王智慧 王朋嬌 王寧 于昕孜

摘要：因材施教一直是個性化學(xué)習追求的價值取向，但如何解決傳統(tǒng)學(xué)習模式忽略學(xué)習者主體性、差異性和發(fā)展性是個性化學(xué)習長久以來面臨的挑戰(zhàn)。作者提出，基于人工智能的智適應(yīng)學(xué)習為解決上述問題提供了新的參照。智適應(yīng)學(xué)習以人工智能為技術(shù)支持，以智適應(yīng)學(xué)習系統(tǒng)為依托，將納米級的知識點作為學(xué)習內(nèi)容形態(tài)，對學(xué)習者進行知識點診斷、學(xué)習資源推送與學(xué)習路徑指引，形成“測、學(xué)、練、測、輔”的個性化學(xué)習模式，為學(xué)習者提供智能、精準的個性化學(xué)習體驗。

關(guān)鍵詞：人工智能;智適應(yīng);個性化學(xué)習

中圖分類號：G434 ?文獻標識碼：A ?論文編號：1674-2117（2022）07-0000-04

● 引言

人工智能技術(shù)的出現(xiàn)及其迅速發(fā)展改變了人類社會，人工智能與教育的融合，為教育領(lǐng)域注入了新鮮血液?！督逃畔⒒?.0行動計劃》中強調(diào)“要構(gòu)建數(shù)字化、智能化、個性化的教育體系”[1]，世界經(jīng)濟論壇2020年1月發(fā)布的《未來學(xué)校：為第四次工業(yè)革命定義新的教育模式》報告強調(diào)了個性化學(xué)習、自主性學(xué)習的重要性[2]，這預(yù)示著個性化學(xué)習已經(jīng)成為教育的關(guān)注重點。而智適應(yīng)學(xué)習的出現(xiàn)，有望在人工智能技術(shù)的支持下打破傳統(tǒng)教學(xué)模式中忽視學(xué)習者個性化學(xué)習的弊端，在真正意義上使因材施教的教育理念成為現(xiàn)實。[3]

● 個性化學(xué)習研究現(xiàn)狀與智適應(yīng)個性化學(xué)習

1.個性化學(xué)習研究現(xiàn)狀

目前，我國個性化學(xué)習研究內(nèi)容主要可以分為五類：技術(shù)支持的個性化學(xué)習、基于個性化學(xué)習理論的教學(xué)模式、個性化學(xué)習促進課程教學(xué)改革、個性化學(xué)習在具體教學(xué)中的應(yīng)用以及個性化自適應(yīng)學(xué)習研究。[4]總結(jié)分析關(guān)于個性化學(xué)習的已有研究可以發(fā)現(xiàn)，個性化學(xué)習的相關(guān)理論催生了新的教學(xué)模式，但在促進課程教學(xué)改革與教學(xué)實踐的應(yīng)用中還有待進一步深入。

2.智適應(yīng)個性化學(xué)習

自適應(yīng)學(xué)習是學(xué)習系統(tǒng)根據(jù)學(xué)習者的個人信息和行為數(shù)據(jù)等分析，將符合學(xué)習者知識水平及認知特點的學(xué)習內(nèi)容推送給學(xué)習者，從而為學(xué)習者提供智能化的服務(wù)和個性化的學(xué)習體驗。[5]但自適應(yīng)學(xué)習的智能化程度比較低，無法精準診斷學(xué)習者對知識點的掌握情況，在學(xué)習資源推送以及學(xué)習路徑規(guī)劃等方面也無法全面滿足學(xué)習者的學(xué)習需求。在自適應(yīng)學(xué)習的基礎(chǔ)上，人工智能技術(shù)支持下的智適應(yīng)學(xué)習應(yīng)運而生。智適應(yīng)學(xué)習能夠利用人工智能技術(shù)檢測學(xué)生的認知水平與學(xué)習水平，從而智能地為學(xué)習者推薦最佳的學(xué)習內(nèi)容和學(xué)習資源。

● 人工智能支持下的智適應(yīng)學(xué)習基本原理

1.智適應(yīng)學(xué)習系統(tǒng)

