自適應學習研究發(fā)現(xiàn)與展望

陳洋 戴仕明 馮爽爽

摘要：自適應學習技術一直是把技術融入教育的關鍵技術之一，結合相關論文，總結2013年至2017年個性化自適應學習技術在各方面的研究成果，包括元認知，情感狀態(tài)，情境變化等方面相關文獻的統(tǒng)計分析和介紹，并對自適應學習未來的發(fā)展提出自己的想法。自適應學習研究以心理學原理為輔助，以學習者為中心，探索學習者的方方面面，制定個性化學習模式，并且不斷向縱深發(fā)展。自適應學習技術將會越來越成熟，我們將進入“未來學習”時代。

關鍵詞：自適應學習；個性化；元認知；學習情感；學習環(huán)境

中圖分類號：TP391.9 文獻標識碼：A 文章編號：1009-3044（2018）16-0141-04

Adaptive Learning Research and Prospects

CHEN Yang， DAI Shi-ming， FENG Shuang-shuang

（Jiangxi Agricultural University， Nanchang 330045， China）

Abstract： Adaptive learning technology has always been one of the key technologies for integrating technology into education. In conjunction with related papers， we have summarized the research results of individualized adaptive learning technologies from 2013 to 2017 on various aspects， including metacognition， emotional status， and situational changes. Statistical analysis and introduction of relevant literature in the field， and put forward my ideas for the future development of adaptive learning. Self-adaptive learning research is based on the principles of psychology. It focuses on learners， explores all aspects of learners， formulates personalized learning models， and continues to develop in depth. Adaptive learning technology will become more and more mature. We will enter the era of "future learning".

Key words： adaptive learning； personalise； metacognition； learning emotions； learning environment

1 引言

所謂的“自適應學習技術”，是指根據(jù)學習者學習情況自動調(diào)整推送方案以適應其個性化學習需求的軟件技術和平臺，這也是屬于“互聯(lián)網(wǎng)+”模式的一種。個性化學習為促進學習者的個性發(fā)展，借助大數(shù)據(jù)的幫助詳細描述每個學習者的學習特性，為學習者畫像，因此可以與自適應學習技術相結合，為每個學習者創(chuàng)建個性化的自適應學習體驗和路徑，推送適合個人學習的學習內(nèi)容、課程規(guī)劃和練習等[1]。學習者可以了解到自己的問題，學習更有效率；教師也可針對具體情況選擇不同的教學方式，提高教與學的高效和科學。

在互聯(lián)網(wǎng)技術不斷進步和改變教育體驗的同時，實現(xiàn)教育公平已經(jīng)不成問題。以大數(shù)據(jù)、云計算、人工智能、AR/VR為代表的新技術在教育上的應用，以學習者為本，因材施教，達到個性化自適應學習。自適應學習系統(tǒng)不僅可以擴大教育范疇實現(xiàn)時時學習和終生學習的想法，構建全方位的數(shù)字化學習環(huán)境實現(xiàn)處處能學習，還可以用技術改變教育，提升學習品質(zhì)，這也是未來教育行業(yè)發(fā)展的目標。美國教育技術規(guī)劃（2016）提出“為未來做好準備的學習”理念，強調(diào)基于大數(shù)據(jù)分析開展個性化學習，其中的未來學習、未來教學、未來領導力、未來評估、和未來基礎設施各部分協(xié)同配合就是實現(xiàn)處處能學、人人能學、時時能學的基礎，是技術使能教育觀念的體現(xiàn)[2]。本文將幾年來國內(nèi)外關于自適應學習的研究情況做出分析和介紹。

2 相關文獻的統(tǒng)計分析和介紹

2018年2月至3月，筆者對中國知網(wǎng)按主題進行檢索，檢索式=“自適應學習+元認知||情感||學習環(huán)境”，共檢出52篇文獻；檢索式=“Adaptive learning + Meta-cognition”，和檢索式=“Personalized adaptive learning technology”共檢出35篇文獻。經(jīng)過認真地閱讀和篩選，除去內(nèi)容重復及內(nèi)容不太相關的文獻，國內(nèi)外關于自適應學習研究的文獻還剩43篇。

2.1 國內(nèi)外文獻的時間分布

從時間上來看，不同年度發(fā)表的論文可以從數(shù)量上反映出相關主題研究的水平和速度。2013-2017年有關自適應學習的文獻，國內(nèi)外具體時間分布如下：

