國際主流適應性學習系統的比較與趨勢分析*

李海峰 王 煒

?

國際主流適應性學習系統的比較與趨勢分析*

李海峰 王 煒

（新疆師范大學 教育科學學院，新疆烏魯木齊 830017）

適應性學習系統為實現學習者的個性化學習提供了有效支持，國際主流適應性學習系統的多維比較將更有利于識別和推動適應性學習系統的特征及其發展。文章對牛頓、慧雀、塞拉戈和乂學四個主流適應性學習系統進行了比較，從適應性學習系統的使用群體、理論構建、主要功能、運行機制以及學習模式等維度進行了多層面的分析和闡述，揭示了不同適應性學習系統之間的異同和各自的獨特特征。根據當前適應性學習系統的研究現狀、挑戰以及相關技術的發展，適應性學習系統未來的發展將更加關注人工智能技術的適應性學習支持、復雜適應性學習系統的構建以及面向學習者的情感化適應性學習技術支持。

自適應學習；在線學習；適應性學習系統；人工智能教育

引言

因材施教抑或因材促學是充分體現學習者主體性的個性化學習價值追求，自適應學習系統的創建及其發展是實現這一理念的較佳途徑之一，它破解了傳統班級授課制中學習過程模式化與單一化的弊端。信息技術支持下的自適應學習是一種數據驅動的、復雜的、非線性的、個性化的學習過程。學習軟件或在線平臺能夠根據學習者的學習需求、興趣或者學習狀態進行算法處理并不斷進行學習資源、學習策略或者學習進度的調整。自適應學習技術涉及兩方面內容：一是收集和分析學習者個體用戶的學習行為數據，以調整教學資源、學習策略和學習進度；二是利用聚合的大樣本學習者數據，為課程設計和修訂提供參照[1]。在促進個性化學習價值理念的驅動下，自適應學習系統或技術得到了長期和迅速的發展，既包括自適應學習參考模型的多元化發展和完善，又包括大數據、語義分析和人工智能等技術的融入與支持。當前自適應學習技術主要以學習資源的個性化推薦、學習路徑引薦以及學習內容的精準定位為主要研究熱點，如自適應學習系統的學習者模型和教學模型[2]、自適應學習系統的支持模型及其實現機制[3]、自適應學習環境[4]以及自適應學習閱讀系統模型[5]等。隨著適應性學習技術的發展與實踐應用，國際上目前出現了以牛頓（Knewton）、諾爾（Knowre）和乂學等為主要代表的適應性學習系統，并通過大量的實踐證明了適應性學習技術對學習者學習的重要促進作用。適應性學習系統的開發者和運營者以不同的研究視角抑或依托不同的理論實現對學習的支持，因此對這些主流適應性學習系統的比較分析將更有利于解析自適應學習的基本運行原理、機制及其技術特征，為后續適應性學習系統的設計、開發與實踐運行提供有益參照。

一 國際主流適應性學習系統概況

自從美國匹茲堡大學的Brusilovsky等進行適應性超文本和超媒體研究[6]以來，國際上出現了數十種以自適應學習為特征的學習系統。根據近年來適應性學習系統的國際影響力及其自適應學習效果，本研究選取了四種當今國際主流的適應性學習系統進行比較分析，分別為：牛頓（Knewton）、慧雀（Smart Sparrow）、塞拉戈（Cerego）和乂學。

1 牛頓

牛頓于2008年成立于美國紐約，是較早創建的知名適應性學習系統。該系統的核心技術是適配型學習技術，通過對學習者學習行為數據的收集、推斷以及建議，來支持個性化學習。牛頓是一個連續性的適應性學習系統，能對每個學習者在系統上的學習表現和學習活動進行實時響應，并通過提供適切的學習指導來最大化每一位學習者達到學習目標的可能性。牛頓基于概念、結構、不同層次以及媒體格式數據等眾多數據點資料，采用復雜的適應性學習算法，收集并分析學生的數據信息以提煉出推薦結果，進而優化每個學生的學習方法[7]。

2 慧雀[8]

