智慧教育視域下自適應學習溯源與機制研究

羅建波

【摘要】個性化教育是教育的核心和根本目標，自適應學習則是實現這一目標的理想方式。自適應學習起源于人類對教育本質的探究，伴隨著教育理念和教育模式的創新而興起，并在現代智慧教育的環境下蓬勃發展。理解自適應學習的內涵和外延是將其應用到系統的前提，而實現系統機制則需掌握相關的學習理論、知識測量理論等，并依賴于教育數據科學、人工智能賦能教育技術的發展。

【關鍵詞】智慧教育? 自適應學習? 源起? 內涵? 實現機制

【基金項目】中國礦業大學教學研究項目“基于學習分析（LA）的英語口語個性化自適應學習系統研究”（編號：2018YB53）。

【中圖分類號】G42 ? 【文獻標識碼】A 【文章編號】2095-3089（2021）23-0021-02

個性化學習是推進因材施教，幫助學習者達成自我完善，最終實現自我價值的一種學習理念。自適應學習則被認為是實現這一理念的最佳方式之一。自上個世紀八十年代誕生以來，自適應學習在科技發展的支持下，越來越深入地融入于教育中的各個方面，其良好的效果也被研究證明?，F在隨著人工智能的快速發展，其與自適應學習的結合發展出智適應學習在教育界的廣泛應用。

1.興起背景

1.1教育的本質和目標

教育的本質即促進人的個性全面發展。個性化教育需要教師依據每位學生自身的特點進行教學活動，這種差異化的教學方式需要大量專業教師以及優質教學資源。在教學輔助設施相對落后的環境中，有限的人力資源只能幫助小范圍的學生實現這一目標。隨著科技發展，社會利用先進技術進行人機協同教學，廣泛地實現個性化教育。

1.2教育理念及教學模式的發展

現代社會已進入終身學習和泛在學習情境，同時課堂教學指導思想也由原來的以教師為中心轉向以學生為中心，要求從學生的實際基礎和需求出發，設計學習內容、方法、策略等，并及時作出反饋。

基于終身學習、泛在學習的理念以及以學生為中心的教學指導思想，現代教育技術出現了新的發展方向，網絡在線學習與學生支持體系應運而生并得到長足的發展。很多在線課程雖然內容豐富，但是呈現結構和推送形式單一，導致很多學習者迷失在海量的網絡資源中無從選擇，最終無法堅持學習。解決的方法就在于發展適應性學習。這是一種基于數字化技術及智能技術支持的、個別化人性化的主動學習方式，學生利用多媒體資源進行自我知識建構，并從教師和學習同伴處得到快速反饋。[1]

1.3科技的進步

根據佩特·約翰內斯等人的觀點，自適應學習的兩條發展脈絡分別為1980年代個人電腦的問世并把電腦作為一種智能輔導系統（Intelligent Tutoring System）使用的可能性，以及教育領域慕課的興起和數據科學領域機器學習方法的發展。[2]

美國從1970年代開始利用計算機作為輔助教學手段，研究了ITS的認知模型和模式追蹤，以分析學生的認知、動機和情感狀態等。90年代，適應性超媒體系統得到發展，它利用自適應導航技術開發能適應不同學習者的個性化學習體系。[3]

另一方面，在線學習特別是慕課的興起，豐富了學習者的學習環境、內容、方法等體驗，但是在線學習要求學習者具備自主性，即自我激勵地、有計劃地采用學習方法和材料，否則將導致學習體驗較差、在線學習持續進行困難、輟學率居高不下。這就要求系統平臺快速分析在線學習數據，提供解決方法，而基于數據科學領域機器學習方法的自適應學習能夠滿足這些要求。

2.內涵與外延

自適應學習的定義表述不盡相同，但究其本質，內涵與外延可以總結如下：

本質和目標：個性化教育。自適應學習著眼于學生的個體特征差異，根據其知識背景、認知特征、學習偏好等提供獨特的學習支持系統如學習環境、學習內容、學習途徑等，最終達到個性化教育的終極目標。

基礎：教育大數據。數據可以說是一種記憶細胞，它記載著所有關于學習者的詳細內容，如個人信息、歷史知識、學習偏好、認知能力、學習情緒等。自適應學習通過收集并分析教育數據，以此建立學習者模型、知識模型等系統架構。

內容和結構：自適應學習系統主要包括系統模型即整體架構，學習者模型即關于學習者的所有背景、知識、風格、能力等建模，知識領域模型即所要學習的科目知識的建模，自適應引擎即學習推薦技術，可視化呈現即形象化展現學習內容效果等方式，學習管理模型即預測并預警學習者學習效果的模塊。

