人工智能自適應學習及其在學校教育中的應用*

蔡連玉, 韓倩倩

(1.浙江師范大學 田家炳教育科學研究院，浙江 金華 321004;2.浙江師范大學 教師教育學院，浙江 金華 321004)

第四次工業革命和人工智能時代的到來，先進的信息技術滲透并形塑著人類的生活，也對教育產生著深刻影響。與此同時，當今教育因其自身的批量化和個性缺失而飽受詬病。《國家中長期教育改革和發展規劃綱要(2010—2020年)》指出要關注學生個性差異，為每位學生提供適合的教育；新一輪基礎課程改革也提出將學生的個性發展作為培養目標。在此背景下，人工智能自適應學習作為“因材施教”理念的當代技術實現應運而生，且在贏利性教育市場中備受關注。對人工智能自適應學習進行深入解讀，并且探究其在學校教育中應用的圖景、優勢與風險，具有理論與實踐意義。

一、人工智能自適應學習及其歷史淵源

在教育語境中，自適應(adaptive)廣義上是指任何考慮并滿足學習者個人需求的教學形式，這些都可被稱作“自適應的”。[1]狹義上的自適應是指根據數據的特征自動調整處理方法、 參數、 條件以及順序，通過融合多種知識和技術進行自我調節和匹配，以達到最佳學習效果。[2]基于這兩種理解，可以將自適應學習(Adaptive Learning)界定為：在與學習者的互動中能智能化地判斷出學習者的需求，并提供給學習者適當的學習資源，使學習者在學習過程中始終可以獲取滿足自身需求所需的學習養分的系統，[3]如自適應指令、自適應超媒體、智能教學系統等。[4]在此基礎上，人工智能自適應學習則是指借助人工智能自適應技術的學習系統，為學習者創設一種符合其多樣化學習需求的學習環境，推薦給學習者個性化的學習內容、獨特的學習路徑、有效的學習策略等，使之滿足學習者的個性化發展。人工智能自適應學習本質上是一種可規模化的、基于教育大數據的個性化學習。[5]人工智能自適應學習的實現，通常以人工智能自適應學習系統為技術載體。市場上現有的人工智能自適應學習系統各有不同，但都主要是由學習者模型、學習內容模型、自適應模型和用戶界面等構成。

學習者模型是關于學生的知識水平、學習風格、認知能力、情感特征等領域知識和行為數據的綜合信息庫。學習者對某學科知識的掌握情況由學習者模型中的覆蓋模型(Overlay Model)以二進制值或定性度量來表示。[6]學習者模型可通過靜態建模生成，即將學習者的調查數據和任課教師提供的學生原始信息進行整合形成；也可以通過動態建模生成，即由人工智能自適應學習系統動態追蹤學習者與平臺互動產生的行為交互數據，對靜態模型做出自動化的動態調整更新。[6-7]隨著交互數據的累積增加，學習者模型將愈加精準完善，系統的自適應性便會越強。[7]

學習內容模型是系統對學習者即將學習內容的全局表征。它將學習內容設計成一個個的知識點和一條條的知識線，使各知識點系統化、條理化，形成立體的知識結構；使各知識點間的聯系與區別更加直觀，這樣哪個知識點應該先掌握，哪個知識點應該后學習，清晰明了。

自適應模型是充分聯結學習者模型與學習內容模型的自適應學習系統中的“大腦”。它通過人工智能、數據挖掘和機器學習等技術對學習者與學習系統交互產生的實時數據進行量化處理，來了解學習者當前的學習水平和學習狀態，[8]并且通過隱馬爾可夫模型(Hidden Markov Model，HMM)，可以判斷出學習者學習成功的機率。[9]基于學習者即時學習需求和情景化的學習狀態，自適應模型能夠決定學習內容、學習媒體、學習序列和學習步伐，為學習者構建出最具適應性的學習路徑。

用戶界面是學習者與自適應系統進行交互的實現平臺。人工智能自適應學習系統在傳統2D界面基礎上采用虛擬增強現實技術，使之與學生的交流更加智能化、情景化，更富有趣味性，也使人—機具有更強的互動性，[10]具體情形如圖1的左上部分所示。

