興趣偏好和情感態(tài)度)進行教學(xué)，這種無視學(xué)生“最近發(fā)展區(qū)”規(guī)律的講授，不僅造成學(xué)習(xí)效率低下，而且極大地傷害了學(xué)生學(xué)習(xí)的主動性，造成了“教師難講、學(xué)生難學(xué)”的尷尬局面。技術(shù)不斷發(fā)展，知識迅速革新，大數(shù)據(jù)、創(chuàng)客以及“互聯(lián)網(wǎng)+”教育時代的到來，都將引發(fā)學(xué)習(xí)思維方式、教學(xué)交往方式、認(rèn)知模式的變革，重塑人的大腦，應(yīng)該如何構(gòu)建適應(yīng)未來個體發(fā)展和社會需求的教育？華東師范大學(xué)祝智庭教授指出個性化自適應(yīng)學(xué)習(xí)將成為以大數(shù)據(jù)為基礎(chǔ)的教育技術(shù)新范式[2]。同時，北京師范大學(xué)何克抗教授給予了肯定，并認(rèn)為不啻為創(chuàng)新之舉[3]。在數(shù)字化學(xué)習(xí)環(huán)境中，個性化自適應(yīng)學(xué)習(xí)是指基于學(xué)習(xí)者個性特征差異提供個性化的學(xué)習(xí)服務(wù)，記錄、挖掘和深入分析學(xué)習(xí)行為歷史數(shù)據(jù)信息，以可視化方式呈現(xiàn)數(shù)據(jù)結(jié)果，用于評估學(xué)習(xí)過程、發(fā)現(xiàn)潛在問題和預(yù)測未來表現(xiàn)，并進行個性化干預(yù)、指導(dǎo)，促進有效學(xué)習(xí)的發(fā)生。

二、個性化自適應(yīng)學(xué)習(xí)研究進展

在個性化自適應(yīng)學(xué)習(xí)研究領(lǐng)域，國外起步較早，其中美國匹茲堡大學(xué)的Peter Brusilovsky教授針對學(xué)生的學(xué)習(xí)背景、興趣偏好和知識水平進行用戶建模，為適應(yīng)學(xué)習(xí)者與系統(tǒng)交互過程中的個性化學(xué)習(xí)需求，先后開發(fā)了InterBook、ELM-ART、Knowledge Sea、AnnotatEd、TaskSieve等自適應(yīng)學(xué)習(xí)系統(tǒng)，后來的許多研究成果都是在其基礎(chǔ)上的改進和補充。荷蘭愛因霍芬科技大學(xué)DeBra教授、澳大利亞墨爾本皇家理工大學(xué)Wolf教授及希臘雅典大學(xué)的Papanikolaou等人也分別研發(fā)了AHA!、iWeaver、INSPIRE等個性化教育超媒體系統(tǒng)[4]。國內(nèi)在個性化自適應(yīng)學(xué)習(xí)方面的研究仍處于一種理論層面探討和小規(guī)模嘗試階段，其中在教育技術(shù)學(xué)領(lǐng)域，北京師范大學(xué)余勝泉教授較早研究自適應(yīng)學(xué)習(xí)，發(fā)表了關(guān)于自適應(yīng)學(xué)習(xí)的學(xué)術(shù)論文《適應(yīng)性學(xué)習(xí)——遠程教育發(fā)展的趨勢》，從學(xué)習(xí)診斷、學(xué)習(xí)策略及學(xué)習(xí)內(nèi)容的動態(tài)組織等三個關(guān)鍵環(huán)節(jié)提出了適應(yīng)性學(xué)習(xí)模式[5]。華南師范大學(xué)陳品德博士完成了關(guān)于自適應(yīng)學(xué)習(xí)的博士論文《基于Web的適應(yīng)性學(xué)習(xí)支持系統(tǒng)研究》，文中設(shè)計了A-Tutor(Adaptive Tutor)原型系統(tǒng)，且重點提出了“為什么要適應(yīng)”“什么能被適應(yīng)”等問題[6]。浙江大學(xué)張劍平教授在自適應(yīng)學(xué)習(xí)支持系統(tǒng)方面也做了比較深入的研究，已發(fā)表相關(guān)系列學(xué)術(shù)成果，其中完成了關(guān)于自適應(yīng)學(xué)習(xí)的著作《網(wǎng)絡(luò)學(xué)習(xí)與適應(yīng)性學(xué)習(xí)支持系統(tǒng)研究》，書中詳細(xì)闡述了關(guān)于用戶模型、學(xué)習(xí)能力、自適應(yīng)測試及知識可視化等概念研究[7]。

筆者所在的東北師范大學(xué)趙蔚教授研究團隊十年多來一直致力于“個性化自適應(yīng)學(xué)習(xí)”研究，強調(diào)理論與實踐結(jié)合，以應(yīng)用為主的思路，試圖通過信息技術(shù)與學(xué)科教學(xué)的融合，根據(jù)學(xué)習(xí)特點(其本質(zhì)是大腦對信息編碼加工的特點)進行因材施教，實現(xiàn)“以學(xué)習(xí)者為中心”的個性化學(xué)習(xí)，始終把握道德內(nèi)涵，沒有盲目地全盤借鑒國外的成果，基于中華文化中關(guān)于道德的精神，時刻注意回歸本土化的探索，夯實知識創(chuàng)新，研究成果在國內(nèi)處于領(lǐng)先水平，奠定了學(xué)術(shù)地位和影響力。其中，研發(fā)了關(guān)于個性化自適應(yīng)學(xué)習(xí)系統(tǒng)[8]，初步實現(xiàn)了學(xué)習(xí)風(fēng)格模型建構(gòu)(采用學(xué)習(xí)風(fēng)格量表，如Felder-Silverman量表和貝葉斯網(wǎng)絡(luò)挖掘算法)[9]、認(rèn)知水平模型建構(gòu)(基于項目反應(yīng)理論、布魯姆認(rèn)知理論)、個性化學(xué)習(xí)路徑優(yōu)化推薦(利用AprioriAll關(guān)聯(lián)規(guī)則挖掘算法)、向同伴(尤其具有相同或相近學(xué)習(xí)興趣偏好)推送學(xué)習(xí)信息(利用協(xié)同過濾技術(shù))。此外，研究團隊又進一步挖掘系統(tǒng)功能，具體闡述如下：

