國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)研究主題與趨勢(shì)分析

張夢(mèng)潔 劉峰 程薇

摘要： 以WOS收錄的2011-2021年780篇國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)文獻(xiàn)為研究對(duì)象，利用CiteSpace繪制時(shí)空和內(nèi)容知識(shí)圖譜，揭示近10年來(lái)國(guó)外在此領(lǐng)域的研究主題及發(fā)展趨勢(shì)。結(jié)果表明，研究主題主要分為以下四類(lèi)，自適應(yīng)性學(xué)習(xí)技術(shù)的研究與開(kāi)發(fā);自適應(yīng)性學(xué)習(xí)技術(shù)支持的個(gè)性化學(xué)習(xí)研究;智能學(xué)習(xí)環(huán)境的構(gòu)建研究;自適應(yīng)性學(xué)習(xí)技術(shù)發(fā)展背景下教師適應(yīng)性學(xué)習(xí)研究。其中前三個(gè)主題的研究已趨于成熟，而自適應(yīng)學(xué)習(xí)技術(shù)背景下教師適應(yīng)性學(xué)習(xí)研究還亟待發(fā)展，這將是未來(lái)此領(lǐng)域的一大研究趨勢(shì)。

關(guān)鍵詞： CiteSpace; 自適應(yīng)學(xué)習(xí)技術(shù); 研究主題; 趨勢(shì)

中圖分類(lèi)號(hào)：G40-05;G40-057? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2021）10-35-06

Analysis of research themes and trend on adaptive learning technology abroad

Zhang Mengjie， Liu Feng， Cheng Wei

（School of Education and Technology， Nanjing University of Posts and Telecommunications， Nanjing， Jiangsu 210023， China）

Abstract： This paper takes 780 foreign adaptive learning technology documents collected by WOS from 2011 to 2021 as the research object， uses CiteSpace to locate the time-space and content knowledge graph， and reveals foreign research themes and development trends in this field in the past 10 years. The results show that the research topics are mainly divided into the following four categories， the research and development of adaptive learning technology， the personalized learning research supported by adaptive learning technology， the research on construction of intelligent learning environment， and the research on teacher's adaptive learning under the background of the development of adaptive learning technology. Among them， the research on the first three themes has matured， and the research on teacher's adaptive learning under the background of adaptive learning technology still needs to be developed， it will be a major research trend in this field in the future.

Key words： CiteSpace; adaptive learning technology; research theme; trend

0 引言

近年來(lái)，隨著信息科技的飛速發(fā)展，智能化浪潮席卷而來(lái)，自適應(yīng)學(xué)習(xí)技術(shù)成為人工智能賦能個(gè)性化教育的研究熱點(diǎn)，并且對(duì)教育生態(tài)重塑產(chǎn)生了深遠(yuǎn)的影響。沃爾金頓（Walkington）認(rèn)為，自適應(yīng)學(xué)習(xí)技術(shù)（adaptive learning technology）是基于對(duì)學(xué)習(xí)者的經(jīng)驗(yàn)、背景、知識(shí)存量、需求和興趣等因素的多維衡量，將學(xué)習(xí)評(píng)估，學(xué)習(xí)分析，學(xué)習(xí)調(diào)整等技術(shù)整合為一體[1]，致力于挖掘?qū)W生的教育數(shù)據(jù)以提供個(gè)性化學(xué)習(xí)路徑的教育技術(shù)手段。

美國(guó)新媒體聯(lián)盟在2020發(fā)布的《地平線報(bào)告（教與學(xué)版）》中強(qiáng)調(diào)，自適應(yīng)學(xué)習(xí)技術(shù)能滿(mǎn)足不同高校，不同學(xué)生的個(gè)性化學(xué)習(xí)需求，突破傳統(tǒng)線性教育壁壘，實(shí)現(xiàn)千人千面教學(xué)，自適應(yīng)學(xué)習(xí)技術(shù)正成為教學(xué)信息化建設(shè)的重點(diǎn)[2]。因此，對(duì)自適應(yīng)學(xué)習(xí)技術(shù)的研究與發(fā)展將進(jìn)一步推進(jìn)傳統(tǒng)教育的信息化、智能化變革。

