摘 要：大数据成就了互联网，互联网促使了学习方式的变化和发展，自适应学习应运而生。因此，面对信息化学习方式的变革，外语教学范式必须得到重新构建，而范式的重构必须考虑教学对象、教学环境以及教学的生态平衡等因素，以促进学生智慧学习和深度学习能力的发展。

关键词：大数据；自适应；教学范式；智慧学习；深度学习

一、引文

基于大数据的信息资源已达海量且种类繁多，这些资源通过互联网提供给学习者，可满足其个性化学习需求，进而逐渐改变了获取信息的习惯和方式，最终产生了基于互联网的学习方式。常见的方式有：E-learning、M-learning和 U-learning。这三种学习方式只是在形式和内容上发生了变化，但学习者内化的自主能力与动机策略等深层方面并未发生根本改变。然而，学习方式的真正变革将随着大数据技术的发展及信息技术的高度智能化扑面而来。人们利用大数据技术挖掘海量信息资源的能力有了极大的提高，可根据实际的需求，智慧地利用好信息资源，自然地也就反映在了人们的学习方式上，这就有了基于大数据的智慧学习和深度学习的发展。

二、自适应性学习的特点

有支持的自主学习还不能充分满足整个教育领域推进在线学习的需求。有支持的适应性学习实质是在在线学习中嵌入学习支持服务，使在线学习克服学习者的孤立和教师的旁落。具体而言，就是通过智能、人工的学习支持服务，使学习者按照自身需求的“进程”完成学习过程，并不断拓展学习的广度和增加学习的深度。比如在学习过程中，当学习平台内嵌的情境捕捉系统捕捉到了学习者学习情绪的变化时，就会触碰到支持服务启动“开关”，有必要的时候，需要专门的支持服务人员为学习者提供个性化的支持，促使学习者回归正常的学习通道。这样，教师和资源建设者可以全过程感知学习者问题出现的时间、地点和现场气氛，在线学习的开展并不是脱离教师的。教师需要不断地与学习者交互，帮助学习者完成学习，避免了教师在完成资源建设后的旁落。同样，学习者有了教师的支持服务，疑难问题能及时得到解决，在学习孤单时有特定的情感支持，在学习成效中有教师的肯定和同伴鼓励，这种支持对加深学习程度具有显著效果。

三、自适应学习的范式

自适应学习是学习的基本范式，需要不断理解其内涵、更新其理论、深化其实践。在自主学习时代，资源建设者、设计者、开放者、使用者和评价者处于分离状态或是联系不紧密状态，自适应学习将这些相关者通过相同的目标进行紧密地协同，这种协同既有出于自身利益考量的现实因素，但更多地体现了机制的作用。自适应学习通过工具和技术使学习个性化。典型的在线学习环境是通过一个学习管理系统（Learning Management System）来实现，它假定所有学生的起始水平都一样并要求所有学生统一学习步调，而自适应学习系统的设计则是基于学习者的信息来改编其学习内容。自适应学习系统可以根据学生的学习偏好递送定制化的学习内容，也能利用预备测验使学生就某一课程的某一部分进行测试，或是基于学生在每个学习步骤中的行为来递送量身定制的学习服务。基于学生与学习内容的交互，自适应学习系统可以自动修改学习内容的表现形式，使得学习可以根据每个学生的能力水平实现定制化。自适应学习软件让在线学习从传统课堂模式进化为一个能360度分析学习者内容并与之互动，而且能提供更多个性化教学服务及学习参与机会的学习环境。

四、引入大数据概念的自适应学习

学习环境与自适应技术的结合可以支持学生以新的方式来学习。在自适应系统中，那些对所学知识过于自信的学生能很快认识到她的不足并且可以得到纠正和指导以弥补其学习的差距。而对于那些不是那么自信的学生则会发现自己比想象中进步更快，因为系统会根据学生掌握的学习内容来调整其学习步调。同时，自适应系统还可以指导学习落后的学生去学习，并为其提供与之薄弱知识点相适应的补充学习资源，而不仅仅是一般的提醒式学习支持服务。

将自适应学习软件整合到在线课堂有助于缓解学生个人学习准备的问题，这种方式能够为学生提供基础知识以及学习缺口分析，也不会增加教师的额外负担。自适应学习使得学生的学习个性化，它可以评估学生现有知识的掌握情况，指导学生进行知识补救、强化或是学习下一相关知识点，同时，学生可以构建一个类似于游戏情境的基础学习技能，在这个情境里内容专家已经列出了自适应工具中的所有教学选项。在自适应系统中，通过多种评估方式，尤其是小样本评估，学生可以获得即时反馈，而指导教师在能够更有效地个性化指导学生的同时还能监控整个班级的学习进展并进行相应调整。学生与自适应软件交互产生的数据具有多方面的价值：对学生的价值在于学生自我意识的唤起；对教师的价值在于能进行重点辅导和反馈；给予如辅导教师般的学习支持服务；对教育机构而言，能更好理解学生对于课程、指导和学习支持的需求。

自适应学习平台为学生提供了一种更为聚焦和个性化的学习方式，他们无需被迫去学习自己已经掌握了的概念。它同时还能提供基于学习科学的课程设计方法，随着时间的推移，自适应软件收集到的数据就可以用来改善課程设计。同样，它还能让高校和学生自己去定义需要修改或强化的最为常见的知识点，而这所有信息都将被用来提升和改善教学和支持模型。

这种自适应的学习，在学习方式上体现了更多的灵活性，其发生的场域也从传统的正式学习平台和特定学习时间向更加灵活的学习场域拓展。平台资源和非平台资源，学习时间和生活时间，都可以促使学习的发生，正式学习和非正式学的界限逐渐被打破，各种零碎的学习、泛在学习成为学习的主要方式。学习者通过与学习环境的双向调试，找出学习的需求，设计学习的过程。在教师的支持下，真正实现个性化和差异化学习。

五、前景展望

在线学习发展到今天，自主学习范式体现了强势的影响力。随着在线学习研究的深入，围绕自适应性学习的研究会蓬勃开展起来，会逐渐从现在的初始阶段走向完善和具体，会逐渐改变学习理论的格局。著名的新媒体联盟发布的 2015 年《地平线报告》也指出，自适应学习会在未来 4 - 5 年内被大规模地采纳。但从二者对学习的影响的角度来看，自适应学习范式是自主学习范式的飞越，是自主学习在在线学习新时代的进步，自适应学习与自主学习是一种包容关系，而不是对立关系，。本文对在线学习范式变迁进行了浅显的分析，对深入理解新时代、新常态下的在线学习具有一定的理论和实践意义，但自适应学习所需要的技术支持、理论支持和实践案例支持，还需要更多人的参与和研究。

参考文献

[1]祝智庭，沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究，2013，（10）：5-13.[5]

[2]吴南中.论在线学习范式的变迁：从自主学习到自适应学习[J].现代远距离教育，2016，（3）：42-48.

[3]董晓辉，杨晓宏，张学军.自适应学习技术研究现状与展望[J].电化教育研究，2017，（2）：91-97121.

[4]时龙.自适应学习的方法论探析[J].教育科学研究，2015，（9）：5-13、22.[10]

[5]姜强，赵蔚，李松，等.个性化自适应学习研究——大数据时代数字化学习的新常态[J].中国电化教育，2016，（2）：25-32.

作者简介

卞少辉（1980.06）女，河南人，硕士，东北大学秦皇岛分校外国语言文化学院讲师，研究方向：英语语言学、教学法。

（作者单位：东北大学秦皇岛分校外国语言文化学院）