付宇博　曾致中

摘 要：個性化在線學習系統(tǒng)是指根據(jù)學習者的個性特征和情境因素為其提供有針對性的學習策略、學習資源以及學習路徑的在線學習環(huán)境，能真正意義上的實現(xiàn)自主學習。它涉及到教育學、心理學、認知科學、人工智能等多方面的領域知識，可以有效解決網絡迷航問題。該篇文章論述了國內外關于個性化在線學習系統(tǒng)的研究現(xiàn)狀，歸納總結了開發(fā)個性化學習系統(tǒng)所用到的主要先進技術，最后分析了個性化學習可能面臨的挑戰(zhàn)并對其未來的發(fā)展提出了一些建議，以期為個性化學習方面的研究者提供借鑒。

關鍵詞：個性化在線學習系統(tǒng)；智能感知；學習分析；自適應學習；前景分析

中圖分類號：G434 文獻標志碼：A 文章編號：1673-8454（2018）04-0009-06

一、 引言

隨著互聯(lián)網+和教育信息化時代的飛速發(fā)展，網絡信息資源也呈現(xiàn)指數(shù)增長，但隨之而來的問題是，面對如此巨大的信息資源庫，學習者很難快速有效地找到適合自己的學習資源，甚至會出現(xiàn)認知超載、迷航[1]等問題。于是，個性化學習應運而生，并逐步成為教育技術領域的研究熱點。

個性化學習是指根據(jù)學習者的興趣偏好、學習需求、學習風格、初始能力和認知水平等特征來設計教育項目、教學方法以及學術支持策略，并為學習者提供獨特的學習資源和學習路徑。在教育領域，個性化學習的思想多被用在一些在線教育平臺中，開發(fā)個性化網絡學習系統(tǒng)（PersonalizedE-learningSystem，簡稱PELS）或智能導學系統(tǒng)（IntelligentTutoring System，簡稱ITS）。一個PELS通常包含數(shù)據(jù)庫，網絡服務以及個性化學習導航等功能模塊，如圖1所示。數(shù)據(jù)庫中存儲著靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)庫主要包括學習者信息、資源管理者信息以及教學資源（課程，作業(yè)，試題等）；動態(tài)數(shù)據(jù)庫主要記錄學生的學習行為和學習效果。網絡服務模塊包含了系統(tǒng)中所有的子功能，負責處理用戶的所有學習活動和請求，并把這些活動產生的數(shù)據(jù)存儲在數(shù)據(jù)庫中，為個性化分析提供動態(tài)的數(shù)據(jù)來源。[2]個性化學習導航是個性化學習系統(tǒng)中的核心模塊，它利用數(shù)據(jù)挖掘（學習分析）和其他智能技術對數(shù)據(jù)庫中學習者的信息進行分析，進而為其提供個性化的學習導航。其主要流程是：首先，學習者登錄系統(tǒng)，如果不是新用戶，系統(tǒng)會從數(shù)據(jù)庫中提取用戶的配置文件（Profile），接著上次登錄的學習進度繼續(xù)進行資源學習；如果是新用戶，則系統(tǒng)需要為其建立配置文件，主要包括學習者的學生模型信息（性別專業(yè)、知識水平、學習風格、認知能力、興趣愛好等），前測的結果以及根據(jù)測試結果和知識空間理論、遺傳算法等技術為學習者制定的個性化學習路徑，還有記錄學習者的學習行為和學習效果的日志文件。然后用戶根據(jù)系統(tǒng)導航執(zhí)行學習計劃，直到完成本單元所有學習課程，并進行后測，如果達到了學習目標，則結束本單元的學習；如果沒達到目標，則需要重新制定學習計劃，進行強化學習，直到實現(xiàn)學習目標。最后，系統(tǒng)還可以為用戶推薦與當前學習主題相關的其他學習資源。

