雙重身份學生自適應學習模型的構建與實證研究*

陳昂軒 劉懷亞 賈積有 張 君 徐玄沖

雙重身份學生自適應學習模型的構建與實證研究*

陳昂軒1劉懷亞1賈積有1[通訊作者]張 君2徐玄沖2

（1．北京大學 教育學院，北京 100871；2．北京體育大學附屬競技體育學校，北京 100084）

如今，自適應學習已成為推動個性化教育實踐落地的抓手，然而目前自適應學習模型研究對促進雙重身份學生的個性化學習關注有限。基于此，文章以雙重身份學生的典型代表——體育生為例，構建了基于智能教學系統的雙重身份學生自適應學習模型，并提出實際應用流程，以便促進其落地實踐。在此基礎上，文章針對某體校體育生群體進行實證研究，通過對調查問卷、訪談數據和日志數據的分析，發現所提出的自適應學習模型能夠在不影響運動動機的情況下顯著提升學生的學業動機，由此證實了模型的有效性，并剖析了該模型四模塊設計對實驗結果的影響。文章通過研究，旨在為未來的社會性自適應學習模型設計提供參考。

自適應學習；雙重身份學生；應用路徑；學習情境

引言

隨著大數據、人工智能、學習分析等的高速發展，基于學生的特性和知識結構進行個性化教學成為可能。為此，教育部于2021年發布《教育部等六部門關于推進教育新型基礎設施建設構建高質量教育支撐體系的指導意見》，重點強調“開發基于大數據的智能診斷、資源推送、學習輔導等應用，促進學生個性化發展”[1]。自適應學習作為實現個性化教育的核心策略[2]，其學習技術能夠識別學生的知識差異，并有針對性地對學生的學習行為進行輔導和干預。自適應學習的應用有效打破了傳統教育中因為優秀師資受限而無法幫助每一位學生的困境，推動了個性化教育的實踐落地，因此近年來受到研究者的廣泛關注。

個性化教育的落腳點是學生個體，但當前研究對學生身份上的認知差異和社會限制的探討較少，尤其對于雙重身份（Dual Identities）學生尚未有統一的定義。從社會角色的視角出發，雙重身份學生群體與普通學生之間存在社會性身份上的區別[3]，即其是否在學生的身份之外還同時存在其他的沖突性社會性身份。這類學生的特征表現為其社會性責任與學生身份的學習責任并無直接連接，存在時間、空間、精力等方面的擠占現象，如體育生（學生-運動員身份）、軍校生（學生-士官身份）、警校生（學生-警察身份）等。他們代表一類特殊的學生，其在作為學生的同時還具備另一種不同的社會性身份，這使其在身份認知上可能會產生沖突，即是否認可自己為學生而不是其他的社會性身份[4]。對于這類學生而言，他們需要在學生身份和社會性身份之間尋找平衡，理解如何整合這些不同的身份，使它們相互協調，通過培養身份平衡的能力以更好地應對未來多重角色的挑戰。同時，雙重身份學生往往承擔著部分社會性責任（如參加比賽、訓練等），其學業往往受到諸多限制，如學習時間不充分、學習空間不固定、學業交流不及時、訓練安排不合理等，這使雙重身份學生的學業學習面臨巨大的挑戰和困境。

面對雙重身份學生群體的學習限制，個性化、自適應的學習方式是解決的良方。體育總局聯合教育部刊發的《關于深化體教融合促進青少年健康發展的意見》明確指出，教育部門要完善加強高水平運動員文化教育相關政策，以個性化授課、補課等方式為優秀運動員完成學業創造條件[5]。然而，當前自適應學習模型研究對促進雙重身份學生的個性化學習關注有限，往往并未關注到學生個體的社會性身份差異，這使意見中指出的個性化教學方式難以充分適應雙重身份學生的學習需求。基于此，本研究以體育生這一典型雙重身份學生群體為例，試圖探究適應雙重身份學生學習特點的自適應學習模型構建方式，并通過實證研究來驗證構建模型的作用效果，以期為社會性的自適應學習模型設計提供參考。

