自適應學習支持下的美國高校課程設計和教師角色研究

汪存友　黃雙福

[摘? ?要] 自適應學習系統為高等教育帶來了諸多優勢，如何充分利用自適應學習系統進行教學成為高校教師亟須解決的問題。基于此，文章通過剖析已規模化應用自適應學習系統的美國科羅拉多理工大學，發現該校重構了以掌握學習為理念、多級貫通結構、自主創設多倍資源的課程設計模式，認為教師是施行自適應學習系統的關鍵因素，以教學策略的施行者、學習監管者、學生引導者三方面轉換了教師的角色定位，并已形成“以教師教學為中心”的自適應教學文化，最大化地滿足了學生的個性化學習需求。最后，文章建議我國高校以MOOC為基礎，以教師為中心來重構系統化、高質量、聯結化、去學期化的自適應學習課程，并幫助教師掌握技術以更成功地開展課程。

[關鍵詞] 自適應學習系統; 自適應學習課程; 美國高校; 課程設計; 教師角色

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 汪存友（1982—），男，湖北隨州人。教授，博士，主要從事自適應學習技術、多媒體學習認知理論研究。E-mail：c.y.water@163.com。

一、引? ?言

近年來，隨著現代信息技術的發展與現代教育理念的轉變，知識的傳播與獲取方式發生了根本變革，學生能夠以多種方式獲得豐富優質的學習資源，學生對學習的需求越來越個性化。與此同時，教師所面臨的主要挑戰是：確定每個學生在課堂上的知識水平基礎并據此施以個性化的教學方法來更好地支持每個學生的學習。通過技術手段的介入，教師可以利用各種方法來實現學習的個性化[1]，其中就包括已在教育領域廣泛應用的自適應學習系統。

自適應學習系統早在20世紀90年代的美國就已存在，發展至今，國內外已有諸如Knewton、DreamBox Learning、Realizeit、CogBooks、松鼠AI、論答等自適應學習系統。這些系統以學習者的“個體差異”為基點，依據學習者的“個體表現”動態適應性地改變所教授的內容和資源的呈現方式以匹配他們當前的能力水平[2]，從而增強學習卷入度，縮小成績差距，提高課程通過率，保證課程進度，幫助教師擺脫“教”的重負，轉向為學生學習活動提供自適應、個別化支持[3]，達到個性化教學和高效率教學的效果。此外，一項基于6400門課程（其中1600門是自適應課程）學習數據的分析結果表明：自適應課程在提高學生成績方面的效果更加顯著[4]。

鑒于自適應學習系統的種種優勢，在美國高等教育階段，越來越多的高校開始聚焦如何初步建設與規模應用自適應學習系統[5]，采納自主開發的或與成熟的商業平臺合作開發的自適應學習系統，如約翰·霍普金斯大學（Johns Hopkins University）、中佛羅里達大學（University of Center Florida）、科羅拉多州立大學（Colorado State University）以及密歇根州立大學（Michigan State University）等等。目前高校尚處于實施自適應學習的起步階段[6]，需要高校投入大量的資源來建設，但受制于高校內外部因素的復雜性，即便是同一自適應學習系統也會因其實施情況的不同產生不同的效果[7-8]。這種經驗上的不易遷移與資源上的高投入導致部分高校面臨難以實施自適應學習的困境。盡管如此，由美國在線雜志Inside Higher Ed和蓋洛普（Gallup）組織發起的一項對大學校長的調查研究表明，自適應學習要比MOOC更有可能對高等教育產生積極影響[9]。當前，我國高校有自適應學習系統的屈指可數，且尚未規模化。借鑒國外高校應用自適應學習系統的成熟經驗，將有利于我國高校更好地將其與教學結合。此外，先前的研究表明，教師以技術手段介入教學勢必導致教師教學方式、教學過程等發生轉變，尤其是對于使用自適應學習系統開展教學的高校教師而言，十分有必要厘清發生何種變化將有利于他們更好地適應技術、改善教學。基于此，本研究將以美國科羅拉多理工大學規模化應用的自適應學習系統IntelliPath為例，探討自適應學習系統支持下的高校在課程設計模式和教師角色定位兩方面的變化，以期為我國高校在自適應學習系統支持下的課程建設與應用提供經驗與啟示。