智適應(yīng)學(xué)習系統(tǒng)以知識空間理論和貝葉斯定理為技術(shù)支撐，主要包括學(xué)生信息系統(tǒng)、學(xué)習分析系統(tǒng)、智能化自適應(yīng)引擎、學(xué)生情況跟蹤、學(xué)生管理系統(tǒng)和學(xué)習內(nèi)容及數(shù)據(jù)收集系統(tǒng)六個模塊[6]，具體內(nèi)容如下頁圖1所示。學(xué)生信息系統(tǒng)包含學(xué)習者個人信息、學(xué)習風格、知識水平和對學(xué)習內(nèi)容的掌握程度等信息。學(xué)習分析系統(tǒng)對學(xué)習者學(xué)習過程進行記錄，并對相關(guān)數(shù)據(jù)進行采集和格式化。智能化自適應(yīng)引擎根據(jù)學(xué)習分析系統(tǒng)內(nèi)產(chǎn)生的數(shù)據(jù)分析結(jié)果，為學(xué)習者提供個性化學(xué)習內(nèi)容推薦、知識點精準測評以及個性化路徑引導(dǎo)。學(xué)生情況跟蹤系統(tǒng)主要對學(xué)習者的學(xué)習過程行為數(shù)據(jù)進行循環(huán)分析和持續(xù)跟蹤，隨著學(xué)習者學(xué)習能力的變化動態(tài)發(fā)展。學(xué)生管理系統(tǒng)主要跟蹤學(xué)習者的學(xué)習情況，為學(xué)習者調(diào)整學(xué)習內(nèi)容。學(xué)習內(nèi)容及數(shù)據(jù)收集系統(tǒng)對學(xué)習者利用系統(tǒng)進行學(xué)習過程中產(chǎn)生的行為數(shù)據(jù)進行數(shù)據(jù)收集及分析。智適應(yīng)學(xué)習系統(tǒng)的個性化體現(xiàn)在對學(xué)習者個體特征數(shù)據(jù)的收集與分析，智適應(yīng)學(xué)習系統(tǒng)通過定位學(xué)習者的知識短板為學(xué)習者制訂學(xué)習計劃，推薦學(xué)習資源，從而使學(xué)習者高效學(xué)習。

2.人工智能賦能智適應(yīng)學(xué)習

人工智能技術(shù)為智適應(yīng)學(xué)習提供的支持體現(xiàn)在以下幾個方面。

（1）激發(fā)學(xué)習興趣與學(xué)習動機

學(xué)習興趣影響著學(xué)習者學(xué)習的主動性與專注度，是個性化學(xué)習的前提保障。人工智能技術(shù)可以為學(xué)習者提供有針對性的服務(wù)，以此激發(fā)并維持學(xué)習者的學(xué)習興趣。例如，運用智能搜索技術(shù)建立數(shù)據(jù)倉庫，通過構(gòu)建知識圖譜為學(xué)習者提供合適的學(xué)習資源;運用人機交互、增強現(xiàn)實等技術(shù)將凌亂、復(fù)雜的學(xué)習資源以簡潔直觀的方式呈現(xiàn)給學(xué)習者，使其獲得良好的學(xué)習體驗;運用機器學(xué)習、深度學(xué)習、圖像及語音識別等技術(shù)為學(xué)習者提供學(xué)習指導(dǎo)、問題解答、導(dǎo)航推薦等服務(wù)，并在此基礎(chǔ)上分析學(xué)習者的學(xué)習方向和學(xué)習偏好，從而進一步激發(fā)學(xué)習者學(xué)習興趣;運用可視化分析及在線算法等技術(shù)建立測評系統(tǒng)對學(xué)習者進行全面的、智能的評價，并針對評價結(jié)果實時地向?qū)W習者反饋合理建議。[7]