一 研究現狀

1 雙重身份學生的學習困境

雙重身份學生作為教育領域的特殊群體，其學習情況一直以來都受到研究者的重視，然而現有的許多研究表明，雙重身份學生群體的學業表現落后于普通學生。以體育生群體為例，Van Rens等[6]對荷蘭242名高水平體育生的研究表明，參加了高級比賽的學生在學校的學業表現較差，其在中學和高等教育中的學業水平相較于同伴學生而言都較低——這種學業上的落后現象已被指出與學生的運動身份有關。Bimper[7]對美國黑人體育生的調查發現，其運動員身份的認同程度越高，學業表現（Grade Point Average，GPA）就越低，而種族認同、種族差異反而并沒有成為GPA的直接影響因素。Yukhymenko-Lescroart[8]在超過1000名體育生的樣本研究中發現，學生的運動身份與運動成就呈正相關，卻與學術成就呈負相關。

Firth-Clark等[9]指出，這一現象產生的原因是，雙重身份的學生群體面臨大多數其他學生沒有的特殊挑戰。例如，對體育生而言，必須平衡其訓練需求和學業要求，但這樣做會帶來消極的后果，因為學生不得不為了適應體育訓練而錯過課程，被迫在體育鍛煉和課程學習之間做出選擇。由此，協調學業和專業訓練要求，以及適應自身的社會生活和各種關系，成為以體育生為代表的雙重身份學生所面臨的現實學習困境。

2 自適應學習模型的發展

考慮到自適應學習方式能夠匹配學生學習需求的特點，國內外對于自適應學習模型的設計進行了較長時間的探索。Brusilovsky[10]最早提出使用自適應超媒體來支持個人學習，并構建了自適應超媒體系統通用模型（Adaptive Educational Hypermedia Systems，AEHS）。該模型根據學生的個人資料或記錄調整特定學生的課程內容，其中自適應引擎是滿足用戶模型適應超媒體的核心要素。Pena-Ayala等[11]則將活動理論（Activity Theory）應用于自適應學習系統的設計之中，以活動作為分析的基本單元，構建了自適應學習的“活動-動作-操作-結果”四層架構模型，進一步發展了以活動理論為基礎的自適應學習系統的設計框架。

在我國，童名文等[12]基于自適應逆控制理論構建了自適應學習系統動力模型，從系統動力機制的視角分析自適應學習在學習動力、學習目標和學習效果方面的關系紐帶，以追求學習目標的學習動機為基礎，推動自適應學習模型的動力學演化。郝祥軍等[13]則提出了自適應學習的社會性發展路徑，注重自適應學習模型中情感互動、協作交互等社會性需求的引領，針對學伴支持構建了自適應匹配框架，豐富了基于協商的自適應學習模式。

隨著“智能+教育”的興起，自適應學習也逐步與智能技術融合，以智能技術創新自適應學習方式。智能教學系統就是其中的重要助推器，該系統能夠借助人工智能技術，對學生進行差異化、個性化的教學，并給出及時和定制性的指導反饋，從技術視角推動學生的輔導過程；同時，該系統還能夠為自適應學習模型的設計提供實際落地的“抓手”，推動自適應學習模型可復現、可推廣的現實發展[14]。

目前來看，自適應學習模型設計主要追求對系統架構、算法過濾等模塊的提升，著眼于對學生學習行為和學習風格的適應性匹配，而對學生的學習情境、身份沖突等社會性因素重視不足。為此，本研究擬通過對體育生這一典型雙重身份學生的社會性特點進行挖掘，構建納入身份情境的自適應學習模型，從而有力推動自適應學習模型社會化發展的落地實踐。

二 雙重身份學生特點自適應學習模型的構建

為了探究體育生這一典型雙重身份學生的學習環境限制與學業特點，本研究在模型構建之前對B市Z區某體校基地的體育生群體進行了前期訪談和問卷發放，并結合專家咨詢，最終確定四個體育生群體因學習情境限制而產生的學習問題：①水平參差，由于師資力量配備的差距，體育生群體學業水平普遍較弱且參差不齊；②情境動蕩，由于主業的訓練要求，留給學習的時間較零碎，參加比賽時學習的空間也不固定；③意愿被動，由于文化培養的投入不足，學生的學習主動性弱，學生自述多從5、6年級開始就不認真上課；④精力分散，由于訓練過后帶來的精力下降，學生在學習過程中往往注意力不足、無精打采。