個性化在線（網絡）學習系統(tǒng)的使用能夠有效解決在線學習環(huán)境下學習者的認知超載和迷航等問題，可以極大地提高資源的利用率和學習者的學習效率。隨著教育信息化進程的快速發(fā)展，個性化學習越來越受到教育專家的重視，在線學習環(huán)境與自適應等各種智能技術的發(fā)展為個性化學習系統(tǒng)的開發(fā)提供了良好的契機。本篇文章首先論述了國內外個性化學習系統(tǒng)的研究現(xiàn)狀，然后介紹了個性化在線學習系統(tǒng)中用到的主要智能技術，最后分析了開展個性化學習面臨的挑戰(zhàn)和可能存在的問題，并對未來的發(fā)展提出了一些建議，以期為個性化學習方面的研究者提供借鑒。

二、個性化學習系統(tǒng)研究現(xiàn)狀

個性化學習系統(tǒng)是指根據(jù)學習者的興趣偏好、學習需求、學習風格、初始能力和認知水平等個性特征為其提供有針對性的學習策略、學習資源以及學習路徑的在線學習環(huán)境，能真正意義上的實現(xiàn)自主學習。目前，個性化學習系統(tǒng)的開發(fā)已經引起了國內外教育研究專家的廣泛關注，已有大量關于個性化學習系統(tǒng)的應用研究的文獻。接下來，文章會對國內外現(xiàn)有的相關研究進行分析和總結。

個性化學習又稱自適應性學習（AdaptiveLearning）。關于自適應的概念，八十年代末就已經被提出。1996年，Brusilovsky提出了自適應超媒體系統(tǒng)（AdaptiveHypermediaSystems，AHS）。傳統(tǒng)的超媒體系統(tǒng)中采用一刀切（one-size-first-all）的方法為所有的用戶提供相同的靜態(tài)超媒體文檔，容易導致用戶搜索效率低下，認知過負和網絡迷航等問題[3]。為了解決這些問題，Brusilovsky提出了自適應超媒體系統(tǒng)（AdaptiveHypermediaSystems，簡稱AHS）。AHS根據(jù)學習者的知識水平、學習目標、背景經驗以及興趣偏好等個性特征為每個學習者構建模型，系統(tǒng)根據(jù)模型與學習者進行交互，從而為學習者提供個性化的學習內容[4]。另外，自適應超媒體系統(tǒng)可以限制學習者的瀏覽空間，為學習者提供與當前所學內容相關性較高的其他鏈接[5]。自適應超媒體系統(tǒng)能夠為用戶提供個性化的服務，自然引起了教育領域研究的關注。 ELM-ART，InterBook，PT等都是早期開發(fā)的自適應教育超媒體系統(tǒng)[6]。Knewton-被譽為全球自適應學習平臺的典范，它的核心產品就是自適應學習工具。Knewton的主要優(yōu)勢在于優(yōu)化學習過程的三項服務：為學生提供實時的內容推薦服務；為教師提供學情分析服務；為內容提供商提供內容洞察和分析服務。

AHS可以有效克服傳統(tǒng)超媒體系統(tǒng)的認知過負和網絡迷航等問題，能夠讓學習者快速準確地獲取所需信息。但AHS只是為用戶提供了學習內容，并沒有給用戶制定出一條個性化的學習路徑。

2003年，Brusilovsky提出了基于學習者知識水平的學習對象排序方法，學習對象排序法是基于知識空間理論對不同層次的知識點按優(yōu)先關系進行排序，同一層次的按照知識點的重要程度排序，讓學習者在對目標知識點學習之前首先對先修知識點進行學習，從而根據(jù)學習者的知識水平和學習目標為用戶推薦個性化的學習路徑[7]。這是一篇基礎文獻，之后的很多研究成果都是對該方法的優(yōu)化和補充。2006年，Hanlei在他的文章中，把概念地圖的節(jié)點、連接、連接詞、交叉連接和層級等觀念應用到了設計、開發(fā)適應性超媒體學習系統(tǒng)中，他提出在超媒體學習系統(tǒng)內部建立一套“基于概念地圖的學習路徑控制機制”，通過診斷性和過程性的評價策略，生成適合個別學習者知識水平的、系統(tǒng)控制的引導路徑，以此來增強網絡超媒體學習系統(tǒng)的適應性，從而更好的滿足學習者的需要[8]。endprint