二、美國科羅拉多理工大學

“IntelliPath”項目概述

科羅拉多理工大學（Colorado Technical University，簡稱CTU）是一所私立營利性大學，提供了多門學科從學士到博士學位的所有課程，其中學生的平均年齡為36歲。CTU將自適應學習視為長期學術規劃方案的主要構成部分[10]，用以解決多元化的學生群體在知識基礎和學習風格上的較大差異性，以及伴隨的課程成績、通過率較低等問題。為了給學生提供更為綜合且動態的學習環境，滿足個性化學習需求，自2012年秋季開始，CTU 通過將Realizeit自適應學習平臺集成到已有學習管理系統中，推出了自適應學習系統IntelliPath（智能路徑）。該項目多次獲得美國西部州際高等教育委員會教育技術合作社（WICHE Cooperative for Educational Technologies）的杰出工作獎。CTU最初在三門大一的通識教育課程（包括兩門數學課程和一門英語課程）中實施自適應學習計劃，大約有100名學生參與其中[10]。而發展至今已頗具規模，目前CTU已建設自適應學習課程218門，學生人數129287名，約有600名教師從事自適應教學的研究[11]，基本實現了IntelliPath在CTU中的大規模應用。

相較于其他國內外主流的自適應學習系統，CTU的IntelliPath更加致力于依據學生成績、學生反饋和教師反饋作為驅動因素來實現大規模范圍內的自適應學習。在IntelliPath中，學生同樣也需要經歷“測、學、練、測”的自適應學習過程（如圖1所示）[12]。對于教師而言，IntelliPath提供了各種可視化工具來全面呈現學生在學習路徑、學習進度、學習表現和評估結果方面的情況，也允許教師主動調整學習路徑和每個內容節點，施予學生適當干預，為學生提供同步或異步的支持，并通過IntelliPath評定每個學生的最終成績。圖2描述了學生學習路徑中從尚未掌握到完全掌握的5種能力水平（初學者0～59%、提高者60%～69%、勝任者70%～79%、專家80%～89%、大師90%～100%）。

三、IntelliPath支持下的課程設計模式

（一）基于掌握學習的課程學習模式

本質上，自適應學習的課程模式是一種適性調整的指導性課程模式，它以“掌握學習”（Master Learning）為出發點和歸宿，認為學習者是否通過一門課程，應該基于學生對特定領域知識的精通程度來決定，并且學生能夠通過一系列的活動來提高自身對學習材料的認知程度，而不是單純由測驗成績、觀看次數和花費在課程上的時間來定奪。在該模式中，系統嘗試通過同異步交互來調整并激勵學習者學習，讓學習者體驗到最大程度的概念整合，知曉學科領域內的詳細概念是如何融入當前所學的具體課程中的，是一種有效且高效的教學模式[13]。如果說傳統課程中教育的時間是常量，學生的學習是變量，那么在自適應學習課程中，學生的學習是常量，學生通過課程學習后的結果是明確的，是對課程目標要求的悉數概念的精確掌握，但時間就將成為不確定的因素。

IntelliPath在早期主要用于整合在線課程，在取得初步成效后， CTU于2015年1月開始在三角學和微積分預科課程的混合式課程中嵌入IntelliPath[14]。換個角度來說，這種模式也實現了混合式教學，即適應性學習環境和課堂學習環境的融合，但又不同于自主決定學習方案和學習步調的在線課程模式，自適應學習課程允許學生跳過已知的內容并選擇由形態各異的學習資源來構成不同的學習路徑進行學習，既能發揮教師在課堂教學中的主導作用與在線課堂中的干預作用，又能體現學生以自主學習的方式在難度逐級遞增的概念學習中“不斷流動”，呈現螺旋上升趨勢的學習方式。在CTU的混合式課程中，IntelliPath還作為原有LMS的延伸，提供小組討論、在線聊天、學習工具等功能。在外部的課堂教學中，教師可以為學生提供主動學習、針對性講解、在課堂中使用IntelliPath學習等活動。此外，根據課程和教師的安排，學生還必須在IntelliPath中完成多個非適應性的作業[15]。