慧雀于2010年由澳大利亞新南威爾士大學的適應性數字化學習研究小組創建，并在2014年美國舉行的“人機教學”大戰中獲得突出成績。該系統主要用于輔助教師進行適應性的學習內容設計，系統本身并不提供任何具體學習內容或材料，其適應性學習功能主要體現在教學內容的設計對不同學習者接受程度和變化的支持。慧雀的主要應用對象是大學教師和學生，在線課程中嵌入的大量模擬實驗以供學生“邊做邊學”，而該系統會根據在線學習者的學習行為進行算法處理實現，并在不斷互動和反饋中修正課程設計以促進學習者的適應性學習。

3 塞拉戈[9]

塞拉戈在2000年成立于日本東京，是幫助學習者管理知識和記憶的網站，被稱為“大腦的Dropbox”，即“腦箱”。該系統是一種以認知科學和神經科學為基本原理開發的輔助性記憶學習工具，目的在于幫助學習者學習和記憶相關知識。塞拉戈向學習者提供智能互動卡片類型的學習方式，使學習者能夠預習、學習或復習相應的知識點。該系統能夠對學習者的學習進度、難易程度和知識點掌握情況進行全程學習行為跟蹤，并通過數字儀表盤的形式向學習者呈現相應的測評內容。塞拉戈為學習者提供了一種簡便的培訓和學習途徑，實現了對學習者的知識管理和知識記憶的適應性學習支持。

4 乂學[10]

乂學在2017年舉行的“人機大戰”教學競賽中，以擊敗具有17年教齡的教學名師而迅速在中國成名。乂學得名于人工智能技術在自適應學習系統中的深度應用，實現了對學習者的精準化測評、個性化學習方案生成和高效學習路徑的引導。該系統以納米級的知識點進行學習進度和學習路徑的設計、測評和規劃，精準定位學習者的薄弱知識點并開展相應的視頻學習和測試，實現個性化和高效率的適應性學習。該系統會根據學習者的學習狀態、學習路徑、學習能力和知識基礎等調整教學策略，以保持或提升學習者的學習專注力和學習績效水平。

二 國際主流適應性學習系統比較

如前文所述，上述四種國際主流適應性學習系統呈現出各自的不同特征和獨特優勢。但不論這四種系統以何種形態呈現，它們都會涉及適應性學習系統的使用群體、構建的理論基礎、基本功能、運行機制以及學習模式等五個維度。因此，本研究從這五個維度，對“牛頓”、“慧雀”、“塞拉戈”和“乂學”這四種國際主流適應性學習系統進行了多維比較，如表1所示。

1 適應性學習系統的使用群體比較

依據用戶群體的特征，四種國際主流適應性學習系統主要以K12、高等教育和職業教育群體為主要用戶。牛頓、慧雀和塞拉戈主要以高等教育學習群體作為主要用戶，特別是慧雀和塞拉戈兩個學習系統的用戶僅限于高等教育。牛頓和乂學是以K12學習群體為主要用戶的自適應學習系統，而乂學目前僅限于K12學習者用戶。就四種國際主流自適應學習系統的用戶對象而言，牛頓的適用范圍涵蓋了K12、高等教育和職業教育，其余三種適應性學習系統的使用對象更具有針對性，特別是塞拉戈突出了對培訓學習的支持。

表1 國際主流適應性學習系統的多維比較

2 適應性學習系統的理論基礎比較

牛頓主要包括項目反應理論、概率圖形模型、凝聚層次聚類和知識圖譜等四個主要的理論框架。其中，項目反應理論模型能夠在學生能力與正確回答一項試題的可能性之間建立起聯系，建立的聯系信息為未來試題難度的確定、試題級別區分以及試題回答正確率的“猜測性”提供了適應性調控基礎。牛頓所實現的持續提煉推薦結果功能是通過概率圖形模型得以實現的，適應性學習平臺通過算法能夠針對一個學習行為效果建立復雜模型，以實現根據眾多學習活動的觀測數據與系統推薦有用的評估建立起重要聯系[11]。凝聚層次聚類和知識圖譜這兩個理論為群組和個體的適應性學習提供參照，前者為大規模學習者群體如何進行分組及其分組所依據哪些學習特征提供了核心算法基礎，后者則為適應性學習系統向個體確定何時、何處、如何以及提供何種學習內容和學習路徑提供了更加精確的個性化適應性學習支持。