但是，以上的研究都沒有考慮到個體學習者的學習風格的差異對學習路徑的影響。諸多教育理論的研究成果表明，學習內容應該與學習者的學習風格相符合[9]，對此，Yi-ChunChang等人提出了基于學習者學習風格的分類機制。該機制優(yōu)化了k-nearestneighbor（k-NN）分類算法，并把它和GA（Gene Algorithm）算法結合在一起應用在開放式學習管理系統(tǒng)（Open-Learning Management System）中，能夠準確高效地判定學習者的學習風格[10]。另外，Chin-MingChen提出的學習路徑推薦方法主要解決的是學習對象的難度與學習者的知識水平和學習能力相匹配的問題，他提出了一種遺傳算法中的適應度函數(shù)（FitnessFunction）——由課程的難度參數(shù)和學習路徑中兩個相鄰概念的關聯(lián)度決定，和一種課程排序機制，并把它們應用到了個性化網絡學習系統(tǒng)中，實驗證明，該系統(tǒng)可以滿足在線學習者的需求，幫助他們更快速高效的學習[1]。而且他用項目反應理論（ItemResponseTheory）對學習對象進行建模，很大程度的簡化了Brusilovsky提出的方法中對學習對象的描述的工作[11]。為了構建更精確的測量模型，YaoJungYang提出了蟻群優(yōu)化算法（Antcolonyoptimizationalgorithm），進一步對學習者風格進行了分類，并考慮了用戶群體對學習路徑使用的頻繁度，提高了學習路徑推薦的效率和準確度[12]。但是，Yang提出的方法中沒有學習者對學習路徑的評價，那么對于目標用戶就缺少了參考價值。因此，YanCheng在綜合考慮了學習者群體對學習路徑的評價以及目標用戶在知識水平和學習風格上的特點，提出了一種擴展蟻群算法來解決學習路徑推薦的問題[11]。Feng-HsuWang認為之前的蟻群優(yōu)化算法存在局限性，如需要大量的用戶訓練數(shù)據(jù)和長時間的訓練周期等，為了能利用合理的訓練數(shù)據(jù)和訓練周期來實現(xiàn)滿意的學習路徑推薦，Wang在蟻群優(yōu)化模型的基礎上修訂了全局更新規(guī)則、適應性搜索規(guī)則和分目標培訓策略[13]。

之前的大多數(shù)研究都沒有涉及到環(huán)境因素對學習效果的影響。HaoJunLi研究了移動學習環(huán)境下個性化學習路徑特征以及生成原理，剖析影響移動學習環(huán)境下學習效率的主要因素，并以影響因素作為個性化學習路徑優(yōu)化的切入點，利用遺傳算法優(yōu)化移動學習環(huán)境下的個性化學習路徑，幫助學習者更加有效地利用學習資源開展學習活動[14]。

隨著在線學習環(huán)境的快速發(fā)展，學習者更加迫切的需要使用個性化網絡學習系統(tǒng)（PELS）來提高學習效率。PELS的開發(fā)和應用需要各種智能技術的支持，文章的下一部分將對開發(fā)個性化學習系統(tǒng)所運用到的技術進行介紹和總結。

三、個性化學習系統(tǒng)運用的主要技術

智能Agent技術能夠提高網絡教學系統(tǒng)的智能化和個性化；智能感知技術可以全面獲取學習情境信息（如環(huán)境信息、設備信息、用戶信息等），結合情感計算技術和學習分析技術對這些數(shù)據(jù)進行處理分析，能夠詳細掌握學生的學習狀態(tài)，為學生提供內容推薦，為教師提供學情分析；課程排序技術能夠以知識空間理論為基礎為學習者提供個性化的學習路徑；自適應學習技術可以根據(jù)學習者的學習效果動態(tài)的呈現(xiàn)學習內容。這些現(xiàn)代化智能技術的發(fā)展和應用，為個性化學習系統(tǒng)的開發(fā)和應用提供了良好的契機。

