尚佩瑤 汪存友

摘 要：智適應學習系統(tǒng)究竟是否會對學習效果產生積極影響？哪些關鍵因素會影響智適應學習系統(tǒng)的學習效果？研究采用量化元分析的方法，對近20年來國際上有關智適應學習系統(tǒng)的學習效果的60項實驗與準實驗研究進行分析和評價。研究發(fā)現(xiàn)：（1）智適應學習系統(tǒng)提升學習效果的綜合效應值為0.560，即智適應學習系統(tǒng)對學習具有中等程度的正向促進作用;（2）實驗周期、樣本容量都在一定范圍內表現(xiàn)出較好的影響效果;（3）大學學段和知識水平較低的學習者從智適應學習系統(tǒng)中獲益較多;（4）自適應等級越高對學習者的學習越有利，人機協(xié)同教學方式更有效。最后，本文基于研究結論對智適應學習系統(tǒng)的開發(fā)與應用提出建議與展望。

關鍵詞：自適應學習;人工智能;智適應學習;元分析

一、問題的提出

近年來，人工智能技術進入快速發(fā)展階段，人工智能教育工具層出不窮并得到廣泛應用，如拍照搜題、分層排課、作文批改等。然而，這些人工智能教育工具只應用在學習過程的輔助環(huán)節(jié)上，不能直接提升教學質量和學習效果。自適應學習系統(tǒng)利用BKT（貝葉斯知識跟蹤）、PGM（概率圖模型）等智能算法，能夠基于學習者的學習風格與能力，為每個學習者量身打造學習路徑，實現(xiàn)規(guī)?；膫€性化學習。早期的自適應學習系統(tǒng)以機器學習、CAI（計算機輔助教學）等為基礎，其最典型的應用就是20世紀90年代出現(xiàn)的ITS（智能導師系統(tǒng)）。2010年以后，以Knewton、ALEKS、Dreambox Learning等為代表的自適應學習系統(tǒng)大范圍普及。特別是近年來，隨著深度學習算法的日漸成熟，自適應學習技術的智能特征不斷進化，“智適應學習”這一術語更能夠反映出該領域的最新進展。

關于IALS（智適應學習系統(tǒng)）對學習效果的影響，目前大致存在兩種觀點：第一種觀點認為智適應學習系統(tǒng)對學習效果有積極影響。如汪維富等對1990年以來ITS提升學業(yè)成就的相關研究進行量化元分析，得出ITS能在一定程度上提升學業(yè)成就，并且發(fā)現(xiàn)實驗持續(xù)時間、測試類型、樣本量對實驗效果有明顯影響[1]。第二種觀點認為智適應學習系統(tǒng)對學習效果無顯著影響。有學者對CIT（智能輔導系統(tǒng)）進行了評估，結果表明：實驗組和對照組在測試后都有所改善，但兩組之間并沒有顯著性差異[2]。

鑒于智適應學習系統(tǒng)是否能夠提升學習效果的研究結論并不一致，對現(xiàn)存所有研究結果進行全面嚴謹的整合分析是非常必要的。元分析方法能通過整合多個相關獨立研究結果得出平均效應量，并對整體研究狀況進行系統(tǒng)分析與評價，常用于解決各研究結果不一致的問題，然而文獻調研并未在智適應學習領域發(fā)現(xiàn)此類研究。盡管汪維富等[3]利用元分析方法探討了學習者特征（如學生所處學段、先驗知識水平）、發(fā)表特征（如發(fā)表年份、發(fā)表類型）和研究設計特征（如樣本容量、學科、持續(xù)時間）等變量對ITS學習效果的影響程度，但這些變量與智適應學習系統(tǒng)的教學特性并無直接聯(lián)系。比如：智適應學習系統(tǒng)的適應性是否水平越高，學習效果越好？不同的教學整合方式是否會產生不同的教學效果？智適應學習系統(tǒng)與普通在線學習系統(tǒng)相比，學習效果更好嗎？已有的元分析研究尚未給出回應。