慧雀是以杜威“做中學”為主要學習理論指導的適應性學習平臺。該系統除了提供項目測試，更突出的特征是以交互性和豐富體驗性的交互課件作為學習路徑來實現人機交互和學習體驗。杜威的“做中學”理論強調學習是行動的副產品，學生的思維發展和知識獲得是通過做的活動得以實現的。慧雀以杜威“做中學”思想作為系統開發的基本理念，使得該適應性學習系統具備了人機交互的基本功能，特別是嵌入了以Flash或者Html 5為主的交互性和體驗性課件。交互性課件在適應性學習系統中的應用增加了學習者的學習體驗。

塞拉戈構建的目的在于幫助學習者復習并記憶所學內容，將神經科學、學習理論、認知科學和腦科學等作為實現這一期望的理論支持。神經科學抑或腦科學在教育領域中的應用，更多的是尋求了解神經回路或者神經元是如何感受周圍世界、如何實施行為的基本機制，特別是如何從記憶中找回知覺以及對知覺的記憶作用。塞拉戈利用大腦是如何存儲信息、如何提取信息等腦科學、神經科學以及相關學習理論來進行系統設計的。

乂學被稱為智適應學習系統，其創建的主要目的在于實現對學習者薄弱知識點的精準定位、輔導以及最優的學習路徑推薦，該目的的實現得益于知識空間理論、信息流理論、貝葉斯定理以及問題導向教學法的應用。知識空間理論的核心旨趣是構建知識空間、知識結構、猜測關系和蘊含的基本關系。知識空間視域下的知識信息可以被概念化為一個具體的、巨大的一系列子問題，學習者個體的知識狀態可以被形式化為其所能解決的所有問題子集。納米級粒度內容分解為實現小步驟、自定步調和精準測驗提供了有利途徑，特別是能夠根據知識點之間的邏輯關系進行薄弱知識點的定位以及學習捷徑的引導。

通過對四種主流適應性學習系統構建的基礎理論進行比較，可知不同適應性學習系統乃依據其所需解決的問題和研究旨趣而采用不同的理論基礎。牛頓和乂學的主要功能是學習者的薄弱知識點定位與學習路徑的推薦，但是牛頓主要通過項目反應理論、概率圖形模型、凝聚層次聚類以及知識圖譜等理論實現，乂學則通過知識空間理論對學習者的薄弱知識點進行定位。慧雀突破了筆試測試方式的局限，以交互性的、形式豐富的媒體課件為載體實現了杜威“做中學”的學習理念。

3 適應性學習系統的基本功能比較

四種國際主流適應性學習系統在功能上存在如下共同特征：①自適應課程學習的創建功能。除了乂學僅能夠由公司或者連鎖培訓機構進行適應性課程創設之外，其它三個適應性學習系統均向教師或者學習者提供了在線適應性課程的創建功能，這將有助于教師或者學習者根據自己的課程、學習內容進行針對性的適應性學習設計和資源供給。②學習行為的實時數據分析。每個適應性學習系統都提供了對學習者學習行為的實時數據分析功能，分析維度涉及學習者與學習內容之間交互、學習者學習進度以及學習質量檢測，等等。

與此同時，四種國際主流適應性學習系統在功能上也存在顯著的差異：①功能創建權限。牛頓、慧雀和塞拉戈三種適應性學習系統不僅向公司、機構等提供適應性課程創建的功能，而且向在線學習者或教師提供相應的適應性課程創建功能。相比之下，乂學僅僅向公司或者連鎖培訓機構開放課程創設權限。②分析數據的呈現方式。乂學以測試單的形式向學習者和教師提供相應的數據分析報告，報告的主要內容包括：先行測試報告、知識點學習報告、綜合學習報告、鞏固測試報告和當堂報告。相比之下，其它三種學習平臺的數據分析全部以數據儀表盤的形式進行數據呈現，但它們呈現的數據內容存在一定的差異：塞拉戈主要提供學習水平、學習過程、近期觀看、未來學習、學習難度、學習時間和綜合報告；慧雀主要提供學習者的學習路徑、與內容的交互信息、群體和個體的學習績效；而牛頓主要對學習者的錯誤和概念誤解、刻苦的學習者和優秀者、學習者與學習內容或信息的交互方式、學習者的學習方式和知識掌握情況進行數據分析和呈現。③課程內容形態。慧雀不同于其它三個系統以文字或圖片為基本形式的學習內容開發，它向課程開發者提供了以Flash和Html 5為主的交互性課件開發功能；乂學和牛頓對于課程內容的開發更強調學習內容粒度的精細化，通過將學習內容持續地劃分成納米級的知識點，以實現對學習者薄弱知識點的精確定位和輔助學習支持；塞拉戈以提供項目模板的方式支持用戶添加相應的培訓內容或者學習內容，課程設計者可以根據需求基于設計模板自行設計相應的學習內容形態以支持學習者學習。