1.Agent技術

隨著信息化時代的快速發(fā)展，教育的智能化越來越受到教育技術領域學者的關注和重視。網絡教學為學習者提供了更寬廣的學習平臺，但由于網絡教學系統(tǒng)的智能化和個性化不足，導致教學效果不甚理想，而智能Agent技術的出現(xiàn)，為提高網絡教學系統(tǒng)的智能化和個性化提供了可能[15]。由于研究方向和研究領域的不同，各個學者對于Agent的定義也不盡相同。在計算機領域，比較權威的定義是Wooldridge等人提出的Agent的強弱定義——弱定義：Agent是一個基于軟件（多數(shù)情況下）或硬件的計算機系統(tǒng)，它擁有自治性，社會性，反映性和能動性等特性；強定義：除了具備弱定義中的特性外，Agent還應具備一些人類才有的特性，如知識，信念，意圖等[16]。在實際應用中，有國內學者把agent定義為一個智能體，是一類在特定目標（用戶需求）驅動下，能夠感知環(huán)境，并能自主地接受用戶的指令并執(zhí)行，進而實現(xiàn)用戶目標的計算實體或程序[17]。

智能Agent技術能夠使用自動獲得的領域模型（如web知識、與用戶興趣相關的信息資源、領域組織結構等）、用戶模型（如用戶知識背景、興趣愛好、行為、學習風格等）來進行信息資源的搜集、索引和過濾，并自動地將用戶感興趣的、能滿足用戶需求的信息提供給用戶[18]。由于智能Agent具有不斷學習、適應信息和用戶興趣動態(tài)變化的能力，因此，它可以提供個性化的服務。目前，已經有很多研究者把Agent技術應用到了個性化智能教學系統(tǒng)中。如，吳戰(zhàn)杰等設計了基于Agent技術的兩種網絡教學模式——集中模式和分布模式[15]，劉慧敏等人開發(fā)了基于Agent技術的專家系統(tǒng)平臺結構模型[19]，Chih-MingChen在它的PELS（PersonalizedE-LearningSystem）中，構建了六個智能Agent（即用戶接口Agent，前測Agent，生成學習路徑Agent，自適應導航Agent，后測Agent以及課件管理Agent）來為學習者提供個性化的服務[1]。這些基于Agent的網絡智能教學系統(tǒng)都有共同的優(yōu)勢：智能Agent技術的使用，極大地提高了網絡資源的有效利用率，并且由于Agent本身強大的進化功能，通過與學習者的交互會使Agent越來越“了解”學習者，從而真正實現(xiàn)網絡教育的個性化；而且基于Agent的智能網絡教學系統(tǒng)為學習者提供的是開放的學習環(huán)境，學習者可以自主選擇學習的內容和方式，并且可以在討論區(qū)提出問題，討論板塊Agent會總結學習者的問題，組織學習者進行專題的協(xié)作討論并引導學習者做更深入的專業(yè)研究，有利于素質教育的開展，培養(yǎng)學習者的各項能力[15]。endprint

2.智能感知技術

智能感知技術是以研究生物特征識別、自然語言理解和動態(tài)圖像處理為基礎的“以人為中心”的智能信息處理和控制技術。智能感知技術在教育領域的最主要應用是學習情境識別和學習者信息感知。

（1）學習情景識別[20]

學習情景識別主要包括三部分，即信息采集，動態(tài)建模和情景推理。首先利用傳感器、各類嵌入式設備以及無線射頻識別（RadioFrequencyIdentification，RFID）等技術從物理環(huán)境或者信息系統(tǒng)中獲取識別學習情景所需的各種數(shù)據(jù)信息，比如客觀環(huán)境的溫度、聲音、光線，學習者的場所、位置，學科知識、訪問需求、學習檔案和已有的學習情景要素模型等。然后根據(jù)獲取的原數(shù)據(jù)信息構建或更新學習情境識別的各種條件要素的模型，如情景模型、學習者模型、領域知識模型等。最后根據(jù)動態(tài)建構的要素模型，按照一定的推理機制，主動判斷適合當前學習情景的學習支持，然后根據(jù)判斷結果為學習者推送個性化的學習資源或是學習活動建議。

（2）學習者信息感知[21]

