基于智適應學習系統的個性化學習環境構建

廖菲菲 王成元 新余學院建筑工程學院

●引言

針對學習者的興趣、學習能力等具體情況進行不同方式的教育，不僅是國內外教育研究學者的共同目標，也是學習者自身對多元化學習模式的追求。在信息高速發展的時代背景下，在線教育平臺自此駛入“快車道”。其發展推進了個性化教育目標的實現，學習過程不再受地點和時間的約束，與教師和同學的交流互動也擴展到線上平臺，資源的高度整合也極大地推動了學生個性的發展。然而，在線教育平臺的優勢并沒有從根本上解決個性化學習的問題，這就迫切需要一種更能捕捉學習者需求的個性化學習平臺，可以參考學習者的知識結構、能力水平和學習習慣等為其匹配個性化的內容并推薦學習路徑。作為自適應學習的優化升級，智適應學習有望借助人工智能技術判斷學習者的差異性，通過“量身定制”的教學模式實現因材施教。

●智適應學習與自適應學習

自適應學習系統是一個基于學生信息模型和知識庫模型的系統，其主要功能是通過各類學習數據信息的收集，來實時監測和反饋學習者的學習活動。自適應學習系統可以通過對學習者的多元化數據信息展開全面分析，為其提供個性化服務，同時還能將分析后的學習數據信息以信息統計報表的方式反映給學習者，方便學習者及時、全面、深入地了解和掌握自身的實際學習狀況。

依據適應性學習對象差異，自適應學習的內容大體包含三方面：學習內容的自適應性、學習評估的自適應性和學習序列的自適應性。從學習內容方面看，不僅內容的難易程度需與學習者匹配，學習資源的類型選擇和知識元的有效組合也應反映學習者特點。在學習評估的自適應方面，應側重于學習者線上學習行為活動的分析、評價算法和評估范圍。對于學習序列的自適應，重點是借助科學的運算處理方法，智能調節學習內容推送的先后順序。

自適應學習完成了從班級制的模式化學習方式向個性化學習方式的基礎轉變。其在迎合學習者特點、集成學習資源和調整學習過程等功能方面均起到極大作用。然而現在自適應學習面臨的最大問題是系統怎樣能精確判斷學習者的已有知識基礎，并精準推薦適合學習者的學習路徑。有鑒于此，在人工智能技術支持下，智適應學習應時而生。該種學習方式首先對學習者進行學習行為采集和學習質量評估，然后準確定位知識薄弱點，在為其智能規劃學習路徑提供學習支持與服務的同時，最大程度地提升了學習者的學習效率。總的來說，智適應學習能夠結合AI人工智能技術進行深度思考，幫助學習者攻克知識薄弱環節，并且為他們提供一條相對優化的學習路徑，以快速實現學習目標。

●智適應學習與智適應學習系統

我國“智適應學習”概念的提出起源于乂學教育。智適應學習的實質是智能信息技術與自適應學習的結合，智適應學習應用智能信息技術測試學習者目前的知識基礎和專業水平，進而預測其接下來的學習動向，并智能推送學習單元及推薦最優的學習路徑，從而盡可能地滿足學習者個性化學習的追求目標。而智適應學習系統則是一種以數據信息聯動的方式人工智能辨別學習者的學習習慣和其他個性特點，并及時根據學習情況的深度診斷報告進行智能指導的學習系統。智適應學習系統的功能優勢是能夠將AI技術與教師的專業教學能力結合，生成系統內專家型教師角色，讓學生確實感受到被“因材施教”。因此，智適應學習將轉變學習者的學習方式，使未來的教育呈現多元化和個性化的局面。

●智適應學習系統的學習模型

智適應學習系統為個性化學習提供了實踐范型，該模型以預測作為起點，結束于學習輔導，構成了一個由“測—學—習—評—輔”五個基本環節組成的系統化學習過程。其目的在于讓學生在自主學習中，清晰知識薄弱點，攻克知識難點，進而提升學習效率。