1 數(shù)據(jù)來(lái)源和研究方法

⑴ 數(shù)據(jù)源：本研究使用Web of Science（“WoS”）作為搜索數(shù)據(jù)庫(kù)，因?yàn)閃oS是最著名的期刊文章集合之一，其科學(xué)引文索引（SCI）包含8500多種橫跨170多個(gè)學(xué)科較有影響力的期刊，相比于其他數(shù)據(jù)庫(kù)，其收錄的外文文獻(xiàn)數(shù)量較多，覆蓋面較全[3]。

⑵ 檢索區(qū)間：2011年1月至2021年2月。

⑶ 檢索關(guān)鍵詞：以主題=“adaptive learning” or“adaptive learning technology” or “adaptive educational technology”or“l(fā)earning adaptive” or “l(fā)earning adaptive technology”;下拉搜索數(shù)據(jù)庫(kù)選框，選擇“Web of Science核心合集”;在文章類(lèi)型一欄，選擇“article”;在Web of Science類(lèi)別一欄，勾選“educational education research”。

⑷ 文獻(xiàn)篩選步驟和處理程序如下：第一步，輸入關(guān)鍵詞，獲得初步數(shù)據(jù)樣本780篇;第二步是篩選樣本類(lèi)型，一般認(rèn)為，期刊文章可能比其他類(lèi)型的研究材料更敏銳，并且可以更直接地反映研究熱點(diǎn)和前沿[4]。因此，通過(guò)瀏覽初始數(shù)據(jù)樣本的題錄信息（由Excel導(dǎo)出，包含樣本標(biāo)題、出版年限、摘要和關(guān)鍵詞等信息），得到符合期刊類(lèi)型的論文568篇;第三步，根據(jù)納入與排除標(biāo)準(zhǔn)，通過(guò)仔細(xì)閱讀，依據(jù)文章具體研究主題、研究?jī)?nèi)容進(jìn)一步篩選，最終確定有效文獻(xiàn)502篇，作為本文的數(shù)據(jù)來(lái)源。

2 時(shí)空知識(shí)圖譜及其分析

2.1 國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)研究領(lǐng)域的時(shí)間分布圖譜

為了宏觀展示自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域的研究成果，使用CiteSpace統(tǒng)計(jì)了2011-2021所發(fā)表的有關(guān)期刊文章數(shù)量，每年的論文數(shù)量和變化趨勢(shì)如圖1所示。

整體而言，自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域論文數(shù)量呈現(xiàn)逐年上升趨勢(shì)。其中2013年成為高速發(fā)展的起點(diǎn)，圍繞自適應(yīng)學(xué)習(xí)技術(shù)的研究文獻(xiàn)急增，研究成果豐富，主要?dú)w結(jié)于大數(shù)據(jù)時(shí)代的到來(lái)，使得基于教育數(shù)據(jù)挖掘與應(yīng)用的自適應(yīng)學(xué)習(xí)技術(shù)被推向了“快車(chē)道”。2018年-2020年，由于國(guó)家政策起到的導(dǎo)向作用，故自適應(yīng)學(xué)習(xí)技術(shù)相關(guān)的文獻(xiàn)數(shù)量呈爆發(fā)式增長(zhǎng)，說(shuō)明自適應(yīng)學(xué)習(xí)技術(shù)已引起越來(lái)越多國(guó)外專(zhuān)家學(xué)者的重視。

2.2 國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)研究領(lǐng)域的空間分布圖譜

如圖2所示，在自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域發(fā)文數(shù)量排名前三的高校分別是國(guó)立臺(tái)灣師范大學(xué)，美國(guó)普渡大學(xué)，美國(guó)亞利桑那州，說(shuō)明這三個(gè)機(jī)構(gòu)在自適應(yīng)學(xué)習(xí)技術(shù)研究領(lǐng)域處于世界領(lǐng)先水平，具有較強(qiáng)的科研能力。值得注意的是，北京師范大學(xué)發(fā)文量與國(guó)外一些著名大學(xué)相當(dāng)，表明自適應(yīng)學(xué)習(xí)技術(shù)研究領(lǐng)域已受到國(guó)內(nèi)學(xué)術(shù)界的廣泛關(guān)注。

