人工智能時代基于智適應的個性化學習模式研究

王智慧 王朋嬌 王寧 于昕孜

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

關鍵詞：人工智能;智適應;個性化學習

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

● 引言

人工智能技術的出現及其迅速發展改變了人類社會，人工智能與教育的融合，為教育領域注入了新鮮血液。《教育信息化2.0行動計劃》中強調“要構建數字化、智能化、個性化的教育體系”[1]，世界經濟論壇2020年1月發布的《未來學校：為第四次工業革命定義新的教育模式》報告強調了個性化學習、自主性學習的重要性[2]，這預示著個性化學習已經成為教育的關注重點。而智適應學習的出現，有望在人工智能技術的支持下打破傳統教學模式中忽視學習者個性化學習的弊端，在真正意義上使因材施教的教育理念成為現實。[3]

● 個性化學習研究現狀與智適應個性化學習

1.個性化學習研究現狀

目前，我國個性化學習研究內容主要可以分為五類：技術支持的個性化學習、基于個性化學習理論的教學模式、個性化學習促進課程教學改革、個性化學習在具體教學中的應用以及個性化自適應學習研究。[4]總結分析關于個性化學習的已有研究可以發現，個性化學習的相關理論催生了新的教學模式，但在促進課程教學改革與教學實踐的應用中還有待進一步深入。

2.智適應個性化學習

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

● 人工智能支持下的智適應學習基本原理

1.智適應學習系統

智適應學習系統以知識空間理論和貝葉斯定理為技術支撐，主要包括學生信息系統、學習分析系統、智能化自適應引擎、學生情況跟蹤、學生管理系統和學習內容及數據收集系統六個模塊[6]，具體內容如下頁圖1所示。學生信息系統包含學習者個人信息、學習風格、知識水平和對學習內容的掌握程度等信息。學習分析系統對學習者學習過程進行記錄，并對相關數據進行采集和格式化。智能化自適應引擎根據學習分析系統內產生的數據分析結果，為學習者提供個性化學習內容推薦、知識點精準測評以及個性化路徑引導。學生情況跟蹤系統主要對學習者的學習過程行為數據進行循環分析和持續跟蹤，隨著學習者學習能力的變化動態發展。學生管理系統主要跟蹤學習者的學習情況，為學習者調整學習內容。學習內容及數據收集系統對學習者利用系統進行學習過程中產生的行為數據進行數據收集及分析。智適應學習系統的個性化體現在對學習者個體特征數據的收集與分析，智適應學習系統通過定位學習者的知識短板為學習者制訂學習計劃，推薦學習資源，從而使學習者高效學習。

2.人工智能賦能智適應學習

人工智能技術為智適應學習提供的支持體現在以下幾個方面。

（1）激發學習興趣與學習動機

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

（2）助力新舊知識融合

新舊知識融合是學習者將學習內容內化吸收的前提保障，但在數字化、移動化的學習時代，學習者獲得的知識內容往往是零散化、碎片化的，如果新舊知識連接不足則無法順利實現知識的遷移與應用。而人工智能的圖像及語音識別、智能感知等技術能夠采集、分析學習者的學習行為，再利用信息提取、認知診斷、智能分析等技術準確快速地找到學習者的知識短板，在當前學習的基礎上，運用關聯分析技術在海量的知識內容中提取合適的學習資源推送給學習者，為學習者提供有針對性的鏈接知識，幫助學習者完善知識體系，為學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、虛擬現實、增強現實等人工智能技術可以為學習者提供可視化、直觀化、真實化的學習場景，讓學習者在切身體驗中參與知識的系統構建，在自主學習的過程中鍛煉邏輯思維能力。在信息搜集、知識學習的過程中，學習者可以與人工智能形成學習共同體并進行實時交互，人工智能的情感分析技術、表征學習等技術可以幫助學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習風格、評價學習水平等方面為學習者提供服務與幫助，針對學習者學習情況給予改進措施，使學習者的自我反思和自我調控等元認知能力與水平得以提升。[8]

● 智適應個性化學習模式設計

在人工智能技術的支持下，利用智適應學習系統實現的智適應個性化學習模式可簡述為“測、學、練、測、輔”五個基本環節（如下頁圖2）。其具體實施過程如下。

1.先行測驗定位知識點

先行測驗是學習者進入智適應學習系統學習的第一個環節，是智適應學習模式的基礎以及后續智適應學習服務支持的依據。先行測驗能夠迅速、準確地測試出學習者自身的學習水平和知識基礎，系統根據學習者的個人情況診斷知識短板，結合納米知識點為學習者規劃與個人情況相適應的學習路徑，以此作為后續為學習者規劃學習序列、推送學習資源、整合學習內容的參考基礎。