綜上，本研究擬采用量化元分析的方法對2000—2020年國外權威刊物上發(fā)表的60項智適應學習系統(tǒng)學習效果的實驗與準實驗研究進行深入剖析，并且從IALS的自適應等級、教學整合方式、實驗對比的教學方式三個新角度探究智適應學習系統(tǒng)的學習效果，以期得出智適應學習系統(tǒng)的學習效果及其影響因素，為后續(xù)智適應學習系統(tǒng)的研究與應用提供參考經驗。

二、研究過程與設計

（一）研究方法

本研究使用的元分析工具是CMA 2.0，通過將提取的原始數據輸入CMA 2.0軟件，生成每個樣本的效應量，計算出所有研究的平均效應量，并據此進行顯著性差異分析。本研究采用平均標準差 d作為效應量。

（二）文獻搜集與選取

以智適應學習系統(tǒng)和學習效果為關鍵詞，首先，在SpringerLink、EBSCO Education Source、Wiley、Science Direct、Web of science等國外權威文獻數據庫中對2000—2020年間發(fā)表的文獻進行大范圍交叉檢索。其中，智適應學習系統(tǒng)的關鍵詞為“adaptive learning systems”“personalized intelligent learning system”“intelligent e-learning system”“intelligent tutoring system” 等，學習效果的關鍵詞包括“l(fā)earning outcomes”“l(fā)earning achievements”“l(fā)earning effect” “l(fā)earning performance”“l(fā)earning gains”等。其次，對目前已經比較成熟且應用較為廣泛的智適應學習系統(tǒng)（如Knewton、ALEKS、Dreambox Learning等）進行專題搜索。篩選去除與主題不符以及重復的文獻后，再從已獲取文獻的參考文獻中二次檢索，最終共產生796篇候選文獻供進一步遴選。

文獻遴選的標準包括：（1）必須應用了自適應學習系統(tǒng)或自適應學習平臺，且必須是關于學習效果的研究;（2）應用的自適應學習系統(tǒng)或平臺必須基于人工智能算法，如：貝葉斯知識跟蹤（BKT）、深度知識跟蹤（DKT）、深度神經網絡（RNN）、概率圖模型（PGM）、協(xié)同過濾算法（CF）等;（3）必須是一個隨機實驗或準實驗研究，單組實驗需要有前后測的對照，雙組實驗必須包含一個在自適應環(huán)境下的實驗組，以及與之相對應的對照組;（4）必須有可用于計算相應效應量的完整、清晰的統(tǒng)計數據結果。

最終共有60項符合標準的獨立研究被納入元分析（其中可用效應量共81個）。

（三）文獻編碼

本研究的文獻編碼包含兩部分：常規(guī)型變量和教學型變量。常規(guī)型變量是以往研究提到過的，包括：實驗周期、樣本容量、研究學段、測試類型以及學習者先驗知識水平。教學型變量是本研究提出的，包括：系統(tǒng)自適應等級、教學整合方式、實驗對比的教學方式。在參考以往研究的基礎上，根據獲取的60項獨立研究的實際情況完成編碼，編碼表如表1所示。為保證研究的可靠性，本研究中的編碼由兩位研究人員獨立完成，其中不一致的編碼由兩位研究人員共同商榷。

三、研究結果與分析

（一）發(fā)表偏倚檢驗

當入選的研究樣本不能系統(tǒng)地代表該領域的研究總體時，就被認為發(fā)生了發(fā)表偏倚[4]。本研究使用漏斗圖法評估納入研究樣本的發(fā)表偏倚，結果見圖1。

圖1中橫軸表示平均標準差效應值，縱軸表示效應值的標準差。從圖中可以看出，60項獨立研究大部分集中分布在漏斗圖的中上部，且各樣本效應量在平均效應量的兩側對稱分布。因此，納入的研究出現(xiàn)發(fā)表偏倚現(xiàn)象可能性不大，所得數據分析結果具有可靠性。

