李鳳英 龍紫陽(yáng)

（1.上海交通大學(xué) 繼續(xù)教育學(xué)院；2.上海交通大學(xué) 高等教育研究院，上海 200240）

一、引言

近年來(lái)，隨著智能化時(shí)代的來(lái)臨與高科技競(jìng)爭(zhēng)的不斷加劇，培養(yǎng)大量創(chuàng)新性人才成為各國(guó)政府的一項(xiàng)戰(zhàn)略性任務(wù)。因此，“以學(xué)習(xí)者為中心”的個(gè)性化教育和學(xué)習(xí)，已然成為世界教育發(fā)展的主流。為應(yīng)運(yùn)這種時(shí)代發(fā)展的需求，各國(guó)政府或教育部門(mén)先后制定了相應(yīng)的行動(dòng)計(jì)劃并加以落實(shí)。

早在2003年，新加坡提出并實(shí)施了每個(gè)學(xué)生都擁有一個(gè)學(xué)習(xí)終端的計(jì)劃，以支持學(xué)生的個(gè)性化學(xué)習(xí)[1]。2007年，英國(guó)政府發(fā)布的《2020 愿景》，提出了個(gè)性化學(xué)習(xí)以及亟待解決的相關(guān)問(wèn)題[2]。2011年，韓國(guó)教育科學(xué)技術(shù)部提出全面推行個(gè)性化的教與學(xué)[3]。2012年，美國(guó)教育部發(fā)布了《通過(guò)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》 的報(bào)告，提出借助教育大數(shù)據(jù)，真正實(shí)現(xiàn)個(gè)性化學(xué)習(xí)[4]。我國(guó)在《教育信息化十年發(fā)展規(guī)劃（2011-2020）》中也明確指出，要建設(shè)信息化環(huán)境，為每位學(xué)生提供個(gè)性化的學(xué)習(xí)服務(wù)[5]。教育部在《教育信息化“十三五”規(guī)劃》中進(jìn)一步提出，網(wǎng)絡(luò)學(xué)習(xí)空間建設(shè)應(yīng)滿(mǎn)足個(gè)性化學(xué)習(xí)需求，以實(shí)現(xiàn)“一生一空間、生生有特色”[6]。

2020年1月，世界經(jīng)濟(jì)論壇發(fā)布了題為《未來(lái)學(xué)校：為第四次工業(yè)革命定義新的教育模式》 的報(bào)告，提出了“教育4.0”全球框架[7]，強(qiáng)調(diào)學(xué)習(xí)內(nèi)容和經(jīng)驗(yàn)的八個(gè)關(guān)鍵特征。特別強(qiáng)調(diào)了個(gè)性化學(xué)習(xí)、自主性學(xué)習(xí)的重要性。這充分喻示著，人類(lèi)進(jìn)入以智能技術(shù)為代表的第四次工業(yè)革命之后，重視個(gè)性化學(xué)習(xí)、自主性學(xué)習(xí)尤其是自適應(yīng)學(xué)習(xí)，已經(jīng)成為各國(guó)教育發(fā)展的重要命題與教學(xué)新范式。

所謂自適應(yīng)學(xué)習(xí)（Adaptive Learning，也稱(chēng)適應(yīng)性學(xué)習(xí)），在于根據(jù)不同學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、認(rèn)知圖譜和認(rèn)知能力等，提供具有針對(duì)性、適切性的學(xué)習(xí)服務(wù)，以實(shí)現(xiàn)學(xué)習(xí)者個(gè)性化學(xué)習(xí)的目標(biāo)。比如，學(xué)習(xí)內(nèi)容和路徑推薦、智能化問(wèn)題輔導(dǎo)、精準(zhǔn)學(xué)習(xí)內(nèi)容推送等，從而為學(xué)習(xí)者進(jìn)行個(gè)性化學(xué)習(xí)提供有效支持。自適應(yīng)學(xué)習(xí)系統(tǒng)通常是自適應(yīng)學(xué)習(xí)理念的載體，當(dāng)前主要表現(xiàn)為眾多的學(xué)習(xí)平臺(tái)或在線(xiàn)學(xué)習(xí)管理系統(tǒng)。

隨著信息、智能技術(shù)和教育教學(xué)融合的不斷加深，在線(xiàn)教育資源平臺(tái)，尤其是大規(guī)模在線(xiàn)開(kāi)放課程MOOC 的廣泛應(yīng)用，成為實(shí)現(xiàn)個(gè)性化學(xué)習(xí)、自主性學(xué)習(xí)的重要手段。但目前大多數(shù)在線(xiàn)教育平臺(tái)或?qū)W習(xí)管理系統(tǒng)，普遍存在著追求外在形式或功能的完美，比如，僅滿(mǎn)足于呈現(xiàn)大量的優(yōu)質(zhì)學(xué)習(xí)資源、教師資源、課程資源等，供學(xué)習(xí)者分享或使用。即主要以一種“臉譜化”、靜態(tài)的存在方式，無(wú)法給予學(xué)習(xí)者適切、精準(zhǔn)、動(dòng)態(tài)的學(xué)習(xí)服務(wù)、內(nèi)容推送與評(píng)價(jià)反饋。因此，在面對(duì)大規(guī)模學(xué)習(xí)者時(shí)，教師很難實(shí)現(xiàn)與學(xué)習(xí)者之間的有效互動(dòng)。不能很好地滿(mǎn)足當(dāng)下學(xué)習(xí)者的個(gè)性化學(xué)習(xí)需求，也難以實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)的目標(biāo)。

近年來(lái)，隨著在線(xiàn)教育的人機(jī)交互、情感分析、大數(shù)據(jù)、智能機(jī)器人等新技術(shù)的不斷涌現(xiàn)，人工智能技術(shù)正不斷地與學(xué)習(xí)科學(xué)、教育科學(xué)、認(rèn)知心理、腦神經(jīng)科學(xué)等進(jìn)行深度交叉與融合，有力地推動(dòng)著自適應(yīng)學(xué)習(xí)研究的不斷深入，并出現(xiàn)了各種具有智能化功能的自適應(yīng)學(xué)習(xí)系統(tǒng)。比如，美國(guó)的AEHS（Adaptive Educational Hypermedia Systems）、InterBook、Knewton以及國(guó)內(nèi)的作業(yè)幫、小猿搜題等。這些新的自適應(yīng)學(xué)習(xí)技術(shù)或系統(tǒng)，可使學(xué)生突破物理地域和時(shí)間限制，根據(jù)自己的需求與學(xué)習(xí)特征，自主自在地制定與掌握學(xué)習(xí)進(jìn)度，提升學(xué)習(xí)效果，獲得具有實(shí)質(zhì)意義的學(xué)習(xí)結(jié)果；并在這一過(guò)程中，能進(jìn)行開(kāi)放式、關(guān)聯(lián)式、分享式的學(xué)習(xí)方式，以有效緩解目前在線(xiàn)學(xué)習(xí)平臺(tái)或?qū)W習(xí)管理系統(tǒng)中存在的上述一些問(wèn)題。

但在教與學(xué)的現(xiàn)實(shí)中，目前并沒(méi)有產(chǎn)生預(yù)期的效果。這種理論與實(shí)踐的反差，值得我們深思：一方面，緣于自適應(yīng)學(xué)習(xí)系統(tǒng)本身還不夠成熟，面臨著許多困難和挑戰(zhàn)，比如，教育內(nèi)容和技術(shù)應(yīng)用的不合拍、學(xué)習(xí)者情感領(lǐng)域的傳遞瓶頸、學(xué)習(xí)過(guò)程缺乏精確評(píng)價(jià)、學(xué)習(xí)者數(shù)據(jù)隱私的泄露等；另一方面，自適應(yīng)學(xué)習(xí)平臺(tái)的同質(zhì)化與系統(tǒng)構(gòu)建的雷同性，也無(wú)法真正滿(mǎn)足或契合當(dāng)下學(xué)習(xí)者的不同需要?；诖耍疚脑噺膹淖赃m應(yīng)學(xué)習(xí)推薦到自適應(yīng)學(xué)習(xí)牽引模型這一角度，探討智能技術(shù)如何有效構(gòu)建可促進(jìn)學(xué)習(xí)者自適應(yīng)學(xué)習(xí)的新范式，以期為促進(jìn)“智能+”時(shí)代自適應(yīng)學(xué)習(xí)的開(kāi)展，提供一些借鑒。

二、自適應(yīng)學(xué)習(xí)研究及其進(jìn)展概述

關(guān)于自適應(yīng)學(xué)習(xí)的研究，一直以來(lái)，它與自主式學(xué)習(xí)、個(gè)性化學(xué)習(xí)、個(gè)別化學(xué)習(xí)等研究具有較為密切的關(guān)聯(lián)，甚至在很多文章或?qū)W術(shù)活動(dòng)中，經(jīng)?；煊?、交叉。這種情況的存在，有利之處是拓展了自適應(yīng)學(xué)習(xí)的研究視野與影響范圍，但不利之處在于對(duì)其研究的概念、內(nèi)涵等，往往不易梳理或把握清楚。因此，有必要從概念、系統(tǒng)和模型等三個(gè)范疇進(jìn)行闡述。