學習者信息感知包括學習者生物特征感知和社會特征感知。生物特征信息可以利用智能可穿戴設備（小米手環(huán)、TalkBand等）或者傳感器來獲取，通過對學習者的脈搏、血壓、生物電等生物特征的分析來了解學習者的身體狀態(tài)、心理特征、情緒等情況。對生物特征數(shù)據(jù)的分析可以幫助學習者及時的調整學習狀態(tài)，實現(xiàn)最好的學習效果。社會特征信息包括學習者在社會交互中的情感狀態(tài)以及學習者的社會角色和社會交互狀態(tài)。情感狀態(tài)數(shù)據(jù)信息可以利用面部表情識別、語音識別、眼球追蹤傳感器等技術來獲取，然后通過情感計算技術識別觸發(fā)反應過程的情緒和行為信號。對于學習者在社會交互中的狀態(tài)以及扮演的角色可以通過網絡分析技術來獲取。通過對社會特征數(shù)據(jù)的分析可以了解到學習者的個人風格與偏好等信息，從而為學習者提供更個性化的推薦，實現(xiàn)自適應的學習。

3.課程排序技術

課程排序技術的思想是動態(tài)選擇最優(yōu)的教學操作，根據(jù)學習者的個性特征對學習主題和課程進行排序，從而為學習者提供一條實現(xiàn)學習目標的最佳個性化學習路徑。課程排序技術的驅動力通常是學生模型，它是領域模型的加權疊加。每個學生模型反映了該學生當前的知識水平。Brusilovsky在他的論文[7][22]中介紹了幾種課程排序的方法，作者把它們歸納為了兩類：靜態(tài)課程排序法和動態(tài)課程生成法。

（1）靜態(tài)課程排序法

靜態(tài)課程排序法，也可稱為學習對象排序法。它是基于知識空間理論對不同層次的學習課程按優(yōu)先關系進行排序，然后根據(jù)學習者的目標以及初始知識水平為學習者提供最優(yōu)的個性化學習路徑。這種方法的優(yōu)點是能讓學習者在對目標知識學習之前首先對先修知識進行學習，并且可以獲得“下一步”的最佳學習課程的推薦，有利于學習者建立良好的認知結構。但它的劣勢是課程排序是靜態(tài)的，不能針對學習者的變化或進步提供動態(tài)的適應性課程。

（2）動態(tài)課程排序法

動態(tài)課程排序法的核心思想是通過考慮學習者的年齡，學習目標以及初始知識水平來為學習者提供適應性的個性化學習課程序列。和靜態(tài)課程排序法不同的是，該方法可以觀察并適應學生的進步，即如果學習者的表現(xiàn)沒有達到預期的結果，那么機制將會動態(tài)地重新設計課程序列以適應學生的變化和進步。這種方法的好處是能為學習者提供盡可能多的適應性，學習者可以獲得滿足自己學習需求的高度個性化的學習課程。

4.學習分析技術

隨著在線教育的迅速發(fā)展，網絡學習系統(tǒng)已經累積存儲了學習者信息和學習過程的海量數(shù)據(jù)，如何利用這些數(shù)據(jù)進行學習優(yōu)化和教學決策成為教育工作者關注的重點。學習分析技術的出現(xiàn)，為教育大數(shù)據(jù)的挖掘提供了可能。美國新媒體聯(lián)盟的地平線報告也連續(xù)幾年預測學習分析技術會在未來幾年內成為教育領域的研究主流。

學習分析技術是通過收集和分析學習者在進行網絡學習和交互過程中產生的海量數(shù)據(jù)來掌握學習者的特征，評估學習進展，預測未來表現(xiàn)，發(fā)現(xiàn)潛在問題，為優(yōu)化學習服務和教學決策提供參考[23]。學習分析通常分為三個階段：階段一是描述結果，階段二是診斷，階段三是預測未來。學習分析技術主要涉及到內容分析、話語分析、社會網絡分析、統(tǒng)計分析以及一系列數(shù)據(jù)挖掘方法（如聚類、預測、關系挖掘、文本挖掘等）。學習分析技術的應用和發(fā)展對于學生、教師、教育研究人員以及技術開發(fā)人員來說都有重大意義。對于學生而言，學習分析技術可以通過挖掘學生的特征信息和學習日志來為學生構建學習者模型，并對學習者進行診斷，進而及時為學習者提供針對性的指導和個性化學習推薦；對于教師而言，學習分析技術可以用來評估教學課程、教學策略和考核方式，進而優(yōu)化教學決策，并根據(jù)學生特征模型因材施教，為學習者提供有針對性的教學輔導；對于教育研究人員而言，學習分析技術為研究網絡學習環(huán)境和學習過程以及個性化學習系統(tǒng)的開發(fā)提供了契機；對于技術開發(fā)人員而言，可以利用學習分析技術對學習管理系統(tǒng)各模塊使用頻次以及使用路徑的數(shù)據(jù)分析來優(yōu)化學習管理系統(tǒng)的界面設計，另外還可以根據(jù)學習分析的需要優(yōu)化學習管理系統(tǒng)的日志功能[24]。目前，學習分析技術已經有了實際的應用，如電子科技大學的數(shù)字化“學生畫像系統(tǒng)”，它能夠通過收集學生日常學習活動的信息，分析其實時行為數(shù)據(jù)，并據(jù)此來預測學生的潛在發(fā)展方向，從而幫助教育者為學生提供更為個性化的學習指導。