（二）智適應學習系統(tǒng)對學習效果的整體效應檢驗結果

將60項研究的樣本數量、實驗組和對照組前后測的均值、標準差等數據輸入CMA 2.0軟件，通過分析智適應學習系統(tǒng)對學習效果的整體效應檢驗結果可知，I2值為85.305，明顯高于50%并且Q值檢驗顯著（p<0.001），說明最終入選的60項獨立研究存在明顯的異質性，因此，本研究的計算模型采納隨機模型。根據Cohen（科恩）的效應值統(tǒng)計理論，當效應值d≥0.5時，通常認為有中等影響。即智適應學習系統(tǒng)對學習效果具有中等以上程度的積極影響。

（三）常規(guī)型變量對智適應學習系統(tǒng)學習效果的影響

為了進一步探討哪些關鍵因素會影響智適應學習系統(tǒng)的學習效果，本研究還考慮了實驗周期、樣本容量、學習階段、測試類型、學習者先驗知識水平等對學習效果的影響。數據分析結果見表2。

從實驗周期來看，當實驗周期控制在四周以內時， 智適應學習系統(tǒng)對學習的促進作用最大， 大于1個月、小于6個月時促進作用略有減少，超過6個月之后影響水平大幅降低。

從樣本容量上看，智適應學習系統(tǒng)對于容量小于50的用戶群體的學習促進效果最好，當樣本量高于200后，效應量大幅降低。

從不同學習階段來看，智適應學習系統(tǒng)對中小學的促進作用相差不大，均處于較低水平且未達到中等程度，但對大學階段的學習作用效果明顯高于其他學段。

從測試類型來看，雖然智適應學習系統(tǒng)在兩種測試類型上都表現(xiàn)出一定程度的學習促進作用，但標準測試的效應值并不具有統(tǒng)計學差異（p>0.05），這可能是因為相關研究數量不足，即目前智適應學習系統(tǒng)的應用研究大多使用的是研究者自行設計的學習測驗。

從學習者先驗知識水平來看，智適應學習系統(tǒng)對知識水平較低或正常的學習者都有中等偏上程度的促進作用，對知識水平較低的學習者的學習促進效果更明顯。

（四）教學型變量對智適應學習系統(tǒng)學習效果的影響

通過分析表3可知：從自適應等級來看，隨著自適應水平的提高，智適應學習系統(tǒng)對學習的促進作用也逐漸提高。從教學整合方式來看，人機協(xié)同方式的學習效果明顯優(yōu)于純線上的學習方式。從對比的教學方式來看，智適應學習系統(tǒng)的學習效果優(yōu)于傳統(tǒng)教學、普通在線學習（沒有個性化動態(tài)評估/指導）以及適應性水平較低的在線學習。

四、研究結論

（一）智適應學習系統(tǒng)對學習效果具有中等程度的正向促進作用

在納入本研究的60項獨立研究中，90%（54項）的研究都顯示出智適應學習系統(tǒng)對學習效果的顯著積極影響，合并后的平均效應量為0.560，95%（57項）研究的效應量處在0.449到0.670之間，這與汪維富等的研究結果基本一致。汪維富等人得出ITS與學業(yè)成就之間呈顯著的積極相關，合并后的平均效應量達到0.492，95%研究的效應量處在0.408與0.577之間[5]。由前文文獻搜集部分可以看出，智適應學習系統(tǒng)的范圍較大，包括基于人工智能的ITS，但并不是完全重合，因此，本研究的效應量與該研究稍有偏差也處于合理范圍。

（二）實驗周期、樣本容量都在一定范圍內表現(xiàn)出較好的影響效果

實驗周期在四周內的效應量最大，隨著周期增長，影響水平逐漸降低，這與宋偉等[6]對數字化學習資源、顧小清等[7]對電子書包的學習作用進行的研究結果基本類似。出現(xiàn)上述結果可能是由于隨著實驗時間的延長，學習者逐漸適應研究中所使用的資源與技術，獲得的收益逐漸減少，從而導致影響效果逐漸降低。