1.多元化學(xué)習(xí)資源建設(shè)與進化問題

學(xué)習(xí)環(huán)境需提供能夠與用戶模型相匹配的概念知識理解等級，以及難度級別不同、媒體類型與抽象程度不同等多元化的學(xué)習(xí)資源。因此，本系統(tǒng)采用元數(shù)據(jù)、本體技術(shù)構(gòu)建領(lǐng)域模型，實現(xiàn)多元化學(xué)習(xí)資源建設(shè)，其中視頻、動畫等媒體類型資源，主要依據(jù)美國心理學(xué)家梅耶提出的多媒體認(rèn)知理論和美國科勒教授提出的ARCS學(xué)習(xí)動機模型進行設(shè)計，增強學(xué)習(xí)者的學(xué)習(xí)注意力和沉浸式學(xué)習(xí)，從生態(tài)學(xué)視角體現(xiàn)出了學(xué)習(xí)資源應(yīng)具有的生成性、開放性、進化性、智能性等基本特征，實現(xiàn)學(xué)習(xí)資源的自我重組、生長、演變和進化。

2.記憶曲線評測學(xué)習(xí)者的真實能力

大腦對新事物遺忘具有一定規(guī)律，有必要將知識遺忘加入到個性化自適應(yīng)系統(tǒng)中，受到德國心理學(xué)家艾賓浩斯記憶學(xué)習(xí)曲線的啟發(fā)，在系統(tǒng)中使用了衰退曲線、指數(shù)增長曲線及學(xué)習(xí)遺忘的能力曲線。當(dāng)學(xué)習(xí)者接觸一個給定主題的內(nèi)容時，便會收到關(guān)于該主題真實能力的一個“突然測試”，系統(tǒng)根據(jù)學(xué)生在何時以及何種方式接觸內(nèi)容等信息，捕獲學(xué)生知識增長和減少的方式，使得系統(tǒng)能夠測試控制學(xué)生在課程中的成長路徑。

3.分析強相關(guān)大數(shù)據(jù)優(yōu)化教育

每個學(xué)習(xí)者既是大數(shù)據(jù)的生產(chǎn)者，又是消費者，反映了強認(rèn)知。教育數(shù)據(jù)具有高度相關(guān)性，利于優(yōu)化學(xué)習(xí)體驗、價值及其提升學(xué)習(xí)分?jǐn)?shù)或改變未來教育。全面地跟蹤、記錄、分析學(xué)習(xí)者的不同學(xué)習(xí)特點、學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)行為數(shù)據(jù)，獲知學(xué)習(xí)者的學(xué)習(xí)需求，有效地為學(xué)習(xí)者提供精準(zhǔn)的個性化教育服務(wù)[10]。

總之，個性化自適應(yīng)學(xué)習(xí)系統(tǒng)是智能化學(xué)習(xí)發(fā)展研究趨勢，其應(yīng)用價值在于能夠?qū)崿F(xiàn)“思考即學(xué)習(xí)”，通過整合學(xué)習(xí)者認(rèn)知/元認(rèn)知、動機、能力、態(tài)度等信息構(gòu)建學(xué)習(xí)者模型，做到從支持教師“教”轉(zhuǎn)向?qū)W(xué)生學(xué)習(xí)活動提供自適應(yīng)、個別化支持，有效解決學(xué)員(尤其農(nóng)村中小學(xué)教師)在線學(xué)習(xí)適應(yīng)性問題，有理由相信在《國家中長期教育改革與發(fā)展規(guī)劃綱要(2010-2020年)》大背景下，伴隨著在線教育的迅速發(fā)展和數(shù)字技術(shù)的運用，個性化自適應(yīng)學(xué)習(xí)能夠?qū)崿F(xiàn)從學(xué)校教育到終身教育的轉(zhuǎn)型。

三、元認(rèn)知與開放學(xué)習(xí)者模型

美國著名心理學(xué)家弗萊維爾(Flavell)提出元認(rèn)知即自我認(rèn)知，主要包括兩方面：一是元認(rèn)知知識，關(guān)于個體內(nèi)差異認(rèn)識，正確認(rèn)識到自身的能力、愛好、興趣以及認(rèn)知不足等關(guān)于個體間差異的認(rèn)識，清楚自己與他人之間存在各種認(rèn)知差異[11]；其二是元認(rèn)知監(jiān)控，主體在認(rèn)知活動過程中進行實時評價、反饋，積極、自覺地監(jiān)視、調(diào)節(jié)和控制。因此，元認(rèn)知本質(zhì)是主體在思維活動過程中進行認(rèn)知加工的自我反省、自我覺察、自我調(diào)節(jié)與自我評價。古代著名思想家老子曾說：“知人者智，自知者明”，精確地闡明了認(rèn)知活動中自我監(jiān)控、自我意識中所具有的重要價值。元認(rèn)知的發(fā)展水平直接制約著個體智力的發(fā)展，在學(xué)習(xí)、記憶、理解、注意、交往、問題解決、社會認(rèn)知等各方面的活動中都起著至關(guān)重要的作用，影響著個體的認(rèn)知效率和問題解決的質(zhì)量與效率，在學(xué)習(xí)中對學(xué)生進行元認(rèn)知開發(fā)、提高學(xué)生的元認(rèn)知發(fā)展水平從而教會學(xué)生學(xué)習(xí)、促進學(xué)生智力發(fā)展顯得尤為重要。美國教育家杜威(Dewey)在《我們?nèi)绾嗡季S》一書中關(guān)于元認(rèn)知發(fā)展明確指出和說明了培養(yǎng)積極監(jiān)控能力、批判性評價能力的重要性。

