自适应学习：大数据时代个性化学习的新推力
摘 要：新媒体联盟（NMC）连续三年发布的地平线报告与首个中国高等教育地平线报告均指出，自适应学习是未来影响高等教育发展的关键技术之一，已成为教育领域研究的新热点。文章从考察自适应学习起源出发，提炼出自适应学习的内涵，对自适应内容、自适应评估、自适应序列三种主要的自适应学习工具进行概述；最后结合自适应学习在语言培训、教育游戏、教育测评领域的应用现状及Knewton、Istation Reading两个自适应学习案例的分析，提出自适应学习在教育中的应用优势及挑战。
关键词：自适应学习；大数据；个性化学习；地平线报告
中图分类号：G40 文献标志码：A 文章编号：1673-8454（2018）21-0042-06
2017年2月，美国新媒体联盟官网（The New Media Consortium，NMC）依照惯例发布2017年《NMC地平线报告（高教版）》，该报告由国内外知名专家、学者以Wiki Space平台为基础，主要以德尔菲质性研究为分析方法[1]得出。报告主体预测了高等教育技术方面的六大进展，其中自适应学习技术在未来1～2年会被广泛运用。该年3月，北京师范大学智慧学习研究院与美国新媒体联盟合作，发布了首个针对中国高等教育的地平线报告，该报告预测了未来五年内影响中国高等教育发展的12大技术，其中适应性学习被认为在未来2～3年将取得重要突破。自适应学习技术与适应性学习同时指向一个名词，即自适应学习。自适应学习已经不是地平线报告中的新面孔，查看2004年以来的《NMC地平线报告（高教版）》，发现2015年、2016年连续两年高等教育的重大进展中均出现自适应学习的身影。由此可见，自适应学习在未来高等教育领域有着广阔的应用前景，且目前英国、美国、挪威等国家将其视为教育信息化的首要发展战略。[2]在我国，祝智庭教授[3]曾提出个性化自适应学习系统将成为以大数据为基础的新的教育技术范式。基于此，文章对自适应学习加以解读，分析其内涵、在教育领域的应用现状、趋势及挑战，以期为后续研究提供参考。
一、自适应学习的概述
1.自适应学习的缘起
在我国，自适应学习最早可以追溯到2000多年前孔子所倡导的“因材施教”教学思想。而其研究则真正开始于20世纪80年代，1983年朱新明教授与西蒙（H. A.Simon，国际认知科学家）合作探究示例演练学习（自适应学习的一种重要形式）在学科教学中的有效性，并从信息加工角度探讨其认知过程。[4]经过10多年研究，其团队提出基于产生式系统的人类自适应学习模型、相关理论、原则及方法。[5]1996年，Brusilovsky教授[6]提出适应性超媒体系统的概念（自适应学习系统由其演化而来）。此后，关于自适应学习的研究日益增多，尤其是近几年随着移动设备及教育信息化的快速发展，自适应学习成为广大科研工作者关注的热点之一。2016年培生集团顺势推出《解码自适应学习》报告，作为目前唯一一份关于自适应学习的研究报告，该报告通过对K12及高等教育领域自适应学习工具的研究，系统回答了自适应学习的定义、工具，及各工具间的区别与联系等问题。[7]自适应学习与教育大数据结合，共同关注学习者个性化发展，回归教育本质，与时代发展对人才的要求相吻合，未来必将受到更多研究者的青睐。自适应学习发展脉络如图1所示。
2.自适应学习的内涵
（1）适应的内涵
“适应”在《现代汉语词典》中有两层意思，一是生物学中常用的概念，“生物适应”既指生物体与环境的协调程度，又指生物体为适应环境所做的改变，即生物体的进化过程；二是在心理学领域，“感觉适应”指感受器在持续刺激下产生感受性变化的现象，如从亮处进入暗处，要经过一段时间才能看清东西。[8]著名儿童心理学家皮亚杰[9]认为智力的本质是一种适应，是在主体与客体互相作用过程中产生并通过主体不断自我调节构造起来的不同心理技能。在教育领域，潘懋元先生[10]认为“教育适应”有两方面的含义：一是教育受到一定社会政治、经济、文化科学所制约；二是教育必须为一定社会的政治、经济、文化科学的发展服务。唐荣德[11]认为“教育适应学生”中的“适应”是指教育要有针对性地引导和促进每一种发展可能性的有效发展，这与当前个性化教育理念不谋而合。