（2）助力新舊知識融合

新舊知識融合是學(xué)習者將學(xué)習內(nèi)容內(nèi)化吸收的前提保障，但在數(shù)字化、移動化的學(xué)習時代，學(xué)習者獲得的知識內(nèi)容往往是零散化、碎片化的，如果新舊知識連接不足則無法順利實現(xiàn)知識的遷移與應(yīng)用。而人工智能的圖像及語音識別、智能感知等技術(shù)能夠采集、分析學(xué)習者的學(xué)習行為，再利用信息提取、認知診斷、智能分析等技術(shù)準確快速地找到學(xué)習者的知識短板，在當前學(xué)習的基礎(chǔ)上，運用關(guān)聯(lián)分析技術(shù)在海量的知識內(nèi)容中提取合適的學(xué)習資源推送給學(xué)習者，為學(xué)習者提供有針對性的鏈接知識，幫助學(xué)習者完善知識體系，為學(xué)習者拓寬新舊知識融合的渠道。

（3）助力思維及元認知能力提升

人機交互、虛擬現(xiàn)實、增強現(xiàn)實等人工智能技術(shù)可以為學(xué)習者提供可視化、直觀化、真實化的學(xué)習場景，讓學(xué)習者在切身體驗中參與知識的系統(tǒng)構(gòu)建，在自主學(xué)習的過程中鍛煉邏輯思維能力。在信息搜集、知識學(xué)習的過程中，學(xué)習者可以與人工智能形成學(xué)習共同體并進行實時交互，人工智能的情感分析技術(shù)、表征學(xué)習等技術(shù)可以幫助學(xué)習者提升問題解決能力和高階思維能力。人工智能還能夠在判斷學(xué)習風格、評價學(xué)習水平等方面為學(xué)習者提供服務(wù)與幫助，針對學(xué)習者學(xué)習情況給予改進措施，使學(xué)習者的自我反思和自我調(diào)控等元認知能力與水平得以提升。[8]

● 智適應(yīng)個性化學(xué)習模式設(shè)計

在人工智能技術(shù)的支持下，利用智適應(yīng)學(xué)習系統(tǒng)實現(xiàn)的智適應(yīng)個性化學(xué)習模式可簡述為“測、學(xué)、練、測、輔”五個基本環(huán)節(jié)（如下頁圖2）。其具體實施過程如下。

1.先行測驗定位知識點

先行測驗是學(xué)習者進入智適應(yīng)學(xué)習系統(tǒng)學(xué)習的第一個環(huán)節(jié)，是智適應(yīng)學(xué)習模式的基礎(chǔ)以及后續(xù)智適應(yīng)學(xué)習服務(wù)支持的依據(jù)。先行測驗?zāi)軌蜓杆?、準確地測試出學(xué)習者自身的學(xué)習水平和知識基礎(chǔ)，系統(tǒng)根據(jù)學(xué)習者的個人情況診斷知識短板，結(jié)合納米知識點為學(xué)習者規(guī)劃與個人情況相適應(yīng)的學(xué)習路徑，以此作為后續(xù)為學(xué)習者規(guī)劃學(xué)習序列、推送學(xué)習資源、整合學(xué)習內(nèi)容的參考基礎(chǔ)。

2.知識粒度聚焦知識點

該環(huán)節(jié)通過智適應(yīng)學(xué)習系統(tǒng)向?qū)W習者推送具有針對性的學(xué)習資源來為其提供智能化、精準化、個性化的學(xué)習服務(wù)。智適應(yīng)學(xué)習系統(tǒng)將復(fù)雜的學(xué)習內(nèi)容分解為納米級的知識粒度，細化為易于理解的知識點。同時，智適應(yīng)學(xué)習系統(tǒng)能夠記錄學(xué)習者在學(xué)習過程中的具體行為，并通過形成的數(shù)據(jù)對學(xué)習者進行分析，進而為學(xué)習者提供合適的服務(wù)，以此為個性化學(xué)習奠定基礎(chǔ)。

3.典型習題檢測知識點

智適應(yīng)學(xué)習系統(tǒng)采用開放式的題目對學(xué)習者進行檢測，對其學(xué)習情況進行判斷和分析。同時，在學(xué)習者學(xué)習的過程中，系統(tǒng)能對其學(xué)習行為進行及時、全面的檢測，記錄相關(guān)數(shù)據(jù)并分析，掌握學(xué)習者對學(xué)習內(nèi)容知識點的把握情況，進而為學(xué)習者提供相應(yīng)的幫助或再次測試，為個性化學(xué)習創(chuàng)造了有效的檢測機制。