4 適應性學習系統的運行機制比較

四種適應性學習系統的運行機制都遵循一個原則：通過學習者學習、數據分析、教學策略采取以及改進學習方式或學習內容等秩序，來實現學習的適應性發展。然而，不同適應性學習系統的運行機制也存在著顯著差異，其根源在于不同系統的構建理論及其所要解決的問題不同：牛頓基于知識圖譜的知識點分解和凝聚層次聚類等算法實現針對學習者薄弱知識點的定位與學習支持，并通過間隔強化知識學習、建立學生學習檔案、大數據實時分析來實現對學習者知識狀態的評估；乂學以納米級的知識粒度作為數據分析和薄弱知識點定位的基礎，通過數據分析，實現個性化學習路徑薦引、快速精準的知識狀態監測以及系統自適應功能的智能優化；慧雀以“拖拽性的學習交互”為主要適應性學習方式，通過人機交互實現“做中學”以提高學生的學習體驗，并通過對學生拖拽行為的實時分析以監測學習者的錯誤概念或者錯誤行為，旨在改進教學和適應學生的學習需求；而塞拉戈旨在用科學的方法提高學習者的記憶效果，其工作原理是不斷地檢測學習者的記憶狀況并據此預測他們的最佳復習時間，以促進學習者的長時記憶。

5 適應性學習系統的學習模式比較

四種適應性學習系統在學習模式維度上體現了各自獨有的特征，形成了較為系統的學習模式：乂學構建了系統的、完善的學習模式，形成了以“測、學、練、測、輔”和“線上與線下”相結合的學習模式——“測（定位薄弱知識點）、學（資料推薦與個性化學習）、練（難度區分與靶向大綱練習）、測（綜合測試與學習分析）、輔（攻克漏洞與學習輔導）”主要強調基于適應性學習系統的學習者適應性學習過程，而“線上與線下”相結合充分體現了教師在學習過程中的重要地位和師生互動的關鍵作用；慧雀主要以“做中學”模式開展在線適應性學習活動，學習者能夠通過拖拽行為實現與課件的高度交互，以習得相應的知識并增加學習體驗；塞拉戈主要以間隔復習、自我體驗學習和團隊學習為主要學習形式，通過數據分析獲取復習的最佳時間以提高學習者的記憶；牛頓以社區與合作學習、游戲化學習為主要學習模式，能夠通過編制一個社會組件到課程中來改善學習者的參與，并以游戲的學習方式逐步增加作業的難度系數，揭示下一階段將要學習的層次等級以增加學習探究的懸疑性。此外，適應性系統應用了進步獎勵、勛章和成就獎等游戲元素，可以將適應性課程學習真正地轉換為具有游戲性體驗的學習模式。

三 國際主流適應性學習系統的發展趨勢

1 適應性學習系統的人工智能化

適應性學習系統創建的根本目的是實現學習者的個性化學習，然而目前的適應性學習系統所采用的相關算法難以適應學習者多樣性、復雜性的學習需求。而AlphaGo人工智能算法的實現，為適應性學習系統應對學習者復雜的個性化學習需求提供了有力的支持和發展方向。基于此，適應性學習系統的未來發展應當充分利用深度學習、神經網絡和大數據等技術，實現適應性學習系統的自我學習、自我完善，以更加智能化地適應學習者的個性化學習需求。

2 適應性學習系統的復雜適應性

未來的適應性學習系統是復雜性的適應性學習系統，能夠與學習環境和學習主體進行深度交互。適應性學習系統能夠在持續不斷的深度交互過程中“學習”或“積累經驗”，以適應學習者的個性化學習需求，并且根據學到的經驗改變適應性學習系統自身的結構和行為方式。適應性復雜學習系統需要處理四個方面的挑戰，包括：學習成績的宏觀發展預測與個性化學習發展走勢之間的非線性復雜關系、學習目標與學習過程中質量波動的復雜關系、在線學習者的學習行為存在復雜的易變性和多樣性、多元因素與學習者學習績效變化的復雜關系。