（一）自適應(yīng)學(xué)習(xí)的概念

自適應(yīng)學(xué)習(xí)的概念，目前學(xué)界并沒(méi)有統(tǒng)一的界定。1996年，美國(guó)匹茲堡大學(xué)教授Peter Brusilovsky提出，自適應(yīng)學(xué)習(xí)是根據(jù)學(xué)習(xí)者自身的前提知識(shí)、學(xué)習(xí)水平、學(xué)習(xí)風(fēng)格、學(xué)習(xí)態(tài)度和學(xué)習(xí)能力等方面存在的個(gè)體差異性而進(jìn)行的學(xué)習(xí)[8]。國(guó)內(nèi)學(xué)者朱新明等最早提出了自適應(yīng)學(xué)習(xí)的 “條件建構(gòu)——優(yōu)化理論”，系統(tǒng)闡述了自適應(yīng)學(xué)習(xí)者通過(guò)示例學(xué)習(xí)獲取知識(shí)與技能的信息加工過(guò)程[9]。余勝泉認(rèn)為，自適應(yīng)學(xué)習(xí)是基于資源的學(xué)習(xí)，以學(xué)習(xí)者的個(gè)性化為核心特征，學(xué)習(xí)者自我組織、制定并執(zhí)行學(xué)習(xí)計(jì)劃，并且需要鍛煉元認(rèn)知能力，學(xué)習(xí)者需要進(jìn)行知識(shí)的自我構(gòu)建[10]。菅保霞、姜強(qiáng)等認(rèn)為，自適應(yīng)學(xué)習(xí)是指根據(jù)學(xué)習(xí)者的知識(shí)能力、認(rèn)知風(fēng)格等特征，自動(dòng)安排學(xué)習(xí)活動(dòng)和最佳學(xué)習(xí)內(nèi)容，并通過(guò)對(duì)學(xué)習(xí)者互動(dòng)的持續(xù)分析提供適合每位學(xué)習(xí)者的反饋，從而促進(jìn)學(xué)業(yè)進(jìn)步[11]。

除了上述從“學(xué)習(xí)者”的角度進(jìn)行論述以外，有學(xué)者從“教”的角度，認(rèn)為自適應(yīng)學(xué)習(xí)意味著教師利用自適應(yīng)學(xué)習(xí)系統(tǒng)作為教學(xué)輔助，進(jìn)行數(shù)據(jù)的搜集和分析，備課、了解學(xué)情、測(cè)評(píng)，并及時(shí)調(diào)整教學(xué)內(nèi)容，以滿(mǎn)足學(xué)生不斷變化的學(xué)習(xí)需求[12]；還有學(xué)者從“學(xué)”的角度認(rèn)為，自適應(yīng)學(xué)習(xí)是通過(guò)自適應(yīng)學(xué)習(xí)系統(tǒng)，獲取適合自己的學(xué)習(xí)內(nèi)容、方式和路徑[13]。

從上述已有的相關(guān)研究可以發(fā)現(xiàn)，早期的自適應(yīng)學(xué)習(xí)概念大多是從傳統(tǒng)教育學(xué)的觀點(diǎn)出發(fā)，未突出智能化及智能技術(shù)影響的因素。伴隨著智能化技術(shù)的不斷融入與“智能+”教育研究的深入，AI+自適應(yīng)學(xué)習(xí)成為國(guó)內(nèi)外研究的新命題，自適應(yīng)學(xué)習(xí)被賦予新的涵義。

（二）自適應(yīng)學(xué)習(xí)研究的發(fā)展脈絡(luò)

從國(guó)際領(lǐng)域來(lái)審視，自適應(yīng)學(xué)習(xí)相關(guān)研究的發(fā)展，從最早1905年比奈（A.Binet）創(chuàng)建全球第一個(gè)自適應(yīng)測(cè)驗(yàn)——比奈智商測(cè)驗(yàn)開(kāi)始，到今天AI+自適應(yīng)研究及產(chǎn)品應(yīng)用的大量出現(xiàn)，已經(jīng)持續(xù)100 多年。這一發(fā)展的大致脈絡(luò)，如圖1所示。

我們認(rèn)為，進(jìn)入“教育4.0”時(shí)代，自適應(yīng)學(xué)習(xí)應(yīng)該也必須是自主性、智能化、由技術(shù)推動(dòng)的，是適切每個(gè)學(xué)習(xí)者的一種個(gè)性化學(xué)習(xí)方式；與此相應(yīng)，自適應(yīng)學(xué)習(xí)系統(tǒng)是融合自適應(yīng)學(xué)習(xí)理念的在線(xiàn)學(xué)習(xí)環(huán)境或者學(xué)習(xí)支持/服務(wù)系統(tǒng)。而融入AI 的自適應(yīng)學(xué)習(xí)，其內(nèi)涵正在由“自我適應(yīng)”演變?yōu)椤爸悄苓m應(yīng)”，具有不同于傳統(tǒng)意義的新屬性。

圖1 自適應(yīng)學(xué)習(xí)研究的發(fā)展脈絡(luò)

第一是自主性：自適應(yīng)的“自”首先表現(xiàn)為學(xué)習(xí)者個(gè)體上的自覺(jué)自主性，即學(xué)習(xí)者能夠充分意識(shí)到自己的學(xué)習(xí)興趣，能根據(jù)自身的知識(shí)、技能或發(fā)展需求，積極主動(dòng)地選擇合適的學(xué)習(xí)系統(tǒng)和學(xué)習(xí)內(nèi)容。這種學(xué)習(xí)有別于被動(dòng)學(xué)習(xí)、機(jī)械學(xué)習(xí)或灌輸學(xué)習(xí)，接近于奧蘇伯爾所倡導(dǎo)的發(fā)自?xún)?nèi)心的“有意義學(xué)習(xí)”。

第二是智能化：自適應(yīng)的“自”還體現(xiàn)在“智”的方面，即能夠根據(jù)學(xué)習(xí)者的自我特征，借助智能技術(shù)自動(dòng)引導(dǎo)學(xué)習(xí)者深化認(rèn)知、一步步解決問(wèn)題；自動(dòng)記錄學(xué)習(xí)過(guò)程、學(xué)習(xí)行為和學(xué)習(xí)結(jié)果；根據(jù)學(xué)習(xí)過(guò)程數(shù)據(jù)，自動(dòng)進(jìn)行學(xué)習(xí)研判、自動(dòng)關(guān)聯(lián)學(xué)習(xí)資源，自動(dòng)評(píng)估、自動(dòng)調(diào)適學(xué)習(xí)策略和學(xué)習(xí)行為。

第三是個(gè)性化：自適應(yīng)的“適”首先表現(xiàn)在個(gè)體學(xué)習(xí)的自在性。自適應(yīng)學(xué)習(xí)的目的和本質(zhì)在于實(shí)現(xiàn)個(gè)性化學(xué)習(xí)，即學(xué)習(xí)者能夠自主選擇適合自己的學(xué)習(xí)方式與學(xué)習(xí)內(nèi)容；其次體現(xiàn)在學(xué)習(xí)者能夠自定學(xué)習(xí)進(jìn)度，按照自己最舒適的方式來(lái)進(jìn)行學(xué)習(xí)，后者更彰顯了教育4.0 全球框架中所倡導(dǎo)的“自主學(xué)習(xí)理念”。

第四是適應(yīng)性：自適應(yīng)的“適”還表現(xiàn)在學(xué)習(xí)者和學(xué)習(xí)環(huán)境、學(xué)習(xí)內(nèi)容的難易、學(xué)習(xí)同伴（包括教師）以及學(xué)習(xí)技術(shù)之間的動(dòng)態(tài)化適應(yīng)與不斷調(diào)節(jié)上；而這種適應(yīng)與調(diào)節(jié)的關(guān)鍵，在于把握符合每個(gè)學(xué)習(xí)者需要的學(xué)習(xí)節(jié)奏與學(xué)習(xí)時(shí)間，尋找自適應(yīng)學(xué)習(xí)中各個(gè)要素之間的平衡點(diǎn)。這樣，適應(yīng)性越強(qiáng)，學(xué)習(xí)過(guò)程就越順暢，學(xué)習(xí)效率也越高。

（三）自適應(yīng)學(xué)習(xí)系統(tǒng)

作為支撐自適應(yīng)學(xué)習(xí)的重要載體，自適應(yīng)學(xué)習(xí)系統(tǒng)的發(fā)展與信息技術(shù)等有著很大的關(guān)聯(lián)，其發(fā)展大致經(jīng)歷了程序教學(xué)機(jī)、計(jì)算機(jī)輔助教學(xué)、智能教學(xué)系統(tǒng)、智能代理教學(xué)系統(tǒng)、智能超媒體教學(xué)系統(tǒng)、智能化自適應(yīng)學(xué)習(xí)系統(tǒng)等六個(gè)階段，具體見(jiàn)表1。