5.自適應學習技術

自適應學習技術與學習分析技術一起出現(xiàn)在2017新媒體聯(lián)盟中國高等教育技術展望的地平線報告中，報告預測自適應學習技術在未來二至三年內會被廣泛應用于網絡在線學習系統(tǒng)中，并逐步成為教育領域的研究主流。

自適應學習技術是一種由數(shù)據(jù)驅動的復雜的教育科技手段，可以基于學習者的個人特征和能力水平來動態(tài)調整課程的種類和難度，并能根據(jù)學習者的交互和績效水平評估學生的學習速度和進度，進而實時調整學習內容，實現(xiàn)高效的個性化學習。目前研究較多的自適應學習技術包括自適應內容呈現(xiàn)技術以及自適應學習路徑推薦技術。自適應內容呈現(xiàn)技術是以學習分析為基礎，通過對在線學習平臺中學生數(shù)據(jù)信息的分析來獲取學習者的興趣偏好、學習風格、認知水平以及學習目標等個性化特征，并以此作為學習內容推薦的驅動信息，為每個學習者動態(tài)提供自適應學習內容。這種自適應技術被廣泛應用于資源檢索領域，如Science-Direct和CNKI等，能夠根據(jù)用戶之前或正在檢索的內容自適應推薦相關資源的鏈接。自適應學習路徑推薦技術可以根據(jù)學習者的學習目標和能力水平來安排學習課程，通過設置學習資源的可見性或可訪問性來控制學習者對課程的學習順序。另外，該技術還可以對學生的學習效果進行評估（測試），及時的為學習者提供反饋，并且可以針對學習者在測試中打錯的題目進行分析，自適應的制定強化學習路徑。這種技術一般應用在測試中，根據(jù)學生回答問題的正確與否，及時改變和調整測評的標準。比如我們熟悉的GRE和GMAT考試，測試者在連續(xù)作對題目之后就會發(fā)現(xiàn)題目越來越難，這就是自適應評估工具在根據(jù)測試者的表現(xiàn)及時調整的結果。endprint

四、個性化學習發(fā)展前景分析

隨著教育信息化進程的快速發(fā)展，個性化學習已然成為教育技術領域的研究熱點。個性化網絡學習系統(tǒng)的開發(fā)和應用迫在眉睫。然而，在近兩年的新媒體聯(lián)盟地平線報告（高等教育版）[25， 26]中，個性化學習被定義為是一項“了解但解決方案尚不清晰的困難挑戰(zhàn)”，并且認為目前個性化學習最大的障礙就是如何把紛繁復雜的方法和技術轉變成一套精簡的策略，開發(fā)出有教學理論指導的個性化網絡學習系統(tǒng)。

個性化網絡學習系統(tǒng)的開發(fā)之所以是一項困難的挑戰(zhàn)，依作者看來，原因在于：（1）個性化學習涉及學習策略和教學方法，并且要與個人的學習目標相結合，還要考慮到個體的背景知識，認知能力，興趣愛好等諸多因素。這些數(shù)據(jù)的獲取可能會涉及到學習者的個人隱私，如何對學習數(shù)據(jù)進行隱私保護和有效使用是教育研究人員需要權衡的問題。（2）雖然個性化學習的需求量很大，學習分析、智能感知、情感計算和自適應學習等智能教學技術的出現(xiàn)也的確為實現(xiàn)個性化學習提供了良好的契機，但目前這些科學方法和智能技術的發(fā)展并不成熟，應用在高等教育中的具體成果還很少，即較少的中國高校能夠為個性化學習系統(tǒng)的開發(fā)和應用提供充分的技術支持和實踐機會，因此想要大規(guī)模的開展個性化學習相當困難。（3）從目前關于個性化學習的研究內容來看，現(xiàn)有的研究更多的是從實踐層面將個性化學習與學習系統(tǒng)相結合，多數(shù)局限在技術的研究上，僅有少量文獻試圖挖掘個性化學習的理論基礎[27]。