伴隨著大數(shù)據(jù)、學(xué)習(xí)分析技術(shù)的發(fā)展，個性化自適應(yīng)學(xué)習(xí)模式能夠激發(fā)內(nèi)在學(xué)習(xí)動機，進而激發(fā)學(xué)生的學(xué)習(xí)興趣和求知欲，調(diào)動學(xué)習(xí)的積極性和主動性，儼然成為培養(yǎng)學(xué)生元認(rèn)知能力發(fā)展的有效方式。學(xué)習(xí)者模型是實現(xiàn)個性化自適應(yīng)學(xué)習(xí)重要依據(jù)，表現(xiàn)在個體自身與其行為所受強化關(guān)系上個體差異，預(yù)示著不同的學(xué)習(xí)行為表現(xiàn)，但是多數(shù)學(xué)習(xí)者模型通常是封閉式設(shè)計，如同一個“黑匣子”，盡管學(xué)習(xí)系統(tǒng)能夠?qū)W(xué)習(xí)者的個體差異及學(xué)習(xí)過程有所了解，但是學(xué)習(xí)者自身卻不清楚模型中所包含的數(shù)據(jù)信息，不了解系統(tǒng)為學(xué)習(xí)者所定義的個性特征。因此有必要對學(xué)習(xí)者模型信息顯性化，即構(gòu)建開放學(xué)習(xí)者模型(Open Learner Model，OLM)，確保學(xué)習(xí)者在學(xué)習(xí)過程中準(zhǔn)確了解自己知識狀態(tài)、學(xué)習(xí)進展、學(xué)習(xí)績效。英國伯明翰大學(xué)蘇珊·布爾(Susan Bull)將OLM定義為允許學(xué)習(xí)者對系統(tǒng)進行控制，根據(jù)自己意愿可分享個人學(xué)習(xí)信息并以可視化方式呈現(xiàn)，以支持學(xué)習(xí)者的自我監(jiān)控與反思[12]。本研究團隊成員王麗萍博士從四個角度分析和描述了開放學(xué)習(xí)者模型，其中開放的目的是指幫助學(xué)習(xí)者規(guī)劃或監(jiān)督自己的學(xué)習(xí)，以促進學(xué)習(xí)者反思，授予學(xué)習(xí)者看到自己和同伴數(shù)據(jù)的權(quán)利，促進學(xué)習(xí)者之間的協(xié)作或競爭，激發(fā)和維持學(xué)習(xí)動機，提高學(xué)習(xí)績效；開放的內(nèi)容既包括如知識圖譜、學(xué)習(xí)進展及績效等與知識有關(guān)的內(nèi)容，又包括如學(xué)習(xí)者的學(xué)習(xí)背景、興趣偏好、情感態(tài)度等與知識不相關(guān)的內(nèi)容；開放的形式包括技能表、概念圖以及層級樹狀結(jié)構(gòu)圖等，表現(xiàn)出學(xué)習(xí)者已掌握的知識與其他知識之間的關(guān)系，并關(guān)聯(lián)顯示新學(xué)知識、原有知識及即將要學(xué)的知識，為下一階段的學(xué)習(xí)決策提供指導(dǎo)依據(jù)；開放的對象除了主體外，還包括同伴、教師等。跟蹤監(jiān)控知識學(xué)習(xí)進展，有利于教師充分了解學(xué)生認(rèn)知水平、技能掌握情況并發(fā)現(xiàn)潛在問題，以便于有效地組織學(xué)習(xí)活動、實施教學(xué)調(diào)控和進行工作反思，進而提高教育質(zhì)量[13]。總之，開放學(xué)習(xí)者模型向?qū)W習(xí)者個人呈現(xiàn)有關(guān)學(xué)習(xí)進展、知識水平、迷失概念、學(xué)習(xí)績效等信息，有助于學(xué)習(xí)者了解自己當(dāng)前的學(xué)習(xí)狀態(tài)，促進學(xué)習(xí)者對知識的主動建構(gòu)和思維發(fā)展，有利于培養(yǎng)學(xué)習(xí)者元認(rèn)知發(fā)展水平，提高學(xué)習(xí)監(jiān)控能力，充分調(diào)動學(xué)習(xí)的自覺性、主動性，有效解決“讓學(xué)生學(xué)會如何學(xué)習(xí)”的問題，真正實現(xiàn)“以學(xué)為本”的自我調(diào)節(jié)學(xué)習(xí)，實現(xiàn)能體現(xiàn)出個體差異和個性化學(xué)習(xí)需求的尊重式教育，真正成為獨立、自主、高效的學(xué)習(xí)者。

四、學(xué)習(xí)方式：自主學(xué)習(xí)

美國心理學(xué)家馬斯洛提出的人文主義心理學(xué)(Humanistic Psychology)強調(diào)人的情感需要、創(chuàng)造力和自我實現(xiàn)；進化教育心理學(xué)以自然選擇解釋人類教育行為，不僅來自社會文化環(huán)境，更離不開以生物遺傳的基礎(chǔ)，突出個體的差異性，表現(xiàn)在智力和非智力因素，如注意力、認(rèn)知、情感、態(tài)度、動機以及學(xué)習(xí)潛能等。不同的學(xué)生有著不同的學(xué)習(xí)目標(biāo)和需求，即使同一個學(xué)生在不同的學(xué)習(xí)時段也有不同的學(xué)習(xí)需要。另外，學(xué)習(xí)風(fēng)格、能力和策略等較大差異因素會導(dǎo)致每個學(xué)生的學(xué)習(xí)過程行為不同。很顯然，統(tǒng)一的教學(xué)內(nèi)容和方法不符合教育規(guī)律，不利于學(xué)習(xí)身心健康成長。解決問題的途徑之一就是自主學(xué)習(xí)，也稱自我調(diào)節(jié)學(xué)習(xí)，捷克著名教育學(xué)家夸美紐斯在《大教學(xué)論》中提出教學(xué)要形成使教員少教，學(xué)生多學(xué)(體現(xiàn)在“自學(xué)”和“訓(xùn)練”)；葉圣陶先生也曾說過，“教是為了不教”。作為學(xué)習(xí)的新生態(tài)，自主學(xué)習(xí)被賦予了重大的價值與使命。當(dāng)前關(guān)于自主學(xué)習(xí)研究受到眾多學(xué)者的關(guān)注，美國操作行為主義學(xué)派人物斯金納(Skinner)、現(xiàn)象學(xué)派代表人物麥克庫姆斯(McCombs)、認(rèn)知學(xué)派代表人物巴特勒和溫內(nèi)(Butler & Winne)及權(quán)威心理學(xué)家齊莫曼(Zimmerman)，國內(nèi)華東師范大學(xué)龐維國教授、祝智庭教授等人都從不同角度做過相關(guān)研究并取得較有價值的研究成果，提出了關(guān)于自主學(xué)習(xí)的能力觀、責(zé)任觀和方式觀，并基于羅杰斯的自我理論和班杜拉的社會認(rèn)知理論構(gòu)建了自主學(xué)習(xí)模型，遵循學(xué)習(xí)者認(rèn)知規(guī)律，符合思維習(xí)慣。