1.以“測”筑基礎，定位知識點

“測”是為了了解和掌握學生的已有知識基礎及學習綜合能力。智適應學習系統參考知識分布序列和學習者的知識水平評估結果，總結得到他們的知識薄弱單元以及固有學習順序，依托于此為后續的個性化服務提供強有力的數據支撐。預測被認為智適應學習標準模型的前提或先決條件，為后續建立一條個性化的基本路徑指明方向。

2.以“學”夯結構，記錄知識點

智適應學習系統對知識元作了分解和歸類。學習系統通過個性化的學習服務，支持學習者在智適應學習系統中的學習行為。其使用了分類樹和模糊邏輯算法向學習者推送合適的學習資源，并收集他們觀看視頻的活動數據信息，判斷學習狀態，為學習者推薦所需的學習服務選項，或組合生成接下來的測試題。

3.以“習”固內容，檢測知識點

“習”是檢測和強化知識應用的有效辦法。在學得相應知識點后，智適應學習系統通過發布數量不一、難度不同和形式各異的經典測試題，來感知學習者對知識的掌握程度，并根據反饋的信息實時優化推送內容和學習路徑。這個功能幫助系統對個性化學習過程進行有效監控。

4.以“測”驗成效，評估知識點

“測”是對學習者掌握知識的程度進行綜合評估，分為階段性檢測和總結性評估。其以階段學習報表及鞏固測試報告的形式展現。學習者將依據綜合評估的數據信息，選擇性調整自己的學習方法和學習進度，或可作為接下來學習的基礎參照。該階段作為在線學習閉環過程的一個控制環節，為評價個性化學習的效果提供了客觀的參照依據。

5.以“輔”促交流，攻克知識點

“輔”即學習輔導，是智適應學習系統與教師在教學上的交互合作。教師根據系統提供的學習者參考信息，包括學習進程信息、階段測試信息及綜合測評等，對學習者進行輔導，精準講解和探究疑難知識點。在智適應學習系統的精準教學和教師的精心輔導下，學習者的學習效果穩步提升。該環節為個性化學習提供了可靠保障。

●基于智適應學習系統的個性化學習環境設計

在思考如何構筑個性化學習環境時，最重要的是以學習者為中心，幫助學習者的自主學習得以實現。學習環境系統應能讓學習者有充分的選擇權，如按照自身的喜好和思考模式自由組合學習單元和學習方法，再依據自我測評發掘和反思知識攝取過程中的障礙及問題，逐漸調整學習策略以達到穩步進取的學習狀態。另外，在線教育平臺應具備較強的溝通互動性和服務智能性。第一，它可以使學習者在有疑問時，在相對獨立的學習環境里及時連接教師或者同伴進行溝通；第二，它能夠依照學習者的使用要求提供多元化綜合服務。

基于以上總體設計思路，筆者構建了一個集數據中心、學習資源和服務系統為一體的學習者、教師無障礙交流的個性化學習環境結構模型。

1.深度匹配的數據中心

（1）學生數據中心

學生數據中心是收集保存學習者信息及形成數據信息的功能應用模塊組合，通常由用戶單元、學習單元和社區單元組成。

用戶單元即學生的在線學習檔案存儲和信息加工模塊。智適應學習系統根據學習者的姓名、年齡、居住地、聯系方式等基本信息以及在線資料學習的情況、階段測試的成績、虛擬社區活動的參與等學習數據創建，教師可以在后臺清楚地觀測和掌握學習者的學習總體情況與個性化特征。

學習單元是一個實時響應和高反饋的模塊。在學習者的學習過程中，學習系統能即時反饋學習問題，并且及時糾正；在完成課程以后，學習系統能準確地評估學習者的內容理解度，智能推薦教學內容，以鞏固對核心概念的理解，促使學習者熟練掌握知識點。在這種學習環境里，學習者的挫折感得以降低，學習焦慮得到緩解，自信心逐步建立，學習行為參與度更高。

社區單元為學習者和教師用戶提供了溝通平臺。例如，可以將小組活動納入課程之中，以此提高學生的學習積極性。參與者不僅可以在社區單元內進行課程知識答疑，還可以在平臺搭建的虛擬社區進行深度交流。