基于此，本研究采用Vandewaetere等[15]提出的自適應學習四維視圖（來源、情境、方法和對象），以智能教學系統為落地工具，擴展自適應學習模型的社會身份維度設計，構建了基于智能教學系統的雙重身份學生自適應學習模型（Double Identity Student Adaptive Learning Model，DISALM），如圖1所示。有別于傳統自適應學習環境的學習者模型、領域模型、教學模型、人機交互模型四個核心模型，本模型以來源、情境、方法模塊作為自適應學習的特征輸入維度，以智能教學系統作為自適應學習的模型載體，以自適應學習的對象模塊作為內容輸出維度。

圖1 基于智能教學系統的雙重身份學生自適應學習模型

1 模型構建的要素內涵

（1）適應的來源：因何適應

自適應學習的宗旨是以學生為中心，學生的自身知識水平和心理特質是輔導設計的基石。對于體育生群體而言，由于師資力量配備不均勻，其文化學習水平參差不齊，因此即使是同齡的學生其知識水平都可能存在巨大差異。知識追蹤方法重點關注對學生知識水平結構變化的測量，如常見的基于貝葉斯網絡的知識追蹤、基于深度學習的知識追蹤、機器學習中的折半查找等方法，都能夠在動態間隔中評估體育生群體的知識水平變化情況，實際滿足體育生群體對于學習內容精準輔導的需求。目前來看，對于知識狀態的刻畫和描述是自適應學習模型中適應來源的研究重點，準確的知識追蹤結果可用于智能教學系統設計合理的知識系統與知識庫。而從維度上來看，適應來源模塊的研究較少關注學生的身份特質及其帶來的心理特征差異。體育生群體的選拔經歷往往和普通學生有較大差別，現有研究也凸顯了體育生群體在心理特質方面與普通學生的差異性，如壓力、自信心、自我效能、感知障礙等[16]。由此，在自適應學習模型中評估體育生群體狀態，為智能教學系統進行學生設計建模就顯得尤為重要。為此，可以通過認知診斷、學習風格診斷、層次屬性判別、效能模型判定等多種心理測量手段對學生進行心理特質建模，使智能教學系統能夠更精準地獲得學習群體的初始靜態參數估計，從而為體育生群體調整學習難度和學習任務，實際滿足雙重身份學生對于學習內容精準輔導的需求。

（2）適應的情境：于何適應

真實的學習過程無法脫離學習場域的限制，因此針對雙重身份學生群體的自適應學習模型也應當注重具體的學習情境。對于體育生群體而言，其訓練任務占據著日常生活中的絕大部分，留給文化學習的時間相比普通學生更少、更零碎；同時，為了滿足體育主業的選拔，體育生群體往往需要參與不同區域內舉行的比賽，其文化學習的空間也并不固定。這表明，對體育生群體學習的情境自由度的適應性設計應是自適應學習模型構建的重要方向。已有研究已經關注到自適應學習的不同設備類型與學生情境自由度的對應關系（如表1所示），這種對不同設備類型的使用實際上反映了學生當前所處的學習情境。

表1 不同設備類型與學生情境自由度的對應關系

由此可見，在針對雙重身份學生的自適應學習模型中，通過獲取學生使用的設備類型，便可以有效判斷學生所處的情境自由度，從而了解學生學習的時間與空間差異（如是否處于碎片化時間、是否處于非固定環境等），適應性地根據學習情境分配任務數量與難度。

（3）適應的方法：如何適應

隨著學生地位在智能系統的設計中不斷提高，在人機交互形態上也產生了系統控制、學習者控制、聯合控制（學習者-系統）等不同的人機協作模式。不同的控制模式體現了學生的自我動機差異，自我動機強的學生在學習過程中有著自我控制的意愿，更加傾向“學習者控制”的協作模式；而自我動機弱的學生更加傾向“系統控制”的協作模式[20]。已有研究表明，體育生群體在學業上往往沒有較強的主動性和積極性，在人機交互形態上會更傾向于傳統的“系統控制”協作模式；而其中自我學業動機更強的體育生能夠對自身學習進行監督，其學業表現比其他體育生更好[21]。因此，對于自適應學習模型而言，其應當在原有“系統控制”方式的基礎參數上，構建支持“學習者控制”或“聯合控制”的學生自主學習方式，促進智能教學系統的人機交互設計變革，自動適應學生在人機學習環境下的控制需求，從而促進體育生群體學業維度內部動機的提升。

