朱惠青 唐春慧 葉藝晨

摘? ?要：隨著智能時代的來臨，自適應學習作為人工智能技術之一，將促使教育方法向智能化方向發(fā)展。文章通過對2008—2020年國內(nèi)自適應學習的研究現(xiàn)狀進行可視化分析，對國內(nèi)自適應學習研究主題進行分類并詳細論述，最后基于當前國內(nèi)自適應學習研究的不足，提出了未來的發(fā)展方向，從而為當前及未來國內(nèi)自適應學習提供參考，進一步推進我國人工智能在教育領域的發(fā)展。

關鍵詞：自適應學習;個性化學習;可視化分析;學習情感

中圖分類號：G40-057 文獻標志碼：A 文章編號：1673-8454（2021）16-0009-05

一、引言

近年來，隨著人工智能技術的不斷涌現(xiàn)，自適應學習作為人工智能的重要教育技術之一，如何更好地滿足學習者的個性化學習需求，從而在智能時代進行更加有效的學習，將成為當前自適應學習的一大重要挑戰(zhàn)。1996年，美國匹茲堡大學的Peter Brusilovsdy提出，自適應學習為尊重每一名學習者的個體差異、為學習者提供最合適、最需要的教育。簡單來說，自適應學習是促使教育走向因材施教的途徑之一。

2015年，新媒體聯(lián)盟發(fā)布的《地平線報告》（高等教育版）中首次將自適應學習列入教育技術重大進展之一，其將自適應學習列為將在未來五年內(nèi)更有可能推動技術規(guī)劃和決策的關鍵技術。2017年的《地平線報告》（高等教育版）中提到，在未來一年內(nèi)會廣泛采用自適應學習技術作為近期技術。截止到2020年，自適應技術在《地平線報告》中以高達5次的頻率出現(xiàn)在業(yè)界學者的視野中。

我國的《教育信息化十年發(fā)展規(guī)劃（2011—2020年）》提出，“努力為每位學生和學習者提供個性化學習、終身學習的信息化環(huán)境和服務?！盵1]由此可見，業(yè)界學者對于自適應學習的關注與重視，預見其未來將會有更大的發(fā)展。本文以中國知網(wǎng)的核心期刊和學術論文為數(shù)據(jù)來源，對近十二年來國內(nèi)關于自適應學習技術領域的研究文獻進行系統(tǒng)化梳理分析，為當前以及未來國內(nèi)自適應學習技術提供參考，不斷推進人工智能在教育領域的發(fā)展。

二、研究設計

1.數(shù)據(jù)來源

本研究以中國知網(wǎng)的核心期刊和相關論文作為數(shù)據(jù)來源，以“自適應學習”“自適應學習技術”或“個性化學習”為關鍵詞，發(fā)表時間在2008年1月至2020年12月為篩選條件，共獲得243篇文獻，剔除與研究主題相關度不高的無效文獻，得到有效文獻數(shù)量共213篇。

2.研究步驟

本研究首先將從中國知網(wǎng)數(shù)據(jù)庫中所篩選的文獻放入已新建的規(guī)定文件夾中，再導入SATI進行關鍵詞詞頻統(tǒng)計;其次用WordArt對高頻關鍵詞進行云視圖分析，并用SATI生成共詞和相似矩陣;最后利用SPSS進行系統(tǒng)聚類分析，以得到國內(nèi)自適應學習研究的聚類樹狀圖，并將其相關主題進行分類。

三、研究結(jié)果

1.自適應學習研究的關鍵詞詞頻和矩陣

（1）高頻關鍵詞呈現(xiàn)

將從中國知網(wǎng)中檢索的相關文獻導入SATI后，把字段選項改為“關鍵詞”進行統(tǒng)計提取，可以得到文獻中關鍵詞的詞頻表，已知關于自適應學習研究的關鍵詞共計566個，其中選出詞頻≥3的關鍵詞共48個，部分高頻關鍵詞如表1所示。然后結(jié)合對這48個高頻關鍵詞進行WordArt云視圖分析，如圖1所示，從中可以看出近年來自適應學習、個性化學習、自適應學習系統(tǒng)、學習分析、人工智能、學習風格、自適應以及大數(shù)據(jù)等是國內(nèi)自適應學習研究的熱點。