古人云，“授人以魚，不如授人以漁”，教育應(yīng)以培養(yǎng)學(xué)習(xí)者自給自足的能力為目標(biāo)。然而對于應(yīng)該從何處著手培養(yǎng)學(xué)生的自主學(xué)習(xí)能力，仍缺少有效的實施策略。個性化自適應(yīng)學(xué)習(xí)模式發(fā)展為自主學(xué)習(xí)帶來了機遇，有助于對心理機制的理解，進而影響學(xué)生內(nèi)在學(xué)習(xí)動機、豐富學(xué)習(xí)的各種認(rèn)知策略，有利于促進學(xué)習(xí)者對知識的主動建構(gòu)。如下頁圖1所示，在這種學(xué)習(xí)模式下，自主學(xué)習(xí)的關(guān)鍵環(huán)節(jié)是自適應(yīng)學(xué)習(xí)診斷(確定學(xué)習(xí)起點)、學(xué)習(xí)內(nèi)容動態(tài)組織與適應(yīng)性呈現(xiàn)及自主學(xué)習(xí)策略設(shè)計與選擇，實現(xiàn)學(xué)習(xí)者根據(jù)自身認(rèn)知特點和已有學(xué)習(xí)基礎(chǔ)確定學(xué)習(xí)目標(biāo)，并采用最適合的學(xué)習(xí)方法策略、工具、資源，制定合適的學(xué)習(xí)計劃。在學(xué)習(xí)過程中，自行監(jiān)控、調(diào)節(jié)和修正學(xué)習(xí)進程和學(xué)習(xí)狀態(tài)，以及對學(xué)習(xí)效果進行評價、反思和總結(jié)，逐步發(fā)展。

圖1 個性化自適應(yīng)學(xué)習(xí)模式中的自主學(xué)習(xí)[14]

1.自適應(yīng)學(xué)習(xí)診斷

根據(jù)美國心理學(xué)家布魯姆的認(rèn)知目標(biāo)分類理論，知識理解分為知識、領(lǐng)會、應(yīng)用、分析、綜合、評價等6個級別，其中前3個屬于低階思維，后3個屬于高階思維。對于某一級別的試題，其難度有所不同，進而對分析學(xué)生認(rèn)知程度的貢獻也不同。另外，學(xué)生的做題速度又體現(xiàn)了其對知識掌握的熟練程度。通過考察學(xué)生各認(rèn)知能力的練習(xí)測驗試題記錄(包括分?jǐn)?shù)、試題題型與難度、回答次數(shù)和做題時間等)，采用項目反應(yīng)理論估算出學(xué)生對知識點掌握程度，作用于學(xué)習(xí)內(nèi)容動態(tài)組織與適應(yīng)性呈現(xiàn)，可在學(xué)習(xí)的開始、過程中及結(jié)束等環(huán)節(jié)發(fā)生。在學(xué)習(xí)開始時進行測試，能夠知道學(xué)生的原有認(rèn)知能力，結(jié)合學(xué)習(xí)過程的歷史數(shù)據(jù)(比如練習(xí)/測試、瀏覽輔助資源、交流反饋、用戶檢索信息等)，對學(xué)習(xí)者的知識能力進行估測，適應(yīng)性動態(tài)組織、呈現(xiàn)學(xué)習(xí)內(nèi)容，并給出個性化學(xué)習(xí)建議，進行干預(yù)。在學(xué)習(xí)過程中進行測試，可實時發(fā)現(xiàn)學(xué)習(xí)薄弱環(huán)節(jié)并及時提供鞏固性練習(xí)，如果學(xué)習(xí)者在測試過程中遇到困難，適應(yīng)地降低測試難度，同時呈現(xiàn)前項、相關(guān)知識使其重新學(xué)習(xí)，達到應(yīng)該掌握的知識水平；如果學(xué)習(xí)者認(rèn)知能力很高，適應(yīng)地增大測試題目難度，同時呈現(xiàn)后項知識使其繼續(xù)學(xué)習(xí)，直到知識的熟練應(yīng)用或者精通。在學(xué)習(xí)結(jié)束時進行測試，主要是對學(xué)生學(xué)習(xí)結(jié)果的成就性檢測，若達到預(yù)期學(xué)習(xí)目標(biāo)，則建議學(xué)生終止學(xué)習(xí)或進行新知識學(xué)習(xí)，反之，則建議學(xué)生進行單元補習(xí)，直至滿足或超越其最近發(fā)展區(qū)[15]。

2.學(xué)習(xí)內(nèi)容動態(tài)組織與適應(yīng)性呈現(xiàn)