為更進(jìn)一步分析不同機(jī)構(gòu)之間的合作情況，利用CiteSpace可視化分析工具中的“發(fā)文機(jī)構(gòu)合作統(tǒng)計(jì)”功能，生成該領(lǐng)域相關(guān)研究機(jī)構(gòu)的合作狀態(tài)圖譜。如圖3所示，機(jī)構(gòu)合作的網(wǎng)絡(luò)中一共有290個(gè)節(jié)點(diǎn)，139條連線，整體網(wǎng)絡(luò)密度僅達(dá)到0.0033，節(jié)點(diǎn)和連線比較疏松，表明國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)研究團(tuán)隊(duì)分散，不同機(jī)構(gòu)之間交流不密切，合作較少，未形成極具凝聚力的研究群體。

3 內(nèi)容知識(shí)圖譜及其分析

3.1 國(guó)外近十年自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域關(guān)鍵詞共現(xiàn)圖譜

圖4所呈現(xiàn)的是國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域的關(guān)鍵詞共現(xiàn)圖譜。由圖4可知，自適應(yīng)學(xué)習(xí)技術(shù)、自適應(yīng)教學(xué)策略、自適應(yīng)模型、學(xué)生表現(xiàn)是四個(gè)較為突出的研究熱點(diǎn)。

根據(jù)關(guān)鍵詞共現(xiàn)圖譜，進(jìn)而整理出關(guān)鍵詞共現(xiàn)頻率表，由表1可見(jiàn)，國(guó)外研究文獻(xiàn)中出現(xiàn)頻次較高的部分關(guān)鍵詞（表格中展示的是共現(xiàn)頻次大于等于10次的詞）有“自適應(yīng)學(xué)習(xí)技術(shù)”、“自適應(yīng)模型”、“教育”、“自適應(yīng)性學(xué)習(xí)”、“表現(xiàn)”、“交互式學(xué)習(xí)環(huán)境”等，這反應(yīng)出自適應(yīng)學(xué)習(xí)技術(shù)在推進(jìn)、發(fā)展過(guò)程中所關(guān)注方向的聚焦和變化。

3.2 國(guó)外近十年自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域研究前沿聚類(lèi)分析圖譜

圖5呈現(xiàn)的是國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域研究前沿聚類(lèi)分析圖譜，共生成16個(gè)聚類(lèi)區(qū)域（圖5只展示前10個(gè)聚類(lèi)區(qū)域），對(duì)從聚類(lèi)圖中獲得的16個(gè)聚類(lèi)區(qū)域進(jìn)行篩選和二次合并，提煉歸納出國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域重點(diǎn)關(guān)注的四個(gè)研究主題，即自適應(yīng)學(xué)習(xí)技術(shù)的研究與開(kāi)發(fā)、自適應(yīng)學(xué)習(xí)技術(shù)支持下的個(gè)性化學(xué)習(xí)研究、自適應(yīng)學(xué)習(xí)技術(shù)發(fā)展背景下的教師適應(yīng)性學(xué)習(xí)、智能學(xué)習(xí)環(huán)境構(gòu)建。每個(gè)主題維度對(duì)應(yīng)的關(guān)鍵詞如表2所示。

4 近十年來(lái)國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)的研究主題

這部分結(jié)合具體文獻(xiàn)和上文統(tǒng)計(jì)得到的研究前沿聚類(lèi)圖、關(guān)鍵詞聚類(lèi)分布表，對(duì)四個(gè)研究主題進(jìn)行闡發(fā)與總結(jié)。