1.第一階段：程序教學(xué)機(jī)

20世紀(jì)20年代，以行為主義為先導(dǎo)，美國(guó)心理學(xué)家普萊西（S.Pressey）設(shè)計(jì)了一臺(tái)自動(dòng)教學(xué)機(jī)器，可以為學(xué)生提供多重選擇題做練習(xí)，并能跟蹤學(xué)生的應(yīng)答。它的誕生，標(biāo)志著機(jī)器輔助教學(xué)思想的萌芽或開(kāi)端。到了50年代，美國(guó)行為主義代表斯金納（B.F.Skinner）設(shè)計(jì)了第一臺(tái)自動(dòng)教學(xué)機(jī)，開(kāi)啟了程序化教學(xué)（Programmed Learning）運(yùn)動(dòng)。斯金納的教學(xué)機(jī)是直線(xiàn)性學(xué)習(xí)程序，學(xué)生可以自定學(xué)習(xí)步驟，主要用于自動(dòng)化測(cè)試，能夠提高學(xué)習(xí)效率。進(jìn)入60年代，程序教學(xué)走向衰落，其他個(gè)別化教學(xué)系統(tǒng)PSI（Personalized System of Instruction）得到發(fā)展，比如，美國(guó)心理學(xué)家哥倫比亞大學(xué)的凱勒（Fred S.Keller）研制了個(gè)人學(xué)習(xí)系統(tǒng)。其特點(diǎn)是強(qiáng)化理論指導(dǎo)，減少教師指導(dǎo)，學(xué)生自定學(xué)習(xí)步驟，達(dá)到教學(xué)要求后才能進(jìn)入下一步的學(xué)習(xí)。這一階段可以稱(chēng)之為自適應(yīng)學(xué)習(xí)系統(tǒng)的孕育期，主要用于“教”。

表1 自適應(yīng)學(xué)習(xí)系統(tǒng)發(fā)展的六個(gè)階段

2.第二階段：計(jì)算機(jī)輔助教學(xué)

20世紀(jì)70年代，計(jì)算機(jī)輔助教學(xué)CAI（Computer Aided Instruction）得到廣泛研究和關(guān)注。英國(guó)的帕斯克（G.Pask）研制出采用計(jì)算機(jī)的適應(yīng)性教學(xué)機(jī)，被認(rèn)為是CAI 元祖。CAI 克服了原來(lái)教學(xué)機(jī)的不足，具有一定的靈活性和人機(jī)交互功能，除了用于學(xué)科教學(xué)外，還用于答疑、個(gè)別指導(dǎo)、模擬測(cè)驗(yàn)和評(píng)價(jià)等。該階段可以看作自適應(yīng)學(xué)習(xí)系統(tǒng)的雛形，主要輔助教師的“教”。

3.第三階段：智能教學(xué)系統(tǒng)

20世紀(jì)80年代，微機(jī)革命促進(jìn)CAI 的進(jìn)一步發(fā)展，并孕育了智能教學(xué)系統(tǒng)ITS（Intelligent Tutoring System），其基本框架是由哈特利（J.R.Hartley）等提出[14]。ITS 作為教師面授教學(xué)的一個(gè)補(bǔ)充，已借助人工智能技術(shù)，對(duì)學(xué)生進(jìn)行個(gè)別化教學(xué)，為學(xué)習(xí)者提供即時(shí)和定制的指導(dǎo)或反饋，這個(gè)階段側(cè)重于“教學(xué)”并重。

4.第四階段：智能代理教學(xué)系統(tǒng)

20世紀(jì)90年代，伴隨著因特網(wǎng)和萬(wàn)維網(wǎng)的迅速發(fā)展，虛擬現(xiàn)實(shí)（VR）和代理技術(shù)被廣泛應(yīng)用于ITS，出現(xiàn)了與新技術(shù)同步的智能代理教學(xué)系統(tǒng)Agent，也稱(chēng)為智能化學(xué)生自學(xué)軟件系統(tǒng)。憑借VR 較為出色的沉浸性，學(xué)習(xí)者能獲得身臨其境般的感受，這一階段開(kāi)始偏重于“學(xué)”。

5.第五階段：智能超媒體教學(xué)系統(tǒng)

1996年，全球范圍第一個(gè)自適應(yīng)學(xué)習(xí)系統(tǒng)AEHS（Adaptive Educational Hypermedia System）正式誕生，被稱(chēng)為第一個(gè)真正的自適應(yīng)學(xué)習(xí)系統(tǒng)，它集超媒體/超文本系統(tǒng)、適應(yīng)性系統(tǒng)和智能教學(xué)系統(tǒng)三位于一體[15]，標(biāo)志著自適應(yīng)學(xué)習(xí)系統(tǒng)走向成熟。

6.第六階段：智能化自適應(yīng)學(xué)習(xí)系統(tǒng)

自2011年以來(lái)，人工智能、大數(shù)據(jù)等突飛猛進(jìn)，自適應(yīng)學(xué)習(xí)系統(tǒng)進(jìn)入快速發(fā)展期，新型的學(xué)習(xí)系統(tǒng)不斷涌現(xiàn)。具有代表性的系統(tǒng)平臺(tái)有：美國(guó)的knewton、韓國(guó)的KnowRe、澳大利亞的Smart Sparrow、英國(guó)的CogBooks等；國(guó)內(nèi)比較有名的有猿題庫(kù)、乂學(xué)教育、作業(yè)幫等。

我們通過(guò)對(duì)上述六個(gè)發(fā)展階段的梳理，不難發(fā)現(xiàn)，自適應(yīng)學(xué)習(xí)及系統(tǒng)的研究與應(yīng)用，大致呈現(xiàn)這樣一個(gè)演進(jìn)軌跡：從智能教學(xué)系統(tǒng)到自適應(yīng)學(xué)習(xí)系統(tǒng)，從非智能轉(zhuǎn)向智能；從感知到認(rèn)知，從低級(jí)認(rèn)知到包括初步意識(shí)的高級(jí)認(rèn)知；從預(yù)設(shè)學(xué)習(xí)路徑到學(xué)習(xí)推薦，從以“教”為中心，轉(zhuǎn)向以“學(xué)”為中心的這樣一個(gè)發(fā)展趨勢(shì)。即自適應(yīng)學(xué)習(xí)系統(tǒng)從內(nèi)容、評(píng)估和序列三個(gè)方面提供適應(yīng)性支持[16]，借助多種技術(shù)挖掘并分析學(xué)習(xí)者的行為數(shù)據(jù)，實(shí)時(shí)調(diào)整學(xué)習(xí)內(nèi)容、知識(shí)評(píng)估方式和知識(shí)序列，從而滿(mǎn)足學(xué)習(xí)者的個(gè)性化需要。

（四）國(guó)外自適應(yīng)學(xué)習(xí)模型的演變

1.智能教輔系統(tǒng)（ITS）

通常，智能教輔系統(tǒng)（ITS）被認(rèn)為是自適應(yīng)學(xué)習(xí)的前身。最早提出的ITS 框架包括了三個(gè)基本模型：（1）領(lǐng)域知識(shí)，即專(zhuān)家模型（Expert Model）；（2）學(xué)習(xí)者知識(shí)，即學(xué)生模型（Student Model）；（3）教學(xué)策略知識(shí)，即導(dǎo)師模型（Tutor Model）[17]，成為指導(dǎo)ITS 設(shè)計(jì)與開(kāi)發(fā)的經(jīng)典理論。

2.自適應(yīng)超媒體系統(tǒng)通用模型（AEHS）

美國(guó)匹茲堡大學(xué)教授布魯希洛夫斯基（P.Brusilovsky）基于ITS 的框架模型，于1996年提出了第一個(gè)自適應(yīng)超媒體系統(tǒng)通用模型AEHS，如圖2所示。該模型分為領(lǐng)域模型、教育學(xué)模型、學(xué)生模型和接口模塊四個(gè)核心組件，四個(gè)組件通過(guò)自適應(yīng)引擎相連接。自適應(yīng)引擎成為AEHS 的顯著特征，其特殊的功能在于通過(guò)個(gè)性化機(jī)制，對(duì)學(xué)生進(jìn)行個(gè)性化的資源推薦。

圖2 AEHS 系統(tǒng)模型

除了提出AEHS 通用模型外，他還先后提出了智能授導(dǎo)系統(tǒng)——ITEM/IP[18]，基于網(wǎng)絡(luò)環(huán)境下的創(chuàng)作和傳輸工具InterBook[19]、ELM-ART[20]、Knowledge Sea[21]和Annotat Ed[22]等自適應(yīng)學(xué)習(xí)系統(tǒng)。此后，世界各國(guó)學(xué)者基于布魯希洛夫斯基（P.Brusilovsky）的自適應(yīng)學(xué)習(xí)通用模型AEHS，進(jìn)行了廣泛而深入的研究與改進(jìn)。

