王智慧 王朋娇 王宁 于昕孜

摘要：因材施教一直是个性化学习追求的价值取向，但如何解决传统学习模式忽略学习者主体性、差异性和发展性是个性化学习长久以来面临的挑战。作者提出，基于人工智能的智适应学习为解决上述问题提供了新的参照。智适应学习以人工智能为技术支持，以智适应学习系统为依托，将纳米级的知识点作为学习内容形态，对学习者进行知识点诊断、学习资源推送与学习路径指引，形成“测、学、练、测、辅”的个性化学习模式，为学习者提供智能、精准的个性化学习体验。

关键词：人工智能;智适应;个性化学习

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2022）07-0000-04

● 引言

人工智能技术的出现及其迅速发展改变了人类社会，人工智能与教育的融合，为教育领域注入了新鲜血液。《教育信息化2.0行动计划》中强调“要构建数字化、智能化、个性化的教育体系”[1]，世界经济论坛2020年1月发布的《未来学校：为第四次工业革命定义新的教育模式》报告强调了个性化学习、自主性学习的重要性[2]，这预示着个性化学习已经成为教育的关注重点。而智适应学习的出现，有望在人工智能技术的支持下打破传统教学模式中忽视学习者个性化学习的弊端，在真正意义上使因材施教的教育理念成为现实。[3]

● 个性化学习研究现状与智适应个性化学习

1.个性化学习研究现状

目前，我国个性化学习研究内容主要可以分为五类：技术支持的个性化学习、基于个性化学习理论的教学模式、个性化学习促进课程教学改革、个性化学习在具体教学中的应用以及个性化自适应学习研究。[4]总结分析关于个性化学习的已有研究可以发现，个性化学习的相关理论催生了新的教学模式，但在促进课程教学改革与教学实践的应用中还有待进一步深入。

2.智适应个性化学习

自适应学习是学习系统根据学习者的个人信息和行为数据等分析，将符合学习者知识水平及认知特点的学习内容推送给学习者，从而为学习者提供智能化的服务和个性化的学习体验。[5]但自适应学习的智能化程度比较低，无法精准诊断学习者对知识点的掌握情况，在学习资源推送以及学习路径规划等方面也无法全面满足学习者的学习需求。在自适应学习的基础上，人工智能技术支持下的智适应学习应运而生。智适应学习能够利用人工智能技术检测学生的认知水平与学习水平，从而智能地为学习者推荐最佳的学习内容和学习资源。

● 人工智能支持下的智适应学习基本原理

1.智适应学习系统

智适应学习系统以知识空间理论和贝叶斯定理为技术支撑，主要包括学生信息系统、学习分析系统、智能化自适应引擎、学生情况跟踪、学生管理系统和学习内容及数据收集系统六个模块[6]，具体内容如下页图1所示。学生信息系统包含学习者个人信息、学习风格、知识水平和对学习内容的掌握程度等信息。学习分析系统对学习者学习过程进行记录，并对相关数据进行采集和格式化。智能化自适应引擎根据学习分析系统内产生的数据分析结果，为学习者提供个性化学习内容推荐、知识点精准测评以及个性化路径引导。学生情况跟踪系统主要对学习者的学习过程行为数据进行循环分析和持续跟踪，随着学习者学习能力的变化动态发展。学生管理系统主要跟踪学习者的学习情况，为学习者调整学习内容。学习内容及数据收集系统对学习者利用系统进行学习过程中产生的行为数据进行数据收集及分析。智适应学习系统的个性化体现在对学习者个体特征数据的收集与分析，智适应学习系统通过定位学习者的知识短板为学习者制订学习计划，推荐学习资源，从而使学习者高效学习。

2.人工智能赋能智适应学习

人工智能技术为智适应学习提供的支持体现在以下几个方面。

（1）激发学习兴趣与学习动机

学习兴趣影响着学习者学习的主动性与专注度，是个性化学习的前提保障。人工智能技术可以为学习者提供有针对性的服务，以此激发并维持学习者的学习兴趣。例如，运用智能搜索技术建立数据仓库，通过构建知识图谱为学习者提供合适的学习资源;运用人机交互、增强现实等技术将凌乱、复杂的学习资源以简洁直观的方式呈现给学习者，使其获得良好的学习体验;运用机器学习、深度学习、图像及语音识别等技术为学习者提供学习指导、问题解答、导航推荐等服务，并在此基础上分析学习者的学习方向和学习偏好，从而进一步激发学习者学习兴趣;运用可视化分析及在线算法等技术建立测评系统对学习者进行全面的、智能的评价，并针对评价结果实时地向学习者反馈合理建议。[7]