從上表可以看出，我國在自適應學習方面的研究比國外的研究更深入，尤其是近兩年的論文發(fā)表數(shù)目。我國的教育歷史悠久，但在教育技術方面，國外研究的較早，而美國是世界教育信息化建設的領頭羊，具備最先進的教育技術和教育觀念。早在2010年奧巴馬政府已經(jīng)申明技術要成為教學的組成部分，網(wǎng)絡教育更深入地在各國全面展開。我國也不甘落后，近幾年不斷發(fā)展教育技術，在研究上形成了一定的規(guī)模，產(chǎn)生了較大的影響。

2.2 國內(nèi)外文獻的期刊分布

經(jīng)統(tǒng)計，國內(nèi)32篇文獻分布在18種期刊內(nèi)，其中核心期刊發(fā)文11篇，國家級期刊發(fā)文4篇，高等院校發(fā)文11篇，其他期刊發(fā)文6篇。自適應學習相關文獻發(fā)表于教育核心期刊和高等院校所占比例最重，主要集中在《中國電化教育》，國家級期刊占總數(shù)的12.5%，其他期刊發(fā)表文獻占18.75%，具體情況見表3。而國外11篇文獻分布在9種期刊上，其中《Springer International Publishing》和《Computers in Human Behavior》上分別有兩篇關于自適應學習的文獻，其余期刊各只有一篇相關文獻，分布較分散，詳情見表4。

2.3 文獻的作者分布

國內(nèi)外43篇文獻中，發(fā)文兩篇及以上的作者僅有5人，都是國內(nèi)的作者。作者分布較分散，這說明個性化自適應學習尚未形成一個鮮明、獨立、有特色的研究領域，該研究需要向縱深發(fā)展。至于作者群方面，有多年研究和經(jīng)驗、掌握多項國家基金項目的教授；有省重點實驗室的研究者；有計算機系、教育技術系專業(yè)的碩士和博士?？梢妭€性化自適應學習的研究集中在高校，受到了教育界的重視和參與 。

3 研究內(nèi)容

3.1 研究現(xiàn)狀

世界各國非常重視教育，尤其是美國在個性化自適應學習的研究比較深入。美國推出的國家教育技術規(guī)劃，指出這是使用技術促進超越階級、地域、身份背景等學習的最好的時代，實現(xiàn)教育公平。2017年地平線報告預測了六項具體的關鍵技術，還預測技術融入教育之中將出現(xiàn)的六項趨勢和六項挑戰(zhàn)，探討如何把技術應用在教與學中。自適應學習技術一直是地平線預測技術的研究對象，從最早的長期關鍵技術，到后來的中期關鍵技術，直到今年納入短期關鍵技術?？梢娮赃m應學習技術從最初的構想和不成熟，變成了成熟且可行的學習技術[3， 4]。

我國在個性化自適應學習方面起步較晚，教育信息化發(fā)展任重道遠，目前處于從怎樣去應用到如何去融合的重要階段[5]。 教育部《教育信息化“十三五”規(guī)劃》提出加強網(wǎng)絡教育建設，滿足個性化學習需求，由此網(wǎng)絡教育不斷發(fā)展，出現(xiàn)在我們生活的方方面面。

3.2 自適應學習內(nèi)容研究

馬相春等[6]分析了個性化自適應學習系統(tǒng)的核心要素：學習者需求、學習群體社會化、學習情感、學習資源情境化、系統(tǒng)生態(tài)化及自我進化、數(shù)據(jù)采集精細化，從而對個性化自適應學習系統(tǒng)的基本架構進行設計，把系統(tǒng)分為感知層、數(shù)據(jù)層、信息層、控制層和應用層五個層次，并且提出基于加權協(xié)同過濾的學習資源推送算法，采用權值啟動法解決冷啟動和稀疏矩陣的問題。

曹重華[7]通過分析影響學習者學習效率的關鍵因素和師生之間非網(wǎng)絡原因交互不暢，提出多維多粒度學習者個性模型LPM3和交互狀態(tài)模型，基于這個模型的特點，又提出顯、隱式獲取和推理獲取學習者屬性等策略，為學習者提供個性化的服務，該模型的應用能有效減少知識迷航，提高基礎教育信息化水平，促進基礎教育均衡發(fā)展。