3.其他模型

其他模型主要有：（1）墨爾本皇家理工大學(xué)沃爾夫（C.Wolf）設(shè)計(jì)開(kāi)發(fā)了一個(gè)自適應(yīng)的JAVA 編程語(yǔ)言學(xué)習(xí)環(huán)境—iWeaver，該系統(tǒng)使用鄧恩學(xué)習(xí)風(fēng)格模型[23]；（2）雅典大學(xué)的帕帕尼古拉烏（K.A.Papanikolaou）等設(shè)計(jì)和開(kāi)發(fā)了個(gè)性化教育超媒體系統(tǒng)——INSPIRE，系統(tǒng)會(huì)根據(jù)學(xué)習(xí)者的認(rèn)知水平、學(xué)習(xí)風(fēng)格生成課程內(nèi)容[24]；（3）德國(guó)漢諾威大學(xué)阿爾里法伊（M.Alrifai）等研究了自適應(yīng)學(xué)習(xí)系統(tǒng)的用戶(hù)和領(lǐng)域模型[25]；（4）荷蘭愛(ài)因霍芬科技大學(xué)黛布拉（DeBra）等開(kāi)發(fā)了一個(gè)開(kāi)源的自適應(yīng)超媒體系統(tǒng)—AHA! ，該系統(tǒng)修改了用戶(hù)模型，增加了新的功能[26]。

（五）國(guó)內(nèi)自適應(yīng)學(xué)習(xí)的相關(guān)模型

近年來(lái)，國(guó)內(nèi)學(xué)者從不同領(lǐng)域?qū)ψ赃m應(yīng)學(xué)習(xí)系統(tǒng)和各個(gè)模塊，也做了較為深入的研究，先后提出了一些相關(guān)模型，具體如表2所示。

從以上論述可見(jiàn)，隨著國(guó)內(nèi)外相關(guān)研究的不斷深入，自適應(yīng)學(xué)習(xí)系統(tǒng)模型和組件模型的功能越來(lái)越豐富。系統(tǒng)模型從線(xiàn)性引導(dǎo)到非線(xiàn)性引導(dǎo)、從單向廣播到雙向交互發(fā)展；領(lǐng)域知識(shí)模型的知識(shí)內(nèi)容從粗顆粒度向細(xì)顆粒度發(fā)展，學(xué)習(xí)者模型從之前的學(xué)生知識(shí)狀態(tài)分析到學(xué)習(xí)者風(fēng)格、情感分析等。我們認(rèn)為，雖然目前國(guó)內(nèi)外提出了很多不同的模型，但關(guān)于自適應(yīng)學(xué)習(xí)模型的研究，多數(shù)仍基于AEHS 模型，并未獲得突破性的進(jìn)展。面對(duì)當(dāng)下“數(shù)字一代”學(xué)習(xí)者越來(lái)越追求多元化、個(gè)性化、舒適化的學(xué)習(xí)需求，以及學(xué)習(xí)方式與場(chǎng)景等變化，對(duì)基于自適應(yīng)學(xué)習(xí)的學(xué)習(xí)分析、學(xué)習(xí)評(píng)價(jià)、學(xué)習(xí)推送的要求也越來(lái)越高，因此，必須要不斷探索新的自適應(yīng)學(xué)習(xí)模型及應(yīng)用。

表2 國(guó)內(nèi)學(xué)者提出的自適應(yīng)學(xué)習(xí)相關(guān)模型

三、自適應(yīng)學(xué)習(xí)推薦模型及其功能

隨著人工智能與教育、教學(xué)融合和應(yīng)用的不斷深入，尤其是學(xué)習(xí)分析、大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)、智能傳感、人臉與情感識(shí)別等開(kāi)始嵌入在教與學(xué)的過(guò)程中，新一代自適應(yīng)學(xué)習(xí)及其系統(tǒng)的研究與實(shí)踐，越來(lái)越體現(xiàn)出智能化的特征，這種智能化特征集中體現(xiàn)在學(xué)習(xí)推薦的功能上。

（一）自適應(yīng)學(xué)習(xí)系統(tǒng)的實(shí)現(xiàn)過(guò)程

從技術(shù)嵌入的角度而言，自適應(yīng)學(xué)習(xí)的實(shí)現(xiàn)，一般分為三個(gè)步驟：（1）根據(jù)學(xué)習(xí)者的個(gè)性特征，引導(dǎo)學(xué)習(xí)者深化認(rèn)知、一步步解決問(wèn)題；同時(shí)，自動(dòng)記錄學(xué)習(xí)者的學(xué)習(xí)過(guò)程、學(xué)習(xí)行為和學(xué)習(xí)結(jié)果；（2）根據(jù)記錄的學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)和知識(shí)領(lǐng)域模型中分解的微細(xì)知識(shí)顆粒，進(jìn)行學(xué)習(xí)分析，自動(dòng)評(píng)估學(xué)習(xí)者的認(rèn)知、情感和動(dòng)作技能等方面的初始水平、學(xué)習(xí)目標(biāo)需求和學(xué)習(xí)績(jī)效，并形成關(guān)聯(lián)的知識(shí)圖譜；（3）將形成的知識(shí)圖譜及學(xué)習(xí)評(píng)估反饋給學(xué)習(xí)推薦系統(tǒng)，自動(dòng)推薦學(xué)習(xí)者感興趣的相關(guān)學(xué)習(xí)內(nèi)容、學(xué)習(xí)資源和學(xué)習(xí)路徑；并根據(jù)即時(shí)的學(xué)習(xí)反饋，不斷做出學(xué)習(xí)策略和行為的調(diào)整，從而實(shí)現(xiàn)個(gè)性化的自適應(yīng)學(xué)習(xí)過(guò)程，其系統(tǒng)功能如圖3所示。

圖3 自適應(yīng)學(xué)習(xí)系統(tǒng)的實(shí)現(xiàn)過(guò)程

（二）學(xué)習(xí)推薦技術(shù)：自適應(yīng)學(xué)習(xí)的關(guān)鍵

不同的自適應(yīng)學(xué)習(xí)系統(tǒng)，其功能的實(shí)現(xiàn)及內(nèi)容展示可能有著很大區(qū)別。一般地，自適應(yīng)學(xué)習(xí)的實(shí)現(xiàn)主要有三個(gè)方式：自適應(yīng)內(nèi)容選擇，自適應(yīng)導(dǎo)航支持，自適應(yīng)內(nèi)容呈現(xiàn)[36]。如今，新一代的自適應(yīng)學(xué)習(xí)系統(tǒng)打破了傳統(tǒng)智能學(xué)習(xí)系統(tǒng)中所有學(xué)生使用同一學(xué)習(xí)路徑的局限，能夠根據(jù)學(xué)習(xí)者的自身情況即學(xué)習(xí)數(shù)據(jù)，創(chuàng)建自定義的學(xué)習(xí)內(nèi)容和學(xué)習(xí)路徑，并將最優(yōu)化的學(xué)習(xí)方案推薦給學(xué)習(xí)者，為每個(gè)學(xué)習(xí)者提供不同于他人的個(gè)性化學(xué)習(xí)指導(dǎo)。該功能的實(shí)現(xiàn)，主要源自系統(tǒng)所采用的關(guān)鍵技術(shù)和算法。

1.關(guān)鍵技術(shù)

學(xué)習(xí)推薦技術(shù)是自適應(yīng)學(xué)習(xí)系統(tǒng)中能真正實(shí)現(xiàn)個(gè)性化學(xué)習(xí)需求和學(xué)習(xí)推送功能的關(guān)鍵技術(shù)，與其密切相關(guān)的還有學(xué)習(xí)分析技術(shù)和知識(shí)圖譜技術(shù)等。

第一，學(xué)習(xí)推薦技術(shù)。推薦系統(tǒng)根據(jù)學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)，自動(dòng)調(diào)整學(xué)習(xí)內(nèi)容，向?qū)W習(xí)者推薦所需要的內(nèi)容。學(xué)習(xí)推薦技術(shù)主要有三種：（1）基于行為的協(xié)同過(guò)濾。比如，根據(jù)學(xué)習(xí)者看過(guò)的內(nèi)容推薦給學(xué)習(xí)者；或者學(xué)習(xí)者有某個(gè)好友，他/她看了什么內(nèi)容，系統(tǒng)就會(huì)推薦給該學(xué)習(xí)者感興趣的東西。（2）基于內(nèi)容的相似推薦。根據(jù)學(xué)習(xí)者學(xué)過(guò)的內(nèi)容，系統(tǒng)對(duì)這些內(nèi)容進(jìn)行標(biāo)注，那么這些內(nèi)容及其相似的內(nèi)容都有了標(biāo)簽，系統(tǒng)就會(huì)推薦給該學(xué)習(xí)者感興趣的內(nèi)容。（3）基于內(nèi)容和基于行為的混合式推薦。這三種學(xué)習(xí)推薦技術(shù)，均是實(shí)施學(xué)習(xí)個(gè)性化的必要條件。