樣本容量在超過200后，平均效應量顯著降低，在汪維富等[8]的研究中也同樣發(fā)現(xiàn)了這一臨界點。這可能是緣于大樣本中學習者個體差異較大以及有教師參與輔助的教學過程中人數過多會對實驗結果造成影響。

（三）大學學段和知識水平較低的學習者從智適應學習系統(tǒng)中獲益較多

本研究發(fā)現(xiàn)，相比于中小學，智適應學習系統(tǒng)對大學生的學習促進作用更大。對此可能的解釋是：利用智適應學習系統(tǒng)進行學習，需要學生具備良好的主動學習能力，中小學階段的學生更加需要教師的引導和鞭策，相比而言，大學生有較好的自主學習能力，主動學習的積極性更高，因此更適合利用智適應學習系統(tǒng)輔助學習。

知識水平較低的學習者更能從智適應學習系統(tǒng)中獲益，這一現(xiàn)象在理查德.E.梅耶（Richard E.Mayer）[9]所開展的大量多媒體學習實驗研究中也普遍存在，即相較于知識水平較高的學習者，知識水平較低的學習者更能從基于各種原則而設計的多媒體學習材料中受益。

（四）自適應等級越高對學習者的學習越有利，人機協(xié)同教學方式更有效

智適應學習系統(tǒng)借助的技術越發(fā)達，越能精確診斷學習者的知識掌握情況，為學習者提供個性化的實時指導與干預[10]。本研究依據系統(tǒng)的個性化反饋程度對自適應等級進行了劃分，從本研究得出的不同適應性程度的系統(tǒng)對學習效果產生的效應量來看，“每一步反饋”系統(tǒng)>“階段反饋”系統(tǒng)>“入口反饋”系統(tǒng)。此外，從實驗對比的教學方式來看，使用智適應學習系統(tǒng)的學習效果優(yōu)于普通在線學習方式和傳統(tǒng)教學方式（其中傳統(tǒng)教學方式的促進效果最低）。這兩點都說明自適應等級越高，智適應學習系統(tǒng)的學習效果越明顯，對學習者的學習越有利。

從本研究的分析結果來看，“人機協(xié)同”方式的學習效果優(yōu)于純線上教學方式。智適應學習系統(tǒng)與教師的關系是相互促進的，目前智適應學習系統(tǒng)算法在應用上還不穩(wěn)定、不成熟，教師的引導和輔助可以緩解和改善這一情況，教師可以增強系統(tǒng)的教育智慧，系統(tǒng)也可以增強教師開展教育工作的能力。因此，教師和智適應學習系統(tǒng)同時參與的教學過程對促進學習效果更有效。

五、建議與展望

（一）智適應學習系統(tǒng)的開發(fā)：更加關注自主學習能力的培養(yǎng)

在線學習效果與自主學習能力密切相關，這一觀點在之前的一些研究中就已被認可。與傳統(tǒng)的課堂教學相比，在線學習在時間和空間上都更加靈活，學習者的自主學習能力非常影響其學習效果。然而單純的在線情境或只是簡單將面授課程的內容和方式原封不動地遷移到在線學習中，不利于激發(fā)學習者自主學習能力的發(fā)揮[11]。未來智適應學習系統(tǒng)應多關注如何培育學生的自主學習能力，如在系統(tǒng)中設計特定的學習任務，給學習者提供運用多樣化學習策略的機會;為學習者提供具有交互式體驗的學習環(huán)境、擴充教育游戲資源、開展游戲化教學活動，增強學習者的在線學習交互體驗;利用在線學習平臺的后臺數據，提供實時反饋，提高學習者對其知識掌握程度的自我認知，培養(yǎng)其反思及調整等自主學習能力。