根據(jù)認(rèn)知能力、學(xué)習(xí)風(fēng)格等個體特征適應(yīng)性動態(tài)組織與呈現(xiàn)數(shù)字化學(xué)習(xí)內(nèi)容。認(rèn)知能力反映了學(xué)習(xí)者在當(dāng)前學(xué)習(xí)內(nèi)容上的先前知識基礎(chǔ)，學(xué)生學(xué)習(xí)的過程是在原有知識基礎(chǔ)上進行自我建構(gòu)的過程，從而進行有效地學(xué)習(xí)。如果根據(jù)學(xué)習(xí)診斷的結(jié)果以及學(xué)習(xí)歷史記錄得出認(rèn)知能力較低，則增加當(dāng)前學(xué)習(xí)內(nèi)容的前提知識且難度系數(shù)與認(rèn)知能力相適應(yīng)；反之，為學(xué)習(xí)者適應(yīng)性提供擴展知識，鞏固強化學(xué)習(xí)結(jié)果。學(xué)習(xí)風(fēng)格是特有的情感、認(rèn)知和生理行為，反映學(xué)習(xí)者偏好不同類型的媒體資源。如圖2所示，基于VARK學(xué)習(xí)風(fēng)格模型的多元化媒體資源適應(yīng)性呈現(xiàn)模型[16]，表明視覺型學(xué)習(xí)者更愿意觀看動畫和視頻，聽覺型學(xué)習(xí)者喜歡聽音頻資料，讀寫型學(xué)習(xí)者愿意選擇閱讀學(xué)習(xí)文檔，動覺型學(xué)習(xí)者傾向在仿真游戲中學(xué)習(xí)，給學(xué)習(xí)者優(yōu)先呈現(xiàn)最佳媒體資源，符合認(rèn)知習(xí)慣，極大地激發(fā)和維持學(xué)習(xí)動機，有助于自調(diào)節(jié)、自組織學(xué)習(xí)，提高學(xué)習(xí)效率。

圖2 基于學(xué)習(xí)風(fēng)格的多元化媒體資源適應(yīng)性呈現(xiàn)模型

3.自主學(xué)習(xí)策略設(shè)計與選擇

有效的自主學(xué)習(xí)策略有自我評價、記錄和監(jiān)控(對行為和反應(yīng)的量化記錄)、自我獎勵或懲罰、尋求同伴、教師、其他成人的幫助等，這些策略能在極大程度上解釋學(xué)習(xí)的個別差異。本文針對自主學(xué)習(xí)過程中的主要環(huán)節(jié)，如解析學(xué)習(xí)需求、生成個性化學(xué)習(xí)路徑、自建與共建學(xué)習(xí)資源、評價學(xué)習(xí)結(jié)果及其保障機制等方面提出了相應(yīng)的解決策略。采用兩種方法實現(xiàn)學(xué)習(xí)者需求解析：一是通過對學(xué)習(xí)者在學(xué)習(xí)管理平臺上已有數(shù)據(jù)信息，采用大數(shù)據(jù)學(xué)習(xí)分析技術(shù)進行智能解析確定學(xué)習(xí)需求；二是學(xué)習(xí)者可以自主選擇領(lǐng)域本體相關(guān)知識節(jié)點進行學(xué)習(xí)。針對學(xué)習(xí)者需求，依據(jù)學(xué)習(xí)者偏好、認(rèn)知經(jīng)驗，自建、共建及系統(tǒng)個性化推薦等多種方式生成學(xué)習(xí)路徑；學(xué)習(xí)資源通過自建與協(xié)同共建的方式生成并實時更新，學(xué)習(xí)者均能對資源進行添加、編輯，利用集體智慧能夠保障學(xué)習(xí)資源的質(zhì)量，并從生態(tài)學(xué)視角，依據(jù)資源點擊率、下載率、利用率及學(xué)習(xí)者對資源評價(采用評分制)等進化機制實現(xiàn)資源的優(yōu)勝劣汰；通過電子檔案袋評價方式，從個體認(rèn)知、情感及人際交互的角度對學(xué)習(xí)歷程及學(xué)習(xí)效果進行評價。同時，為了有效促進自主學(xué)習(xí)，應(yīng)用了相關(guān)保障機制，如依據(jù)馬斯洛需求層次理論建立積分、排行、榜樣、等級榮譽機制，產(chǎn)生數(shù)字徽章，激發(fā)學(xué)生的參與動機。在視覺加工認(rèn)知特性的理論基礎(chǔ)上，充分考慮可視化交互技術(shù)、工具與美學(xué)問題，吸引學(xué)習(xí)者的注意力，順應(yīng)學(xué)習(xí)者的視覺加工習(xí)慣，促進知識的主動建構(gòu)。

五、信息處理：知識可視化

與文本比較，人類大腦更善于分析、處理視覺圖像。根據(jù)康德提出的圖式思想，可知將知識圍繞某個主題組織起來，表征和貯存知識可視化呈現(xiàn)有利于知識在長時記憶中的存儲和組織化，有利于降低工作記憶負(fù)荷。瑞士知識可視化研究開拓者馬丁·愛普教授(Martin J. Eppler)提出，“知識可視化在社會、情感和認(rèn)知等三方面體現(xiàn)了巨大優(yōu)勢。在社會方面，有助于推動知識生產(chǎn)者間的傳播，增強個體間知識密集型交流意愿、效率及效果；在情感方面，促進知識創(chuàng)新和遷移，滿足主體需求偏好、行為習(xí)慣與價值訴求，激發(fā)學(xué)習(xí)動機；在認(rèn)知方面它可以呈現(xiàn)新舊知識間的聯(lián)系，引導(dǎo)學(xué)習(xí)者記憶、應(yīng)用新知識，還能加深主體認(rèn)知加工，包括增強注意力、理解力、記憶力、想象力、表達力等方面”[17]。此外，國內(nèi)北京師范大學(xué)趙國慶博士、南京師范大學(xué)張舒予教授與河南大學(xué)趙慧臣博士以及武漢大學(xué)周寧教授與電子科技大學(xué)張會平博士等采用可視化技術(shù)在學(xué)習(xí)者隱性知識的外化、表征問題推理過程、促進知識傳播與創(chuàng)新、輔助興趣遷移等方面進行了應(yīng)用研究，結(jié)果表明利用知識可視化應(yīng)用于教育教學(xué)，能幫助教師采用學(xué)生易于理解和接受的教學(xué)方式，形成直接作用于人的感官的知識外在表現(xiàn)形式，對解決信息超載、知識傳遞和創(chuàng)新以及重構(gòu)知識等具有極其重要意義。

通常，知識可視化可從三方面進行分析和描述，其中知識結(jié)構(gòu)可視化是指利用圖譜方式設(shè)計課程結(jié)構(gòu)視圖，基于美國學(xué)者瑞格盧斯(C.M.Reigeluth)提出細(xì)化理論中符合認(rèn)知學(xué)習(xí)的宏觀策略和戴維·梅瑞爾(David Merrill)提出成分顯示理論的微觀策略，采用逐層遞進的方式延展瀏覽深度，以知識圖譜方式采用不同形狀和顏色表示學(xué)生對概念知識掌握程度，可以清晰地詮釋出復(fù)雜的知識體系，同時也能幫助學(xué)習(xí)者建立先前知識、相關(guān)知識以及后續(xù)知識的關(guān)聯(lián)，提高長時記憶，促進和強化學(xué)習(xí)認(rèn)知遷移，如圖3所示。