4.1 自適應(yīng)學(xué)習(xí)技術(shù)的開(kāi)發(fā)研究

關(guān)于自適應(yīng)學(xué)習(xí)技術(shù)的開(kāi)發(fā)研究，主要集中在算法優(yōu)化方面。經(jīng)整理歸納發(fā)現(xiàn)，語(yǔ)義網(wǎng)本體技術(shù)是當(dāng)前廣泛應(yīng)用的自適應(yīng)學(xué)習(xí)技術(shù)開(kāi)發(fā)手段。語(yǔ)義網(wǎng)（Semantic Web）最早由萬(wàn)維網(wǎng)之父蒂姆·伯納斯·李（Tim Berners Lee）于1998年提出，它一般提供形式化的知識(shí)表達(dá)模型來(lái)表征和共享知識(shí)，對(duì)語(yǔ)義網(wǎng)而言，查詢(xún)和本體是非常重要的構(gòu)成元素。通過(guò)本體來(lái)對(duì)各種學(xué)習(xí)資源進(jìn)行標(biāo)記，能夠讓資源共享、資源集成、資源擴(kuò)展變得更加容易[5]。Vesin等[6]以語(yǔ)義網(wǎng)本體技術(shù)為基礎(chǔ)，設(shè)計(jì)了一種智能教學(xué)系統(tǒng)Protus 2.0，并結(jié)合學(xué)習(xí)者學(xué)習(xí)風(fēng)格識(shí)別模型、內(nèi)容推薦原則以及適應(yīng)性原則推理等方法滿(mǎn)足不同學(xué)生的個(gè)性化學(xué)習(xí)需求。類(lèi)似地，Huang， Yang， Chiang[7]基于網(wǎng)本體技術(shù)，利用目標(biāo)詞匯與上下文語(yǔ)義的相似性，開(kāi)發(fā)了個(gè)性化移動(dòng)詞匯學(xué)習(xí)系統(tǒng)，使學(xué)習(xí)者不再囿于枯燥重復(fù)的詞匯背誦，而是根據(jù)他們的認(rèn)知水平和記憶規(guī)律，為他們提供個(gè)性化詞匯學(xué)習(xí)路徑。

4.2 自適應(yīng)學(xué)習(xí)技術(shù)支持下的個(gè)性化學(xué)習(xí)研究

近十年來(lái)，自適應(yīng)學(xué)習(xí)技術(shù)支持下的個(gè)性化學(xué)習(xí)研究重點(diǎn)聚焦于如何利用自適應(yīng)技術(shù)增強(qiáng)學(xué)習(xí)者的個(gè)性化學(xué)習(xí)體驗(yàn)，提高其學(xué)習(xí)效果。主要研究可分為自適應(yīng)學(xué)習(xí)系統(tǒng)、學(xué)習(xí)分析技術(shù)的開(kāi)發(fā)，在MOOC背景下增強(qiáng)式個(gè)性化學(xué)習(xí)實(shí)現(xiàn)、調(diào)適以及線上線下混合學(xué)習(xí)模式的創(chuàng)新性研究[8]。在自適應(yīng)學(xué)習(xí)系統(tǒng)設(shè)計(jì)開(kāi)發(fā)過(guò)程方面，主要涉及四個(gè)環(huán)節(jié)：測(cè)評(píng)-練習(xí)-學(xué)習(xí)-教授。它一方面持續(xù)動(dòng)態(tài)地收集學(xué)生學(xué)習(xí)行為數(shù)據(jù)，對(duì)學(xué)生當(dāng)前的知識(shí)掌握程度進(jìn)行精準(zhǔn)評(píng)估，為學(xué)生制定一條更適合他們的學(xué)習(xí)路徑。另一方面，根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度來(lái)對(duì)線上教學(xué)視頻進(jìn)行精準(zhǔn)推送，使學(xué)習(xí)過(guò)程得以迭代。Latham，Keeley Crockett，David McLean[9]等人開(kāi)發(fā)了一種稱(chēng)為PAT2Math的智能教學(xué)系統(tǒng)，該系統(tǒng)主要用于為學(xué)生解決復(fù)雜代數(shù)問(wèn)題提供指導(dǎo)方案。而Lobo和Aher， S. B[10]則以關(guān)聯(lián)規(guī)則算法以及聚類(lèi)算法為基礎(chǔ)，對(duì)智能化課程推薦系統(tǒng)進(jìn)行了設(shè)計(jì)迭代，通過(guò)該系統(tǒng)將高質(zhì)量的課程推送給新生;在MOOCs背景下個(gè)性化學(xué)習(xí)調(diào)適方面，即使在線課程的大規(guī)模開(kāi)展有效解決了高質(zhì)量教育資源匱乏問(wèn)題，但其龐雜的資源庫(kù)無(wú)法為學(xué)生提供匹配且個(gè)性化的在線課程，從而影響學(xué)生的在線學(xué)習(xí)成效，這一缺陷有望通過(guò)自適應(yīng)學(xué)習(xí)技術(shù)得以彌補(bǔ)。伴隨著決策樹(shù)以及神經(jīng)網(wǎng)絡(luò)算法等先進(jìn)技術(shù)的飛速發(fā)展，基于MOOCs的學(xué)習(xí)資源的個(gè)性化配置的實(shí)現(xiàn)成為可能，如Ghauth和 Abdullah[11]根據(jù)學(xué)習(xí)者在線學(xué)習(xí)打分情況為學(xué)習(xí)者推送有關(guān)的學(xué)習(xí)研究材料以及在線教學(xué)視頻。