（二）智適應學習系統(tǒng)的教育應用：教師角色的轉變與能力的提升

未來教育一定是人類教師與人工智能協(xié)同存在的時代，但人工智能的迅速發(fā)展也確實給教育特別是教師這一角色帶來巨大影響，以往煩瑣、機械、重復的工作都可以被人工智能取代，這大大減輕了人類教師的負擔，而教師的重心將轉移到“育人”上來，人類教師將更有精力去培養(yǎng)學生的精神能力，比如同情心、創(chuàng)意、審美等。教師應該深刻認識自身的定位轉變，充分發(fā)揮其作為教學策略的施行者、學習的監(jiān)管者、學生的引導者的作用。同時，教師作為幫助人工智能與學生更好地進行交互的“橋梁”，應該提升自己的自適應技能，儲備足夠的知識，改良設計適合自適應學習的教學結構與教學方法。

（三）智適應學習系統(tǒng)的未來展望：鞏固基礎教育水平、促進教育公平

在教育信息化促進教育公平的相關研究中，熊才平等[12]發(fā)現(xiàn)：信息技術對于促進薄弱地區(qū)教育資源配置、教學研修等方面更能發(fā)揮作用。智適應學習系統(tǒng)能夠給知識水平較低的學習者提供傳統(tǒng)班級授課模式下無法比擬的更多個性化輔導。根據布盧姆的掌握學習理論，豐富而及時的個性化輔導和支持能夠讓學習者從中獲益，即使知識水平較低的學習者也能達成學習目標。由此可以預見，當教育教學以每個學生掌握課程標準為目標時，智適應學習系統(tǒng)將在鞏固基礎教育水平、促進教育公平方面發(fā)揮重要作用。

六、結語

本研究對近20年來國外權威刊物上發(fā)表的有關智適應學習系統(tǒng)對學習作用效果的60項研究進行了量化元分析，得出了智適應學習系統(tǒng)對促進學習的整體影響效果，并從多個維度探討了其影響差異。最后，基于研究結論對未來智適應學習系統(tǒng)的開發(fā)和應用提出建議與展望。智適應學習系統(tǒng)對學習的促進作用還有很大提升空間，在未來的開發(fā)中應多關注如何培養(yǎng)學生的自主學習能力，教師應認識自身的角色轉變、提升自身能力。如何充分發(fā)揮智適應學習系統(tǒng)的優(yōu)勢，使其在鞏固基礎教育水平、促進教育公平方面發(fā)揮重要作用，是未來一項重要的研究課題。

[1][3][5][8]汪維富，毛美娟，閆寒冰.智能導師系統(tǒng)對學業(yè)成就的影響研究：量化元分析的視角[J].中國遠程教育，2019（10）：40-51.

[2]MITROVIC A，MARTIN B，SURAWEERA P.Aspire：An Authoring System and Deployment Environment for Constraint-Based Tutors[J].International Journal of Artificial Intelligence in Education， 2009，19（2）：155-188.

[4]VIECHTBAUER W.Publication Bias in Meta-Analysis：Prevention，Assessment and Adjustments[J].Psychometrika，2007，72（2）：269-271.

[6]宋偉，孫眾.數字化學習資源有效性的元分析[J].中國電化教育，2013（11）：81-85.

[7]顧小清，胡夢華.電子書包的學習作用發(fā)生了嗎？——基于國內外39篇論文的元分析[J].電化教育研究，2018，39（5）：19-25.

[9]MAYER R E.The Cambridge Handbook of Multimedia Learning：In-? troduction to Multimedia Learning[J].Information Design Journal，2005，? 16（1）：81-83.

[10]李振，周東岱，劉娜，等.人工智能應用背景下的教育人工智能研究[J].現(xiàn)代教育技術， 2018，28（9）：19-25.

[11]黃振中，張曉蕾.自主學習能力對在線學習效果的影響機制探究：兼論在線學習交互體驗的中介作用[J].現(xiàn)代教育技術，2018，28（3）：66-72.

[12]熊才平，何向陽，吳瑞華.論信息技術對教育發(fā)展的革命性影響[J].教育研究，2012，33（6）：22-29.

（責任編輯 孫興麗）