簡析Knowre平臺自適應學習機制

摘要：尊重個體差異，促進個性化學習是教育改革核心理念之一，自適應學習是大數據時代實現個性化學習的重要方式。自適應學習系統能夠采集學習過程中的行為數據，并對學生的學習興趣、知識水平、學習風格、學習進度等做出分析和預測，以提供個性化的學習服務。作為自適應學習平臺之一的Knowre，多年來專注于數學領域的研究，在國外得到廣泛應用，但是國內對Knowre的了解很少，所以本文從自適應學習原理、自適應關鍵技術、自適應學習服務三個方面對Knowre平臺做了解析，希望能為國內的自適應學習發展提供參考。

關鍵詞：個性化學習;自適應學習;Knowre

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2019）09-0097-03

● 引言

在傳統網絡教育中，所有的學習者都使用相同的資源，按照相同的步驟學習，滿足不了學習者的個性化發展。而自適應學習系統可以根據學習者的認知水平、學習風格等為其提供最適合的學習資源，構建個性化的學習計劃，解決傳統網絡教育的弊端。自適應學習改變的是學習要素中的學習支持這一要素，一方面，可以減少傳統學習中重復學習、無效學習等給學生所帶來的認知負荷，另一方面，又為改善教育教學提供數據支撐。[1]我國對于自適應學習的研究集中在理論層面的探討、模型的構建等，少有開發出優秀的自適應學習平臺。[2]關于自適應學習平臺，目前國內較為優秀的有猿題庫、乂學教育，國外則更為成熟些，有Knewton、Knowre、 Smart Sparrow、CogBooks等。本文主要介紹了Knowre平臺的自適應原理、核心技術、自適應服務。

● Knowre平臺的自適應原理

Knowre是一個面向數學科目的自適應學習平臺，主要包括四個環節：收集學習行為數據，存儲、初加工學習行為數據，用學習行為更新學生的知識點網絡，修改學習路徑。Knowre先將數學中的一些基本規則組合成知識的單元組，再構成像人類大腦的神經知識網絡引擎，引導學習者如何去學。[3]

1.構建知識地圖

Knowre對公式、函數、圖形等各種數學因素進行數字化，將數學中的基礎規則組成知識的單元組，分析單元組之間的相關關系，構建知識地圖。

2.分階段指導

當學生在解題遇到困難時，Knowre會以互動的方式提供分階段的解題指導，包括解說及視頻，分析各個解題過程的單位知識數據，如解題時間、視頻收看情況等，針對薄弱知識提供個性化學習方案。

3.持續性反饋

Knowre強調反饋的重要性。它認為學習過程中的關鍵要素就是反饋。不同于傳統學校學習的事后反饋，Knowre強調即時的、持續的、動態的反饋。Knowre在課程和測試中都提供反饋。

學生在測試過程中輸入答案后，就會得到有關答案是否正確的信息，Knowre還提供一定的暗示線索，根據他們在解決問題過程中所處的位置，這個反饋信息會得到增強。Knowre不僅在學生回答完問題后進行反饋，還在課程級別上提供反饋。課程索引（如下圖）為學生提供了一個視覺成就和進度跟蹤器，這個索引也可以作為課程的內容表，可以在學生需要的時候最大化或最小化。

在課程索引中，反饋以硬幣和星星的形式出現。這些硬幣（最多三次）出現在每個問題卡片下面。通過在卡片上懸停，學生可以看到他們正在使用的技能，因此能夠快速直觀地將反饋（硬幣）與學習目標（技能）聯系起來。在該索引頂端的星星（最多三個），為學生提供了一個綜合的課程成績。當學生在這個課程中學習的時候，這個不斷變化的索引圖使學生能夠追蹤他們在完成課程方面取得的進步。

4.提供三種自適應方式

Knowre提供自適應內容選擇、自適應導航支持和自適應內容呈現三種自適應服務。

自適應內容選擇是指當用戶搜索或進行學習步驟跳轉時，系統自適應地選擇和確定提供給學習者的項目的優先級。

自適應導航支持是指當用戶從一個項目到另一個項目或查找所需的項目和活動時，能有可指引的導航系統（如可以操縱的鏈接、隱藏、排序、注釋）來指導。

自適應內容呈現是指系統在內容呈現上根據收集的學習者數據分析出的偏好提供某一時刻適合該學習者的材料呈現方式（視頻、文本、游戲等）或材料呈現序列組合。

● Knowre平臺的關鍵技術

Knowre平臺的聯合創始人David Joo說：“Knowre是一家專注于為全球學生提供個性化學習體驗的教育科技公司，它已經建立了兩個主要的技術：一是識別學生回答任何數學問題的能力——準確地指出每個學生獨特的學習差距;二是一種利用這些數據提供個性化課程來填補這些差距的算法。”Knowre平臺的核心技術是知識圖譜（Knowledge Graphics）和神經網絡引擎（Artificial Neural Networks）。