（2）高頻關鍵詞矩陣生成

共現(xiàn)分析是以同一篇文章中敘詞表的同現(xiàn)次數(shù)為依據(jù)，表明敘詞表之間的關系。表中的數(shù)據(jù)表示同一篇文章中兩個關鍵詞出現(xiàn)的頻率。數(shù)據(jù)越大，兩個關鍵詞之間的關系就越密切。本研究利用SATI 3.2軟件生成高頻關鍵詞共詞矩陣和相似矩陣，部分數(shù)據(jù)如表2、表3所示。

2.自適應學習研究的主題分類

高頻關鍵詞聚類分析的目的是在數(shù)據(jù)中發(fā)現(xiàn)相似的關鍵詞集合，將48個高頻關鍵詞相異矩陣引入SPSS 軟件進行系統(tǒng)數(shù)據(jù)聚類，得到一個聚類樹，如圖2所示。

根據(jù)圖2的聚類樹狀圖，可將國內(nèi)自適應學習研究主題劃分為17個小類，其中每一小類所包含的關鍵詞如表4所示。通過研讀相關文獻可知，近年來國內(nèi)自適應學習主要研究主題可分為三大類，分別是個性化學習、學習效果、學習環(huán)境等的研究。

（1）基于自適應學習的個性化學習研究

自適應學習的本質(zhì)是通過計算機技術來達成與學習者的人機交互，從而實現(xiàn)學習者的個性化學習。近年來，國內(nèi)學者主要關注個性化在線機器學習，可以細分為基于在線機器學習系統(tǒng)的建模、基于學習分析技術的個性化學習和基于在線機器學習效應的個性化學習。

①基于自適應學習系統(tǒng)的模型構(gòu)建研究

A. 自適應學習系統(tǒng)模型

黃伯平等人通過參考AHAM、LAOS、XHAM和WebML等自適應學習系統(tǒng)的模型，進一步對比分析自適應超媒體系統(tǒng)參考模型，為深入研究、設計開放性自適應學習系統(tǒng)提供了依據(jù)。[2]方海光等人基于MOOC自適應學習系統(tǒng)的模型，將網(wǎng)絡學習行為分析的智能反饋策略和認知思維層次的在線學習行為進行分類，構(gòu)建了量化自我學習算法QSLA，并以此作為實現(xiàn)教育大數(shù)據(jù)自適應學習的基礎。[3]通過構(gòu)建在線機器學習系統(tǒng)模型，以“離散數(shù)學”課程為例，王琳琳設計了一個面向?qū)W科的在線機器學習系統(tǒng)，實現(xiàn)了基于學習者模型的學習內(nèi)容和資源的個性化推薦。[4]

B. 自適應學習者模型

邱百爽等人通過運用ASP、Net、SQL Server 數(shù)據(jù)庫技術和語義 Web 挖掘技術，根據(jù)用戶的學習風格、認知水平和興趣偏好，構(gòu)建了基于語義Web 的在線機器學習系統(tǒng)用戶模型。[5]菅保霞等人采用適切的建模方法構(gòu)建學習者個性特征模型，并為了清晰解析其模型的運行機制，而以“自適應課件導學系統(tǒng)（AC-ware Tutor）”為例，從而在精準的個性化學習服務方面提供了一定的幫助。[6]薛耀鋒等提出了基于眼動追蹤的自適應學習框架，構(gòu)建了基于眼動追蹤的在線學習者認知風格識別模型，并通過眼動實驗驗證了此模型的可行性和有效性，為自適應學習系統(tǒng)的設計與開發(fā)提供了新的解決方案。[7]