第二，學(xué)習(xí)分析技術(shù)。基于數(shù)據(jù)關(guān)聯(lián)與提煉的學(xué)習(xí)分析技術(shù)，是實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)的前提，即實(shí)施個(gè)性化學(xué)習(xí)的前提。系統(tǒng)通過(guò)搜集和分析學(xué)習(xí)者特征、歷史信息、行為數(shù)據(jù)和知識(shí)點(diǎn)之間的關(guān)系，推薦學(xué)習(xí)者需要的學(xué)習(xí)內(nèi)容、學(xué)習(xí)同伴，并能形成相關(guān)的知識(shí)圖譜、診斷學(xué)習(xí)者知識(shí)掌握情況，從而進(jìn)一步量化學(xué)習(xí)效果與教學(xué)效果。

第三，知識(shí)圖譜技術(shù)。知識(shí)圖譜是人工智能的一個(gè)重要分支技術(shù)，由谷歌于2012年正式提出。知識(shí)圖譜本質(zhì)上是語(yǔ)義網(wǎng)的知識(shí)庫(kù)，也可以簡(jiǎn)單地把知識(shí)圖譜理解成多向關(guān)系圖，是一種對(duì)事實(shí)的結(jié)構(gòu)化表征，它由實(shí)體、關(guān)系和語(yǔ)義描述所組成。知識(shí)圖譜用于自適應(yīng)學(xué)習(xí)系統(tǒng)，能夠?qū)崿F(xiàn)智能分析、智能搜索、人機(jī)交互等。比如，基于知識(shí)圖譜的關(guān)聯(lián)特點(diǎn)能夠完成領(lǐng)域模型的知識(shí)表達(dá)，讓學(xué)習(xí)系統(tǒng)具有認(rèn)知能力和邏輯能力，繼而進(jìn)行個(gè)性化學(xué)習(xí)推薦。

2.基本算法

這里涉及的算法，主要是指實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)關(guān)鍵技術(shù)及其功能的具體計(jì)算方法。國(guó)內(nèi)學(xué)者徐坤結(jié)合Kenton、Assissment 和VIPKID 等多個(gè)自適應(yīng)學(xué)習(xí)平臺(tái)，總結(jié)出三種自適應(yīng)學(xué)習(xí)的基本算法：（1）貝葉斯知識(shí)追蹤（Bayesian Knowledge Tracing）。當(dāng)追蹤學(xué)習(xí)者知識(shí)點(diǎn)的掌握情況時(shí)，一般使用貝葉斯推斷算法。（2）貝葉斯網(wǎng)絡(luò)（Bayesian Network）。通過(guò)對(duì)學(xué)習(xí)數(shù)據(jù)的各種關(guān)聯(lián)關(guān)系進(jìn)行分析、挖掘和建模，從而形成有向無(wú)環(huán)圖，以推斷學(xué)習(xí)者學(xué)習(xí)演進(jìn)的路徑。上述兩種貝葉斯算法統(tǒng)稱(chēng)為概率圖模型（Probabilistic Graph Modeling）。（3）項(xiàng)目反應(yīng)理論（Item Response Theory）和學(xué)習(xí)空間理論（Learning Space Theory）等教育測(cè)量學(xué)科范疇的一些技術(shù)和方法。此算法可以精確定位學(xué)習(xí)者當(dāng)前的知識(shí)水平和學(xué)習(xí)狀態(tài)，用于學(xué)習(xí)診斷和推薦[37]。但在實(shí)際應(yīng)用中，常?；谶@三種基本算法進(jìn)行擴(kuò)展或融合，以滿(mǎn)足不同技術(shù)實(shí)現(xiàn)的具體需求。

（三）自適應(yīng)學(xué)習(xí)推薦模型

目前的自適應(yīng)學(xué)習(xí)系統(tǒng)主要是通過(guò)學(xué)習(xí)推薦技術(shù)，首先，服務(wù)器對(duì)學(xué)習(xí)者的個(gè)人信息、學(xué)習(xí)過(guò)程數(shù)據(jù)、學(xué)習(xí)風(fēng)格和情感狀態(tài)等進(jìn)行分析；然后，推薦給學(xué)習(xí)者適合的學(xué)習(xí)內(nèi)容，從而完成該學(xué)習(xí)過(guò)程。這一組織結(jié)構(gòu)被稱(chēng)為自適應(yīng)學(xué)習(xí)推薦模型，如圖4所示。

圖4 自適應(yīng)學(xué)習(xí)推薦模型

融入學(xué)習(xí)推薦技術(shù)的自適應(yīng)學(xué)習(xí)系統(tǒng)具有很多優(yōu)勢(shì)，因?yàn)閭鹘y(tǒng)的智能教學(xué)系統(tǒng)或者自適應(yīng)學(xué)習(xí)系統(tǒng)，通常是單一的、線(xiàn)性的、固定的。比如，每個(gè)科目中的章節(jié)、知識(shí)點(diǎn)都是預(yù)先設(shè)定好的，所有學(xué)習(xí)者的學(xué)習(xí)路徑都是統(tǒng)一的、基本不變的。而學(xué)習(xí)推薦技術(shù)融入后的自適應(yīng)學(xué)習(xí)系統(tǒng)，則是復(fù)雜的、多維的、非確定的；是基于每個(gè)學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)及分析，以提供或推薦給每個(gè)學(xué)習(xí)者不同于他人的個(gè)別化學(xué)習(xí)方案和學(xué)習(xí)路徑。相對(duì)而言，自適應(yīng)學(xué)習(xí)推薦模型的優(yōu)勢(shì)在于：能精準(zhǔn)發(fā)現(xiàn)學(xué)習(xí)者缺漏的知識(shí)點(diǎn)，推薦與學(xué)習(xí)水平匹配的學(xué)習(xí)方案、學(xué)習(xí)節(jié)奏和學(xué)習(xí)同伴，以快速提高學(xué)習(xí)者的認(rèn)知能力和學(xué)習(xí)水平。

四、自適應(yīng)學(xué)習(xí)牽引模型及其應(yīng)用價(jià)值

現(xiàn)有的一些實(shí)踐與研究表明，上述自適應(yīng)學(xué)習(xí)推薦模型也存在明顯的不足，主要表現(xiàn)在：會(huì)給學(xué)習(xí)者帶來(lái)較為嚴(yán)重的隱私泄露風(fēng)險(xiǎn)。為了實(shí)現(xiàn)個(gè)性化、自適應(yīng)性的需求，自適應(yīng)學(xué)習(xí)系統(tǒng)的服務(wù)器要對(duì)學(xué)習(xí)者的個(gè)人信息，比如，學(xué)習(xí)興趣、起點(diǎn)水平、學(xué)習(xí)風(fēng)格和情感狀態(tài)等學(xué)習(xí)數(shù)據(jù)進(jìn)行搜集分析；自適應(yīng)學(xué)習(xí)評(píng)價(jià)也需要不斷收集學(xué)習(xí)者的學(xué)習(xí)成績(jī)、學(xué)習(xí)過(guò)程和學(xué)習(xí)者使用的資源類(lèi)型等數(shù)據(jù)；這些數(shù)據(jù)收集之后，需要針對(duì)這些學(xué)習(xí)數(shù)據(jù)進(jìn)行清洗、整理與分析，才能實(shí)現(xiàn)個(gè)性化推薦學(xué)習(xí)內(nèi)容和學(xué)習(xí)同伴。如果中斷了個(gè)人信息、學(xué)習(xí)過(guò)程和學(xué)習(xí)結(jié)果數(shù)據(jù)的連接，學(xué)習(xí)者將無(wú)法自動(dòng)定制學(xué)習(xí)進(jìn)程，也無(wú)法獲取個(gè)性化的服務(wù)。因此，在對(duì)上述學(xué)習(xí)數(shù)據(jù)等進(jìn)行分析的過(guò)程中，不可避免地會(huì)涉及學(xué)習(xí)者的隱私、學(xué)習(xí)者數(shù)據(jù)安全以及使用權(quán)等問(wèn)題。

（一）自適應(yīng)學(xué)習(xí)牽引模型

為了解決上述問(wèn)題，我們?cè)O(shè)計(jì)了新型的自適應(yīng)學(xué)習(xí)牽引模型（見(jiàn)圖4）。不同于傳統(tǒng)的自適應(yīng)學(xué)習(xí)推薦模型，它基于機(jī)器學(xué)習(xí)、貝葉斯防御、數(shù)據(jù)牽引技術(shù)等，是一種新型的自適應(yīng)學(xué)習(xí)安全模型。其運(yùn)作過(guò)程分為學(xué)習(xí)數(shù)據(jù)分析、學(xué)習(xí)需求展示與篩選、隱私保護(hù)防御、智能代理、學(xué)習(xí)牽引和牽引結(jié)果展示等六個(gè)階段。