劉清堂等[8]分析智能感知、學習分析、情感計算等智能技術，對智能技術的發(fā)展提出以學習分析為核心，結合自適應學習技術和數(shù)字教師為未來發(fā)展方向，實現(xiàn)智慧學習。

Sergio Gómez等[9]認為移動設備的興起，可以通過移動設備給學習者提供學習體驗，并根據(jù)學習者的個人特征和情況進行量身定制。為此，他們提出了一個上下文感知自適應和個性化移動學習系統(tǒng)，旨在支持學習活動的半自動適應，即適應學習流程和適應支持學習活動的教育資源，工具和服務的相互關聯(lián)。

3.3 自適應學習應用研究

姜強，趙蔚教授的研究團隊[10]經(jīng)過十多年的努力，以應用為主和回歸本土化的思路，研發(fā)了個性化自適應學習系統(tǒng)，實現(xiàn)了學習風格模型建構、認知水平模型建構，利用協(xié)同過濾技術實現(xiàn)個性化學習路徑優(yōu)化推薦。其中菅保霞[11]研究了自適應學習個性特征模型的構建方法，解釋了最常見的建模技術，并從知識水平、錯誤/誤解模型、認知特征、情感特征、元認知特征等方面分析如何構建模型，為系統(tǒng)的自適應調(diào)節(jié)提供依據(jù)，促進教育個性化。

劉小丹等[12]對于自適應學習系統(tǒng)與學生之間缺乏雙向情感交流，提出一種基于情緒感知的學生模型，得知學生的情緒變化，即時調(diào)整教學方案和策略，提高效率，使學生獲得更好的學習效果。

王聰?shù)萚13]把自適應學習環(huán)境和大學英語學習相結合，針對大學英語學習者在自適應學習環(huán)境中學習風格的研究，完善自適應學習系統(tǒng)中學習者模型的構建，也利于大學英語個性化的學習。

朱珂等[14]提出應用學習分析技術的自適應學習系統(tǒng)框架，系統(tǒng)可以獲取、分析學生及學習環(huán)境等數(shù)據(jù)，為教師分析決策提供參考。

王洪江等[15]對自適應學習系統(tǒng)的學習者模型進行比較，得出開放學習者模型不局限于對個人信息的收集，允許學習者訪問系統(tǒng)對自己的評價信息，利于學習者模型的優(yōu)化，還可以和多種學科結合。目前國內(nèi)對開放學習者模型的研究比較少，作者鼓勵借鑒國外的研究成果，使開放學習者模型本土化，促進學習者的元認知水平和學習水平提高。

雙語/雙文化方法論是聾啞人教學的新趨勢，聾啞人的主要語言是手語，而第二語言是普通語言。Salah Hammami等[16]提出一個適合聾啞人使用的電子學習系統(tǒng)，這個系統(tǒng)基于一組特定的技能適合有弱點的學習者使用，并且自適應電子學習系統(tǒng)通過移動技術的不斷發(fā)展，讓聾啞人可以更方便地訪問學習資料。

個性化技術是許多專家為改進學習而推薦的經(jīng)典解決方案。信息和通信技術以及在線課程有助于減少教師面臨各種學生在課堂上遇到的困難。然而，即使是最復雜的技術也沒有解決個性化學習帶來的所有挑戰(zhàn)，并且在教師不熟練使用技術的情況下，自適應系統(tǒng)只會使在線課程的實施復雜化。因此，Dolores Lerís等[17]提出了MOOC的適應性構造來確定一些具體的個性化指標。這些指標是根據(jù)之前完成的工作而選定的，并且基于學習的兩個方面：自我管理和合作。進行一項研究以找出MOOC中參與者最易接受的指標，并考慮其他MOOCs的表現(xiàn)是否會影響參與者對此結構的看法。

以上作者從元認知、學習者情感和學習環(huán)境等不同角度研究了自適應學習系統(tǒng)和模型構建，與學科相結合，還考慮到了殘障人士如何學習。自適應學習技術改變了傳統(tǒng)的教學模式，不僅體現(xiàn)了個性化學習，還可以提高學生的學習興趣和學習效率，學習者學到知識并把理論用于實踐做到物盡其用，人盡其才。