4.3 智能學(xué)習(xí)環(huán)境構(gòu)建

在教育個(gè)性化需求不斷增強(qiáng)的時(shí)代背景下，智能學(xué)習(xí)環(huán)境的創(chuàng)新性變革是實(shí)現(xiàn)個(gè)性化學(xué)習(xí)的又一關(guān)鍵進(jìn)路，也是自適應(yīng)學(xué)習(xí)技術(shù)關(guān)注的重點(diǎn)領(lǐng)域[12]。現(xiàn)有的國(guó)外相關(guān)研究主要集中在以下幾個(gè)方面：首先是自適應(yīng)技術(shù)支持下交互式、協(xié)作式、泛在式、智能式學(xué)習(xí)環(huán)境的構(gòu)建;其次是怎樣對(duì)學(xué)習(xí)風(fēng)格建模、情感感知、虛擬現(xiàn)實(shí)等技術(shù)進(jìn)行應(yīng)用，以便更好地構(gòu)建適合學(xué)習(xí)者的智能學(xué)習(xí)環(huán)境;最后是如何為學(xué)習(xí)者提供更多的學(xué)習(xí)機(jī)會(huì)，從而提高其學(xué)習(xí)效果[13]。Hsu Hsu， T. Y.， C. K.， Tseng等[14]設(shè)計(jì)了一個(gè)基于情感感知技術(shù)的主動(dòng)學(xué)習(xí)支持系統(tǒng)ALESS，對(duì)學(xué)生參與課堂任務(wù)的情感狀態(tài)進(jìn)行檢測(cè)和評(píng)估，自動(dòng)輸出反饋結(jié)果并提供即時(shí)的精準(zhǔn)化指導(dǎo)。Graf， S.， Liu， T. C[15]等人通過(guò)研究發(fā)現(xiàn)，針對(duì)某一種特定學(xué)習(xí)風(fēng)格設(shè)計(jì)的適應(yīng)性學(xué)習(xí)環(huán)境，將有助于學(xué)生學(xué)業(yè)成績(jī)與滿(mǎn)意度的提高。