（2）自适应学习的内涵
“自适应”在强调教育引导功能的同时更注重学习者特征，学习环境、学习内容等随学习者情况的变化实时改变。纵观国内外关于自适应学习的相关定义，主要分为两类：一类是从学习者角度出发解读自适应学习，如高虎子等[12]认为自适应学习是指学习者在学习过程中，通过积极的探索和思考，把知识与技术的获取与学习者学习条件及其学习进度相結合的一种学习方式；时龙[13]认为自适应学习的要义是学习者从自身的实际出发，按照自己的方式学习，教育的根本功能是激活和调动学习者自身的内在学习机制，引导学习者在改变自身过程中得到发展。另一类则是从学习工具视角解读自适应学习，如《解码自适应学习》报告将自适应学习看成一种教育科技手段，通过自主提供适合每位学生的独立帮助，在现实中与学生产生实时互动，[14]姜强等[15]认为自适应学习是一种系统驱动隐性知识呈现的方法，有助于防止学习者发生认知超载和网络迷航等现象。
结合各领域对“适应”一词的界定及自适应学习现有的阐释，笔者认为自适应学习（Adaptive Learning）是指学习者根据具体的学习情境，学习风格、认知水平等个体特征不断调整自身学习活动、学习方式、学习内容等以适应新的变化，化被动学习为主动学习，激发自身学习兴趣与学习信心，进而大大提升学习效果的学习方式。简言之，自适应学习是学习者按照自己的方式学习，学习时间、学习内容、学习方法、学习进度等全由学习者自己掌控。值得一提的是，自适应学习的学习结果不仅仅是知识与技能的获得，更重要的是在不断监控自身学习的过程中对学习者自身的改造。
3.自适应学习的工具
要想使自适应学习效果最优化，必然少不了学习工具的支持。参考《解码自适应学习》报告，本研究认为目前主要有三种自适应学习工具——自适应内容、自适应评估及自适应序列。它们以不同的方式搜集并分析学生各方面数据，并根据数据不断调整提供给学生的学习内容、测评方式及学习顺序，以促进学生的个性化发展。[16]
（1）自适应内容
自适应内容可以根据学习者的具体情况提供个性化内容反馈，包括问题提示、学习材料等，是目前市场占额最大的自适应学习工具。自适应内容搜集与学生学习相关的内容数据，并通过提供独一无二的学习资源、学习线索等实现学习内容的个性化。目前，自适应内容主要分为两类：一是教学课程类自适应内容，二是教学游戏类自适应内容。CogBooks与Dreambox Learning是两款比较有代表性的自适应内容工具，如表1所示。经过亚利桑那州立大学与美国加州圣何塞三所政府特许学校的实践应用，证明自适应内容对学习效果的提升具有显著效果，在教育领域应用潜力巨大。
（2）自适应评估
长久以来，考试测验被认为是检验学习成果最“公平”、最有效的方式，然而测验时间、测验内容的无差异性，导致学生如同流水线上的产品，同质化现象严重，无法真正满足现代社会对多样化人才的需求。自适应评估作为自适应工具的一种，可以自动调节测验内容的难度及出现顺序，实现测验内容的个性化。如美国研究生入学考试GRE&GMAT测试题，答题者在连续答对题目后会发现题目越来越难，这就是自适应评估工具根据答题者的表现自动调整的结果。自适应评估通常用来考察学生的进步情况，主要有两类应用场景：一是用作练习的自适应评估，该类评估主要在课堂结束后进行，持续时间较短，形式较为多变，用于检测学生对知识的掌握程度；二是用作基准测试的自适应评估，此类评估持续时间较长，形式较为正式，往往隔几个月检验一次学习成果，并为学生量身打造学习方案。
（3）自适应序列