（4）適應的對象：對何適應

自適應的對象指的是在自適應學習系統中輸出的內容形式。現有的自適應學習模型已經開始關注學習活動中內容（如知識點、知識結構等）、表征（如選擇題、填空題、聊天窗等）、路徑（如群體學習路徑、個人學習路徑等）、支持（如微課、短視頻、在線講解等）的設計。而對于體育生群體而言，當前已有的學習活動來自于對學生身份的開發，內容形式上未能充分融入其社會性身份所帶來的理解能力。對此，情境學習理論指出，知識是具有情境性的，其與行動緊密相連，只有在具體的情境中行動和應用，學生才能完全理解知識[22]。因而對于體育生這類雙重身份學生而言，其自適應學習內容應當注重融入社會性身份所帶來的理解能力（如提供以體育項目為出題背景的題目）。這種內容融合不僅可以聚焦于題目設計，還可以在表征、路徑、支持方式等方面設計融入身份情境，從而在智能教學系統的學習材料設計中突出內容形式的自適應變革。

2 應用路徑

為了促進DISALM模型的實踐落地，本研究設計了雙重身份學生自適應學習模型的應用路徑（如圖2所示），具體可分為教學啟動層、輔導進行層、迭代反饋層三層。

圖2 雙重身份學生自適應學習模型的應用路徑

圖3 自適應學習模型應用路徑下的實驗過程

①教學啟動層：本層用于獲得智能教學系統啟動的具體參數。首先，可通過前期知識測試對學生知識水平進行判定；然后，應用心理評估模型與心理調研方法對學生心理特征進行測量；最后，進行學生的情境需求評估，獲得學生學習情境參數。

②輔導進行層：本層通過學生知識水平參數，構建符合學生學習難度區間的領域知識庫模型，包含學習的知識數據以及推薦的資源數據；另外，通過心理特征參數與情境需求參數構建學習者模型，包括學生的學習狀態（涉及人機交互的控制類型、初始動機效能參數）以及情境狀態（涉及情境自由度水平、任務時間間隔參數），并基于這兩個狀態來設計分配適應性教學內容。設計后的教學內容通過融入智能教學系統，供不同情境、不同水平、不同控制模式下的雙重身份學生進行應用。

③迭代反饋層：本層在應用過程中通過收集過程性數據來評估學生的知識水平變化，從而對領域知識庫模型進行更新，進行知識迭代；通過收集反饋性數據（如學生反饋、教師反饋）來評估學生的適應狀態，進行過程反饋，從而對學習者模型進行更新。兩者共同作用，實現模型的自適應性不斷提升。

三 實驗設計

為驗證DISALM模型的有效性，本實驗擬探究：①應用DISALM模型后，體育生的學習與運動動機是否存在變化？②DISALM模型的四維模塊設計對體育生群體的有效性如何？

1 實驗準備

本實驗選取B市M區某體校基地的29名體育生，進行了為期12周的數學與英語學科的自適應學習。體育生群體訓練的項目分別為舉重與摔跤。實驗基于“樂學一百”智能教學系統（本研究所提出模型的應用載體），從來源、情境、方法、對象四維度進行了適應性設計更新。該系統提供覆蓋小學、初中學段的人教版數學與英語學科所有單元知識點的試題，能夠對答案進行智能判定，同時還能對不同賬戶的學生自適應分配不同的學習進度，是本實驗落地的基礎工具。此外，該系統的原有組件是成熟的，保證了系統的穩定性[23]。

2 實驗過程

本實驗的過程依據上文提出的應用路徑進一步細化，具體如圖3所示。

（1）教學啟動層

實驗開始前，本研究對體育生進行前測。依據自適應模型的來源設計，本實驗采用基于學段的折半查找算法，對體育生的知識水平進行判定，以確定學生的知識學段需求。針對體育生的心理特征測量，本實驗進行了“體育生對學業學習的認識”的前期訪談，以專家評分的方式獲得體育生群體的學習意愿、學習壓力、自我認可等個體差異化評價，以確定他們的心理需求。同時，本實驗通過訪談，了解不同體育生的運動環境，以確定他們的學習情境需求。

（2）輔導進行層

①知識內容適應：根據教學啟動層中針對體育生判定的不同知識學段，系統后臺為每位體育生抽取試題庫中對應判定學段的試題，并以單元任務形式進行組織，即每個單元任務包含該學段的某個知識點。同時，對單元任務的試題內容進行評估，部分試題進行了社會身份化改寫（為摔跤學生改寫并分配摔跤情境應用題，為舉重學生改寫并分配舉重情境應用題）。