圖3 知識結(jié)構(gòu)可視化導(dǎo)航示例

學(xué)習(xí)過程可視化是指采用大數(shù)據(jù)學(xué)習(xí)分析技術(shù)即時量化跟蹤學(xué)習(xí)過程，并以可視化方式呈現(xiàn)不同時間段的學(xué)習(xí)行為數(shù)據(jù)，如知識掌握程度、知識單元、學(xué)習(xí)進度等，生成個性化訪問路徑。便于學(xué)習(xí)者實時看清學(xué)習(xí)認(rèn)知的動態(tài)變化過程，提高學(xué)習(xí)者的元認(rèn)知能力和自我效能感，同時對學(xué)習(xí)過程歷史進行詳細(xì)地反饋，利于學(xué)習(xí)反思，并為教師實施下一步教學(xué)決策提供有力參考[18]，如下頁圖4所示。

此外，擴展資源可視化采用星級評定和信息評論等評價機制，運用可視化技術(shù)實現(xiàn)積分、排行等榮譽榜的信息呈現(xiàn)，從而外顯學(xué)習(xí)資源的屬性與質(zhì)量，輔助學(xué)習(xí)者有針對性地進行篩選。總之，知識是內(nèi)化到人的認(rèn)知結(jié)構(gòu)，伴隨著可視化的影響廣泛而深入，可以極其有效地發(fā)現(xiàn)隱藏在知識內(nèi)部的特征和規(guī)律，幫助學(xué)習(xí)者克服因記憶知識方面帶來的困難，可以減少認(rèn)知負(fù)載，增強個人在處理復(fù)雜認(rèn)知問題所需要的記憶能力。

圖4 學(xué)習(xí)過程可視化示例

六、大數(shù)據(jù)學(xué)習(xí)分析：預(yù)測與個性化干預(yù)

大數(shù)據(jù)將成為解決因材施教難題的突破口，實現(xiàn)數(shù)據(jù)支持的學(xué)習(xí)和績效評價，利用數(shù)據(jù)促進個性化學(xué)習(xí)已成為教育發(fā)展趨勢。基于大數(shù)據(jù)學(xué)習(xí)分析技術(shù)，借助數(shù)據(jù)分析學(xué)習(xí)者特征(如學(xué)習(xí)習(xí)慣、選擇偏好)，收集和分析學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)活動中進行交互的大量信息，準(zhǔn)確診斷學(xué)生的學(xué)習(xí)需求，預(yù)測學(xué)生的下一個行為，以便提出更好的教學(xué)方法，提供更加個性化、有效的支持，讓學(xué)生更加主動地學(xué)習(xí)，有利于知識內(nèi)化與建構(gòu)，實現(xiàn)智慧學(xué)習(xí)。一是在教學(xué)過程中為個體學(xué)生的教學(xué)督導(dǎo)和管理提供支持，通過學(xué)習(xí)過程行為數(shù)據(jù)分析能夠全面地了解每一個學(xué)生的學(xué)習(xí)進度和質(zhì)量，了解每一個學(xué)生的真實學(xué)習(xí)水平以及在學(xué)習(xí)中出現(xiàn)諸如學(xué)習(xí)積極性和參與度降低等主客觀問題，教師就可以及時調(diào)整教學(xué)策略，提供極富針對性的學(xué)習(xí)材料，提供最佳學(xué)習(xí)方法和建議，以避免在學(xué)生最后考核不及格時才被發(fā)現(xiàn)；二是依據(jù)個體學(xué)習(xí)過程和結(jié)果分析數(shù)據(jù)，可以向?qū)W生推送個性化學(xué)習(xí)資源和進度安排，甚至為學(xué)生提供個性化定制功能，實施更有效的因材施教；三是對所有學(xué)生的學(xué)習(xí)行為過程和學(xué)習(xí)結(jié)果進行大數(shù)據(jù)分析，如學(xué)生知識點掌握情況，哪些已經(jīng)精通，哪些還存在困難以及正確率如何等問題，便于識別出教學(xué)設(shè)計中存在的問題并加以改善；四是學(xué)生通過學(xué)習(xí)行為分析的及時診斷和反饋也可以充分把握自身的學(xué)習(xí)狀況，知道在做什么、沒有做什么、哪兒做錯了等，有助于通過數(shù)據(jù)量化自我實現(xiàn)知識內(nèi)化。隨著大數(shù)據(jù)挖掘、學(xué)習(xí)分析等技術(shù)的發(fā)展，教育大數(shù)據(jù)應(yīng)用將會給教學(xué)創(chuàng)造更多的價值。

七、未來趨勢及應(yīng)用展望

1.研究趨勢與挑戰(zhàn)

美國新媒體聯(lián)盟《2015地平線報告(高等教育版)》中指出，個性化自適應(yīng)學(xué)習(xí)是高等教育信息技術(shù)長期發(fā)展趨勢(4-5年)，無論在內(nèi)容上還是方法上都有非常大的研究空間，具體表現(xiàn)在智能感知、個性化、預(yù)知性、動態(tài)平衡、智能化評價等特性，賦予審視大數(shù)據(jù)時代個性化自適應(yīng)學(xué)習(xí)研究的嶄新視角，同時也面臨著新技術(shù)、新環(huán)境帶來的挑戰(zhàn)。

(1)智能感知

利用智能感知技術(shù)實現(xiàn)感知學(xué)生個體在學(xué)習(xí)過程中所表現(xiàn)出來的知識結(jié)構(gòu)、水平及情感狀態(tài)，從而及時調(diào)整學(xué)習(xí)內(nèi)容和數(shù)量，為學(xué)習(xí)活動的開展自動推送個性化的學(xué)習(xí)資源、人際資源(如教師、學(xué)科專家等)、活動建議等，從而可以讓學(xué)習(xí)者更加方便、有效率地提升學(xué)習(xí)效果。