（二）多級貫通的課程結構

在基于能力的自適應課程中，教師依據特定領域知識分解出的概念節點構成了一個有向無環的知識地圖，這不同于以層次結構來表示的傳統課程結構，意味著數學課程可以轉變為一系列連續技能的集合。“中級代數”是“高等代數”的先導課程，“高等代數”可以是“抽象代數”的延伸課程，教師可以在“高等代數”的課程結構中有選擇性地并入其他課程，形成一個連續的課程而不是一系列分散的線性課程，這些課程以知識點網絡相互聯結，并且不提供任何額外的學分，確保了水平參差不齊的學生能夠找到學習入口、得到支持幫助或接受新的學習挑戰。同時，為了防止學生連課程設計中的最初概念節點都未掌握，CTU在當前課程中添加了一個零級課程（Unit Zero），它由一個可被訪問但未被分配的課程庫組成，在IntelliPath發現學生存在較大知識鴻溝后，系統根據需要從課程庫中抽取節點或課程添加到零級課程中，用于為學生提供必要的基礎技能，填補知識空白，以至于能達到課程學習的最低標準，進而完成更為困難的學習[16]。

對于CTU的教師而言，他們面臨的主要問題就是重新設計課程，編排課程內的單元模塊、學習節點與課程資源（如圖3所示），而自適應課程的課程目標和概念的顆粒度是CTU教師課程設計的關鍵所在[17]，二者決定了學習者的最終產出與過程變化。學生的學習由自適應引擎驅動，僅與學生對所學概念的掌握程度有關，與內容無關，因而教師應該確保課程中概念顆粒度的適中與目標的合理，太粗糙的顆粒度容易導致學生對某一概念的長時掙扎，太精細又會因繁瑣的學習過程使得學生降低興趣。教師在確定概念節點和課程目標之后，開始創設課程的學習路徑，包括零級課程庫的建設與多級課程的添加等內容。繼而鏈接節點與資源，在各個節點中填充所需要的學習內容、測驗問題等課程資源，并設置評價標準，以最終滿足IntelliPath施行的最低要求。

（三）自主創設多倍的課程資源

早在開展自適應學習課程的試行階段，CTU就認為確保教師為每門課程提供自主創設的定制內容并參與課程創建是最合適的辦法[16]。在建設課程內容方面，目前的自適應學習系統主要分為兩類：供應商提供與自主創設，而Realizeit屬于后者，它在教學內容制作和課程開發方面的賦權給予了教師更多介入課程設計過程的可能。

自適應學習系統需要開發大量課程資源，且在資源的組織上多以“自上而下”“自下而上”與混合式為主[18]。在哈佛大學與TutorGen聯合創建自適應學習課程HarvardX的研究中，他們認為將原有MOOC課程內容擴充三倍是能為學生提供真正的自適應學習體驗的最低程度[19]。的確，為了確保自適應學習課程的正常使用，CTU的教師需要自主擴充原有教學部分（學習材料）和評估部分（測驗問題）中的資源內容，而資源的擴充倍數問題則是由作為課程開發核心的教師來定奪，他們可以在后續對課程循環迭代設計的過程中依據指標、學生需求和教師干預等內容來修改資源的倍數問題。總之，學生的習得是通過與課程資源交互后形成的，因而教師不應只看重資源在數量上的擴充，更應重視資源在質量上的提高。