②心理與情境需求適應：根據教學啟動層中的心理特征評分，系統將其與初始題目難度評分相對應，不同心理特征的體育生對應不同的初始單元任務難度。同時，本實驗對采用的智能教學系統進行有針對性的開發，支持網頁端、平板端和手機端的學習內容互聯互通。當學生使用網頁端系統時，其學習環境被系統判定為低自由度，認為具有專注的學習能力，需要完成的學習任務數和難度將提升；而學生使用移動端系統時，需要完成的學習任務數和難度相應降低。

（3）迭代反饋層

本實驗在第5周與第9周通過系統向學生發送反饋性的問卷進行數據收集，關注題量和難度的分配合理性。系統會依據學生的不同反饋，在之后的學習中自動給出不同題量和不同難度的任務。兩次反饋就能讓系統對題量難度參數進行迭代更新，提供了學生對系統控制的紐帶，支持學生對于系統的自主干預。

3 數據收集

在數據收集方面，本實驗采用國際上較為成熟的測量學生運動員學業與運動動機的SAMSAQ量表[24]。由于SAMSAQ量表最初針對的目標人群是大學階段的體育生，和我國國內的體校制度有所差異，因此本實驗針對我國國內體校體育生的學習場景與年齡階段進行了適應性改編，對學生在輔導前后的學業動機（Academic Motivation，AM）、學生運動動機（Student Athletic Motivation，SAM）和職業運動動機（Career Athletic Motivation，CAM）進行了測量。實驗針對29名學生發放了該問卷，收回問卷24份。刪去未認真作答的問卷1份（所有題項都是同一個選項）和重復作答的問卷1份，最終得到有效問卷22份，問卷回收率75.9%。對問卷進行信度分析，其克隆巴赫系數達到0.757，說明問卷信度良好。

由于問卷分析的樣本量較少，可能存在一定的分析偏差，因此本實驗采用混合研究方法，通過半結構化訪談，進一步聚焦來源、情境、方法、對象模塊的適應性設計作用，對知情同意的1名體育生教練（編號C1）、2名教師（編號T1、T2）、9名體育生（編號S1～S9）進行了訪談。同時，本實驗還記錄了學生在系統后臺的行為日志數據，包括任務完成數、答題準確率、任務完成時長等。

四 結果與討論

1 應用自適應學習模型后體育生學業與運動動機的變化及影響

本研究通過配對樣本T檢驗檢測實驗前后的差異，體育生群體動機維度檢驗結果如表2所示。可以看出，在雙重身份學生自適應學習模型的輔導下，體育生群體的AM有了顯著的提升，同時其SAM和CAM只有輕微的下降，且結果并不顯著，表明本研究提出的自適應學習模型能夠集中提升學生的AM且不影響其訓練主業，在AM和CAM方面取得了較好的平衡，對于體育生這一群體而言有著適切、突出的輔導效果。

表2 實驗前后體育生群體動機維度檢驗

注：*表示＜0.05，下同。

2 自適應學習模型四維模塊的有效性剖析

（1）來源模塊的適應性設計有效性

自適應學習的來源設計是否準確挖掘到了學生的特質，是來源部分有效性的關鍵。多數受訪者認為實驗中的個性化知識內容非常適合自己，貼近自身水平，如受訪者S4表示：“我覺得題目剛剛好，符合我的個人水平”。還有受訪者提及能夠感受到來源模塊中的心理評估對自身的幫助，如受訪者S3表示：“作為運動員有時（因為訓練成績）壓力較大，而這種評估不會讓我在厭煩以及排斥的情況下還要做難題”。對日志數據進行分析發現，心理評估中運動壓力較大、學習效能感較低的學生與運動壓力較小、學習效能感較高的學生在兩個科目中的任務完成數并無顯著差異。體育生這類雙重身份學生通常在知識層次和心理水平上存在較大的個體差異，而本實驗表明，對知識和心理狀態兩方面的自適應設計能夠有效彌合體育生之間的特質差異，促進體育生的群體學業水平發展。