4 自適應學習研究展望

綜上所述，國內(nèi)外圍繞自適應學習的研究涉及了很多方面，一切以用戶為中心，提出了很多有價值的方法和應用，這也有助于自適應學習的進一步探索。筆者認為，要做到個性化學習需要結合學習者個人的學習風格、動機、情緒等等問題，這里涉及了很多心理學方面的問題，利用心理學原理可以提高用戶體驗，要讓學習者覺得這個學習方案對我有用，學習者對這種模式就樂見其成，不會有排斥的情緒出現(xiàn)。比如“雞尾酒效應”，人對與自己有關的刺激能立即引起注意，不管周圍環(huán)境是否嘈雜，這個原理可以應用到個性化推送中，以合適的時間，合適的內(nèi)容推送給最需要的用戶。

在心理學上他人可以通過人的表情、肢體動作、穿衣打扮等方面來分析人物心理。例如通過瞳孔的變化、眉毛的動作捕捉人的情緒，當聞到刺鼻的氣味時，鼻子會輕微顫動，用手捂鼻來表現(xiàn)厭惡。學習者情感狀態(tài)的變化，對自適應學習系統(tǒng)來說是一個巨大的挑戰(zhàn)，但是目前對于情感狀態(tài)在學習中影響的研究還有待突破。

參考文獻：

[1] 李昭涵， 金樺， 劉越. 人工智能開啟“互聯(lián)網(wǎng)+教育”新模式[J]. 電信網(wǎng)技術， 2016（12）：6-10.

[2] 鄭金秋， 李百慧， 姚鵬閣. 重新審視技術變革學習的作用——美國“國家教育技術規(guī)劃（2016）"的解讀與啟示[J]. 現(xiàn)代教育技術， 2016，26（10）：30-36.

[3] Adams B S， Cummins， Davis， et al. NMC Horizon Report：2017 Higher Education Edition[J]. Journal of Open Learning， 2017.

[4] 金慧， 胡盈瀅， 宋蕾. 技術促進教育創(chuàng)新——新媒體聯(lián)盟《地平線報告》（2017高等教育版）解讀[J]. 遠程教育雜志， 2017（02）：3-8.

[5] 龔春芬. 自適應學習技術在高等教育中的應用初探[J]. 中國成人教育， 2017（04）：108-110.

[6] 馬相春， 鐘紹春， 徐妲. 大數(shù)據(jù)視角下個性化自適應學習系統(tǒng)支撐模型及實現(xiàn)機制研究[J]. 中國電化教育， 2017（04）：97-102.

[7] 曹重華. 多維多粒度的學習者個性模型及其處理策略研究[D]. 江西財經(jīng)大學， 2016：144.

[8] 劉清堂， 毛剛， 楊琳， 等. 智能教學技術的發(fā)展與展望[J]. 中國電化教育， 2016（06）：8-15.

[9] Gómez S， Zervas P， Sampson D G， et al. Context-aware adaptive and personalized mobile learning delivery supported by UoLmP[J]. Journal of King Saud University - Computer and Information Sciences， 2014，26（1）：47-61.

[10] 姜強， 趙蔚， 李松， 等. 個性化自適應學習研究——大數(shù)據(jù)時代數(shù)字化學習的新常態(tài)[J]. 中國電化教育， 2016（02）：25-32.

[11] 菅保霞， 姜強， 趙蔚， 等. 大數(shù)據(jù)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（04）：87-96.

[12] 劉小丹， 胡小紅. 自適應學習系統(tǒng)中基于情緒感知的學生模型設計[J]. 中國教育信息化， 2015（19）：85-88.

[13] 王聰， 王棟. 大學英語自適應學習環(huán)境下的學習者學習風格研究[J]. 中國電化教育， 2014（07）：145-149.

[14] 朱珂， 劉清堂. 基于“學習分析”技術的學習平臺開發(fā)與應用研究[J]. 中國電化教育， 2013（09）：127-132.

[15] 王洪江， 黃潔. 面向自適應學習系統(tǒng)的開放學習者模型研究[J]. 數(shù)字教育， 2017（02）：23-28.

[16] Hammami S， Saeed F， Mathkour H， et al. Continuous Improvement of Deaf Student Learning Outcomes based on an Adaptive Learning System and an Academic Advisor Agent[J]. Computers in Human Behavior， 2017.

[17] Lerís D， Sein-Echaluce M L， Hernández M， et al. Validation of indicators for implementing an adaptive platform for MOOCs[J]. Computers in Human Behavior， 2016.