（2）助力新旧知识融合

新旧知识融合是学习者将学习内容内化吸收的前提保障，但在数字化、移动化的学习时代，学习者获得的知识内容往往是零散化、碎片化的，如果新旧知识连接不足则无法顺利实现知识的迁移与应用。而人工智能的图像及语音识别、智能感知等技术能够采集、分析学习者的学习行为，再利用信息提取、认知诊断、智能分析等技术准确快速地找到学习者的知识短板，在当前学习的基础上，运用关联分析技术在海量的知识内容中提取合适的学习资源推送给学习者，为学习者提供有针对性的鏈接知识，帮助学习者完善知识体系，为学习者拓宽新旧知识融合的渠道。

（3）助力思维及元认知能力提升

人机交互、虚拟现实、增强现实等人工智能技术可以为学习者提供可视化、直观化、真实化的学习场景，让学习者在切身体验中参与知识的系统构建，在自主学习的过程中锻炼逻辑思维能力。在信息搜集、知识学习的过程中，学习者可以与人工智能形成学习共同体并进行实时交互，人工智能的情感分析技术、表征学习等技术可以帮助学习者提升问题解决能力和高阶思维能力。人工智能还能够在判断学习风格、评价学习水平等方面为学习者提供服务与帮助，针对学习者学习情况给予改进措施，使学习者的自我反思和自我调控等元认知能力与水平得以提升。[8]

● 智适应个性化学习模式设计

在人工智能技术的支持下，利用智适应学习系统实现的智适应个性化学习模式可简述为“测、学、练、测、辅”五个基本环节（如下页图2）。其具体实施过程如下。

1.先行测验定位知识点

先行测验是学习者进入智适应学习系统学习的第一个环节，是智适应学习模式的基础以及后续智适应学习服务支持的依据。先行测验能够迅速、准确地测试出学习者自身的学习水平和知识基础，系统根据学习者的个人情况诊断知识短板，结合纳米知识点为学习者规划与个人情况相适应的学习路径，以此作为后续为学习者规划学习序列、推送学习资源、整合学习内容的参考基础。

2.知识粒度聚焦知识点

该环节通过智适应学习系统向学习者推送具有针对性的学习资源来为其提供智能化、精准化、个性化的学习服务。智适应学习系统将复杂的学习内容分解为纳米级的知识粒度，细化为易于理解的知识点。同时，智适应学习系统能够记录学习者在学习过程中的具体行为，并通过形成的数据对学习者进行分析，进而为学习者提供合适的服务，以此为个性化学习奠定基础。

3.典型习题检测知识点

智适应学习系统采用开放式的题目对学习者进行检测，对其学习情况进行判断和分析。同时，在学习者学习的过程中，系统能对其学习行为进行及时、全面的检测，记录相关数据并分析，掌握学习者对学习内容知识点的把握情况，进而为学习者提供相应的帮助或再次测试，为个性化学习创造了有效的检测机制。

4.综合测验评价知识点

智适应学习系统能根据学习者对所学知识点的掌握情况，自动生成检测报告，为教师和学習者提供相应的参考，使教师和学习者能够根据测试结果对相应的学习过程做出改进与调整。综合测验是智适应个性化学习模式中线上学习的最后环节，为学习者的个性化学习提供了评价依据。

5.学习辅导攻克知识点

学习辅导是智适应学习系统与教师教学的深度融合，包括线上教师讲授和线下教师辅导两种形式。在线上讲授时，教师以智适应学习系统中学习者各学习阶段的学习分析数据为参考，针对学习者的实际学习情况进行讲解、答疑、解惑，满足其个性化需求。[9]在线下辅导时，学习者通过智适应学习系统自主学习，通过与其他学习者之间的交流形成知识共生体，结合教师的引领辅导进一步提升学习效率。