4.綜合測驗評價知識點

智適應(yīng)學(xué)習系統(tǒng)能根據(jù)學(xué)習者對所學(xué)知識點的掌握情況，自動生成檢測報告，為教師和學(xué)習者提供相應(yīng)的參考，使教師和學(xué)習者能夠根據(jù)測試結(jié)果對相應(yīng)的學(xué)習過程做出改進與調(diào)整。綜合測驗是智適應(yīng)個性化學(xué)習模式中線上學(xué)習的最后環(huán)節(jié)，為學(xué)習者的個性化學(xué)習提供了評價依據(jù)。

5.學(xué)習輔導(dǎo)攻克知識點

學(xué)習輔導(dǎo)是智適應(yīng)學(xué)習系統(tǒng)與教師教學(xué)的深度融合，包括線上教師講授和線下教師輔導(dǎo)兩種形式。在線上講授時，教師以智適應(yīng)學(xué)習系統(tǒng)中學(xué)習者各學(xué)習階段的學(xué)習分析數(shù)據(jù)為參考，針對學(xué)習者的實際學(xué)習情況進行講解、答疑、解惑，滿足其個性化需求。[9]在線下輔導(dǎo)時，學(xué)習者通過智適應(yīng)學(xué)習系統(tǒng)自主學(xué)習，通過與其他學(xué)習者之間的交流形成知識共生體，結(jié)合教師的引領(lǐng)輔導(dǎo)進一步提升學(xué)習效率。

● 人工智能支持下的智適應(yīng)個性化學(xué)習模式應(yīng)用案例

1.應(yīng)用案例

本研究以一組八年級的學(xué)生為研究對象，該組學(xué)生已經(jīng)學(xué)習過機械效率的有關(guān)知識，并認為已經(jīng)掌握了所教授的知識點，但檢測成績卻不盡如人意。針對此情況，以人工智能技術(shù)支持下的智適應(yīng)學(xué)習系統(tǒng)為依托，將智適應(yīng)個性化學(xué)習模式應(yīng)用于人教版八年級物理《機械效率》一課，組織該組學(xué)生進行智適應(yīng)個性化模式學(xué)習，學(xué)習采用智適應(yīng)學(xué)習平臺與教師輔導(dǎo)相結(jié)合的方式進行。

2.基本過程

（1）學(xué)習者信息完善與知識點前測

在正式進入學(xué)習之前，學(xué)生填寫個人信息并完成本節(jié)知識點的先行測試。智適應(yīng)學(xué)習系統(tǒng)根據(jù)學(xué)生的答題情況生成先行測試報告，結(jié)果表明，該組學(xué)生在功的原理、機械效率的定義及表達式方面存在知識點薄弱的情況。

（2）學(xué)習資源推送與學(xué)習過程開展

根據(jù)先行測試的結(jié)果，智適應(yīng)學(xué)習系統(tǒng)針對每個學(xué)生的情況，給學(xué)生提供指向其知識短板的學(xué)習資源。在機械效率的知識點的學(xué)習中，系統(tǒng)為學(xué)生推送了機械效率定義及表達式的講解視頻以及對應(yīng)的知識點總結(jié)，使學(xué)生避免了反復(fù)練習、學(xué)習效率低的行為。在整個學(xué)習過程中，智適應(yīng)學(xué)習系統(tǒng)會根據(jù)學(xué)生對各部分知識點的掌握情況實時、及時地進行調(diào)整，以確保為學(xué)生提供適合的、有針對性的學(xué)習內(nèi)容與學(xué)習服務(wù)。

（3）知識點難度分層與靶向練習

對學(xué)生掌握薄弱的知識點精準定位后，智適應(yīng)學(xué)習系統(tǒng)將繼續(xù)輔助學(xué)生對知識點的學(xué)習。在《機械效率》一課中，智適應(yīng)學(xué)習系統(tǒng)將機械效率、杠桿、滑輪、功和功率等知識點拆分細化，為各個知識點提供對應(yīng)的學(xué)習資源。同時，為學(xué)生提供有針對性的練習題，通過對學(xué)生答題情況的監(jiān)測及時調(diào)整習題分布層次以及難度水平，直至學(xué)生完全掌握本節(jié)內(nèi)容的知識點。