（2）教師數據中心

教師數據中心主要目的在于為學習者提供更為多元化的指導。智適應學習系統能夠全程跟蹤評估學習者的表現，生成教學分析報告，以明確不熟悉的內容和運用較生疏的知識點，及產生問題的主要原因：不嫻熟、健忘、注意力分散，或者是問題本身容易產生歧義等。教師可以依據數據中心保留的信息進行教學研究和分析，進而進行教學改革。

2.多樣化的學習資源

（1）智適應課程

智適應課程創造了一個由系統引導、學習者自定步調的環境。教師會先依據不一樣的教學科目、教學目的、已有知識層級，使用系統內的教學資源或上傳新的學習資料，依據邏輯順序和科學方法加以整理，完成個性化課程的創建。學習者根據平臺推薦創建自主學習任務單，自由確定學習進度。除了可以選擇線上課程學習，學習者同樣能選擇線上線下混合學習。

（2）智適應課件

智適應課件將自適應學習的特點與高水準的、開放式的課程內容相結合，囊括課程教學應有的全部內容，如電子教材、學習視頻、經典案例、課后練習等。智適應課件可以將教師用戶和學生用戶進行匹對，同時可以和其他平臺功能模塊進行集成和深層次鏈接。在學習過程中，智適應學習系統的可視面板向教師展示了學習者學情的有關數據及提高后期表現的有效建議，向學習者則推薦更有效的學習內容，改進或替換無效的內容。

（3）智適應作業

智適應作業的主要功能是讓學習者在基本理解課堂知識，并準備進行下一階段學習前，發現知識薄弱點并及時固化。系統可以整合課后測驗的情況，判斷學習者的知識盲區，并從“作業庫”中選擇問題推送，以縮小學習者的理解差異。智適應作業還會向學習者推送最合適的練習模式。

3.集合引擎的服務系統

（1）數據采集與分析處理系統

數據采集與分析處理系統主要負責學習者數據收集及全面分析處理，包括自適應初始本體模型和模型更新引擎。自適應初始本體模型是根據元數據對各種信息和概念進行聚類，確定概念間的層次關系；模型更新引擎主要通過系統接收和處理數據，根據內聚性和相關性的變化實現自適應本體學習，讓系統能為學習者提供更有效的服務。數據采集與分析處理系統可以記錄和跟蹤學習者的過程數據，如知識水平、學習風格、錯誤模式、元認知能力、認知特征等隱性數據，以及學習頻率、學習時長和測評成績等顯性數據。根據這些學習特征可在系統內實現本體更新。

（2）數據推理系統

數據推理系統包含心理追蹤引擎、學習策略引擎和反饋引擎，旨在從數據采集與分析處理系統中為學習者建立知識圖譜。心理追蹤引擎的功能是追蹤學習者的學習風格、認知特征、知識水平、學習進程等，逐步建立學習者的學習信息檔案；學習策略引擎可以感知學習者對教學模式、學習資源和教學進度等方面的敏感程度，為其建議較可靠的學習技巧；反饋引擎主要用于評估和反饋對學習者的數據，系統接收到反饋結果后進一步建立數據和自適應本體之間的聯系，使推理過程更為精確、結果更加符合實際。

（3）個性化推薦系統

個性化推薦系統的作用是綜合數據庫中的海量信息，通過分析用戶的歷史行為來對用戶的興趣進行建模，從而主動為用戶策劃最優學習途徑。該系統包括推薦引擎、預測分析引擎和模型整合引擎。推薦引擎根據學習者的中長期目標、優勢劣勢、學習時間等為其規劃下一步操作；預測分析引擎根據學習者的綜合情況，預判其接下來的學習進度、學習關注力、活動參與度、評測成績等；模型整合引擎可以將用戶的學習賬戶互聯，建立起不同學科領域、跨時段、跨地域的用戶數據網，完成學習數據信息的歸一化，避免系統個性化推薦出現“冷啟動”現象。

●結束語

本文對智適應學習系統標準學習模型的特征進行了研究分析，提出了一種基于智適應學習系統的個性化學習環境構架模型。現階段這一模型仍處于探索階段，還有很多改進的空間，如知識點的診斷技術還不夠先進、基于視頻的知識點表現形式稍顯單一、掌握教育和技術的智慧型教師隊伍還不夠壯大等。