如上，復雜的人工智能自適應學習系統并非是憑空產生的，自適應學習經歷了較久的歷史演變：從兩千多年前的基于人的自適應學習，到二十世紀七八十年代的基于計算機的自適應學習，再到當前的基于人工智能的自適應學習。[5]

我國早在春秋時期就提出了基于人的自適應學習，當時孔子提出了因材施教的教學原則。由此看出，基于人工的自適應學習古已有之，教師本身就可能擁有強大的適應性，但是這過于依賴教師的教育素養，非孔子那樣的教師難以完全做到，且在近代興起的班級教學中幾乎難以實現。于是，人們急需一種技術可以將教師所需承擔的工作自動化、規模化，使自適應學習更普遍、高效。[11]隨著計算機技術的發展，基于計算機的自適應學習開始孕育。1950年，斯金納的程序教學機器的發明成為適應性學習新階段到來的標志，[4]推動著規模化個別教學的發展。在這之后，人們便開始研究基于計算機的個別化教學。1958年美國IBM公司IBM650計算機的出現標志著計算機輔助教學(CAI)的誕生。[12]20世紀70年代，卡內基梅隆大學研究人員卡波納嘗試將人工智能技術運用于CAI系統，成功建立了第一個智能計算機輔助教學系統SCHOLAR，它擁有學生模型，能夠與學生交互，并自動生成學習材料和問題。[13]后來更具適應性的智能教學系統(ITS)以及適應性學習支持系統(ALSS)相繼出現。至此，自適應學習先后經歷了基于人、計算機、人工智能的三代發展歷程，并且在人工智能第三次發展浪潮的推動下，將更具自適應性。

二、人工智能自適應學習學校教育應用的圖景

在傳統學校教育中，教師主導，學生聽從，學習即知識搬運的過程。人工智能自適應學習則使之翻轉：學生成為學習的主體，教師是學生身邊的向導，一切教學活動以學習者為中心，以學定教。根據當前人工智能自適應學習系統在學校教育中的應用及其未來趨勢，我們擬從學習環境、學習方式和學習層級三方面描繪人工智能自適應學習分別在泛在學習、個性化學習和深度學習中的應用圖景。如上頁圖1的左下部分所示。

(一)創設泛在學習環境的人工智能自適應學習

從學習環境來看，人工智能自適應學習系統既能夠支持基于傳統桌面的學習，也正在逐漸開發能夠支持課堂外移動的自適應學習，即它可應用于支持隨時隨地的泛在學習。

目前已有多款自適應學習系統能夠支持基于課堂內的桌面學習，如KNEWTON和ALEKS。它們能夠根據學習者的個體差異，如前知識水平、認知特點、學習風格等為學習者提供定制化的學習內容和獨特的學習路徑，試圖使學習者能獲得個性化的學習和成長。隨著技術的發展，移動學習設備也在不斷地更新完善，其便捷性受到學習者的青睞。學生可以從固定的課堂桌面學習環境中解放出來，將學習范圍擴大到基于自身所處環境的更加廣闊的場所，獲得更加真實的學習體驗。具體做法是，人工智能自適應學習系統可以借助各式各樣的傳感器以及其它的移動設備，將學習者的相關信息及時輸送、反饋回自適應系統，然后系統根據這些豐富、即時的信息為學習者提供針對性的支持和幫助。[14]學習者則可以利用自適應學習系統的學習支持技術進行靈活、多樣、基于自身環境的不間斷學習。如此學習將不再是一項固定在教室中的、孤立的活動，恒定的課堂學習環境也不再是學生進行學習的唯一選擇，學習者可以基于自身環境隨時隨地展開便捷而豐富的學習活動。

(二)實現個性化學習的人工智能自適應學習

布魯姆研究發現，師生一對一針對性教學是最有效的教學方式之一。[15]個性化的學習能夠促進學習者更專注、更高效地投入到學習中去，取得良好的學習效果。人工智能自適應學習以學習者為中心，針對學習者情境和環境、認知能力、學習風格、情感狀態的不同為其提供適恰的個性化學習方式。