圖5 自適應(yīng)學(xué)習(xí)牽引模型

1.學(xué)習(xí)數(shù)據(jù)分析階段

此階段主要完成對(duì)學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)的分析。不同于目前使用的自適應(yīng)學(xué)習(xí)推薦系統(tǒng)的學(xué)習(xí)分析在服務(wù)器端的實(shí)現(xiàn)方式，自適應(yīng)學(xué)習(xí)牽引模型的學(xué)習(xí)分析可在客戶(hù)端，即學(xué)習(xí)者的電腦或手持移動(dòng)終端上實(shí)現(xiàn)。比如，任何一個(gè)學(xué)習(xí)者A，在使用自適應(yīng)學(xué)習(xí)系統(tǒng)平臺(tái)之前，可先在私人電腦或移動(dòng)終端下載或安裝一個(gè)數(shù)據(jù)分析程序，即AI 數(shù)據(jù)分析器。此數(shù)據(jù)分析器，通過(guò)分析學(xué)習(xí)者A 的學(xué)習(xí)行為、學(xué)習(xí)內(nèi)容等基本數(shù)據(jù)，完成A 的個(gè)性化學(xué)習(xí)分析，并預(yù)測(cè)A 的學(xué)習(xí)興趣、愛(ài)好、傾向及需求。

2.學(xué)習(xí)需求展示與篩選階段

通過(guò)第一階段的AI 數(shù)據(jù)分析器的分析，篩選與展示器呈現(xiàn)出一個(gè)學(xué)習(xí)需求菜單。學(xué)習(xí)者A 根據(jù)自身的學(xué)習(xí)實(shí)際需求，自定學(xué)習(xí)方式或?qū)W習(xí)進(jìn)度，可對(duì)學(xué)習(xí)菜單上的內(nèi)容進(jìn)行篩選，即作增添、刪減、刪除、清零等編輯任務(wù)。若有自己額外需要的，可以添加；不需要的，可以剔除。更為重要的是，它具有個(gè)人學(xué)習(xí)數(shù)據(jù)的隱私保護(hù)功能，即為防止日后個(gè)人偏好信息等泄露，可以隨時(shí)清零。

3.隱私保護(hù)防御階段

當(dāng)篩選與展示器將A 的學(xué)習(xí)需求申請(qǐng)傳到智能代理之前，隱私保護(hù)器對(duì)學(xué)習(xí)者A 的學(xué)習(xí)需求中的個(gè)人信息，添加防護(hù)罩，即實(shí)施第一層安全保護(hù)——學(xué)習(xí)數(shù)據(jù)的貝葉斯隱私保護(hù)模型[38]。如果受到來(lái)自黑客、病毒、木馬等的隱私攻擊時(shí)，智能機(jī)器學(xué)習(xí)算法能夠檢測(cè)到攻擊的存在，并自動(dòng)調(diào)用適當(dāng)?shù)姆烙鶛C(jī)制。防病毒程序?qū)⑦M(jìn)行事件復(fù)雜性權(quán)衡判斷，對(duì)準(zhǔn)確的、確定性的信息源，作出合理的邏輯判斷；也可對(duì)可疑的、非確定性的信息源作出統(tǒng)計(jì)推斷。若碰到確定性問(wèn)題，自動(dòng)采取基于已有模型和方法的決策樹(shù)方案進(jìn)行防御；若碰到不確定性、復(fù)雜性問(wèn)題，將采取貝葉斯方案處理，即通過(guò)機(jī)器學(xué)習(xí)，根據(jù)問(wèn)題的多方面因果關(guān)系，進(jìn)行預(yù)測(cè)，提出新的算法，修改、發(fā)展原有模型或重新建模進(jìn)行防御。

4.智能代理階段

智能代理收到學(xué)習(xí)請(qǐng)求之后，將學(xué)習(xí)請(qǐng)求中的個(gè)人信息進(jìn)行盲處理，即自動(dòng)屏蔽學(xué)習(xí)者的個(gè)人信息，以代理身份僅將學(xué)習(xí)菜單傳到自適應(yīng)學(xué)習(xí)系統(tǒng)的服務(wù)器方，主動(dòng)獲得所需要的學(xué)習(xí)內(nèi)容或資源。這個(gè)過(guò)程是知識(shí)的主動(dòng)索取而不是服務(wù)器方的學(xué)習(xí)內(nèi)容推薦，以免得到不需要的垃圾內(nèi)容。比如，學(xué)習(xí)者A 參加了自適應(yīng)學(xué)習(xí)系統(tǒng)S 平臺(tái)的學(xué)習(xí)，其學(xué)習(xí)需求由智能代理傳遞到S 平臺(tái)服務(wù)器方。由于智能代理是虛擬的，表示其代理身份的僅僅是代碼，因此，服務(wù)器上沒(méi)有A 的任何個(gè)人信息，不會(huì)產(chǎn)生隱私泄露等問(wèn)題；即使學(xué)習(xí)需求被黑客截獲或攻擊，也不會(huì)對(duì)A 帶來(lái)任何隱私泄露的風(fēng)險(xiǎn)。

5.學(xué)習(xí)牽引階段

此階段完成學(xué)習(xí)數(shù)據(jù)的牽引。所謂牽引，是采用不同于傳統(tǒng)的自適應(yīng)學(xué)習(xí)系統(tǒng)中的學(xué)習(xí)推薦模型，而采取學(xué)習(xí)數(shù)據(jù)的牽引模型。在以往的學(xué)習(xí)推薦模型中，推薦服務(wù)器主動(dòng)向?qū)W習(xí)者發(fā)送學(xué)習(xí)信息時(shí)，學(xué)習(xí)者不能控制所接收的推薦信息的類(lèi)型、形式、內(nèi)容等，只能被動(dòng)地接收其發(fā)送的任何信息，包括各類(lèi)廣告和“垃圾信息”。但在牽引模型中，學(xué)習(xí)者對(duì)所推薦的信息有一定的篩選能力，能夠遠(yuǎn)程“牽引”服務(wù)器所推薦發(fā)送的信息是自己真正感興趣或需要的學(xué)習(xí)內(nèi)容。即“牽引”在于學(xué)習(xí)者具有自主篩選/選擇功能的含義。比如，學(xué)習(xí)者A 的電腦端列出了5 項(xiàng)學(xué)習(xí)需求，如果他只需要2 項(xiàng)，那么他可自主將其他3 項(xiàng)刪除，然后通過(guò)智能代理遙控自適應(yīng)學(xué)習(xí)系統(tǒng)S 平臺(tái)服務(wù)器，向其提供所需要的資源信息或?qū)W習(xí)方案；而S 平臺(tái)服務(wù)器不再進(jìn)行其他“無(wú)用”的學(xué)習(xí)推薦。

6.牽引結(jié)果展示階段

智能代理從自適應(yīng)學(xué)習(xí)系統(tǒng)服務(wù)器方拿到所需的學(xué)習(xí)內(nèi)容之后，交給“篩選與展示器”，將牽引結(jié)果在學(xué)習(xí)者電腦或移動(dòng)終端上顯示出來(lái)。這種學(xué)習(xí)牽引結(jié)果，在不泄露學(xué)習(xí)者個(gè)人信息的前提下，能夠更加精準(zhǔn)地反映學(xué)習(xí)者的個(gè)性化學(xué)習(xí)需求，學(xué)習(xí)者也不用為過(guò)多的冗余信息而煩惱。

（二）自適應(yīng)學(xué)習(xí)牽引模型的應(yīng)用價(jià)值

從以上論述可見(jiàn)，自適應(yīng)學(xué)習(xí)牽引模型與現(xiàn)有的學(xué)習(xí)推薦模型相比，具有明顯的優(yōu)勢(shì)，主要體現(xiàn)在以下幾個(gè)方面：（1）減少了隱私泄露的風(fēng)險(xiǎn)。因?qū)W習(xí)分析發(fā)生在學(xué)生端，再加上隱私保護(hù)器和智能代理二層保護(hù)屏障，所有這些數(shù)據(jù)分析和處理沒(méi)有經(jīng)過(guò)互聯(lián)網(wǎng)，減少了數(shù)據(jù)泄露和被攻擊的風(fēng)險(xiǎn)。（2）減輕了服務(wù)器方的壓力。因所有學(xué)習(xí)分析沒(méi)有集中在自適應(yīng)學(xué)習(xí)服務(wù)器中心端進(jìn)行，而是分散在各個(gè)學(xué)生端上進(jìn)行，這種“去中心化”的設(shè)計(jì)，緩解了服務(wù)器的壓力，提高了整個(gè)系統(tǒng)的工作效率和學(xué)習(xí)者的學(xué)習(xí)效率。（3）屏蔽了學(xué)習(xí)者不需要的垃圾信息。讓學(xué)習(xí)者能夠自主選擇所需要的學(xué)習(xí)內(nèi)容，針對(duì)性強(qiáng)，內(nèi)容適切，能夠提高學(xué)習(xí)效率。（4）提高了學(xué)習(xí)新手進(jìn)行個(gè)性化學(xué)習(xí)的精準(zhǔn)性。自適應(yīng)學(xué)習(xí)牽引系統(tǒng)學(xué)習(xí)端上的個(gè)人學(xué)習(xí)數(shù)據(jù)十分豐富，能夠比較精確地進(jìn)行學(xué)習(xí)分析和關(guān)鍵知識(shí)點(diǎn)的定位，有利于實(shí)現(xiàn)學(xué)習(xí)的個(gè)性化和適應(yīng)性。