(2)個性化

通過跟蹤和分析學(xué)習(xí)者學(xué)習(xí)行為過程中形成的知識能力、認(rèn)知風(fēng)格偏好，利用學(xué)習(xí)分析、個性化推薦等技術(shù)方法為其自動推送最佳個性化學(xué)習(xí)路徑(含學(xué)習(xí)資源、學(xué)習(xí)伙伴)、認(rèn)知工具和學(xué)習(xí)服務(wù)(解決疑問、提供指導(dǎo))等，依據(jù)學(xué)習(xí)過程行為和結(jié)果數(shù)據(jù)對個性化學(xué)習(xí)績效進行測量，實現(xiàn)因材施教。

(3)預(yù)知性

通過記錄并細(xì)化學(xué)生的考試過程，如每道習(xí)題的答題過程、時間、速度、停頓甚至部分思路，利用大數(shù)據(jù)技術(shù)和智能算法進行分析，預(yù)測學(xué)生的學(xué)習(xí)困擾，定向推送合適的測試題目和個性化學(xué)習(xí)進度安排；通過實時跟蹤監(jiān)控學(xué)習(xí)歷史行為數(shù)據(jù)，采用文本挖掘、大數(shù)據(jù)學(xué)習(xí)分析等技術(shù)方法，測量學(xué)生的知識能力，預(yù)測即將產(chǎn)生的學(xué)習(xí)危機和心理問題，為其提供合理的個性化解決方案，調(diào)整學(xué)習(xí)狀態(tài)。

(4)動態(tài)平衡

學(xué)習(xí)者在進行學(xué)習(xí)時，當(dāng)知識能力與當(dāng)前的學(xué)習(xí)需求不一致，便可通過體感技術(shù)、動作捕獲、數(shù)據(jù)挖掘、眼動追蹤、學(xué)習(xí)監(jiān)測等智能化方法捕捉、記錄學(xué)習(xí)數(shù)據(jù)，分析判斷學(xué)生的認(rèn)知水平、興趣偏好，推送合適的學(xué)習(xí)資源、工具，以適應(yīng)學(xué)習(xí)者不斷變化的個性化學(xué)習(xí)需求[17]。

(5)智能化評價

以前對學(xué)生的教育評價是通過測試，通過卷子，通過答對試題的個數(shù)、知識點的個數(shù)得來的，然而這種評價機制是有缺陷的。未來研究應(yīng)該是利用大數(shù)據(jù)學(xué)習(xí)分析，借助ACTS學(xué)業(yè)評價技術(shù)，對學(xué)生進行檢測、評價、診斷、甄別、選拔、鑒定，分析每位學(xué)生的知識應(yīng)用、技能應(yīng)用和能力傾向，以及時調(diào)整教育行為，實現(xiàn)個性化教育[18]。此外，在知識可視化層面能夠?qū)崿F(xiàn)表征思維過程，深化學(xué)習(xí)分析。根據(jù)情境認(rèn)知理論可知，知識是個體與社會互動的產(chǎn)物，若將交互學(xué)習(xí)過程中知識共建共享行為呈現(xiàn)出來，可實現(xiàn)同伴之間的思維可視化，促進學(xué)習(xí)者之間思想深度交流。

2.未來應(yīng)用展望

“互聯(lián)網(wǎng)+”時代到來，教育隨之也將發(fā)生重大變革。以學(xué)生為主體，尊重個體差異和個性化需求，遵循教育的規(guī)律和個人成長發(fā)展的規(guī)律，形成創(chuàng)造才能。在移動互聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)學(xué)習(xí)分析技術(shù)發(fā)展背景下，將個性化自適應(yīng)學(xué)習(xí)研究引入大規(guī)模在線開放課程(MOOC)建設(shè)服務(wù)范疇，將有助于MOOC個性化設(shè)計。走進MOOC2.0時代，每個學(xué)習(xí)者都有自己與眾不同的目標(biāo)、方法、過程和結(jié)果。能夠很好地支持個性化學(xué)習(xí)。作為一種開放的教育形式，MOOC是一種動態(tài)學(xué)習(xí)環(huán)境，遵循了多元化設(shè)計思想，同一個知識點可以設(shè)計成圖像、動畫、微視頻等不同形態(tài)的媒體類型，以滿足不同認(rèn)知風(fēng)格學(xué)習(xí)者的需要。學(xué)習(xí)者能夠根據(jù)自己的知識水平、興趣偏好自行決定重點學(xué)習(xí)與快速略讀內(nèi)容。MOOC平臺也會自動根據(jù)學(xué)生的年齡、學(xué)習(xí)情況甚至心理活動，自動判斷該學(xué)生的水平，并在該水平上提供相應(yīng)難度的題庫、課程和練習(xí)。這從根本上改變了傳統(tǒng)課堂教育中機械的教學(xué)體系，讓“量身定制”的服務(wù)成為可能，有利于學(xué)習(xí)者實現(xiàn)意義建構(gòu)。

大數(shù)據(jù)支持下的個性化自適應(yīng)學(xué)習(xí)研究也可應(yīng)用在網(wǎng)絡(luò)學(xué)習(xí)空間人人通建設(shè)、未來智慧教育的建設(shè)及移動互聯(lián)網(wǎng)時代在線教育的發(fā)展中。大數(shù)據(jù)通過“量化一切”而實現(xiàn)學(xué)習(xí)的數(shù)據(jù)化，徹底改變認(rèn)知和理解知識的方式，通過采集用戶學(xué)習(xí)數(shù)據(jù)，對學(xué)習(xí)者的學(xué)習(xí)內(nèi)容需求和個人學(xué)習(xí)習(xí)慣有所掌握，從而進行基于全量數(shù)據(jù)的學(xué)習(xí)分析，為學(xué)習(xí)策略的選擇和調(diào)整提供參考，以達到能夠為用戶提供個性化分析、判斷、人性化推送與服務(wù)的目的。同時，研究成果亦可被國家開放大學(xué)、高等院校網(wǎng)絡(luò)學(xué)院、在線教育培訓(xùn)機構(gòu)等所采納，解決網(wǎng)絡(luò)個性化學(xué)習(xí)問題，實現(xiàn)教育評價從“經(jīng)驗主義”走向“數(shù)據(jù)主義”，通過數(shù)據(jù)全面跟蹤和掌握學(xué)生的學(xué)習(xí)行為、過程和特點，優(yōu)化教學(xué)質(zhì)量，實現(xiàn)對教育質(zhì)量的監(jiān)控反饋，從而推進當(dāng)前我國教育信息化發(fā)展。

[1] 周洪宇,鮑成中.撲面而來的第三次教育革命[N].中國教育報,2014-05-02(07).