● 人工智能支持下的智适应个性化学习模式应用案例

1.应用案例

本研究以一组八年级的学生为研究对象，该组学生已经学习过机械效率的有关知识，并认为已经掌握了所教授的知识点，但检测成绩却不尽如人意。针对此情况，以人工智能技术支持下的智适应学习系统为依托，将智适应个性化学习模式应用于人教版八年级物理《机械效率》一课，组织该组学生进行智适应个性化模式学习，学习采用智适应学习平台与教师辅导相结合的方式进行。

2.基本过程

（1）学习者信息完善与知识点前测

在正式进入学习之前，学生填写个人信息并完成本节知识点的先行测试。智适应学习系统根据学生的答题情况生成先行测试报告，结果表明，该组学生在功的原理、机械效率的定义及表达式方面存在知识点薄弱的情况。

（2）学习资源推送与学习过程开展

根据先行测试的结果，智适应学习系统针对每个学生的情况，给学生提供指向其知识短板的学习资源。在机械效率的知识点的学习中，系统为学生推送了机械效率定义及表达式的讲解视频以及对应的知识点总结，使学生避免了反复练习、学习效率低的行为。在整个学习过程中，智适应学习系统会根据学生对各部分知识点的掌握情况实时、及时地进行调整，以确保为学生提供适合的、有针对性的学习内容与学习服务。

（3）知识点难度分层与靶向练习

对学生掌握薄弱的知识点精准定位后，智适应学习系统将继续辅助学生对知识点的学习。在《机械效率》一课中，智适应学习系统将机械效率、杠杆、滑轮、功和功率等知识点拆分细化，为各个知识点提供对应的学习资源。同时，为学生提供有针对性的练习题，通过对学生答题情况的监测及时调整习题分布层次以及难度水平，直至学生完全掌握本节内容的知识点。

（4）综合性测验与学习效果评价

综合性测验是对学生进行的对本课所有知识内容掌握情况的检测，并在此基础上实现对机械效率有关知识点的综合学习评价。智适应学习系统在学生完成综合性测验后会生成一份综合学习报告，教师可将其作为学生学习效果评价的依据，为后续辅导提供参考。

（5）知识点漏洞攻克与学习辅导

教师对学生的知识点学习报告及综合学习报告进行分析，找到其知识短板并进行针对性辅导。

3.效果分析

利用智适应学习系统进行学习，学生表现出了浓厚的学习兴趣，学习效率大大提高，对“机械效率”知识点的掌握精确程度、理解程度以及应用能力有显著提升。

● 结语

人工智能技术支持下的智适应个性化学习模式与传统课堂的教学模式相比具有明显优势：第一，智适应学习系统能够实现1∶1的专家型“教师”辅导[10];第二，智适应学习系统能针对学习者自身情况提供相应的学习资料;第三，人机结合的学习模式能在一定程度上提升学习者学习动机与学习兴趣。笔者相信，在未来，人工智能技术在教育领域的应用势必会为学习者的个性化学习带来更全面、更深层次的支持与保障。

参考文献：

[1]中华人民共和国教育部.教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2]高伟，刘苗苗.人工智能时代教育人工智能研究与应用现状、问题及对策[J].软件导刊，2020，19（01）：59-63.

[3]周琴，文欣月.从自适应到智适应：人工智能时代个性化学习新路径[J].现代教育管理，2020（09）：89-96.

[4]张曼，刘兴红，梅佳星.我国个性化学习研究现状与趋势的可视化研究——基于中国知网2009-2018年期刊文献[J].教育信息技术，2020（11）：62-66.

[6][10]李海峰，王炜.人工智能支持下的智适应学习模式[J].中国电化教育，2018（12）：88-95+112.

[5]菅保霞，姜强，赵蔚，等.大数据背景下自适应学习个性特征模型研究——基于元分析视角[J].远程教育杂志，2017，35（04）：87-96.

[7]任毅，吴瑶，谭希.人工智能技术对成人自主学习的影响[J].中国成人教育，2019（17）：3-5.

[8]郭炯，郝建江.人工智能环境下的学习发生机制[J].现代远程教育研究，2019（05）：32-38.

[9]周美云.机遇、挑战与对策：人工智能时代的教学变革[J].现代教育管理，2020（03）：110-116.

本文系2021年度教育部人文社会科学研究规划基金一般项目“数据驱动的后疫情时代高校弹性教学策略研究”（项目编号：21YJA880062）研究结果。