4.4 自適應(yīng)學(xué)習(xí)技術(shù)發(fā)展背景下教師適應(yīng)性學(xué)習(xí)研究

此主題的國(guó)外相關(guān)文獻(xiàn)的數(shù)量占比最少，表明這方面的研究還亟待發(fā)展，需要與其他探究重心相互結(jié)合。已有的國(guó)外研究主要關(guān)注教師專(zhuān)業(yè)發(fā)展、教師自適應(yīng)學(xué)習(xí)、自適應(yīng)技術(shù)如何改善教師教學(xué)、自適應(yīng)教育背景下教師角色定位等幾個(gè)方面[16]。其中，教師的專(zhuān)業(yè)發(fā)展受到國(guó)外學(xué)者的廣泛關(guān)注，在自適應(yīng)學(xué)習(xí)技術(shù)高度發(fā)展的背景下，如何不斷提高教師的自適應(yīng)性素養(yǎng)，使他們成為合格的適應(yīng)性專(zhuān)家（adaptive expert），從而使技術(shù)與人達(dá)到真正融合是“技術(shù)賦能教育”的重要一環(huán)，也是必然要求。當(dāng)前，盡管信息化大潮已逐步重構(gòu)了教育教學(xué)形態(tài)，但學(xué)校對(duì)教師的專(zhuān)業(yè)技能培訓(xùn)、信息技術(shù)素養(yǎng)與自適應(yīng)素養(yǎng)提升方面仍重視不夠，導(dǎo)致技術(shù)與人處于分離狀態(tài)。盡管以自適應(yīng)學(xué)習(xí)技術(shù)支持的各種學(xué)習(xí)產(chǎn)品、服務(wù)系統(tǒng)層出不窮，然而卻鮮有大規(guī)模運(yùn)用于課程教學(xué)的實(shí)際案例，歸根結(jié)底，是因?yàn)楹鲆暳藢?duì)教師素養(yǎng)的提升。

5 總結(jié)與討論

本文通過(guò)分析國(guó)外近十年來(lái)自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域研究主題的發(fā)展脈絡(luò)和演進(jìn)規(guī)律，可以得到以下結(jié)論。

首先，從時(shí)間上看，2013年成為研究高速發(fā)展的起點(diǎn)，2018-2020年進(jìn)入大規(guī)模發(fā)展階段。從發(fā)文量來(lái)看，2018年此領(lǐng)域文章的發(fā)表數(shù)量呈現(xiàn)爆發(fā)式增長(zhǎng)，這主要得益于大數(shù)據(jù)技術(shù)、學(xué)習(xí)分析等技術(shù)的高速發(fā)展。根據(jù)目前的研究數(shù)據(jù)，自適應(yīng)學(xué)習(xí)技術(shù)賦能個(gè)性化教育具有良好的發(fā)展前景。

其次，通過(guò)研究發(fā)現(xiàn)自適應(yīng)學(xué)習(xí)技術(shù)的實(shí)際應(yīng)用和推廣也遇到了一些困難。譬如實(shí)施個(gè)性化精準(zhǔn)教學(xué)需要耗費(fèi)大量的時(shí)間、投入成本較高、家長(zhǎng)和教師的技術(shù)接受度較低;一些自適應(yīng)學(xué)習(xí)產(chǎn)品通常存在數(shù)據(jù)維度不全面、學(xué)習(xí)模型單一化、學(xué)習(xí)資源不豐富、個(gè)性化調(diào)整不夠智能等問(wèn)題;自適應(yīng)系統(tǒng)與學(xué)校現(xiàn)有教學(xué)體系不適配的問(wèn)題，如技術(shù)與人難以融合問(wèn)題，教師如何使用自適應(yīng)技術(shù)更好的配合其課堂教學(xué)工作，在同一個(gè)班級(jí)中，教師如何管理和評(píng)估具有不同學(xué)習(xí)需求的學(xué)生。因此，我國(guó)在進(jìn)行自適應(yīng)學(xué)習(xí)技術(shù)研究和實(shí)踐探索過(guò)程中，除了借鑒國(guó)外已有研究成果外，對(duì)國(guó)外研究的薄弱地帶需加以重視，并結(jié)合我國(guó)教育發(fā)展的實(shí)際情況，繪制符合我國(guó)教育情景的自適應(yīng)教育藍(lán)圖。

最后，自適應(yīng)學(xué)習(xí)技術(shù)賦能個(gè)性化教育無(wú)疑是未來(lái)發(fā)展趨勢(shì)，而自適應(yīng)學(xué)習(xí)也已經(jīng)成為教育技術(shù)研究領(lǐng)域的一個(gè)重要研究范式。但無(wú)論技術(shù)如何發(fā)展，它始終只是一種手段，無(wú)法解決所有的教育問(wèn)題，最佳的自適應(yīng)絕不僅僅只是技術(shù)，而是包含教師和技術(shù)兩方面。所以在追求技術(shù)極大發(fā)展的同時(shí)，不能忽視教師自適應(yīng)素養(yǎng)的提升。為廣大教師提供適合且即時(shí)的專(zhuān)業(yè)發(fā)展機(jī)會(huì)，以及促進(jìn)自適應(yīng)學(xué)習(xí)技術(shù)與教師專(zhuān)業(yè)發(fā)展的整合與創(chuàng)新將是未來(lái)自適應(yīng)學(xué)習(xí)技術(shù)領(lǐng)域中的一大研究趨勢(shì)。