[2] 祝智庭,沈德梅.基于大數(shù)據(jù)的教育技術(shù)研究新范式[J].電化教育研究,2013,(10):5-13.

[3] 何克抗.大數(shù)據(jù)面面觀[J].電化教育研究,2014,(10):8-16.

[4] 姜強.自適應(yīng)學(xué)習(xí)系統(tǒng)支持模型與實現(xiàn)機制研究[D].長春:東北師范大學(xué)博士學(xué)位論文,2012.

[5] 余勝泉.適應(yīng)性學(xué)習(xí)——遠程教育發(fā)展的趨勢[EB/OL].www.etc.edu.cn/academist/ysq/shiying.html,2015-10-08.

[6] 陳品德.基于Web的適應(yīng)性學(xué)習(xí)支持系統(tǒng)研究[D].廣州:華南師范大學(xué)博士學(xué)位論文,2003.

[7] 張劍平,陳仕品,張家華.網(wǎng)絡(luò)學(xué)習(xí)及其適應(yīng)性學(xué)習(xí)支持系統(tǒng)研究[M].北京:科學(xué)出版社,2010.6.

[8] 姜強,趙蔚.面向“服務(wù)”視角下的自適應(yīng)學(xué)習(xí)系統(tǒng)設(shè)計與實現(xiàn)[J].中國電化教育,2011,(2):119-124.

[9] 姜強,趙蔚,王朋嬌.基于網(wǎng)絡(luò)學(xué)習(xí)行為模式挖掘的用戶學(xué)習(xí)風(fēng)格模型建構(gòu)研究[J].電化教育研究,2012,(11):55-61.

[10][16][18] 姜強,趙蔚等.基于大數(shù)據(jù)的個性化自適應(yīng)在線學(xué)習(xí)分析模型及實現(xiàn)[J].中國電化教育,2015,(1):85-92.

[11] 董奇.論元認(rèn)知[J].北京師范大學(xué)學(xué)報,1989,(1):68-74.

[12] Bull,S.,&Kay,J..Student Models that Invite the Learner in the SMILI Open Learner Modelling Framework[J].International Journal of Artificial Intelligence, 2007,17(2):89-120.

[13] 王麗萍,趙蔚等. 開放性社會學(xué)習(xí)者模型的研究進展視圖[J].[EB/OL].www.doc88.(om/p-4991265896517.html,2015-07-08.

[14] 姜強,趙蔚.多元化媒體資源適應(yīng)性推送及可視化序列導(dǎo)航研究[DB/OL].http://www.cqvip.com/read/read.aspx?id=664258391,2015-07-08.

[15] 趙慧臣,王淑艷. 知識可視化應(yīng)用于學(xué)科教學(xué)的新觀點——訪瑞士知識可視化研究開拓者馬丁·愛普教授[EB/OL].www.doc88.com/p-6641810634712.html,2015-07-08.

[17] 趙秋錦,楊現(xiàn)民,王帆.智慧教育環(huán)境的系統(tǒng)模型設(shè)計[J].現(xiàn)代教育技術(shù),2014,(10):12-18.

Research on Personalized Adaptive Learning—A New Normal Form of Digital Learning in Big Data Era

Jiang Qiang1, Zhao Wei1, Li Song2, Wang Pengjiao3
(1.School of Computer Science and Information Technology, Northeast Normal University, Changchun Jilin 130117;2.Faculty of Education, Open University of China, Beijing 100039; 3.School of Computer and Information Technology,Liaoning Normal University, Dalian Liaoning 116029)

With the development of mobile internet and smart education, personalized adaptive learning has become a new paradigm of education technology based on big data. Based on the related literature, this paper has described the concept, research history,achievements and influence of personalized adaptive learning, which has reinforced the development of personalized adaptive learning and made it a new normal form of digital learning in big data age. Especially, the topic of personalized adaptive learning, covering its meta-cognitive, open learner model, self-regulated learning method, information visualization process and big data learning analysis has been explored. Major trends, possible challenges and application prospects of personalized adaptive learning were also discussed in the paper. Research perspectives of personalized adaptive learning in big data era: intelligence, personalization, unpredictability,dynamic balance, intelligent assessment and learning thinking visualization. The results may be applied in personalized MOOC design, everyone connection construction based on online learning space and future smart education development.

Personalized Adaptive Learning; Meta-cognitive; Open Learner Model; Knowledge Visualization; Big Data Learning Analysis

G434

：A

姜強：副教授，碩士生導(dǎo)師，研究方向為個性化自適應(yīng)學(xué)習(xí)(jiangqiang@nenu.edu.cn)。

趙蔚：教授，博士生導(dǎo)師，研究方向為資源聚合、知識可視化、自適應(yīng)學(xué)習(xí)(zhaow577@nenu.edu.cn)。

李松：副研究員，研究方向為遠程教育(lis658@163.com)。

王朋嬌：教授，碩士生導(dǎo)師，研究方向為信息化教育(wangpengjiao@sina.com)。

2015年11月6日

責(zé)任編輯：趙興龍

1006—9860(2016)02—0025—08

* 本文系教育部人文社會科學(xué)研究規(guī)劃基金項目“大數(shù)據(jù)支持下的個性化自適應(yīng)學(xué)習(xí)及教育測量研究”(項目編號：15YJA880027)、教育部人文社會科學(xué)研究規(guī)劃基金項目“基于知識圖譜的開放學(xué)習(xí)資源自主聚合研究”(項目編號：14YJA880103)階段性成果，得到“中央高校基本科研業(yè)務(wù)費專項資金”資助。