②基于學習分析技術的個性化學習研究

學習分析技術是利用松散耦合的數(shù)據(jù)采集工具和分析技術，對學習者的學習參與、學習績效和學習過程相關數(shù)據(jù)進行進一步研究，從而實時糾正正在進行的課程教學和課程評價。[8]朱珂等在在線機器學習分析技術的基礎上，重新開發(fā)了Sakai學習平臺，最終實現(xiàn)了在線機器學習系統(tǒng)的功能。[9]李建偉等利用學習分析技術設計了一個適應性網(wǎng)絡教學系統(tǒng)，該系統(tǒng)可以根據(jù)學習者的實際水平，提供適合其自身水平的學習策略，還可以幫助教師及時改進和更新課程的學習內(nèi)容。[10]吳文峻通過闡述學習大數(shù)據(jù)分析技術的分析方法和理論架構(gòu)，從而介紹大數(shù)據(jù)分析技術在教育中的實際應用。[11

（2）自適應學習效果研究

陳剛等通過檢索相似學習者的學習能力水平，從而建立“題目—知識點—得分”模式表，并根據(jù)學習者答題的錯誤率和題項來診斷知識點的薄弱，進一步給予相應的反饋和知識點補充。[12]董捷通過研究在線測評，提出了針對學習者個體的自適應選題策略算法，并在此基礎上實現(xiàn)了在線學習的自適應測評系統(tǒng)，提高了學習者的測評效率，為學習者高效地進行個性化在線學習能力測評提供了新的途徑。[13]李俊杰等通過分析智能化、個性化語言學習平臺所需的關鍵技術和方法，提出了一種匹配的語言學習模型。[14]耿楠提出了基于測評數(shù)據(jù)分析的個性化學習資源推送模型，從理解水平的角度，為學生推送滿足其個性化學習需求的學習資源，從而促進學習效果的提升。[15]

（3）自適應學習環(huán)境研究

在線學習的重點之一是創(chuàng)造一個有智慧的學習環(huán)境。學習環(huán)境的好壞直接影響學習過程和學習效果。劉俊通過分析現(xiàn)有的泛在學習平臺，設計了一個包含個人學習體系和小組學習體系的泛在學習資源自適應系統(tǒng)，重點在于依據(jù)學習者的學習風格、學習環(huán)境和構(gòu)建主題圖式資源共建的學習模式。[16]李小平等提出了基于體驗式學習的智能教學控制思路，并通過數(shù)據(jù)挖掘和教學反饋，實現(xiàn)了個性化智能虛擬教學的閉環(huán)控制系統(tǒng)，這是在智能VR/AR環(huán)境下提高教學質(zhì)量的途徑之一。[17]童名文等基于智慧學習環(huán)境，研制了一種包含領域模型、學習者模型、自適應模型和認知診斷模型的自適應學習系統(tǒng)動力模型，在這四者的協(xié)同作用下，向?qū)W習者不斷推送適切的學習資源。[18]徐振國等根據(jù)學習者的情感特點，構(gòu)建了情感適應調(diào)節(jié)模型，并在智能學習環(huán)境中開發(fā)了原型系統(tǒng)，以實現(xiàn)適應性學習者的情感互動。[19]

四、我國自適應學習研究現(xiàn)狀

通過對2008—2020年國內(nèi)自適應學習關鍵詞的共現(xiàn)和聚類分析，可以了解到我國自適應學習還存在以下一些不足之處：

1.自適應學習中學生和教師關注失衡

目前，教育界學者著重研究的自適應學習對象為學生，大多是基于學習者特征、認知風格以及學習路徑等的研究，但教師教學風格和教學水平等方面研究文獻幾乎為零。智能化時代的到來，促進了學校教學方式的轉(zhuǎn)變，在提倡發(fā)揮學生的主觀能動性的同時，進一步呼吁培養(yǎng)學生的學習興趣和批判性思維能力，這也對教師的信息素養(yǎng)提出了較高的要求。目前來看，大部分學校為教師提供的培訓內(nèi)容還僅限于計算機的基本操作，無法滿足教師的專業(yè)需求。當教師對信息技術的使用還僅僅停留在經(jīng)驗上的使用，又何談技術創(chuàng)新和培養(yǎng)學生的創(chuàng)新思維能力？因此，教育管理者不僅要關注學習者，也要加大對教師的關注。