3 適應性學習系統的情感化適應

情感化適應是消解在線學習者孤獨感的主要策略，情感監測、語音識別和傳感器關聯等技術的應用能夠為充分理解學習者的情感提供有力支持。當前的適應性學習系統主要以提供知識學習的適應性為主要指向，關注于學習者薄弱知識點的精準定位、學習資源推薦以及學習路徑的推薦等。然而，當前知識學習的適應性學習系統忽視了對學習者主體的情感適應。未來的適應性學習系統應當提供對學習者情感的適應性支持，充分利用人臉識別、情感識別、穿戴設備和相關數據分析等技術，來支持學習者適應性學習的情感化適應。

四 結語

適應性學習系統為實現個性化學習和因材施教提供了有力的技術支持，各種適應性學習系統從學習者特征、學習資源推薦、知識點掌握以及教學模式等維度為學習者提供了多模態的適應性需求支持。在當前已有的適應性學習系統中，學習者薄弱知識點的精準定位、學習路徑的優化以及交互性適應性課件的提供等充分體現了適應性學習系統對學習者不同層面的需求支持。在未來的適應性學習系統發展進程中，人工智能技術在適應性學習中的深度介入將進一步提高學習者對適應性學習系統使用的滿意度，特別是情感化適應性學習技術的融合將為破解在線學習者的孤獨感提供有效的解決路徑。

[1](美)L.約翰遜,S.亞當斯貝克爾,V.埃斯特拉達,等.新媒體聯盟地平線報告(2015高等教育版)[J].北京廣播電視大學學報,2015,(S1):54-98.

[2]王麗萍.自適應學習系統中學習者模型與教學模型研究[D].長春:東北師范大學,2017:40-90.

[3]姜強.自適應學習系統支持模型與實現機制研究[D].長春:東北師范大學,2012:47-77.

[4]Dina D G, Vincenza C ,Tania D M, et al. The silent reading supported by adaptive learning technology[J]. Computers in Human Behavior, 2016, (Part B):1125-1130.

[5]Wang Y H. Promoting contextual vocabulary learning through an adaptive computer-assisted EFL reading system[J]. Journal of Computer Assisted Learning, 2016,(4):291-303.

[6]Brusilovsky P, Kay J. Adaptive hypertext and hypermedia[OL].

[7]Knewton Company. Heavy duty infrastructure for the adaptive world[OL].

[8]Smart Sparrow. Create courseware that engages every student[OL].

[9]Cerego. The simplest solution for effective learning[OL].

[10]乂學教育.“特級教師+人工智能”1對1[OL].

[11]萬海鵬,汪丹.基于大數據的牛頓平臺自適應學習機制分析[J].現代教育技術,2016,(5):5-11.

Comparison and Trend Analysis of International Mainstream of Adaptive Learning Systems

LI Hai-feng WANG Wei

Adaptive learning system could provide effective support for learners’ personalized learning, and the multidimensional comparison of the international mainstream of adaptive learning systems will help to identify and promote the characteristics and development of adaptive learning systems. In this article, four main adaptive learning systems: Knewton, Smart Sparrow, Cerego and Easy Learning were compared from the multi-dimensions of the adaptive learning system, including user group, theory construction, main function, operating mechanism and learning model. The results revealed the differences and similarities among different adaptive learning systems and their unique qualities. According to the current research status, challenges of the adaptive learning system and the development of related technologies, the future development trend of adaptive learning system could be predicted. It can be seen that the adaptive learning system will pay more attention to the adaptive learning support of AI technology, the construction of intricately adaptive learning system and the support of emotionally adaptive learning technology for learners.

adaptive learning; online learning; adaptive learning system; artificial intelligence in education

G40-057

A

1009—8097（2018）10—0035—07

10.3969/j.issn.1009-8097.2018.10.005

本文為全國教育科學“十三五”規劃2018年度教育部重點課題“在線協作知識建構的深度匯談機制研究”（項目編號：DCA180324）的階段性研究成果。

李海峰，講師，博士，研究方向為計算機支持的協作學習（CSCL）和教學系統設計，郵箱為tangshanlhf@163.com。

2018年2月5日

編輯：小西