（4）綜合性測驗與學(xué)習效果評價

綜合性測驗是對學(xué)生進行的對本課所有知識內(nèi)容掌握情況的檢測，并在此基礎(chǔ)上實現(xiàn)對機械效率有關(guān)知識點的綜合學(xué)習評價。智適應(yīng)學(xué)習系統(tǒng)在學(xué)生完成綜合性測驗后會生成一份綜合學(xué)習報告，教師可將其作為學(xué)生學(xué)習效果評價的依據(jù)，為后續(xù)輔導(dǎo)提供參考。

（5）知識點漏洞攻克與學(xué)習輔導(dǎo)

教師對學(xué)生的知識點學(xué)習報告及綜合學(xué)習報告進行分析，找到其知識短板并進行針對性輔導(dǎo)。

3.效果分析

利用智適應(yīng)學(xué)習系統(tǒng)進行學(xué)習，學(xué)生表現(xiàn)出了濃厚的學(xué)習興趣，學(xué)習效率大大提高，對“機械效率”知識點的掌握精確程度、理解程度以及應(yīng)用能力有顯著提升。

● 結(jié)語

人工智能技術(shù)支持下的智適應(yīng)個性化學(xué)習模式與傳統(tǒng)課堂的教學(xué)模式相比具有明顯優(yōu)勢：第一，智適應(yīng)學(xué)習系統(tǒng)能夠?qū)崿F(xiàn)1∶1的專家型“教師”輔導(dǎo)[10];第二，智適應(yīng)學(xué)習系統(tǒng)能針對學(xué)習者自身情況提供相應(yīng)的學(xué)習資料;第三，人機結(jié)合的學(xué)習模式能在一定程度上提升學(xué)習者學(xué)習動機與學(xué)習興趣。筆者相信，在未來，人工智能技術(shù)在教育領(lǐng)域的應(yīng)用勢必會為學(xué)習者的個性化學(xué)習帶來更全面、更深層次的支持與保障。

參考文獻：

[1]中華人民共和國教育部.教育部關(guān)于印發(fā)《教育信息化2.0行動計劃》的通知[EB/OL].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2]高偉，劉苗苗.人工智能時代教育人工智能研究與應(yīng)用現(xiàn)狀、問題及對策[J].軟件導(dǎo)刊，2020，19（01）：59-63.

[3]周琴，文欣月.從自適應(yīng)到智適應(yīng)：人工智能時代個性化學(xué)習新路徑[J].現(xiàn)代教育管理，2020（09）：89-96.

[4]張曼，劉興紅，梅佳星.我國個性化學(xué)習研究現(xiàn)狀與趨勢的可視化研究——基于中國知網(wǎng)2009-2018年期刊文獻[J].教育信息技術(shù)，2020（11）：62-66.

[6][10]李海峰，王煒.人工智能支持下的智適應(yīng)學(xué)習模式[J].中國電化教育，2018（12）：88-95+112.

[5]菅保霞，姜強，趙蔚，等.大數(shù)據(jù)背景下自適應(yīng)學(xué)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（04）：87-96.

[7]任毅，吳瑤，譚希.人工智能技術(shù)對成人自主學(xué)習的影響[J].中國成人教育，2019（17）：3-5.

[8]郭炯，郝建江.人工智能環(huán)境下的學(xué)習發(fā)生機制[J].現(xiàn)代遠程教育研究，2019（05）：32-38.

[9]周美云.機遇、挑戰(zhàn)與對策：人工智能時代的教學(xué)變革[J].現(xiàn)代教育管理，2020（03）：110-116.

本文系2021年度教育部人文社會科學(xué)研究規(guī)劃基金一般項目“數(shù)據(jù)驅(qū)動的后疫情時代高校彈性教學(xué)策略研究”（項目編號：21YJA880062）研究結(jié)果。