個性化學習的有效開展還必須依托合理的教學理論，結合有效的教學方法，同時也離不開教師的參與。個性化學習系統(tǒng)需要的是不同于傳統(tǒng)課堂的數(shù)字化智慧環(huán)境，在這種新型的學習環(huán)境中，該如何根據(jù)教學理論制定教學設計和組織教學資源，教師在個性化學習過程中該扮演什么樣的角色，個性化的學習資源能多大程度地替代教師都是需要重新考慮的問題。

盡管個性化在線學習系統(tǒng)的實施開展任重而道遠，但不可否認的是教育信息化和智能教學技術的快速發(fā)展正在逐步改變當前的教育格局。針對個性化學習面臨的挑戰(zhàn)，作者想對未來個性化學習的發(fā)展提出一些建議：（1）隨著數(shù)字化學習環(huán)境中采集數(shù)據(jù)的增多，需要制定合適的政策來保護學生的個人隱私。美國的馬里斯特學院（MaristCollege）通過咨詢他們的機構審查委員會成立了一個項目來設定學習者的數(shù)據(jù)隱私和訪問參數(shù)，為我們提供了典范。（2）自適應學習技術具有推動學生個性化學習的潛力，同時還能為高校提高教學效率提供真知灼見；智能感知技術、情感計算技術以及作用于教育大數(shù)據(jù)的學習分析技術融合了人工智能與人類智能，將為學習者提供更精準、更智能的個性化學習服務。因此各個高校應繼續(xù)致力于智能教學技術的開發(fā)和應用，但與此同時，也應該注重教學理論的研究，要把技術與適當?shù)慕虒W設計相結合，建立計算機介入和人腦思維之間的平衡[26]。（3）在新型的數(shù)字化智慧學習環(huán)境中，學生和教師都需要重新定位自己的角色。對于學生，在個性化學習的環(huán)境中，學生的主體性得到了最大程度的體現(xiàn)，學生需要培養(yǎng)自主學習的意識，并積極增進自我理解。對于教師，角色由知識的占有者和傳授者轉變成學習活動的組織者和引導者，工作由簡單的“教學”轉變?yōu)榻逃难芯空?，課程的開發(fā)者和設計者。教師要充分認識自己的新角色，合理利用現(xiàn)代化教學工具，做好教學決策，因材施教。（4）各個高校要為教師提供技術培訓，提高教師的信息素養(yǎng)，幫助教師盡快適應新型的數(shù)字化智慧學習環(huán)境。

隨著信息化時代網絡教學的快速發(fā)展，個性化學習勢必會越來越受到教育領域的重視。希望有更多的專家學者能夠投身到個性化學習的研究中，把機器學習、數(shù)據(jù)挖掘等人工智能領域的成熟技術用到教育中來，提高網絡資源的有效利用率，為學習者提供更快速、更個性化的服務。

參考文獻：

[1]Chen C-M.Intelligent web-based learning system with personalized learning path guidance[J].Computers & Education，2008，51（2）：787-814.

[2]曲毅.基于Web的個性化學習系統(tǒng)的設計[J].計算機工程與設計，2006，27（18）：3388-3390.

[3]徐海燕， 施勇， 周學海， 趙振西.自適應超媒體系統(tǒng)探析[J].計算機科學，2000，27（1）：80-84.

[4]Brusilovsky P.Methods and techniques of adaptive hypermedia[J].User Modeling and User-Adapted Interaction，1996，6（2-3）：87-129.

[5]邢麗刃， 趙蔚， 李曉紅.基于Web的自適應教育超媒體系統(tǒng)現(xiàn)狀及前景分析[J].中國電化教育，2007（3）：100-103.