依據學習者情境和環境、認知能力、學習風格、情感狀態的不同，人工智能自適應學習系統可分為四類：[14]第一是基于情境和環境的自適應學習。系統會根據學習者所處的環境的不同而為學習者規劃不同類型的學習活動。譬如，當確認學習者在精力高度集中的場所如圖書館時，系統便會提供更易于深入思考的材料；當確認學習者是在精力較為分散的場所如公交車站時，系統便會提供簡單、有趣的學習片段。第二是基于認知能力的自適應學習。根據學習者認知能力的不同，自適應學習系統為其提供相應的關于課程的可視化建議(如相關鏈接、問題反饋)，并向其推薦不同的學習路徑。[9]對于低工作記憶能力的學習者，系統會減少課程路徑的數量，增加路徑之間的相關性，呈現的內容少但更具體；而對于高工作記憶能力的學習者，系統則相反。[16]第三和第四分別是基于學習風格和基于情感狀態的自適應學習。根據學習者不同的學習風格和情感狀態，自適應學習系統會隱藏與學生學習風格和情感狀態不匹配的學習對象，更改學習對象的呈現類型和呈現順序，會對學習對象符合某種學習風格的程度加以注解，從而向不同學習者推薦最適切的學習內容。[14]概言之，人工智能自適應學習為個性化學習創造了廣闊的實現平臺，是因材施教的當代技術實現。

(三)促進深度學習的人工智能自適應學習

深度學習是一種理解式學習，它使學習者能夠積極主動地、批判性地吸收新的知識和思想，將之整合融入到自己原有的認知結構中并進行遷移，最終發展出高階思維能力和問題解決能力。[17]促進深度學習、培養學習者深度學習能力是當前教育改革發展的重要課題之一。[18]人工智能自適應學習能夠激發學習者的自我效能感，整合具有意義聯接的學習內容，采取持續關注的評價方式，促進學習者對知識的理解、建構、反思與運用，進而實現從“學會”到“會學”的質的提升。

具體而言，第一，人工智能自適應學習能夠激發學習者的學習動機與熱情，增強自我效能感。人工智能自適應學習能夠借助元認知支架和環境約束的機器學習分析出學習者當前的動機、參與意愿、認知水平以及情感狀態等。[10]它還能利用自適應引擎和項目反應理論判斷出學習者當前的學習水平、知識缺陷和最新學習需求，依此為學習者呈現出符合其興趣、當前學習狀態，滿足其“最近發展區”的學習內容，使學習者獲得更佳的自我效能感。第二，人工智能自適應學習將學習內容進行有機整合以方便學習者進行意義建構。在傳統學習中，孤立、塊狀的學習內容不易于被學生完整地吸收和深度地理解。人工智能自適應學習在對學習內容精準掌握的基礎上，將各部分內容拆分成顆粒狀，再根據知識點間的關聯性以及前后關系，構建成立體的知識網絡，[10，5]使學生易于進行知識理解、建構與實際運用。第三，人工智能自適應學習對學習者采取持續關注的評價方式。它能夠運用教育挖掘技術與數據分析技術對學習者當下的學習特征、學習狀態做出及時的跟蹤、持續的評價以及有效的反饋，從而引導學習者深度反思自己的學習狀況，并及時調整學習策略，實現深度學習。

三、人工智能自適應學習學校教育應用的優勢

人工智能自適應學習作為一種新的學習方式，在學校教育領域的應用越來越廣泛，這應歸因于其在構筑智慧學習環境、促進學習者個性化成長、培育創新型人才等方面具有的相對優勢。其中構筑智慧的學習環境是實現個性化學習和成長的前提，而尊重個性才能培育出創新型人才。[19]因此，人工智能自適應學習所帶來的智慧的學習環境、個性化的成長、創新型人才培育三者環環相扣，共同構成一個良性的教育體系。