作为自适应学习工具中最复杂、最综合的一种，自适应序列基于学生的学习表现，利用算法与预测性分析，持续收集数据，其作用过程主要分为三步——收集数据、分析数据、调整学习内容，如图2所示。收集数据是改变学习序列的基础，数据的类型、知识的难度等级与概念的细节程度、学习者的学习历史三方面的数据需主要考虑。数据收集后，自适应序列从学习者分析、技能选择、内容分析三方面分析学生对知识的掌握程度，并为学生挑选下一阶段的学习内容。完成以上两步之后，自适应序列会根据分析结果调整传递给学生的内容数量与方式，作业与学习资源也被重新规定。在此阶段，自适应序列主要考虑学习内容的传达方式、可提供内容的数量、内容之间的相互关系三方面。
自适应序列往往与自适应内容、自适应评估结合使用，是否收集实时数据是自适应序列与自适应内容的主要区别。Fishtree、Brightspace Leap及Knewton是目前海外市场较为普及的三种自适应序列工具。
二、自适应学习在教育领域中的应用分析
1.自适应学习的应用领域
自适应学习注重对学生学习数据的收集与分析，能最大化发挥教育数据的应用价值，在促进个性化学习方面发挥着不可替代的作用。近年来，关于自适应学习的研究日益增多，主要集中在语言培训、教育游戏及教育测评等方面。
（1）语言培训
语言是文化的载体，也是文化的核心组成部分，语言培训是指通过一段时间的学习与训练，受训人获得运用某种语言能力的过程。[18]自适应学习与实时语音识别技术、大数据相结合，为语言培训提供支持。在传统语言培训领域，如英语教育中“哑巴英语”现象十分普遍，究其原因：一是英语学习环境的缺乏；二是语言培训产业对练习结果难以量化分析，培训效果参差不齐。
英语流利说团队将自适应学习引入语言培训领域，2016年发布全球首个自适应移动英语课堂“懂你英语”。在学习环境上，“懂你英语”内置6000多张原创手绘地图、36000多道真题测试、22000多句美式播音配音为学习者营造沉浸式英语学习环境；在学习内容上，“懂你英语”的自适应学习系统具备自学习能力，能不断提高学生与最合适学习内容的相关性；在学习效果评价上，对学生学习数据全程追踪，并与语音识别技术相结合，实现多维度的口语评分与反馈，包括语音、语义及逻辑连贯度上的准确测评。
（2）教育游戏
将趣味性与教育性巧妙融于一体的教育游戏，深受广大学习者的喜爱。随着信息时代的到来及智能电子设备的普及，教育游戏具有良好的发展前景。将自适应学习引入教育游戏领域，可以更好地监测游戏进程，并通过对游戏数据的收集与分析，不斷调整游戏的内容进程，设计出个性化学习方案。
美国一直走在教育游戏行业前列，随着教育游戏的普及，近几年美国的研究重点已从关注游戏机制、特征、教师如何运用教育游戏等方面转向学生游戏数据的分析与利用。Kurt Squire教授[19]认为当前最具挑战的任务是如何将评估系统嵌入游戏中给游戏中的学习行为以反馈，其团队一直在进行这方面的尝试。该评估系统能预先设置节点对学生进行前测、后测，跟踪学生动作路径并记录。此外，游戏级别与挑战难度会根据学生的学业成绩[20]自适应调整，具体如图3所示。
（3）教育测评
教育测评是提升教育质量的重要手段之一，不仅有利于提高学生的学习效率，促进教师专业化发展，还有利于教育结构的优化，促进教育长足进步。然而，目前教育测评仍停留在“一份测试内容定天下”的层面，忽视学生间的个体差异，简单地用一份试卷，通过一次测试来评判教育质量，未免太过草率。将自适应学习引入教育测评领域，学生间的个体差异与每位学生自身状态的变化都被纳入测评范畴，根据学习者答题情况实时调整测试内容，有效增强教育测评的准确性与科学性，力求客观、全面地反映学习效果。
ALEKS（）是面向K-12及高等教育领域的数学在线学习平台，其自创的“知识空间理论”运用组合数学和随机过程相关模型，通过数学语言分析学生测试成绩。测评时，前一道题的回答情况直接影响下一道题的难度，前一次测评成绩直接影响下一次测评难度。每一次测评结果都以直观图式呈现，主要包括学生对知识的掌握程度、进步情况及与历史成绩的对比三个维度。ALEKS根据测评结果为学习者提供自适应指导，大大提高了学生学习效率，减轻了教师的教学负担。