[6]Brusilovsky P.Adaptive and Intelligent Technologies for Web-based Education[C].Special Issue on Intelligent Systems and Teleteaching， Künstliche Intelligenz，1999：19-25.

[7]Brusilovsky P， Peylo C.Adaptive and Intelligent Web-Based Educational Systems[J].International Journal of Artificial Intelligence in Education，2003，13：156-169.

[8]雷菡.基于概念地圖的網絡化學習路徑控制研究[D].重慶：西南大學，2006.

[9]Tseng JCR， Chu HC， Hwang GJ， Tsai CC.Development of an adaptive learning system with two sources of personalization information [J]. Computers & Education，2008，51（2）：776-786.endprint

[10]Chang YC， Kao WY， Chu CP， Chiu CH.A learning style classification mechanism for e-learning[J].Computers & Education，2009，53（2）：273-285.

[11]程巖.在線學習中基于群體智能的學習路徑推薦方法[J].系統(tǒng)管理學報，2011，20（2）：232-237.

[12]Yang YJ， Wu C.An attribute-based ant colony system for adaptive learning object recommendation[J].Expert Systems with Applications，2009，36（2）：3034-3047.

[13]Wang FH.On extracting recommendation knowledge for personalized web-based learning based on ant colony optimization with segmented-goal and meta-control strategies[J].Expert Systems with Applications An International Journal，2012，39（7）：6446-6453.

[14]李浩君，徐佳程，房邵敏， 謝蘇超.個性化移動學習路徑優(yōu)化策略應用研究[J].電化教育研究，2016（1）：39-44.

[15]吳戰(zhàn)杰，秦健.Agent技術及其在網絡教育中的應用研究[J].電化教育研究，2003（3）：32-36.

[16]Wooldridge M， Jennings NR.Intelligent agents： theory and practice[J].Knowledge Engineering Review，1970，10（2）：115-152.

[17]田雪， 陶璐琳.網絡個性化學習路徑與學習績效研究——以《遠程教育原理與技術》課程為例[J].軟件導刊，2015（3）：185-187.

[18]錢瑛.基于智能Agent的網絡搜索和推薦信息系統(tǒng)[J].科技管理研究，2010，30（8）：147-149.

[19]劉慧敏，王歡，王萬森.基于Agent技術的專家系統(tǒng)平臺的設計與實現(xiàn)[J].計算機應用研究，2004，21（6）：187-188.

[20]張永和， 肖廣德， 胡永斌， 黃榮懷.智慧學習環(huán)境中的學習情景識別——讓學習環(huán)境有效服務學習者[J].開放教育研究，2012，18（1）：85-89.

[21]劉清堂， 毛剛， 楊琳， 程云.智能教學技術的發(fā)展與展望[J].中國電化教育，2016（6）：8-15.

[22]Brusilovsky P， Vassileva J.Course Sequencing Techniques for Large-Scale Web-Based Education[J].International Journal of Continuing Engineering Education and Life-Long Learning，2003，13：75-94.

[23]L·約翰遜， S·亞當斯·貝克爾， M·卡明斯， V·埃斯特拉達， A·弗里曼， C·霍爾， et al.新媒體聯(lián)盟地平線報告（2012高等教育版）[R].北京廣播電視大學學報，2012.

[24]魏順平.學習分析技術：挖掘大數(shù)據(jù)時代下教育數(shù)據(jù)的價值[J].現(xiàn)代教育技術，2013，23（2）：5-11.

[25]L·約翰遜， S·亞當斯·貝克爾， M·卡明斯， V·埃斯特拉達， A·弗里曼， C·霍爾，et al.新媒體聯(lián)盟地平線報告（2015高等教育版）[R].北京廣播電視大學學報，2015.

[26]L·約翰遜， S·亞當斯·貝克爾， M·卡明斯， V·埃斯特拉達， A·弗里曼， C·霍爾， et al.新媒體聯(lián)盟地平線報告：2016高等教育版[R].北京廣播電視大學學報，2016.

[27]譚焱丹.新世紀國內個性化學習研究綜述[J].才智，2016（28）：276-277.

（編輯：郭桂真）endprint