（2）情境模塊的適應性設計有效性

在自適應學習的情境設計方面，多數受訪者表示學習時間、學習場域、學習設備使用方面的自由度適配性可以滿足其在特定學習情境下的需求，如受訪者S1表示：“很多時候訓練完挺累的，洗完澡躺在床上（用手機）做題，發現題目做起來還很得心應手，感覺花在學習上的時間都變多了”。從后臺日志數據來看，學生在移動端和網頁端的答題準確率并無顯著差異。這表明情境模塊的設計緩和了學習情境對學生的限制作用，通過移動端和固定端的區分，滿足了體育生群體在學習精力上的不同需求。這表明，情境模塊適應性設計的重點是充分關注學生學習中的時空、精力限制，以設備類型作為設計的著眼點，能夠基于情境自適應調整雙重身份學生的學習任務。

（3）方法模塊的適應性設計有效性

在自適應學習的方法設計方面，多數受訪者表示對學習的自主控制欲望增強了，通過控制能力的提升增強了學習的主動性。如受訪者S3表示：“以前就是（系統）給什么我學什么，現在（反饋后）有那些知識的儲備，想自己多學習一些。”通過訪談發現，學生對自身內在目標的追求的主動性也有所提升，如受訪者S2表示：“之前覺得有的題目太簡單，但（經過問卷反饋）之后發現題目難度變難了一些，更適合我了”。對后臺日志數據進行分析發現，以系統提供反饋活動為時間切點，相比反饋前，在反饋后學生數學學科的完成任務數平均上升了2.7（t=1.132，＜0.05），表明學生對系統的可感知反饋能夠顯著提升其在數學學科的學習投入。實驗表明，體育生這類雙重身份學生也有學習內容自主決策的需要，本實驗能夠在系統決策方法上適應學生的自主度，增強其控制的積極性，從而提升自適應學習模型對學生自主需求的適配度。

（4）對象模塊的適應性設計有效性

對象模塊的適應性設計關注內容形式與體育生社會性身份的連接，多數學生表達了對這一設計的歡迎，如S5表示：“看到（和自己訓練）相關的題就想做，讀起來也不費勁”；S6表示：“我喜歡這種設計，能讓我感覺被重視。課堂上的題目都是給那些好學生做的，這邊的題目感覺更適合我們”。體育運動的不確定性造就了學生運動員聯想能力強、創造力強的特點，更容易接受形式活潑多變的教學方式[25]，而訪談表明體育生的知識和生活經驗適用于其學生身份的轉變，由此證明了在本實驗設計中融入學生社會性身份的有效性。

五 結語

本研究以體育生為例，基于智能教學系統技術，構建了針對雙重身份學生的自適應學習模型，并通過應用路徑的設計來推進雙重身份學生的個性化教育實踐落地。實證研究結果表明，應用該自適應學習模型可顯著提高雙重身份學生的學習動機，同時不影響其運動和職業動機。研究還通過訪談驗證了自適應性學習模型四維模塊的有效性，發現該模型能夠關注體育生的學習限制和社會身份優勢，從而增強其學習的積極性。本研究尚存在一定的不足，如只針對體校學生進行研究，所學內容僅涉及小學、初中階段的知識，而未涉及高中、大學階段的相關內容；樣本量較小，實驗時間較短；未關注到體育生的體育水平差異等。后續研究可做進一步的探索，重視自適應學習模型中的學生社會性限制，推動自適應學習模型的社會化發展，從而走向更加“因材施教”的理想教育。

[1]教育部等六部門.教育部等六部門關于推進教育新型基礎設施建設構建高質量教育支撐體系的指導意見[OL].

[2]吳南中.自適應學習模型的構建及其實現策略[J].現代教育技術,2017,(9):12-18.

[3][4]Kang S K, Bodenhausen G V. Multiple identities in social perception and interaction: Challenges and opportunities[J]. Annual Review of Psychology, 2015,547-574.

[5]體育總局教育部.體育總局教育部關于印發深化體教融合促進青少年健康發展意見的通知[OL].

[6]Van Rens F, Elling A, Reijgersberg N. Topsport talent schools in the Netherlands: A retrospective analysis of the effect on performance in sport and education[J]. International Review for the Sociology of Sport, 2015,(1):64-82.

[7]Bimper Jr A Y. Game changers: The role athletic identity and racial identity play on academic performance[J]. Journal of College Student Development, 2014,(8):795-807.

[8]Yukhymenko-Lescroart M A. On identity and sport conduct of student-athletes: Considering athletic and academic contexts[J]. Psychology of Sport and Exercise, 2018,34:10-19.

[9]Firth-Clark A, Sütterlin S, Lugo R G. Using cognitive behavioural techniques to improve academic achievement in student-athletes[J]. Education Sciences, 2019,(2):89.