2.自适应学习的应用案例分析
自适应学习颠覆传统学习模式，在教育领域前景巨大，但目前自适应学习在教育中的应用研究相对较少，此时了解自适应学习在教育中应用的成功案例显得十分必要。Knewton是目前服务地区最广、用户人数最多的自适应学习产品，其全球用户人数高达900万。Istation Reading针对读写领域，一切学习活动的可视化及游戲化是该系统最大的特点，且已被实践证实可以在教室场景中有效运用。基于此，本研究着重分析自适应学习平台Knewton及自适应评估系统Istation Reading，以期为自适应学习的教育应用提供借鉴。
（1）自适应学习平台Knewton
自适应学习平台Knewton创建于2008年，依靠其强大的实时推荐引擎，被称为全球自适应学习平台的典范。Knewton提供三项核心服务[21]（针对学生的内容推荐服务、针对教师的学情分析服务、针对内容提供商的内容洞察与分析服务），通过对学习内容的优化及学情的实时分析，优化教学过程，提升教学质量。
①Knewton运行机制
教育路径规划技术及学生能力高级模型作为Knewton推荐原理的基础，与知识图谱结合，通过为系统内容打分的方式来判断其呈现顺序，力求为学生提供最佳学习内容。Knewton学习平台主要由数据基础结构、推断基础结构及个性化基础结构三部分构成，[22]其中数据基础结构主要负责学生个体信息（如学习目标、学习兴趣、学习风格等）的整合分类及学生学习实时数据的处理；推断基础结构包括心理测量引擎、学习策略引擎、反馈引擎，主要负责评估学生能力、对教学的接受程度并将评估结果反馈给学生本人；个性化基础结构主要负责学习内容的推荐及学生测量指标的预测，如图4所示。此外，数学学习仪表盘的出现有利于学生分组，减少学习挫败感。
②Knewton所取得的成果
Knewton学习平台充分利用大数据优势，通过学生人数的增加来提高推荐准确性，与此同时，当学习者学习某个特定概念时，系统自动推送其他学习者的学习路径，将学习同一概念的学习者联系起来，减少学习孤独感。实践证明，Knewton自适应学习平台在提高考试通过率、降低辍学率及提高学习效果等方面均有显著效果。
（2）自适应评估系统Istation Reading
Istation 公司（）成立于1998年，该公司提供丰富的动画及游戏教育技术，其产品涉及阅读与写作、西班牙语、数学三方面。其中Istation Reading是针对读写领域的自适应评估系统，该系统面向幼儿园到12年级的学生，为其提供阅读、写作课程及线上测评。该系统的课程、活动及测试均以游戏的方式进行，有利于激发学生兴趣，提高学生参与度。
①Istation Reading运行机制
Istation Reading首先为每位学生提供前测ISIP（Istation Indicators of Progress）以了解学生的初始阅读水平（包括听力理解、音位知识、字母知识、词汇、拼写、阅读理解、阅读速度等），学生完成测试后，系统根据测试结果将学生分组，并自动调整每一组别的游戏难度。每经过一段时间的学习，系统都会再次对学生的阅读水平进行评估。为更准确地掌握学生的阅读水平，该评估系统内所有测试内容均有明确的时间限制。通过前测、学生分组、教学内容与课程分配、后测循环的方式来提高学生的阅读水平。
②Istation Reading所取得的成果
佛罗里达中心大学的国际阅读研究中心（The Morgridge International Reading Center）在一部分公立小学共250853名学生中运用Istation Reading自适应评估系统来检验学习效果。经过一整个学年的实践，学生的阅读水平有显著提升。
三、自适应学习的应用优势及挑战