2.技術支持下的自適應學習情感有待突破

學習者在技術支持下的自適應學習過程中，表現(xiàn)出的一些情感態(tài)度也會對學習效果產(chǎn)生很大的影響。當然，積極的情感狀態(tài)往往會促進學生的學習，相反學習者產(chǎn)生的消極情緒會引來學習怠倦。Moreno等指出，多媒體學習圖片中，情感功能的設計會影響學習者的學習態(tài)度和學習動機。[20]目前教育領域?qū)τ嘘P學習者學習情感的研究還很少，主要集中于研究在學習過程中如何個性化地解決學習者在學習過程中產(chǎn)生的問題。 因此，自適應學習還應關注學習者出現(xiàn)的情感方面變化的研究。

3.關于自適應學習技術研究偏于理論化

自適應學習領域?qū)W者對有關自適應學習模型的構(gòu)建以及實現(xiàn)機制的研究居多，技術研究和實踐應用研究較少。技術與實踐應用的研究可促進自適應學習的發(fā)生，開發(fā)者可以通過試驗的過程不斷改進技術。缺乏專業(yè)技術的設計，無法將自己的構(gòu)想轉(zhuǎn)化為現(xiàn)實的產(chǎn)品;缺乏真實的情境應用，無法將現(xiàn)實的產(chǎn)品應用于實踐。只有當技術真正實現(xiàn)了在教育領域的應用且產(chǎn)生一定的效果，未來的教育才會繼續(xù)向前發(fā)展。因此，業(yè)界學者還應關注自適應學習技術和實踐應用方面的研究。

五、我國自適應學習研究趨勢與發(fā)展

未來自適應學習的研究應不斷關注“適應性學生”與“適應性教師”并重，由自適應學習效果轉(zhuǎn)向自適應學習情感、由模型構(gòu)建理論研究走向教學應用實踐研究，從而推動國內(nèi)自適應學習研究，豐富自適應學習研究成果，為自適應學習實踐創(chuàng)造條件。

1.雙適應模式：“適應性學生”與“適應性教師”并重

信息化的潮流正在改變著教育教學生態(tài)，在關注學生全面發(fā)展的同時，我們也應該將目光朝向教師。就目前情況來看，大多數(shù)學校為教師提供的培訓項目還僅限于計算機的操作性技能，教師專業(yè)發(fā)展的內(nèi)核中并未加入培養(yǎng)教師信息技術素養(yǎng)這一項，即使有部分學校對此產(chǎn)生了關注，卻并沒有采取相應的培訓機制。Linda Flanagan和Michele Jacobsen曾提到信息化時代教育根本性變革的關鍵就在于是否能做到信息技術的整合，即如何將“教”與“學”的活動與信息技術手段做到深度融合。[21]

信息技術與學校教育相融合的重中之重是要加強對各科教師信息素養(yǎng)的培訓。因此，學校教育不僅要加強養(yǎng)成“適應性學生”，也要促進“適應性教師”的形成，在滿足學生學習需求的同時，促使教師在應用中學習，在掌握信息技術能力的同時，也要提高信息技術的應用能力。以學生學習過程的海量數(shù)據(jù)為基礎，發(fā)揮教師的“適應性專長”，使教師可以熟練運用自適應學習的采集和挖掘技術，以此對班集體進行規(guī)?；墓芾砗椭С?。同時，教師也可以個性化分析每位學生的學習情況，實現(xiàn)適應每個學習者個性化發(fā)展的教學，逐漸成為“適應性專家”。最后，“適應性學生”和“適應性教師”達成一種雙中心模式，共同發(fā)展。

