基于人工智能技術的個性化自適應學習的實踐研究

常坤 吳建平 馬玉潔 王小麗

摘? 要? 在人工智能時代，個性化學習越來越受到重視，而自適應學習成為實現個性化學習的有效途徑。基于可汗學院自適應學習平臺，以高中“牛頓運動定律”這一章節為實驗內容，驗證基于人工智能技術的自適應學習平臺對學習者學習興趣、學習成績以及學習效率有明顯的正向影響，研究結果有助于推進自適應學習理論與技術的發展。

關鍵詞? 人工智能；自適應學習；牛頓運動定律

中圖分類號：G434? ? 文獻標識碼：B

文章編號：1671-489X（2023）13-0044-04

1? 人工智能的定義以及特點

人工智能（Aritificial Intelligence，AI）誕生了差不多已半個世紀，但至今科學界也沒有一個確定的定義，根據對相關文獻的查閱，這里給出一個認可度比較高的定義：人工智能也叫機器智能，是集合了計算機科學、邏輯學等眾多學科的一種人類智能的技術和科學，它能夠對人的思考過程進行模擬，從而“思考”、判斷和解決問題。由于人工智能應用的領域不斷擴大，它的主要特點也在不斷變化。現在AI主要表現出以下幾個特點：

一是所有的學習依靠大數據的支持；

二是跨環境的認知、學習、推理；

三是人機、腦機的結合更加智能化；

四是群體智能被重視；

五是自主系統被廣泛應用，比如無人駕駛系統等。

2? 自適應學習的概念以及特點

自適應學習（Adaptive Learning）也叫適應性學習，是學習平臺或系統根據學習者的學習情況，分析其學習水平以及能力，為其提供一種適合他們的、具有針對性的學習服務，從而實現為學習者提供個性化的學習體驗[1]。通過整理文獻發現，近年來，自適應學習的研究主要涉及三個方面：

其一是學習內容方面，自適應學習會根據學習者的學習情況來匹配學習內容，會把最優化的學習資源匹配給學習者；

其二是學習評價方面，自適應學習主要關注學習者的在線學習行為，根據學習者提交的作業來量化作業質量以及提供學習意見；

其三是學習序列方面，自適應學習的關鍵是學習路徑推薦，推薦算法是自適應學習的核心，也是學習者學習過程中查漏補缺的途徑[2]。

人工智能技術支持下的自適應學習優化了集體授課不能照顧所有學習者的局限，實現了學習過程的自動化調節，對學習資源進行了有效傳遞，真正實現了“因材施教”。

3? 自適應學習的基本理論

3.1? 知識空間理論（Knowledge Space Theory，KST）

知識空間理論是在20世紀80年代由Doignon等人提出的，該理論主要用來檢測學習者當前的學習情況，評估學習者已有的知識水平。知識空間理論是一個集合理論框架，它提出了數學形式，以操作在特定領域的知識結構。知識空間理論最基本的假設是，每個知識領域都可以用一組領域問題或項目來表示。此外，知識空間理論假設這些項目之間存在依賴性，因為對一個給定的項目或一個項目的子集的知識可能是了解另一個更困難或更復雜的項目的先決條件。這些前提關系是通過推測關系來實現的，推測關系在不同的項目之間產生了一個準順序。基于該理論，本文采用可汗學院自適應學習平臺，其自適應學習系統可根據學習者學習情況來分析學習者，以此來精準定位學生的薄弱知識點。

3.2? 掌握學習理論（Mastery Learning Theory）

掌握學習理論是由認知派心理學家布魯姆所提出的觀點，該理論認為，在一定的時間內，只要采取合適的教學手段，學習者幾乎能夠掌握所有知識。換句話說，只要學校提供條件，允許學習者根據自己的節奏學習，他們就能夠完全地掌握所學知識。自適應學習平臺充分發揮自主學習的優勢，給予學習者足夠的時間，根據自身學習情況把握學習的步伐，進而實現個性化的學習。自適應學習平臺可以準確地檢測出學生的薄弱知識點，通過推送系統推送資料，進行重點攻克，直到學習者真正掌握所有的知識點。