大数据时代个性化学习发生需要新的推动力量，自适应学习作为一种新兴的技术手段，在全面获取学生数据、及时调整学习内容及学习难度、适时做出学习评价等方面有着不可替代的作用，为个性化学习的发生奠定基础。通过上文对自适应学习平台Knewton及自适应评估系统Istation Reading的分析，我们不难发现自适应学习在提升学习满意度、优化教育教学质量方面也有一定作用。未来自适应学习在教育中应用优势与挑战并存，需要研究者不断实践，最大化发挥自适应学习优势，应对挑战。
1.自适应学习在教育领域的应用优势
无处不在的学习数据为学情分析、学习内容调整、学习量化评价等提供便利，为自适应学习深入发展奠定数据基础。未来自适应学习在教育中的应用将主要围绕精准推送学习内容、实时反馈学习信息及收集分析学习数据三方面展开。
（1）学习内容精准推送，服务个性化学习
学生间存在个体差异是不容忽视的事实，且随着信息网络及现代通信设备的发展，学生间的个体差异越来越明显，传统“一刀切”式的同步调学习已不能满足学习者需求，此时个性化学习显得尤为重要。而学习内容是连接教与学最基础的纽带，要实现个性化学习，首先要实现学习内容的个性化。自适应学习关注学生间的个体差异，根据每位学生的具体学习情况，精准化推送学习内容，使拥有不同学习步调、不同学习风格与不同特长的学生都有最适合自己的学习内容，最大化维持自身的学习兴趣与学习优势，追求最优化学习效果。与此同时，精准化推送学习内容可以显著解决因学习问题（如被动听讲、教师教学速度与节奏把握不当、学习目的不恰当等）导致的学生行为问题（如注意力问题、耐挫问题、人际交往问题等）。
（2）学习信息实时反馈，优化教学流程
就教学系统而言，只有通过学习信息的实时反馈，才有可能对整个教学系统实施及时且有效的调整与控制，从而促使教学系统最终实现教学目标。[23]学习信息反馈是教学流程中较为关键的一环，及时高效的信息反馈能有效优化教学流程。学习信息的实时反馈不仅能帮助教师实时了解学生的学习情况，及时调整教学策略与教学内容，从而优化教师的教学过程；还能帮助学生更好地了解自己，及时调整学习策略，激发学习动机，从而优化学生的学习过程。自适应学习将实时反馈机制引入教学活动，将线上、线下的教学与信息反馈、测评紧密结合在一起，有效整合教学与评价活动。基于学生实时学习情况的形成性评价对学习动机的激发与维持、学习过程的优化、学习满意度的提升具有明显促进作用。教学既包括教师的教也包括学生的学，学习信息实时反馈通过对教师教学过程与学生学习过程的实时调整来优化教学流程。
（3）学习数据收集与分析，便于教学管理
教学管理是教学活动的基础，是保障教学活动穩步、健康、可持续推进的基本前提。通过对学生学习数据（包括学习过程数据与学习结果数据等）的收集与分析，可以有效提高教学管理质量，从而促进教学质量的提升。各种类型的结构化、半结构化与非结构化的学习数据，记录了学生过程性、即时性的学习行为与学习现象，[24]对这些数据的收集与分析，可以为教学管理的顺利开展提供大量的量化数据，增加教学管理的科学性。自适应学习与教育大数据、学习分析、量化自我等新兴技术相结合，弥补了一般教学平台在学习数据收集与分析方面的弊端（如数据收集范围有限、数据收集不及时、数据分析不到位等），将教学管理从宏观层面向微观层面推进，致力于促进每一位学生的成长与进步。
2.自适应学习在教育领域应用面临的挑战
尽管自适应学习为我们描绘了一幅美好的个性化学习蓝图，但在推进自适应学习广泛运用的过程中至少面临以下三大挑战。
一是“教”与“育”如何兼顾的问题。几乎所有自适应学习产品都聚焦于“教授知识”这一层面，缺乏对“育人”的关注。育人是复杂的系统工程，需要教师长时间言传身教、身体力行，才能在潜移默化中影响学生，帮助其塑造健康人格。先进的技术手段在辅助教学、提升学习效果方面成效显著，在“育人”方面却无计可施。因此，在使用技术的过程中如何同时兼顾“教书”与“育人”，还需要教育工作者不断探索。