[10]Brusilovsky P. Methods and techniques of adaptive hypermedia[J]. User Modeling and User-Adapted Interaction, 1999,(2-3):87-129.

[11]Pe?a-Ayala A, Sossa H, Méndez I. Activity theory as a framework for building adaptive e-learning systems: A case to provide empirical evidence[J]. Computers in Human Behavior, 2014,30:131-145.

[12]童名文,師亞飛,戴紅斌,等.智慧學習環境中自適應學習系統動力機制研究[J].電化教育研究,2020,(2):68-75.

[13]郝祥軍,顧小清.基于協商的學伴推薦:自適應學習的社會性發展路向[J].中國遠程教育,2021,(8):51-59.

[14]孟青泉,賈積有,張志永,等.智能教學系統測評模型的構建與實證研究[J].現代教育技術,2022,(5):68-74.

[15]Vandewaetere M, Clarebout G. The cognitive apprenticeship model in educational practice[A]. Handbook of research on educational communications and technology[C]. New York: Springer, 2014:425-437.

[16]Bird M D, Chow G M, Cooper B T. Student-athletes’ mental health help-seeking experiences: A mixed methodological approach[J]. Journal of College Student Psychotherapy, 2020,(1):59-77.

[17]Gardner L, Sheridan D, White D. A web-based learning and assessment system to support flexible education: A web-based learning and assessment system[J]. Journal of Computer Assisted Learning, 2002,(2):125-136.

[18]賈積有.平板電腦在中小學英語課堂教學中的應用探究——基于6個省市9節中小學英語課程視頻的分析[J].現代教育技術,2019,(11):74-79.

[19]唐翠蘭,范福蘭.基于自帶設備的高校“4S”教學模型的構建與應用[J].現代教育技術,2017,(12):38-43.

[20]樂惠驍,賈積有.智能的邊界——智能教學系統中的用戶自主度研究[J].中國遠程教育,2021,(9):49-58.

[21]García A J, Fong C J, Regalado Y M. Motivational, identity-based, and self-regulatory factors associated with academic achievement of us collegiate student-athletes: A meta-analytic investigation[J]. Educational Psychology Review, 2023,(1):14.

[22]王美,程佳銘,高守林.用技術賦能情境學習[J].現代教育技術,2018,(11):12-18.

[23]賈積有,張必蘭,顏澤忠,等.在線數學教學系統設計及其應用效果研究[J].中國遠程教育,2017,(3):37-44、80.

[24]Gaston-Gayles J L. The factor structure and reliability of the student athletes’ motivation toward sports and academics questionnaire (samsaq)[J]. Journal of College Student Development, 2005,(3):317-327.

[25]胡好,孫慶祝,張英波,等.我國青少年運動員文化學習動機結構及相關特征研究[J].南京體育學院學報(社會科學版),2015,(3):100-108、128.

Research on the Construction and Emprical Study of an Adaptive Learning Model for Double Identity Students

CHEN Ang-xuan1LIU Huai-ya1JIA Ji-you1[Corresponding Author]ZHANG Jun2XU Xuan-chong2

At present, adaptive learning has become a pivotal factor in promoting the implementation of personalized educational practice. However, the current adaptive learning models has paid limited attention on fostering personalized learning for double identity students. Based on this, the paper took the students of physical education, a representative of double identity students, as an example, constructed a double identity student adaptive learning model (DISALM) and proposed a practical application process to facilitate its landing practice. Based in this model, an empirical research on a group of students of physical education from a sports school was carried out. Through analysis of survey questionnaires, interview data, and log data, it was found out that the proposed adaptive learning model can significantly enhance students’ academic motivation without affecting their athletic motivation. This confirmed the effectiveness of the proposed adaptive learning model and dissected the impact of the four-module design of the model on the experimental results. Through research, it was expected in this paper to provide reference and inspiration for the design of future social adaptive learning models.

adaptive learning; double identity students; implementation path; learning situation

G40-057

A

1009—8097（2023）10—0108—10

10.3969/j.issn.1009-8097.2023.10.011

本文為國家社會科學基金教育學國家一般課題“基于大數據挖掘的學生智能評測和輔導研究”（項目編號：BCA220208）的階段性研究成果。

陳昂軒，在讀博士，研究方向為教育技術學、人工智能教育應用，郵箱為angxuan.chen@stu.pku.edu.cn。

2023年4月6日

編輯：小時