(一)構建智慧的學習環境

智慧的學習環境是一個以學習者為中心、開放式和智能化的數字虛擬現實學習空間，它能感知學習情境、提供適宜的學習資源，從而促進學習者構建有意義的學習。[20-21]人工智能自適應學習基于建構主義學習理論，在“情境”“協作與會話”“意義建構”等方面逐層深入地為學習者構筑一種情境化、交互性，且能促進意義建構的智慧學習環境。[22]“情境”指人工智能自適應學習致力于為學習者提供動態的、交互的、泛在的學習環境，使學習者如臨其境。自適應學習平臺擁有適應性教育超媒體，以多元化、交互性的知識表達方式，增強學習者聽覺、視覺、觸覺等多重感官感受，促進學習者積極參與課堂活動、主動思考。泛在學習環境使學習與生活相聯系，有利于學生感知、聯想與意義建構。“協作與會話”指人工智能自適應學習致力于構筑協作性的學習環境，促進師生、生生進行線上、線下深度而有意義的對話。在線上，學習者與教師可以就系統提供的學習資源展開形式多樣的交流與探討，而且借助移動終端，這種互動可延伸至更廣闊的時空領域。在線下，學習者擁有更充裕的時間開展小組合作式探究實踐活動，開展發展社交能力、創造性、理性思考等高階思維能力的學習活動。“意義建構”指人工智能自適應學習積極創建有利于意義建構的學習環境。首先，它為學習者呈現的學習內容有著豐富的層次和良好的結構，有利于學習者快速消化和積極建構。其次，它提供多樣化的學習媒體，既直觀又能激發學習興趣，便于意義理解；第三，它提供差異化學習策略和個性化的路徑選擇，使學習者能夠獲得足夠的學習養分，主動構建有意義的學習。

(二)促進學生個性化發展

人的個性發展是教育的長遠目標，也是當今時代發展的必然要求。[23]為此，教育亟待一場變革，一場由規模化的教育向生命化、生態化、個性化教育的轉變。[24]人工智能自適應學習在其思想基礎和應用實踐中都體現出了促進學習者個性化發展的旨趣。在思想基礎上，人工智能自適應學習承認學習者之間的差異尤其在認知和學習風格上的差異。在認知方面，不同學習者在新知識的學習速度、掌握程度上各具差異，[15]因此學習者學習策略應有所不同。在學習風格上，不同學習者在接收信息和處理信息時所表現出來的學習傾向性不同，[25]應讓學習者選擇其偏好的學習方式進行學習方能獲得個性化發展。在應用實踐中，人工智能自適應學習通過數據挖掘技術、學習分析技術實時追蹤數據，深層分析學習行為，獲得有關學習者的個性特征，并為之提供個性化的學習支持。[24，26]首先是設置彈性化的學習目標。人工智能自適應學習基于不同的學情特點，為每位學生都設置具有個體針對性的動態學習與發展目標。其次是呈現遞進式的學習內容和多樣的學習方式。人工智能自適應學習為學習者提供專屬課程表，其知識程度由易到難逐步深入，再為之匹配差異化的學習序列和學習資源，供學習者按需取用。最后是持續關注式的學習評價與反饋。系統可隨時監控學習者的學習動態，對學習者做出即時的評價，并以可視化的方式將結果呈現給學習者和教師。系統還能對后續的學習活動做出預測與調整，實現差異化學習。[8]

(三)利于創新型人才培養

一般地可以認為，創新型人才具有三個特征：立體的、開放的知識結構；靈活的、多向度的思維，綜合的、創新的能力；良好的品格和較高的情商。[27]人工智能自適應學習在如下三個維度有利于培養創新型人才。首先，人工智能自適應學習能夠為學習者提供多樣化的學習方式、開放式的學習環境和組織有序的學習內容，這不僅能夠激發學習者對知識探究的興趣，形成開放的學習態度，更有助于學習者掌握系統而全面的知識結構。其次，人工智能自適應學習有助于培養學習者理性和批判的思維、良好的問題解決能力和高效的溝通能力。人工智能自適應學習所提供的“一對一”精準教育，使學習者不斷由淺層學習進入深度學習，由步調一致的單一學習進入個性化的學習；而且人工智能自適應學習也為教師對學生深入而全面的了解提供了實現條件，因此學習者之間以及學習者與教師之間擁有更多的可能來進行深層且有意義的交往。這種交往或是對于某個現象的批判，或是對某問題的深入探究，或是合作攻克某個難題等，在此過程中學習者的高級思維與能力就會得到提升。第三，人工智能自適應學習有助于培養學習者具有高尚的品格和優秀的品質。人工智能自適應學習這一平臺在把學生從浩瀚的題海中拯救出來的同時，也把教師從重復性的勞動中解放出來，去從事真正富有創造性的育人工作，這樣教師才更有可能根據每個學生的學情、天賦、身心發展特點設計眾多合作型探究性學習活動。學生進行合作、探究、分享與反思，他們在學習的過程中不僅收獲學習的成果，而且享受創造、合作與分享的樂趣，從而更有可能成長為勇于探索、具有團隊精神、富有首創精神的生動活潑的人。