路徑和策略：自適應學習首先通過記錄、挖掘、分析學生的學習數據，建立學習者模型，然后通過自適應引擎向學習者推送個性化的知識模塊，實時調整學習內容、方法、策略等，針對學習效果實行可視化呈現，以生動形象的視覺畫面讓學生和老師實時掌握學習動態，隨后對學生的學習效果進行預測，對未能達到效果的學生進行預警，最后通過預測預警的結構對學習者進行實時評估、反饋、干預、指導。

3.原理與方法

如果將自適應學習當作一種新的學習方法和學習范式，那么自適應學習系統就是為這種學習方法提供環境的平臺。這種作為數據驅動的系統之所以具有自適應性，因為它能夠基于系統采集和處理的數據改變每個用戶在學習系統中的體驗。而系統的組建、數據的采集與處理、改善學習體驗的方法和路徑都需要遵循一定的理論和原理，其技術應用也涉及到許多方面。

3.1理論與原理

作為科技和教育的深度融合，自適應學習系統從宏觀的結構架設、模型建立到微觀的學習推薦、測評、反饋、預警等離不開教育學、心理學、認知理論以及數據、信息、計算等科學的指導。

首先，自適應學習系統需要建立學習者模型、領域模型等，這一過程涉及到認知與學習風格、多元智能、教育測量等理論。這些理論被多名學者應用于自適應學習系統的理論與實踐研究中，如柏宏權[4]以認知風格和學習風格為理論基礎研究了適應性教學系統中個性化教學策略，東北師范大學趙蔚教授研究團隊[5]采用Felder?Silverman學習風格理論初步實現了用戶學習風格模型建構，并基于項目反應理論、布魯姆認知目標分類理論、知識理解級別等建構了認知水平模型。其他如元認知理論和社會比較理論、經典測量理論和認知診斷理論等也被用于研究學習者模型與教學模型以及學習資源推送方法。

其次，自適應引擎需要以相關的學習理論為指導原則，在適當的時間和環境推薦恰當的學習內容、學習途徑等。此類理論研究包括數字化學習理論、建構主義學習理論、混合式學習理論、記憶曲線理論、知識空間理論及信息流理論等。

3.2方法與技術

自適應學習系統的技術原理相對比較清晰明確，主要涉及數據收集與處理、模型建構、結果可視化呈現、干預機制等方面。

早期的自主學習中利用的技術只有計算機的方便快捷和網絡的遠距離傳輸。隨著網絡的發展和數據科學的崛起，現代技術才被深入應用到自適應學習中。在大數據驅動的自適應學習發展起來后，教育數據挖掘和學習分析成為其主要應用的方法，具體技術則包括機器學習、深度學習、數學算法等。近來隨著人工智能賦能教育的發展，人工智能領域的技術和教育領域的自適應學習系統深度融合，從而培育了很多此類學習平臺。

在實際應用過程中，相關的研究者對許多技術進行了演算和驗證，如閆怡[6]指出自適應學習技術主要涉及本體技術、模糊邏輯、進化算法、貝葉斯網絡、推測算法等。徐焱[7]提出基于聚類的個性化自適應學習內容呈現、基于序列挖掘和關聯規則的最佳學習路徑推薦、基于協同過濾和社交網絡的個性化資源推薦方法。

4.結論

個性化學習是教育千百年來一直追求的終極目標，而自適應學習被認為是目前實現這一目標的最佳方式。個性化自適應學習自其被提出以來，隨著科技的進步一直向前發展。在現階段數據科學和人工智能快速發展的背景下，自適應學習被更多的賦能，生產出更多優秀的學習系統和平臺，這將更加有助于我們實現教育的智能化。

參考文獻：

[1]余勝泉.適應性學習——遠程教育發展的趨勢[J].開放教育研究，2000（3）：12-15.

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

[3]張家華，張劍平.適應性學習支持系統： 現狀、問題與趨勢[J].現代教育技術，2009（2）：18-20.

[4]柏宏權.適應性教學系統中個性化教學策略研究[D].南京師范大學博士學位論文，2006.

[5]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.

[6]閆怡.國內自適應學習的研究現狀與問題分析[J]，課程教育研究，2019（17）：14.

[7]徐焱.基于教育數據挖掘的個性化自適應學習系統研究[J].中國教育信息化，2019（11）：60-65.