此外，IntelliPath將不同載體形態的課程資源劃分為簡介、學習、交互案例和總結5種子類（如圖3所示），某些內容資源可能具有多個子類，也有可能不屬于任何子類。簡介是對當前節點所涉及主題的簡要介紹。學習是指諸多載體形式的學習材料。交互案例主要是一些不計分且可重復嘗試的練習案例或問題。而問題是由IntelliPath根據課程主題選擇的一系列包括主觀題目（比如項目活動或論文）在內的隨機問題集合，回答結果將會計入學生的課程成績中。總結是對當前主題學習內容的綜合概括。系統會依據學習者當前的“差異”和“表現”來編排多種資源子類的最佳呈現順序以供學習者學習，而教師要做的就是在開發課程資源時將為每個已制作的資源添加元數據標簽，一方面確定該資源的類型，另一方面也鏈接到相應課程的學習節點中。最后，考慮到開發自適應學習課程會非常費時費力，CTU允許教師與教學設計師和課程開發人員合作來減少教師的工作量，這也使得教師能夠作為學科專家更專注于課程資源的建設[20]。

四、IntelliPath實施下的教師角色定位

事實上，我們不僅應該關注自適應學習技術具有的功能，更應該關注自適應學習施行過程中教師的教學過程，任何成功的自適應學習平臺的大規模運用都需要教師的支持[21]。正如他們的文章所述，CTU關注自適應學習中教師以何種獨特視角對待教學實施中的技術滲透，通過“關注內部教師”來形成一種“以教師為中心”的創新文化，鼓勵教師進行自適應教學。此外，他們還總結了三條實施原則：為教師傳遞積極影響，而不僅僅是為了學生;為教師提供相關、靈活且持續的發展;尊重教師的想法并賦予教師發聲的權利[22]。

（一）教師作為教學策略的施行者

教師必須意識到自己在自適應學習課程中的作用，將自適應學習技術整合到課堂教學中并不代表著教師可以放棄教學活動，無論技術帶來的影響程度如何，教師都必須抵制將教學重點放在自適應學習系統的技術功能上，而忽視了自適應教學模式或教學方法的重要性。

CTU為教師制定了四條針對每個學生的教學策略：教師在場、教師參與、內容相關和教學創新[22]。教師的存在首先要解決在線學生的孤獨感和挫敗感，通過IntelliPath來增強他們學習體驗的真實感和臨場感，建立有意義的師生關系。教師在自適應學習過程中的積極參與是學生參與和成功的關鍵，通過IntelliPath回答學生問題并提供解釋和指導，引導學生理解適應性材料本身，引導他們如何在學習路徑中穩步前行，規劃自己的未來學業，鼓勵學生學會使用IntelliPath作為反思和指導自主學習的有效工具，從而獲得最佳的學習體驗。此外，教師還需要定期審查與更新適應性學習內容，融入專業性知識與自身實踐經驗到抽象的學習內容中來，以提高學生對課程內容相關性的深度理解。教師能夠在IntelliPath中找到他們最需要的數據信息，隨著他們對自適應學習系統機制和功能的深入理解，技術和數據將繼續驅動他們產生新的教學方法和想法來改善學生的學習體驗。最后，教師還需要營造一種令人鼓舞和積極的學習氛圍，讓學生得到支持和認可，使他們不因教師的個人喜好而受到差別對待，也不因自己對教師的愛戴程度而影響學習態度。

（二）教師作為學習的監管者

教師的部分教學工作被自適應學習引擎所取代，這使得他們能夠花費更多時間在引導與監控學生的學習過程上，并依據系統提供的分析功能改善師生之間的互動和干預。為了確保課程理念的有效實施，教師應作為一個“流動的”監察員，一方面透過IntelliPath呈現的教師界面實時掌握學生的學習進展，為有特殊需求的學生分配學習材料，調整學習步調，修正學習路徑，或是將在同一概念的學習上遇到困難的多名學生統一成組進行講解;另一方面教師可以根據學生差異或課程內容來靈活調整“線上教學”（自適應學習活動）與“線下教學”（自主學習活動）在教學中所占的比重，兩者之間沒有絕對的界限，是一個連續的統一體，為此，CTU專門為師生開發了移動端應用程序“CTU Mobile”來支持IntelliPath。此外，通過對CTU學生使用自適應學習平臺的行為數據進行分析，研究人員以動物隱喻的方式總結了四種行為模式：兔子（初始階段快速完成）、烏龜（緩慢且穩定地前進）、青蛙（每周完成一系列進度）、袋鼠（課程末期長時完成），以及伴隨著的四種失敗成因：早期動機缺失（Early Momentum Loss）、后期動機缺失（Late Momentum Loss）、穩定下降（Steady Decline）、趨平（Flatline）[23]。通過上述的行為模式與失敗成因，教師可以更有針對性地調控學生的學習，防止學生在課程學習中失敗。