四、人工智能自適應學習學校教育應用的風險

人工智能自適應學習是學校教育實踐中的一股新力量，它在學習環境、學習方式、人才培育等方面都能夠給教育帶來良性變革。但事物往往是有其利也有其弊的，難以忽視的是人工智能的學校教育應用存在潛在的風險性，前瞻地審視這些風險，是學校教育實踐積極應對并有效規避風險的前提。

(一)人工智能自身局限可能導致教育誤判

人工智能自適應學習系統自身并不具有絕對的完美性，這由技術本身的發展性所決定。首先人工智能自適應學習系統的關鍵技術數據挖掘具有表面化的傾向。教育數據的挖掘還停留于學習環境中容易獲取的數據(如點擊、頁面的瀏覽次數)，而具有高度教學價值的隱性數據還是無法深入獲得。[28]基于表面化的信息做出的推斷與預測，初衷是好的，但其結果卻可能有害。其次，目前系統的算法仍然是簡單、呆板甚至是有漏洞的，這將十分危險。當數據挖掘算法如果沒有能夠進行完全正確的分類，系統就會產生錯誤的發現，如負誤識(將不及格學生劃入及格)和正誤識(將及格學生劃入不及格)。[28]這會引發錯誤的后續干預措施，甚至造成對學生自尊心與自信心的傷害。此外，抽象、復雜的學習風格是否可以被自適應系統以標簽化精確劃分，研究人員目前尚存疑慮。[29]即使能夠實現學習風格的成功劃分，基于算法的學習風格劃分是否會使學習者困于某固定的學習類型，仍受到質疑。[30]

(二)教學中技術崇拜導致教育本質的遮蔽

技術崇拜是指教師在課堂教學中因片面預估或過分夸大技術的功用和適用范圍，在心理上、認知上、情感上以及習慣上對技術產生深度甚至是過分的依賴。[31]造成技術崇拜的原因是多方面的，但根據其定義，不難發現其最主要是因為教師無限放大技術的優勢，而不見其限度，因而過度依賴甚至迷失于教育技術之中，逐漸喪失了自身的思考力、判斷力和行動力，無法把握教育的本質。技術崇拜的后果是，教育的核心價值被冷落，教育的溫度會被冰冷的技術理性覆蓋，造成教師行為的不當和人文關懷的缺失，如此則技術遮蔽了教育的本質。質言之，人工智能自適應學習應用于教育恐使教育者迷失于各色的數據、復雜的技術、大量的輸出結果中，并對之投入過多的時間，甚至產生精神依賴，這樣反而失卻了對教育本身的關注，在技術汪洋中失去了對教育本質的把握。須知，人工智能自適應學習可以參與的只占教育的小部分，在冰山一角之下還有更重要的學生軟素養(如想象力、創造性、價值觀、社交能力、領導能力等)的培育，它才是人工智能時代教育的核心所在。

(三)人工智能技術可能加大城鄉教育差距

由于經濟社會發展的差距，城鄉教育落差問題本已凸顯。將人工智能自適應學習應用于學校教育，存在加大城鄉教育差距的風險，原因在于城鄉學生對人工智能自適應學習的可獲得性是不一樣的。人工智能自適應學習的開展需要有先進的信息技術和教師人力資源作為支撐，農村學校往往難以獲得應有的技術資源和優質師資，而城市學校卻擁有相對優越的條件。這意味著，人工智能自適應學習所能夠達到的個性化程度越高，其給予城市學生的相對優勢便越大，而農村地區學生的相對劣勢就會越凸顯，因而城鄉之間的教育鴻溝也就會越深。人工智能自適應學習并不一定是縮小城鄉教育差距的良藥，相反地可能是一副催化劑，使得城鄉城教育差距愈加明顯，這種風險我們不得不警惕。

針對人工智能自適應學習在教育中應用存在的如上三種風險，需要從技術上完善人工智能自適應學習系統，用雙重判斷等技術和人工參與驗證等路徑減少教育誤判；需要引導教師對人工智能自適應學習的應用，避免技術崇拜的產生；還需要有更多的合理的社會、經濟措施，降低人工智能自適應學習學校教育應用過程中加大城鄉教育差距的風險。