3.3? 聯通主義理論（Connectivism Learning Theory）

聯通主義理論是加拿大學者喬治·西蒙斯提出的，2005年他發表《網絡時代的知識和學習－走向連通》一文，詳細地介紹了該理論。該理論產生在網絡2.0時代，也必然服務于這個時代，它也因此被稱為“數字時代的學習理論”。聯通主義理論認為學習是一個連續的、動態過程，知識以節點的形式存在，通過學習不斷連接知識節點，形成知識路徑，最終形成知識網絡。自適應學習平臺把一個知識點不斷細化，形成多個知識節點，利用相互之間的關系來連通、重組、再造知識，形成對知識的整體把握[3]。

4? 人工智能技術支持下的自適應學習模式

本次實驗采用的平臺來自薩爾曼·可汗創立于2007年的可汗學院（Khan Academy），可汗學院是非營利性的組織，致力于打造一個百科全書式的、全免費和網上智能跟蹤的視頻學習平臺。該平臺屬于自適應的學習平臺，利用影片和文檔代替上課，平臺的練習系統記錄學習者的練習記錄，讓學習者從學校走向家庭，從家庭走向學校[4]。可汗學院的自適應學習平臺學習過程如圖1所示。

4.1? 全面性學習

可汗學院學習平臺上涵蓋了數學、科學、計算機、藝術與文學等十幾種學科，內容知識涉及各個年齡段的學生。本次實驗所選擇的物理學科，其知識點包括了初中、高中以及大學的內容，學習者根據自身需求選擇知識點進行學習，在學習完之后系統會對用戶畫像，為后續的知識點推送奠定基礎。

4.2? 針對性學習

平臺系統會根據學習者的做題情況進行數據分析，會向學習者推送薄弱知識點的相關學習資料，這些資料大多以文本、視頻或者圖片的形式呈現，屬于解釋性和補充性材料。學習者利用這些解釋性的材料進一步鞏固自己薄弱知識點，這種“對癥下藥”的學習方式有效避免了重復做題，也不會浪費學習者有限的學習時間，因而提高了學習效率。

4.3? 測驗

自適應學習平臺中的測驗部分有小結測驗以及單元測驗，學習完一個知識點之后，學習者可以選擇完成小結測驗，這部分測驗只針對某一個知識點的內容。單元測驗是一個總結測試，包含這一單元的所有知識點。兩種測試都有及時反饋的功能，每當學習者做完一個題目，系統都會反饋給學習者一個結果，如果學習者做錯了題目，系統會提示“獲得幫助”和“使用提示”，點開之后是該題目的解題思路。在完成測試題后，會有一個大概的總結，作用是量化每次測試的結果。

4.4? 結果反饋

結果反饋是系統平臺對學習者學習情況的總結，根據學習者的做題結果，分析出學習者對各個知識點的掌握程度。學習者可以根據系統的提示或者意見進行針對性的學習，查漏補缺，既能避免重復做題，又能對知識點全面鞏固。

這四個環節是循環迭代的，每一個環節的結果都會影響下一個步驟的生成情況，學習者學習狀態及時反饋機制強化了學習者對知識點的記憶，避免了短時記憶造成的弊端。

5? 人工智能支持下的自適應學習案例分析

本研究以高一年級的學生為研究對象，班級學生在上一次的考試成績平均分為75分左右（百分制），總體水平處于年級中上等。選取高一年級物理“牛頓運動定律”這一章節作為實驗內容，這一部分內容比較抽象，是經典力學的基礎，在整個物理學科中有著極為重要的地位，該部分還是考試的重點內容，需要學習者充分吸收消化。

5.1? 人工智能支持下的自適應學習基本過程

5.1.1? 全面性學習

本次所選擇的“牛頓運動定律”學習內容在可汗學院學習平臺中被分為三個一級知識點，分別為牛頓第一、第二、第三定律，每一個一級知識點又細分為1～2個小節，共6個小節，所有知識點以視頻和文檔的形式展示，視頻和文檔以動畫和導向性問題的形式呈現。這是一個全面學習的過程，學習者只需跟著平臺的節奏，根據自己的學習情況選擇學習進度和順序。相比于傳統的課堂學習，利用自適應學習平臺更能全面、立體地呈現學習內容，能夠帶給學習者更加直觀的感受。圖2為全面性學習的過程。