這里還是以學(xué)習(xí)者A 為例：A 因?yàn)槲⒎e分學(xué)得不好，選擇自適應(yīng)學(xué)習(xí)推薦系統(tǒng)M（目前通常見(jiàn)的自適應(yīng)學(xué)習(xí)系統(tǒng)）平臺(tái)學(xué)習(xí)。因剛使用M 平臺(tái)，A 在M平臺(tái)上的學(xué)習(xí)數(shù)據(jù)為0，M 平臺(tái)無(wú)法對(duì)A 進(jìn)行個(gè)性化學(xué)習(xí)服務(wù)；而A 進(jìn)入自適應(yīng)牽引系統(tǒng)S 平臺(tái)后，由于學(xué)習(xí)分析在A 的電腦端上，其電腦上不乏A 的一些學(xué)習(xí)數(shù)據(jù)，那么AI 算法會(huì)發(fā)現(xiàn)A 學(xué)習(xí)微積分的一些弱點(diǎn)，針對(duì)這些弱點(diǎn)給予精準(zhǔn)的指導(dǎo)和推送相關(guān)練習(xí)，并制定符合A 的學(xué)習(xí)計(jì)劃和內(nèi)容難易度，幫助A 一步步解決學(xué)習(xí)中的難點(diǎn)，直至A 理解并掌握微積分。在這一過(guò)程中，A 具有學(xué)習(xí)主導(dǎo)權(quán)，能夠自我控制學(xué)習(xí)進(jìn)度，自我選擇最有效的學(xué)習(xí)方式。

由此可見(jiàn)，自適應(yīng)牽引學(xué)習(xí)模型是溫馨的、安全的，充滿(mǎn)人文關(guān)懷與滿(mǎn)足個(gè)性化需求，它更有助于教育4.0 時(shí)代促進(jìn)學(xué)習(xí)者自適應(yīng)學(xué)習(xí)的現(xiàn)實(shí)需要，能夠充分達(dá)成“智能+”教育中的“因材施教”“以學(xué)生為中心”“促進(jìn)個(gè)性化發(fā)展”等目標(biāo)。

五、“智能+”教育時(shí)代自適應(yīng)學(xué)習(xí)的研究取向

當(dāng)前，國(guó)內(nèi)外自適應(yīng)學(xué)習(xí)的研究，正經(jīng)歷一個(gè)由粗到細(xì)、由整體到模塊、由理論到實(shí)證的發(fā)展演變過(guò)程[39]，多數(shù)研究集中于系統(tǒng)模型和模塊模型的構(gòu)建上。總體來(lái)說(shuō)，理論研究多，實(shí)踐應(yīng)用少，研究成果的教與學(xué)驗(yàn)證較為欠缺，真正符合學(xué)習(xí)者個(gè)性化需求的成熟系統(tǒng)更少。因此，自適應(yīng)學(xué)習(xí)研究取向還面臨著一些新的突破，關(guān)鍵取決于以下幾個(gè)方面：

（一）認(rèn)知突破

目前的自適應(yīng)學(xué)習(xí)系統(tǒng)能夠?qū)崿F(xiàn)學(xué)習(xí)者低層次的認(rèn)知目標(biāo)，但無(wú)法達(dá)到高層次的認(rèn)知學(xué)習(xí)目標(biāo)和情感領(lǐng)域的學(xué)習(xí)目標(biāo)。一些系統(tǒng)比較零散，學(xué)習(xí)手段單一、內(nèi)容單一、對(duì)學(xué)習(xí)的整體認(rèn)知比較缺乏，不熟悉或未把握學(xué)習(xí)者的學(xué)習(xí)心理。具體表現(xiàn)為：過(guò)程比較“笨拙”，不是那么“智能”；技術(shù)含量較低，不能“隨心所欲”地反映學(xué)習(xí)者的個(gè)性化需求。

自適應(yīng)學(xué)習(xí)系統(tǒng)這種認(rèn)知功能的局限，源于設(shè)計(jì)或開(kāi)發(fā)者對(duì)學(xué)習(xí)者大腦認(rèn)知存在缺陷。盡管一些設(shè)計(jì)或開(kāi)發(fā)者對(duì)大腦神經(jīng)環(huán)路信息傳遞和加工原理、初級(jí)感知功能機(jī)制等，已有較清楚的理解。但對(duì)大腦全局信息的加工過(guò)程、工作機(jī)理認(rèn)知還不夠充分，對(duì)編碼和學(xué)習(xí)原理的認(rèn)知匹配還非常有限，尤其是對(duì)高級(jí)認(rèn)知功能的認(rèn)知還較粗淺，帶來(lái)對(duì)大腦信息處理的數(shù)學(xué)原理與計(jì)算模型仍不清楚[40]。因此，以模擬大腦功能的AI+自適應(yīng)學(xué)習(xí)技術(shù)，要實(shí)現(xiàn)完全像人與人的溝通一樣，達(dá)到充分的智能化、個(gè)性化、自適應(yīng)性，還需要經(jīng)歷一個(gè)較漫長(zhǎng)的階段。

（二）技術(shù)突破

面對(duì)日益龐大的課程門(mén)類(lèi)和繁雜的知識(shí)體系，現(xiàn)有技術(shù)下的自適應(yīng)學(xué)習(xí)系統(tǒng)和平臺(tái)很難做到面面俱到。那么，技術(shù)新的突破口在哪？依據(jù)維果斯基的最近發(fā)展區(qū)理論，需要在現(xiàn)有自適應(yīng)學(xué)習(xí)研究的基礎(chǔ)上，基于成功案例，技術(shù)上重點(diǎn)解決以下問(wèn)題：（1）知識(shí)點(diǎn)的標(biāo)簽體系。需要將知識(shí)點(diǎn)的標(biāo)簽體系進(jìn)一步完善，知識(shí)點(diǎn)分類(lèi)更加細(xì)化，這樣精準(zhǔn)度更高、適應(yīng)性更強(qiáng)，才會(huì)真正對(duì)應(yīng)學(xué)習(xí)者的需求，提高學(xué)習(xí)者的學(xué)習(xí)效率。（2）改變線(xiàn)性的學(xué)習(xí)結(jié)構(gòu)為非線(xiàn)性的學(xué)習(xí)結(jié)構(gòu)。傳統(tǒng)的智能教學(xué)系統(tǒng)和多數(shù)所謂的“自適應(yīng)”學(xué)習(xí)系統(tǒng)，還是以線(xiàn)性學(xué)習(xí)路徑為主，不同學(xué)習(xí)者的學(xué)習(xí)路徑幾乎相同。只有改變這種線(xiàn)性學(xué)習(xí)結(jié)構(gòu)為非線(xiàn)性學(xué)習(xí)結(jié)構(gòu)，即不同的學(xué)習(xí)者具有不同的學(xué)習(xí)路徑，才能實(shí)現(xiàn)個(gè)性化學(xué)習(xí)需求。

（三）情感分析突破

人工智能2.0 在某些方面（比如計(jì)算、記憶能力）已經(jīng)超越大腦，IBM 深藍(lán)戰(zhàn)勝人類(lèi)象棋冠軍、AlphaGo 戰(zhàn)勝人類(lèi)圍棋冠軍就是典型。但AI 應(yīng)用于教與學(xué)不能沿用機(jī)器學(xué)習(xí)的模式，因?yàn)橛?xùn)練人和訓(xùn)練機(jī)器有著根本的不同：學(xué)習(xí)者是活生生的人，不是冷冰冰的機(jī)器，人的存儲(chǔ)和計(jì)算能力雖然沒(méi)有計(jì)算機(jī)強(qiáng)悍，但人有七情六欲，具有豐富而復(fù)雜的生理和心理體驗(yàn)，而這些細(xì)膩而豐富的情感，會(huì)伴隨學(xué)習(xí)者的學(xué)習(xí)活動(dòng)并產(chǎn)生較大的影響。為此，近年來(lái)興起的深度學(xué)習(xí)已用來(lái)研究情感分類(lèi)，但在自然語(yǔ)言處理上成果不明顯，尤其在自適應(yīng)學(xué)習(xí)領(lǐng)域并無(wú)突破性進(jìn)展。而事實(shí)上，自適應(yīng)學(xué)習(xí)的設(shè)計(jì)要求更高，不僅需要考慮不同學(xué)習(xí)者的起點(diǎn)能力、學(xué)習(xí)風(fēng)格和情感狀態(tài)等，而且還要與不同學(xué)習(xí)者的學(xué)習(xí)目標(biāo)相對(duì)應(yīng)。而現(xiàn)在的AI 系統(tǒng)還不能充分理解學(xué)習(xí)者的情感，更無(wú)法照顧學(xué)習(xí)者的情感，很難真正實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)。因此，要實(shí)現(xiàn)在充分理解人的意識(shí)、情感和心理情緒的基礎(chǔ)上，去正確執(zhí)行人的任務(wù)的自適應(yīng)學(xué)習(xí)算法和模型，還有相當(dāng)長(zhǎng)的路要走。