（三）教師作為學生的引導者

在課堂中實施技術時，大多數教師擔心的是被技術所取代，但事實上，教師積極的技術參與對于學生成功使用技術來說至關重要[10]。在課堂中教師使用技術時的態度和經驗直接決定了學生在面對技術時的感受，教師是自適應教育的施教者，也是自適應學習技術的一線使用者，他們應以自身的技術經驗驅動學生在自適應學習中獲得成功。

實施自適應課程帶來的額外工作和技術演變會削弱教師參與自適應學習的積極性，但提供支持和培訓將有助于提高教師的動機[24]。鑒于此，CTU參考了戴維斯（Fred D. Davis）的技術接受模型，于2012年提出了三個階段的培訓內容，將重點放在了教師的技術使用方面：（1）初級培訓：主要是熟悉系統和課程技術的基本使用;（2）中級培訓：側重于介紹自適應學習的教學策略與成人學習者的學情分析;（3）高級培訓：學會如何將自適應學習技術有效地整合到教學過程中，一方面考慮傳遞何種內容、呈現何種資源，并學會與他人協同工作，另一方面考慮自適應學習課程的開發過程，包括學習活動、評價反饋、數據分析等內容。

此外，在CTU的自適應學習培訓模型中，學生被置于中心位置，學生在入學后需要經歷為期兩周的IntelliPath培訓教程，教師將指導他們如何正確有效使用學習資源和系統功能，旨在讓學生切身感受該技術帶來的成功。倘若缺乏教師有效地使用技術來支持學習，會導致某些學生的學習在很大程度上出現迷航，最終趨于失敗。CTU的教師文化包含了如何有效地使用自適應學習技術，對于這種文化規范而言，最重要的是教師的角色定位，即要從把技術視為一種會替代教師的威脅觀念轉換為一種能促進師生交互的理解觀念，認為IntelliPath是教師功能的延伸，是教師的教學助手，是教師的合作伙伴[20]。隨著時間的推移，教師已經認識到CTU學生是如何接受并成功的，并對使用自適應學習技術給予了充分的支持與肯定。

五、反思與啟示

2018年我國教育部在頒發的《教育信息化2.0行動計劃》中明確指出，高等院校應借助多方合力，推出優質慕課，以滿足師生雙方強烈的個性化教育需求。高校可以以自適應學習系統為杠桿，推動慕課向自適應學習課程轉變，實現學生的個性化學習。為此，就我國高校自適應學習系統屈指可數且尚未規模化的現狀而言，借鑒國外高校規模化的課程建設的成功經驗，將有利于我國高校在自適應學習系統支持下更好地建設本土化的課程。

（一）以慕課為基礎，以教師為中心，重構系統化、高質量的自適應學習課程

目前諸如自適應學習系統在內的人工智能教育應用實質上是“淺層次的以認知為導向的”[25]，傾向于“以應試為目的的”，適合于線性且結構化的知識體系，這使得自適應學習技術能與慕課中的xMOOC形式更為有效地結合起來[26]。為此，教師需要在理解課程理念的基礎上，重新設計課程并整合到自適應學習系統中，如CTU在實施的早期階段，就已重構了包括“大學代數”在內的在線課程，作為自適應學習課程的基礎，為學生提供自適應學習活動。從應用現狀來看，自適應學習的實施方案和實施質量是至關重要的[27]，高校需要在實施中以“教師教學”為中心來考量評估現有的內部資源和潛在的外部資源，包括但不限于權衡使用何種自適應學習產品、了解教師們對實施技術和教學方法的準備程度、與教師商榷選擇哪門課程并構思如何適應或重構目標課程的現有結構等，以確保教師能夠作為課程質量的保證者，保障課程內的學習節點在知識邏輯上的連續性，在學科體系上的系統性，從而為學生提供高質量的課源。此外，部分美國高校為了減少教師工作量，還通過指派課程設計師、校內機構提供教學支持等方式來幫助教師有序設計或重構一門自適應課程并開發相應的課程資源。