2.學習情感關注：自適應學習效果轉(zhuǎn)向自適應學習情感

目前，學術界研究主要的研究方向為自適應學習（如測評軟件、學習平臺等）會產(chǎn)生怎樣的學習效果，而對于研究學生在學習的過程中產(chǎn)生的厭倦、疲勞以及信任與高興等情感狀態(tài)關注較少。自適應學習作為一種新型的教育方式，理應把學生的學習情感作為教育的主要目的之一，例如可以從系統(tǒng)設計的畫面、題目字體的設計以及完成題目的表現(xiàn)形式上著手，從而有利于緩解學生不適的學習情感。

王志軍等[22]通過研究移動學習資源與畫面設計來促進學習者與學習內(nèi)容的互動，經(jīng)研究發(fā)現(xiàn)學習者接觸最多的就是學習資源畫面，即畫面設計有著自己獨特的規(guī)律，一定程度上會影響學習者的認知結(jié)構(gòu)和心理發(fā)展方向。研究表明，優(yōu)質(zhì)的資源畫面可以促使學習者學習由感官體驗轉(zhuǎn)向思維認知及情感的深度體驗，從而提高學習資源的質(zhì)量和學習效果。自適應學習平臺所展現(xiàn)的舒適學習畫面，會給學習者帶來極好的學習體驗，而當學習者長時間面對單一的學習場景時，會因感受不到情感交互而心生疲倦，從而嚴重影響其深層次學習的開展。

3.落到實處：模型構(gòu)建理論研究走向教學應用實踐研究

近年來，我國教育學界對有關自適應學習模型的構(gòu)建、系統(tǒng)的框架以及開發(fā)的環(huán)節(jié)研究居多，而有關自適應學習技術在教學實踐中的應用較少，關于自適應學習將如何運用其技術來實現(xiàn)與各個學科課堂教學深度融合的研究更是少之又少。例如，針對一堂課，課前通過自適應學習分析學生學習的薄弱環(huán)節(jié)，以此來完善教師的教學設計;課中通過全面收集和挖掘?qū)W生在學習過程產(chǎn)生的疑惑，進行針對性教學;課后根據(jù)學生反饋的學習結(jié)果，提供個性化的學習服務，促進學生的和諧全面發(fā)展。周海波基于自適應學習平臺對每位實際參與的學習者都進行了個性化學習效果研究，研究基本上精準地刻畫了每位學習者的學習特征，對學生的學習行為開展采集與挖掘，便于教師的個性化干預。[23]李振等提出了在自適應學習系統(tǒng)中，運用知識圖譜的人機協(xié)同構(gòu)建方法來實現(xiàn)大規(guī)模的個性化學習。[24]

六、結(jié)語

隨著智能時代的來臨，各種形式的技術不斷引發(fā)學校教學方式的重大變革。自適應學習技術作為21世紀重要的教育技術之一，打破了傳統(tǒng)的教育模式，以學習者為中心，使學習資源和學習方式更加多樣化，極大地滿足了每一位學生的個性化發(fā)展。然而，自適應學習在研究和實踐的過程中也出現(xiàn)了一些問題。例如，教育管理者在引入自適應學習技術時，是否充分考慮師生的情感需求，以及研究者構(gòu)建的自適應學習系統(tǒng)是否真正能得到普適性的發(fā)展，還是僅僅處于“特權(quán)階級”才能夠得到的教育成果等。因此，在自適應學習發(fā)展的過程中，除了借鑒國外已有的研究成果，還需要根據(jù)國內(nèi)教育自身發(fā)展的規(guī)律，形成我國特色的教育理論和成果。

參考文獻：

[1]董曉輝，楊曉宏，張學軍.自適應學習技術研究現(xiàn)狀與展望[J].電化教育研究，2017，38（2）：91-97+121.

[2]黃伯平，趙蔚，余延冬.自適應學習系統(tǒng)參考模型比較分析研究[J].中國電化教育，2009（8）：97-101.