二是学生数据隐私的保障问题。依靠学生各项实时数据运作的自适应学习产品，在如何保障数据安全方面应建立一个统一的隐私保障机制，明确哪些教育数据该收集、哪些教育数据可以共享，切实保障好学生的数据隐私。
三是学生学习过程中的情感缺失问题。在自适应学习情境中，学生与教师及其他学习者分离，在长时间自学的过程中容易产生焦虑、孤独等情感问题，[25]长此以往必然导致学习效率的下降。因此如何在促进学生学习效率提升的同时给予学生人文关怀是深化自适应学习应用过程中亟需解决的问题。
作为人工智能技术在教育领域的探索，自适应学习致力于为每位学生提供独一无二的帮助，在优化学习效果、促进个性化学习方面有着巨大潜力，将给教育带来持久而深远的影响。然而新兴事物或因其自身的不完善性或因人们的抵触心理，其推广运用总不能一帆风顺。要真正促进自适应学习在教育中落地生根，需要广大教育工作者共同努力，顺应时代潮流，精心设计应用场景，并制定一系列规范，使教育真正服务于学生，促进教育质量提升。
参考文献：
[1]张屹，朱莎，杨宗凯.从技术视角看高等教育信息化——历年地平线报告内容分析[J].现代教育技术，2012（4）：16-20.
[2]金慧，胡盈滢，宋蕾.技术促进教育创新——新媒体联盟《地平线报告》（2017高等教育版）解读[J].远程教育杂志，2017（2）：3-8.
[3]祝智庭，沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究，2013（10）：5-13.
[4]朱新明，司马贺.初中数学示例演练实验教材[M].北京：中国科学出版社，1993.
[5]朱新明，李亦菲，朱丹.人类的自适应学习——示例学习的理论与实践[M].北京：中央广播电视大学出版社，1998.
[6][12]高虎子，周东岱.自适应学习系统学习者学习风格模型的研究现状与展望[J].电化教育研究，2012（2）：32-38.
[7][14][16][17]Decoding Adaptive Learning[R].England：Pearson，2016：13、15、21、35.
[8]中国社会科学院语言研究所词典编辑室.现代汉语词典[M].北京：商务印书馆，2005.
[9]叶宝生.从让·皮亚杰的“适应”理论看中学生物理学习中思维定势的形成及其作用[J].首都师范大学学报（社会科学版），2002（S1）：140-143.
[10]潘懋元.教育外部关系规律辨析[J].厦门大学学报（哲学社会科学版），1990（2）：1-7.
[11]唐荣德.试论教育适应学生[J].广西师范大学学报（哲学社会科学版），2004（1）：83-87.
[13]时龙.自适应学习的方法论探析[J].教育科学研究，2015（9）：5-13.
[15]姜强，赵蔚，王朋娇.自适应学习系统中双向适应交互评价实证研究[J].现代远程教育研究，2013（5）：106-112.
[18]王巍，李艳.对当前语言培训行业的调查与思考[J].语言文字应用，2012（3）：33-41.
[19][20]魏婷，李馨，赵云建.美国教育游戏研究发展新动向——威斯康星大学麦迪逊分校Kurt Squire教授访谈[J].中国电化教育，2014（4）：1-5.
[21]阿槑.好未来投资Knewton，中国市场成为Knewton下一个重点[DB/OL].http：///N/42027.html.
[22]周皖婧，辛涛，刘拓.“互联网+”背景下的学生个性化学习系统开发：现状与启示[J].清华大学教育研究，2016（6）：79-84.
[23]李卢一，许蓉，郑燕林.ARCS模型视角下网络学习反馈设计[J].现代远距离教育，2013（3）：66-71.
[24]武法提，牟智佳.电子书包中基于大数据的学生个性化分析模型构建与实现路径[J].中国电化教育，2014（3）：63-69.
[25]董晓辉，杨晓宏，张学军.自适应学习技术研究现状与展望[J].电化教育研究，2017（2）：91-97.
（编辑：王天鹏）
上一篇：永远的作者,永久的激励