（二）自適應課程應在循環迭代的過程中不斷“聯結化”且“去學期化”

從美國眾多高校的實踐結果來看，自適應學習課程不是一個“即插即用”的解決方案，它仍需克服內外部因素的復雜性，經歷一個從“設立目標”到“設計課程”，再到“分析數據，發現問題”的循環迭代過程。在尚未形成規模化以前，教師是在部分課程的有限部分開展自適應學習活動的，為了評估實施自適應學習課程的效果，學校和教師需要在設計前明確課程改變后所要達到的目標，并在后續的實施過程中收集相關的指標數據、匯總學生的需求與教師所作的干預等措施，綜合分析每輪迭代中的數據來判斷是否要在下一輪迭代中修改課程內容或擴大實施規模[28]。目前CTU已在大范圍內使用了該策略，用以改善學生的學習成效，如CTU的計算機科學與技術學院在2014年至2017年期間持續對一門課程IT106（編程邏輯入門）進行迭代修改，在通過率和平均成績方面取得了較大的改善。據此在這次試驗后，該學院還對其內部所有的IntelliPath課程都作了相同的改造[12]。由此可見，教師需要通過基于證據的迭代設計來不斷逼近最初設立的課程期望，發揮自適應課程的最大效益，以幫助學生高效地習得內容，獲得個性化體驗。

自適應學習課程是以知識點間的先決關系來構成課程的先后順序，這意味著教師在循環迭代課程的過程中，應重新審視并擴充概念節點，將軟硬知識、新舊課程更為有效地聯結起來，形成一系列以學科或以能力為單位的課程群供學生學習。隨著實施的推進，未來“以學期為中心”的傳統課程設置方式將逐漸被摒棄，而學生將能沿著學科或技能的方向在幾天、幾周甚至在傳統意義上的學期之后的時間里學習一系列的連貫課程。

（三）教師亟須學會適應技術以更好地開展自適應學習課程

對于教師而言，實施自適應學習課程的做法最初可能是被否定的，主要原因是課程帶來的額外工作量和技術演變令人望而卻步。但事實上，恰當的技術實施需要學生、教師或雙方都進行適當的調整，只要方法得當，他們都將會是自適應學習系統的最大受益者[29]。正因如此，教師必須意識到他們是實施自適應課程和學生有效使用技術的關鍵所在，必須自我調節以適應技術帶來的教學變化，在觀念上認同自適應學習課程，理解自適應課程的相應理念，發生從“會替代教師、增加工作量”的否定觀念到“促進交互、幫助學生成功”的肯定態度的轉變;其次，在知識上應該具備足夠的數量與合理的結構，以更好地在設計或重構課程時有的放矢;再者，在能力上掌握支持自適應學習課程的教學策略和教學方法，并學會理解數據背后蘊含的學習過程信息，以逐漸外化為具體的自適應教學行為[30]。此外，高校還可以在實施中探索新的教師參與模式，促使教師工作的多元化與專業化，例如，教師團隊（可以是多名教師組成的共同體，其職能包含了學科專家、教學設計師、活動設計者、測驗編制者等方面）設計和開發自適應學習課程，而由其他教師（可以是研究生助教）來負責監控并推動課程開展。從目前國內外的研究來看，在自適應學習系統支持的教學中，“機器教學，教師育人”的人機協同化將是教學新形態[31]，教師如何與系統協同實現高效智能的個性化教學，促進學生的全面發展，是未來值得教師思考、探索與實踐的問題。