[3]方海光，羅金萍，陳俊達，等.基于教育大數(shù)據(jù)的量化自我MOOC自適應學習系統(tǒng)研究[J].電化教育研究， 2016，37（11）：38-42+92.

[4]王琳琳.自適應學習系統(tǒng)模型設計研究與實現(xiàn)——以“離散數(shù)學”課程為例[D].大慶：東北石油大學， 2017.

[5]邱百爽，趙蔚，劉秀琴.基于語義網(wǎng)的自適應學習系統(tǒng)中用戶模型的研究[J].開放教育研究，2008（4）： 106-111.

[6]菅保霞，姜強，趙蔚，等.大數(shù)據(jù)背景下自適應學習個性特征模型研究——基于元分析視角[J].遠程教育雜志，2017，35（4）：87-96.

[7]薛耀鋒，曾志通.面向自適應學習的不同認知風格學習者眼動模型研究[J].現(xiàn)代教育技術，2020，30（8）： 91-97.

[8]吳永和，李若晨，王浩楠.學習分析研究的現(xiàn)狀與未來發(fā)展——2017年學習分析與知識國際會議評析[J]. 開放教育研究，2017，23（5）：42-56.

[9]朱珂，劉清堂.基于“學習分析”技術的學習平臺開發(fā)與應用研究[J].中國電化教育，2013（9）： 127-132.

[10]李建偉，蘇占玖，黃赟茹，等.基于學習分析的自適應網(wǎng)絡教學系統(tǒng)設計[J].現(xiàn)代教育技術，2016，26（6）： 113-118.

[11]吳文峻.面向智慧教育的學習大數(shù)據(jù)分析技術[J].電化教育研究，2017，38（6）：88-94.

[12]陳剛，石晉陽.學習者知識狀態(tài)的自適應測量與診斷方法設計[J].中國電化教育，2011（3）：122-126.

[13]董捷.自適應在線學習測評研究及其應用[D].成都：電子科技大學，2017.

[14]李俊杰，張建飛，胡杰，等.基于自適應題庫的智能個性化語言學習平臺的設計與應用[J].現(xiàn)代教育技術，2018，28（10）：5-11.

[15]耿楠.基于學生測評數(shù)據(jù)分析的個性化學習資源推送研究[D].無錫：江南大學，2019.

[16]劉俊.泛在學習中學習資源自適應環(huán)境系統(tǒng)設計[D].武漢：華中師范大學，2012.

[17]李小平，張琳，張少剛，等.智能虛擬現(xiàn)實/增強現(xiàn)實教學系統(tǒng)構(gòu)造研究[J].中國電化教育，2018（1）：97-105.

[18]童名文，師亞飛，戴紅斌，等.智慧學習環(huán)境中自適應學習系統(tǒng)動力機制研究[J].電化教育研究，2020，41（2）：68-75.

[19]徐振國，孔璽，張冠文，等.智慧學習環(huán)境下學習畫面情感的自適應調(diào)整[J].現(xiàn)代教育技術，2020，30（5）：101-107.

[20]Moreno R， Mayer R.Interactive multimodal learning environments[J].Educational Psychology Review，2007（3）：309-326.

[21]Linda Flanagan，Michele Jacobsen.Technology leadership for the twenty-first century principal[J].Journal of Educational Administration，2003，41（2）：124-142.

[22]王志軍，馮小燕.基于學習投入視角的移動學習資源畫面設計研究[J].電化教育研究，2019，40（6）：91-97.

[23]周海波.基于自適應學習平臺促進學生個性化學習的研究[J].電化教育研究，2018，39（4）：122-128.

[24]李振，董曉曉，周東岱，等.自適應學習系統(tǒng)中知識圖譜的人機協(xié)同構(gòu)建方法與應用研究[J].現(xiàn)代教育技術，2019，29（10）：80-86.

（編輯：李曉萍）