參考文獻(xiàn)（References）：

[1] Walkington， C. A. Using adaptive learning technologies to personalize instruction to student interests： the impact of relevant con?texts on performance and learning outcomes. Journal of Educational Psychology，2013.105（4）：932-945

[2] 劉永貴，劉瑞，包雅君，劉奇岳.《2020地平線報(bào)告》啟示因校制宜推動(dòng)教學(xué)信息化[J].中國(guó)教育網(wǎng)絡(luò)，2020.6：28-30

[3] 王娟，陳世超，王林麗，楊現(xiàn)民.基于CiteSpace的教育大數(shù)據(jù)研究熱點(diǎn)與趨勢(shì)分析[J].現(xiàn)代教育技術(shù)，2016.26（2）：5-13

[4] 張斌賢，陳瑤，祝賀，羅小蓮. 近三十年我國(guó)教育知識(shí)來(lái)源的變遷——基于《教育研究》雜志論文引文的研究[J].教育研究，2009.30（4）：17-25

[5] JOVANOVIC J， TORNIAI C， et al. The social semantic web in intelligent learning environments： state of the art and future challenges[J].Interactive learning environments，2012.17（4）：273-309

[6] VESIN B， IVANOVIC M， BUDIMAC Z. Protus 2.0： ontology-based semantic recommendation in programming tutoring system[J]. Expert systems with applications an international journal，2012.39（15）：12229-12246

[7] Huang， C. S.， Yang， S. J.， Chiang， T. H.， &Su， A. Y. Effects of situated mobile learning approach on learning motivation and performance of EFL students[J].Educational Technology & Society，2016.19（1）：263-276

[8] HaoranXie， Hui-Chun Chu， Gwo-Jen Hwang.Trends and development in technology-enhanced adaptive/personalized learning： A systematic review of journal publications from 2007 to 2017[J].Computers& Education，2019.140（18）：1-16

[9] Annabel Latham， Keeley Crockett， David McLean， Bruce Edmonds. A conversational intelligent tutoring system to automatically predict learning styles[J]. Computers & Education，2012.59（1）：95-109

[10] Aher， S. B.， & Lobo， L. M. R. J. Combination of machine learning algorithms for recommendation of courses in e-learning system based on historical data. Knowledge-Based Systems， 2017.51（1）：1-14

[11] Ghauth， K. I.， Abdullah. N. A.. Learning materials recommendation using good learners' ratings and content-based filtering. Educational Technology Research & Development，2010.58（6）：711-727

[12] MiekeVandewaetere，Piet Desmet， Geraldine Clarebout. The contribution of learner characteristics in the development of computer-based adaptive learning environments[J].Computers in Human Behavior，2015.27（12）：118-130

[13] Nur BaitiAfiniNormadhi， LiyanaShuib， Hairul Nizam Md

Nasir， Andrew Bimba. Identification of personal traits in adaptive learning environment：Systematic literature review[J].Computers & Education，2019.130（3）：168-190

[14] Hsu， T. Y.， Chiou， C. K.， Tseng， J. C. R.， & Hwang， G. J.

Development and evaluation of an active learning support system for context-aware ubiquitous learning[J].IEEE Transactions on Learning Technologies，2016.9（1）：37-45

[15] Graf， S.， Liu， T. C.， &Kinshuk. Analysis of learners' navigational behavior and their learning styles in an online course[J].Journal of Computer Assisted Learning，2014.26（2）：116-131

[16] Hector Yago， Julia Clemente， Daniel Rodriguez.Competence-based recommender systems：a systematic literature review[J].Behavior& Information Technology，2018.37（11）：958-957