六、結? ?語

總之，自適應學習系統的出現為教育帶來了一場變革，教育具有了新的特征，盡管自適應學習系統并非萬能的“工具”，但也非“災禍”，隨著越來越多的高校在其潛在優勢的驅動下不斷探索如何在內部結合自適應學習系統，有意識地構建能與自適應學習系統相結合的學習環境，已可以預見的是學校內部的教學發生了變化。文章通過剖析作為實施自適應學習系統典范的科羅拉多理工大學，發現其多年來持續開展“以教師教學為中心”的實施方案，認為教師是施行自適應學習系統的關鍵因素，重構了課程設計模式，轉換了教師角色定位，最大化地滿足了學生的個性化學習需求。從長遠來看，自適應學習系統必然會解決當前高等教育存在的掣肘，持續存在是不容置疑的。為此，我國高校在建設自適應學習系統支持下的本土化課程時務必要意識到自適應學習系統應始于技術，終于效果，教師的教學和學生的學習才是我們應該關注的重中之重。

[參考文獻]

[1] XIE H， CHU H C， HWANG G J， WANG C C. Trends and development in technology-enhanced adaptive/personalized learning： a systematic review of journal publications from 2007 to 2017[J]. Computers & education， 2019， 140：103599.

[2] 彭紅超，祝智庭.人機協同決策支持的個性化適性學習策略探析[J].電化教育研究，2019，40（2）：12-20.

[3] 姜強，趙蔚，李松，王朋嬌.個性化自適應學習研究——大數據時代數字化學習的新常態[J].中國電化教育，2016（2）：25-32.

[4] BOMASH I， KISH C. The improvement index： Evaluating academic gains in college students using adaptive lessons[R]. New York：Knewton， 2015.

[5] BROWN J. Personalizing post-secondary education： an overview of adaptive learning solutions for higher education[R]. New York：Ithaka S+R， 2015.

[6] JOHNSON D， SAMORA D. The potential transformation of higher education through computer-based adaptive learning systems[J]. Global education journal， 2016（1）：1-17.

[7] 蘭國帥，郭倩，呂彩杰，魏家財，于亞萌.“智能+”時代智能技術構筑智能教育——《地平線報告（2019高等教育版）》要點與思考[J].開放教育研究，2019，25（3）：22-35.

[8] YARNALL L， MEANS B， WETZEL T. Lessons learned from early implementations of adaptive learning courseware[R]. Menlo Park， CA：SRI International， 2016.

[9] JASCHIK S， LEDERMAN D. The 2013 insider higher ed survey of college and university presidents[R]. Washington， DC：Insider Higher Ed， 2013.

[10] JOHNSON C. Adaptive learning platforms： creating a path for success[EB/OL].（2016-03-07）[2019-03-16].https：//www.coloradotech.edu/media/default/CTU/documents/online-degree-programs/educause-article.pdf.

[11] JOHNSON C， SLOAN A. Adaptive learning： implementation， scaling， and lessons learned[EB/OL].（2020-04-06）[2020-04-08].https：//er.educause.edu/articles/2020/4/adaptive-learning-implementation-scaling-and-lessons-learned#fn5.

[12] CAI R. Adaptive learning practice for online learning and assessment[C]// Proceedings of the 2018 International Conference on Distance Education and Learning （ICDEL'18）. New York：ACM， 103-108.

[13] ESSA A. A possible future for next generation adaptive learning systems[J]. Smart learning environments， 2016（3）：16.

[14] DAINES J B， TROKA T， SANTIAGO J M. Improving performance in trigonometry and pre-calculus by incorporating adaptive learning technology into blended models on campus[C]// 2016 ASEE Annual Conference & Exposition. Washington DC：ASEE， 25624-25632.

[15] SLOAN A， ANDERSON L. Adaptive learning unplugged： why instructors matter more than ever[EB/OL].（2018-06-18）[2019-03-17].https：//er.educause.edu/articles/2018/6/adaptive-learning-unplugged-why-instructors-matter-more-than-ever.

[16] KOMAR J A， TROKA T. Improving performance in college algebra using technology[C]// 2015 ASEE Annual Conference & Exposition. Washington DC：ASEE， 24260-24271.

[17] DZIUBAN C D， MOSKAL P D， CASSISI J， FAWCETT A. Adaptive learning in psychology： wayfinding in the digital age[J]. Online learning， 2016， 20（3）：74-96.