突破在哪里？突破在于加強(qiáng)底層數(shù)據(jù)樣本尤其情感數(shù)據(jù)的搜集與共享。各種學(xué)習(xí)過(guò)程，大多是通過(guò)多模態(tài)的數(shù)據(jù)交流與互動(dòng)來(lái)實(shí)現(xiàn)，若平臺(tái)上的數(shù)據(jù)越多，計(jì)算與推送結(jié)果越準(zhǔn)確。目前的自適應(yīng)學(xué)習(xí)研究過(guò)于注重知識(shí)和技能本身，多數(shù)為分解知識(shí)點(diǎn)，著力于提高學(xué)習(xí)者掌握知識(shí)點(diǎn)的速度和應(yīng)試力；卻難以關(guān)照不同學(xué)習(xí)者的情緒、情感和價(jià)值觀需要。雖然我們已經(jīng)有百萬(wàn)級(jí)種類(lèi)的知識(shí)樣本數(shù)據(jù)，但對(duì)人類(lèi)情緒、情感方面的樣本數(shù)據(jù)卻很少，幾乎沒(méi)有涉及人的精神、價(jià)值、靈魂方面的數(shù)據(jù)。因此，情感數(shù)據(jù)的海量搜集、共享與分析，將成為下一步AI+自適應(yīng)系統(tǒng)研究的重點(diǎn)。

（四）“兩張皮”突破

一個(gè)比較完善的AI+自適應(yīng)學(xué)習(xí)系統(tǒng)，往往需要完善的理論和相關(guān)技術(shù)的密切結(jié)合，需要多個(gè)領(lǐng)域?qū)＜业耐献鞑拍芡瓿伞Ｒ恍┲С肿赃m應(yīng)學(xué)習(xí)的教育理論和方法，需要技術(shù)來(lái)實(shí)現(xiàn)，而技術(shù)更需要正確、合適的教育思想來(lái)指導(dǎo)。這二者相輔相成，缺一不可。但現(xiàn)實(shí)中許多自適應(yīng)學(xué)習(xí)平臺(tái)/系統(tǒng)，存在著教育科學(xué)和計(jì)算機(jī)科學(xué)的“兩張皮”現(xiàn)象。即自適應(yīng)學(xué)習(xí)系統(tǒng)的開(kāi)發(fā)者多半是計(jì)算機(jī)領(lǐng)域的專(zhuān)家，由于缺乏教育理論的足夠熏陶和個(gè)性化學(xué)習(xí)理論等基礎(chǔ)，很難設(shè)計(jì)出符合教學(xué)和學(xué)習(xí)規(guī)律的、真正適合當(dāng)前學(xué)習(xí)者個(gè)性化學(xué)習(xí)需求的平臺(tái)/系統(tǒng)；而教育領(lǐng)域的學(xué)者由于缺乏專(zhuān)業(yè)的計(jì)算機(jī)技術(shù)，也無(wú)法將其設(shè)計(jì)的自適應(yīng)學(xué)習(xí)系統(tǒng)理論、模型和學(xué)習(xí)策略，有效地轉(zhuǎn)化為產(chǎn)品。

若要克服或突破“兩張皮”現(xiàn)象，必須要以跨界的思維方式與行動(dòng)：不僅是信息技術(shù)、智能技術(shù)與教育、教學(xué)的融合，還需要與腦科學(xué)、心理學(xué)、認(rèn)知學(xué)、統(tǒng)計(jì)學(xué)、人工智能、學(xué)習(xí)科學(xué)等相關(guān)學(xué)科的密切結(jié)合，打破學(xué)科間的壁壘。唯有這樣，自適應(yīng)學(xué)習(xí)的研究與開(kāi)發(fā)，才能夠取得突破性的進(jìn)展。

（五）隱私保護(hù)突破

進(jìn)入“人人互聯(lián)”的智能化時(shí)代，海量數(shù)據(jù)在產(chǎn)生、分享、流動(dòng)、匯聚、應(yīng)用等過(guò)程中，數(shù)據(jù)隱私的泄露問(wèn)題變得愈來(lái)愈突出，成為“智能+”教育應(yīng)用中的一大倫理問(wèn)題。目前，多數(shù)自適應(yīng)學(xué)習(xí)平臺(tái)/系統(tǒng)采用了中心化的服務(wù)器管理模式，這種模式具有一定的風(fēng)險(xiǎn)：一方面，集中式的服務(wù)模式容易被他人操縱，特別是在數(shù)據(jù)清洗、分析的過(guò)程中，容易造成隱私和重要數(shù)據(jù)的泄露；另一方面，國(guó)內(nèi)外許多機(jī)構(gòu)都在嘗試研發(fā)各種智能教學(xué)和學(xué)習(xí)系統(tǒng)，技術(shù)涉獵廣泛，市場(chǎng)良莠不齊，缺乏統(tǒng)一的規(guī)范標(biāo)準(zhǔn)和評(píng)價(jià)機(jī)制。幾乎每個(gè)平臺(tái)/系統(tǒng)都有中心服務(wù)器管理自己的數(shù)據(jù)，當(dāng)大量的學(xué)習(xí)者數(shù)據(jù)被大型機(jī)構(gòu)所獨(dú)占時(shí)，會(huì)帶來(lái)數(shù)據(jù)的壟斷。這種集中了海量數(shù)據(jù)的平臺(tái)/系統(tǒng)，數(shù)據(jù)愈豐富，學(xué)習(xí)者個(gè)人數(shù)據(jù)、隱私泄露的風(fēng)險(xiǎn)也愈高。因此，隱私保護(hù)的突破，也是未來(lái)AI+自適應(yīng)學(xué)習(xí)研究必須面對(duì)、解決的重要課題。

六、結(jié)論

半個(gè)多世紀(jì)以來(lái)，國(guó)內(nèi)外學(xué)者圍繞智能教學(xué)和自適應(yīng)學(xué)習(xí)進(jìn)行了廣泛而深入的研究，取得了大量的研究成果。尤其是進(jìn)入21世紀(jì)以來(lái)，伴隨著新一代人工智能和大數(shù)據(jù)技術(shù)的發(fā)展，自適應(yīng)學(xué)習(xí)研究也獲得了新的進(jìn)展，其中最突出的是學(xué)習(xí)推薦系統(tǒng)的發(fā)展。但是，現(xiàn)有基于學(xué)習(xí)推薦的自適應(yīng)學(xué)習(xí)平臺(tái)或系統(tǒng)還存在很多不足，尤其是學(xué)習(xí)者個(gè)人隱私信息的保護(hù)，成為一大“瓶頸”。為此，區(qū)別于傳統(tǒng)的自適應(yīng)學(xué)習(xí)推薦模型，本文探索了在保留學(xué)習(xí)推薦模型優(yōu)勢(shì)功能的基礎(chǔ)上，提出了新的自適應(yīng)學(xué)習(xí)牽引模型。這一模型對(duì)于保護(hù)學(xué)習(xí)者的隱私、減緩學(xué)習(xí)系統(tǒng)服務(wù)器的壓力、提高自適應(yīng)學(xué)習(xí)的精準(zhǔn)度、屏蔽學(xué)習(xí)推薦過(guò)程中產(chǎn)生的垃圾信息、提升學(xué)習(xí)者學(xué)習(xí)效率等，具有一定的借鑒價(jià)值與創(chuàng)新性。

我們認(rèn)為，自適應(yīng)學(xué)習(xí)有助于智能時(shí)代的學(xué)習(xí)者實(shí)現(xiàn)個(gè)性化學(xué)習(xí)與創(chuàng)新性發(fā)展，是在線(xiàn)教育、學(xué)習(xí)科學(xué)、學(xué)習(xí)分析等領(lǐng)域的重要研究課題，也是呼應(yīng)“教育4.0” 全球框架中面向未來(lái)發(fā)展的一個(gè)重要內(nèi)容。雖然國(guó)內(nèi)外自適應(yīng)學(xué)習(xí)的理論與實(shí)踐探索已經(jīng)取得了豐碩的成果，但總體上，自適應(yīng)學(xué)習(xí)研究還處在初級(jí)發(fā)展階段，離成熟還需要實(shí)現(xiàn)若干突破。本文所提出的自適應(yīng)學(xué)習(xí)牽引模型，雖然在一定程度上能夠有效促進(jìn)自適應(yīng)學(xué)習(xí)，但依然存在一定的不足，比如，學(xué)習(xí)數(shù)據(jù)的采集和共享問(wèn)題等，還有待于在今后的應(yīng)用中不斷迭代與改進(jìn)。