5.1.2? 針對性學習

系統會根據學習者的學習情況，向學習者推送指向薄弱知識點的相關學習資料和內容，包括視頻、文本和圖片等。在“牛頓運動定律”這一章節，學習者在檢測過程中的每個檢測結果會實時反饋給平臺系統，當學習者有錯誤出現時，系統會推送相關薄弱知識點的學習資料來幫助學習者復習，這就避免了學習者重復學習，提高了學習效率。圖3為牛頓第三定律針對性學習過程。

5.1.3? 測驗

這一章節內容在平臺系統中有兩次檢測，小結檢測和單元測試，平臺根據知識點的難易程度，生成5～10道題目，用于檢測學習成果。以“牛頓運動定律”為例，在系統平臺中涵蓋了慣性、平衡狀態、加速度、作用力與反作用力等知識點，每個知識點又進行細分，系統平臺給每個知識點提供相應的解釋性材料，便于學習者理解。在檢測過程中，系統平臺及時反饋學習結果，進行過程性評價，并為學習者提供有效的學習資料。測試可以重復多次，但每一次的題目都不一樣，這就避免了學習者死記題目答案。圖4為針對“牛頓運動定律”學習情況的測試過程。

5.1.4? 結果反饋

結果反饋是自適應學習平臺對學習者知識掌握情況的評價，在做完所有的檢測題后，系統會顯示一個技能變化圖，針對“牛頓運動定律”這一章節的檢測，平臺會從三大知識點進行分析總結，把每個知識點學習變化情況記錄下來。圖５就是系統針對“牛頓運動定律”三大知識點的反饋情況，并提供推薦課程來強化學習者學習。

5.2? 自適應學習效果分析

通過利用可汗學院自適應學習平臺，可以發現學習者的學習狀態有明顯的變化，首先是學習興趣方面。通過前期的訪談了解到，學習者對傳統的授課方式沒有表現出太多的興趣，覺得教師把知識點講得太過枯燥，有些概念無法理解。但是通過可汗學院自適應平臺來學習，有趣的動畫、圖片增加了學習的趣味性，簡化了知識點的難度，增加了概念的可理解性，同時也提升了自適應學習系統對學習者的吸引力。其次是學習成績方面。利用自適應學習平臺學習，學習者的成績明顯提高。在“牛頓運動定律”這一章節中，學習者幾乎能夠完全掌握重點以及難點，相關的概念理解也十分到位。可汗學院自適應學習平臺把知識點細化，并且提供及時反饋的功能，能夠及時強化知識點的掌握。最后是學習效率方面。借助移動客戶端的靈活性，利用自適應學習平臺學習，打破了過去傳統學習方式的時間和空間限制，把零碎的時間充分地利用起來，有效地整合和利用了零碎時間，靶向性地練習，也避免了重復刷題的現象[5]。

6? 結束語

基于AI的自適應學習平臺能夠精準定位學習者對知識點的掌握情況，通過學習進度跟蹤，實現最優學習途徑的推薦，進而實現個性化學習。“AI +自適應學習”的模式打破了傳統教學“一鍋端”的局面，真正實現了“因材施教”。自適應學習平臺扮演了專家型教師的角色，能夠像專家教師一樣實現一對一的輔導。其人機結合的學習模式，使學習者能夠根據自己的步調學習，生動形象的題目充分調動了學習者的興趣。當然，AI自適應教育還未在學校教育中得到廣泛應用，還需要更加強大的軟硬件支持。AI自適應學習平臺在個性化學習上有一定優勢，但是還不能完全取代教師，教師在情感、人格方面的教育對學習者有著決定性的作業，是機器無法實現的。但是不得不承認，AI自適應學習在知識學習上有著非常顯著的作用。

7? 參考文獻

[1] 李鳳英，龍紫陽.從自適應學習推薦到自適應學習牽引模型：“智能+”教育時代自適應學習研究取向[J].遠程教育雜志，2020，38（6）：22-31.

[2] 劉培艷.基于網絡的自適應學習在開放教育中的應用研究[J].云南開放大學學報，2019，21（2）：25-31.

[3] 王永固，許家奇，丁繼紅.教育4.0全球框架：未來學校教育與模式轉變：世界經濟論壇《未來學校：為第四次工業革命定義新的教育模式》之報告解讀[J].遠程教育雜志，2020，38（3）：3-14.

[4] 全球在線教育危與機[EB/OL].（2020-08-05）[2020-10-05].http：//xxh.resource.edu.cn/news/2087.html.

[5] 姜強，趙蔚，李松，等.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.