[18] 李玲靜，汪存友.Knewton：學習分析支持下的自適應學習平臺[J].成人教育，2019，39（7）：29-34.

[19] RUSHKIN I， ROSEN Y， ANG A， FREDERICKS C， TINGLEY D， BLINK M J， LOPEZ G. Adaptive assessment experiment in a HarvardX MOOC[C/OL]// Proceedings of the 10th International Conference on Educational Data Ming， Wuhan， China， June 25-28， 2017：466-471[2019-01-17]. https：//eric.ed.gov/？id=ED596512.

[20] JOHNSON C， ZONE E. Achieving a scaled implementation of adaptive learning through faculty engagement： a case study[J]. Current issues in emerging e-Learning， 2018， 5（1）：80-95.

[21] LORENZO G. Failing forward with adaptive learning in higher ed[EB/OL].（2016-07-21）[2019-01-18].https：//www.edsurge.com/news/2016-07-21-failing-forward-with-adaptive-learning-in-higher-ed.

[22] SLOAN A， ANDERSON L. Adaptive learning unplugged： why instructors matter more than ever[EB/OL].（2018-06-18）[2019-03-17].https：//er.educause.edu/articles/2018/6/adaptive-learning-unplugged-why-instructors-matter-more-than-ever.

[23] DZIUBAN C， HOWLIN C， JOHNSON C， MOSKAL P. An adaptive learning partnership[EB/OL].（2017-12-18）[2019-03-17]. https：//er.educause.edu/articles/2017/12/an-adaptive-learning-partnership.

[24] DZIUBAN C， MOSKAL P， PARKER L， CAMPBELL M， HOWLIN C， JOHNSON C. Adaptive learning： a stabilizing influence across disciplines and universities[J]. Online learning journal， 2018， 22（3）：7-39.

[25] 劉和海，戴濛濛.“互聯網+”時代個性化學習實踐路徑：從“因材施教”走向“可因材施教”[J].中國電化教育，2019（7）：46-53.

[26] 崔向平，徐娟.自適應學習技術的應用、問題及趨勢——訪美國俄亥俄州立大學大衛·斯坦恩教授[J].開放教育研究，2019，25（5）：4-10.

[27] 佩特·約翰內斯，拉里·拉格斯多姆，張永勝，肖俊洪.自適應學習：溯源、前景與誤區[J].中國遠程教育，2018（7）：43-53，80.

[28] 祝智庭，沈德梅.基于大數據的教育技術研究新范式[J].電化教育研究，2013，34（10）：5-13.

[29] 張鈺，王珺.美國K-12自適應學習工具的應用與啟示[J].中國遠程教育，2018（9）：73-78.

[30] 劉智明，武法提，殷寶媛.信息生態觀視域下的未來課堂——概念內涵及教學體系構建[J].電化教育研究，2018，39（5）：40-46.

[31] 余勝泉.人工智能教師的未來角色[J].開放教育研究，2018，24（1）：16-28.

[Abstract] Adaptive learning system has brought many advantages to higher education， and how to make full use of adaptive learning system for teaching has become an urgent problem for college teachers. Based on this， this paper analyzes the large-scale application of adaptive learning system in Colorado Technical University， and finds that the school reconstructs the curriculum design mode with the concept of mastering learning， multi-level cohesive structure， and multiple resources created independently. It is believed that teachers are the key factors to implement the adaptive learning system， and the roles of teachers are transformed in three aspects， namely， implementers of teaching strategies， supervisors of learning and guides of students. Moreover， "faculty-centered" self-adaptive teaching culture has been formed， which maximize to meet the personalized learning needs of students. Finally， this paper suggests that Chinese universities should use MOOCs as the basis for a faculty-centered approach to reconstructing systematic， high-quality， connected and de-semester-based adaptive learning curriculum ， and help teachers master technology to deliver lessons more successfully.

[Keywords] Adaptive Learning System; Adaptive Learning Curriculum; American Colleges and Universities; Curriculum Design; Teacher Role