2.知識粒度聚焦知識點

該環節通過智適應學習系統向學習者推送具有針對性的學習資源來為其提供智能化、精準化、個性化的學習服務。智適應學習系統將復雜的學習內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，智適應學習系統能夠記錄學習者在學習過程中的具體行為，并通過形成的數據對學習者進行分析，進而為學習者提供合適的服務，以此為個性化學習奠定基礎。

3.典型習題檢測知識點

智適應學習系統采用開放式的題目對學習者進行檢測，對其學習情況進行判斷和分析。同時，在學習者學習的過程中，系統能對其學習行為進行及時、全面的檢測，記錄相關數據并分析，掌握學習者對學習內容知識點的把握情況，進而為學習者提供相應的幫助或再次測試，為個性化學習創造了有效的檢測機制。

4.綜合測驗評價知識點

智適應學習系統能根據學習者對所學知識點的掌握情況，自動生成檢測報告，為教師和學習者提供相應的參考，使教師和學習者能夠根據測試結果對相應的學習過程做出改進與調整。綜合測驗是智適應個性化學習模式中線上學習的最后環節，為學習者的個性化學習提供了評價依據。

5.學習輔導攻克知識點

學習輔導是智適應學習系統與教師教學的深度融合，包括線上教師講授和線下教師輔導兩種形式。在線上講授時，教師以智適應學習系統中學習者各學習階段的學習分析數據為參考，針對學習者的實際學習情況進行講解、答疑、解惑，滿足其個性化需求。[9]在線下輔導時，學習者通過智適應學習系統自主學習，通過與其他學習者之間的交流形成知識共生體，結合教師的引領輔導進一步提升學習效率。

● 人工智能支持下的智適應個性化學習模式應用案例

1.應用案例

本研究以一組八年級的學生為研究對象，該組學生已經學習過機械效率的有關知識，并認為已經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，以人工智能技術支持下的智適應學習系統為依托，將智適應個性化學習模式應用于人教版八年級物理《機械效率》一課，組織該組學生進行智適應個性化模式學習，學習采用智適應學習平臺與教師輔導相結合的方式進行。

2.基本過程

（1）學習者信息完善與知識點前測

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

（2）學習資源推送與學習過程開展

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

（3）知識點難度分層與靶向練習

對學生掌握薄弱的知識點精準定位后，智適應學習系統將繼續輔助學生對知識點的學習。在《機械效率》一課中，智適應學習系統將機械效率、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的學習資源。同時，為學生提供有針對性的練習題，通過對學生答題情況的監測及時調整習題分布層次以及難度水平，直至學生完全掌握本節內容的知識點。

（4）綜合性測驗與學習效果評價

綜合性測驗是對學生進行的對本課所有知識內容掌握情況的檢測，并在此基礎上實現對機械效率有關知識點的綜合學習評價。智適應學習系統在學生完成綜合性測驗后會生成一份綜合學習報告，教師可將其作為學生學習效果評價的依據，為后續輔導提供參考。

（5）知識點漏洞攻克與學習輔導

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

3.效果分析

利用智適應學習系統進行學習，學生表現出了濃厚的學習興趣，學習效率大大提高，對“機械效率”知識點的掌握精確程度、理解程度以及應用能力有顯著提升。

● 結語

人工智能技術支持下的智適應個性化學習模式與傳統課堂的教學模式相比具有明顯優勢：第一，智適應學習系統能夠實現1∶1的專家型“教師”輔導[10];第二，智適應學習系統能針對學習者自身情況提供相應的學習資料;第三，人機結合的學習模式能在一定程度上提升學習者學習動機與學習興趣。筆者相信，在未來，人工智能技術在教育領域的應用勢必會為學習者的個性化學習帶來更全面、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.教育部關于印發《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用現狀、問題及對策[J].軟件導刊，2020，19（01）：59-63.

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

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

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

[5]菅保霞，姜強，趙蔚，等.大數據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（04）：87-96.

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

[8]郭炯，郝建江.人工智能環境下的學習發生機制[J].現代遠程教育研究，2019（05）：32-38.

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

本文系2021年度教育部人文社會科學研究規劃基金一般項目“數據驅動的后疫情時代高校彈性教學策略研究”（項目編號：21YJA880062）研究結果。