1.知識圖譜

將數學中的基本規則構成知識的單元組，實則是構建知識圖譜。知識圖譜是概念及其相關關系的集合。David Joo曾說過，其課程設計的核心是讓學生理解掌握數學概念，而不是簡單地做題。他將其整套機制稱為“知識矩陣”，在整個流程中，他們會把每一個概念和課程分解成單獨的幾個部分，這樣可以讓學生更易掌握基礎的數學概念。

2.神經網絡引擎

人工神經網絡是20世紀80年代以來人工智能領域興起的研究熱點，是一種新的模擬人類大腦處理信息過程的方法。人工神經網絡是基于被稱為人工神經元的連接單元或節點的集合，每一個連接就像生物腦中的突觸一樣，可以將信號從一個人工神經元傳遞到另一個神經元。[4]一個接收信號的人工神經元可以處理它，然后發出附加的人工神經元與它相連的信號。Knowre構建神經網絡引擎來指導用戶學習，具有更高的準確性以及知識與學習狀態的匹配率。

● Knowre平臺的自適應服務

1.對學生的支持

當一個學生在數學問題上苦苦掙扎時，這種斗爭的根源往往可以追溯到他們知識的差距。由于數學是一門知識和技能相互依賴的學科，以前的差距會隨著學生的進一步學習造成問題。當學生遇到困難時，在Knowre中的WMT（Walk Me through）可以作為一種隨需應變的資源，如果學生在兩次嘗試后依然不能正確地回答問題，支持功能會自動打開。WMT是Knowre實現對學生個性化支持的功能模塊，WMT模擬了教師與學生一對一互動的方式，旨在直接解決這些差距。WMT采用教學腳手架的方式幫助學生學習，不僅提供了提示和鼓勵，而且通過學生回答問題的方式，提供給學生參與解決問題這一過程的機會。

在WMT中，學生輸入的響應完成了三個主要功能。首先，程序像教師一樣檢查并確定什么原因造成了問題，并將這些數據實時傳送給教師。其次，為學生提供了一個機會，讓學生通過練習所需的技能來解決之前的知識差距。最后，學生在WMT中的積極參與促使也積極參與到學習過程中，這種積極的參與方式與其他只是用被動的、書面的解釋來支持學生的方法截然不同。

2.對教師的支持

為教師提供特定和實時的學生信息的能力是Knowre的關鍵組成部分。當有了持續的數據，教師就能夠引導學生學習，而不僅僅只對其學習做總結，這是一種促進學生進步的有效方法。

教師儀表盤上提供給教師的數據是基于形成性評估的信息，在教師儀表盤上，教師可以實時查看學生在課程、技能和子技能水平上的成績。[5]有了這些信息，教師可以在課堂上以非常有針對性的方式與學生合作。當在Knowre中完成作業時，教師可以在儀表板上看到進度，并利用信息通知第二天的課程。教師儀表盤上的所有數據在學生學習的過程中都可以很方便地得到，這使得它成為一個非常好的資源，可以據此通知標準化考試準備和再教學，教師也很容易與學生進行具體的、數據驅動的對話，通過這些便利的對話，學生可以被授權監督和評論他們自己的學習，這一過程提高了學生形成性評估數據的有效性，使學習過程有更少的教師驅動和更多的協作。[6]

● 小結

數學作為中小學核心科目，重要性不言而喻，而Knowre作為成功的數學自適應學習平臺，值得我們借鑒學習。

參考文獻：

[1]慧科教育研究院.從Knowre獲A輪融資，看自適應學習的發展前景[EB/OL].https：//www. jiemodui. com/N/11220.

[2]姜強，趙蔚.自適應學習系統述評及其優化機制研究[J].現代遠距離教育，2011（6）：57-63.

[3]郭朝暉，王楠，劉建設.國內外自適應學習平臺的現狀分析研究[J].電化教育研究，2016，37（4）：55-61.

[4]焦李成，楊淑媛，劉芳，等.神經網絡七十年：回顧與展望[J].計算機學報，2016，39（8）：1697-1716.

[5]Knowre through a research lens[EB/OL].https：//www.knowre.com/white papers.

[6]Shepard，L. A.（2005）. Linking formative assessment to scaffolding[J]. Educational Leader-ship 63（3）：66-71.

作者簡介：楊陽，山東省榮成市優秀教師，優秀班主任，優秀教研備課組長，教學能手，曾獲威海市小學數學學科優質課評選二等獎。