國(guó)外自適應(yīng)學(xué)習(xí)系統(tǒng)的特點(diǎn)及啟示

摘 要 明確自適應(yīng)學(xué)習(xí)系統(tǒng)的功能，介紹國(guó)外優(yōu)秀的自適應(yīng)學(xué)習(xí)系統(tǒng)。通過(guò)詳細(xì)分析這些系統(tǒng)，總結(jié)出其具備開放的學(xué)習(xí)者模型、個(gè)性化的學(xué)習(xí)支架、智能化的學(xué)習(xí)推送和多樣化的學(xué)習(xí)反饋等特點(diǎn)，為學(xué)習(xí)者的自適應(yīng)學(xué)習(xí)和教師的自適應(yīng)教學(xué)提供良好的支持。從學(xué)習(xí)者綜合模型、學(xué)習(xí)支架、學(xué)習(xí)系統(tǒng)等方面，探討國(guó)外優(yōu)秀的自適應(yīng)學(xué)習(xí)系統(tǒng)對(duì)我國(guó)學(xué)習(xí)系統(tǒng)建設(shè)帶來(lái)的啟示，以期為我國(guó)自適應(yīng)學(xué)習(xí)系統(tǒng)的建設(shè)提供參考。

關(guān)鍵詞 自適應(yīng)學(xué)習(xí)系統(tǒng)；學(xué)習(xí)者模型；學(xué)習(xí)支架；學(xué)習(xí)反饋

中圖分類號(hào)：G712 文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：1671-489X（2024）16-0142-06

0 引言

技術(shù)的發(fā)展推動(dòng)教育的變革。近年來(lái)，隨著情感分析、機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析等新技術(shù)的涌現(xiàn)，人工智能技術(shù)不斷地與學(xué)習(xí)科學(xué)、教育科學(xué)、認(rèn)知心理學(xué)、腦神經(jīng)科學(xué)等進(jìn)行深度交叉與融合，極大地推動(dòng)了自適應(yīng)學(xué)習(xí)研究，涌現(xiàn)出各種具有智能化功能的自適應(yīng)學(xué)習(xí)系統(tǒng)[1]。自適應(yīng)學(xué)習(xí)系統(tǒng)通過(guò)診斷學(xué)習(xí)者認(rèn)知架構(gòu)，構(gòu)建學(xué)習(xí)者的認(rèn)知地圖，從而匹配學(xué)習(xí)者的個(gè)性化需求。與此同時(shí)，通過(guò)確定學(xué)習(xí)材料的序列特征，以達(dá)到自動(dòng)生成自適應(yīng)學(xué)習(xí)路徑并不斷進(jìn)行動(dòng)態(tài)調(diào)整的目的。自適應(yīng)學(xué)習(xí)系統(tǒng)能夠利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)進(jìn)行自動(dòng)調(diào)節(jié)，學(xué)習(xí)者可以在系統(tǒng)中進(jìn)行自主學(xué)習(xí)并獲得相應(yīng)的反饋、推送與評(píng)價(jià)[2]。因而，自適應(yīng)學(xué)習(xí)系統(tǒng)可以滿足學(xué)習(xí)者的個(gè)性化訴求，能夠?yàn)閷W(xué)習(xí)者的個(gè)性化學(xué)習(xí)提供平臺(tái)支持[3]。遺憾的是，國(guó)內(nèi)已開發(fā)的自適應(yīng)學(xué)習(xí)系統(tǒng)還存在著明顯的不足，尤其體現(xiàn)在學(xué)習(xí)者模型的建構(gòu)、自適應(yīng)技術(shù)的應(yīng)用以及學(xué)習(xí)者真實(shí)的情感需求等方面[4]。因此，如何通過(guò)借鑒國(guó)外自適應(yīng)學(xué)習(xí)系統(tǒng)的成功經(jīng)驗(yàn)，推動(dòng)國(guó)內(nèi)學(xué)習(xí)系統(tǒng)的發(fā)展是當(dāng)前本領(lǐng)域的研究熱點(diǎn)。

1 國(guó)外優(yōu)秀的自適應(yīng)學(xué)習(xí)系統(tǒng)

目前，國(guó)外自適應(yīng)學(xué)習(xí)系統(tǒng)種類繁多，不僅有如可汗學(xué)院（Khan Academy）、Smart Sparrow和ALEKS等獨(dú)立的自適應(yīng)學(xué)習(xí)系統(tǒng)，還有像ASSISTments等嵌入其他學(xué)習(xí)管理平臺(tái)的學(xué)習(xí)系統(tǒng)；不但有內(nèi)容全面、包羅萬(wàn)象的自適應(yīng)學(xué)習(xí)系統(tǒng)，也有專用于某一方面知識(shí)學(xué)習(xí)的系統(tǒng)，如ChiQat和Cadecademy等。

可汗學(xué)院是由孟加拉裔美國(guó)人薩爾曼·可汗創(chuàng)立的一家教育性非營(yíng)利組織，可汗學(xué)院系統(tǒng)旨在利用網(wǎng)絡(luò)影片進(jìn)行免費(fèi)授課，以期達(dá)到所有人能夠無(wú)償享受世界一流水平教育的目的?？珊箤W(xué)院學(xué)習(xí)內(nèi)容覆蓋廣泛，包括數(shù)學(xué)、科學(xué)、計(jì)算機(jī)編程、歷史、藝術(shù)史和經(jīng)濟(jì)學(xué)等。其中，僅數(shù)學(xué)方面的內(nèi)容就涵蓋了幼兒園的基礎(chǔ)知識(shí)至大學(xué)的微積分知識(shí)，并且采用最先進(jìn)的可識(shí)別學(xué)習(xí)強(qiáng)度和學(xué)習(xí)障礙的自適應(yīng)技術(shù)。

ALEKS則是一個(gè)營(yíng)利性質(zhì)的人工智能學(xué)習(xí)和評(píng)估系統(tǒng)。雖然其學(xué)習(xí)內(nèi)容局限于數(shù)學(xué)、化學(xué)、統(tǒng)計(jì)和會(huì)計(jì)，但ALEKS具有一些優(yōu)點(diǎn)：1）運(yùn)用基于知識(shí)空間理論的智能機(jī)器學(xué)習(xí)技術(shù)，為每位學(xué)習(xí)者構(gòu)建并維護(hù)詳盡的知識(shí)圖譜；2）通過(guò)審查學(xué)習(xí)者的成功率來(lái)推薦恰當(dāng)?shù)恼n程，以確保學(xué)習(xí)者獲得成功的概率保持在90%～95%；3）提供大量實(shí)時(shí)、詳細(xì)的報(bào)告以供教育工作者和家長(zhǎng)參考，便于他們觀察學(xué)習(xí)者的進(jìn)步情況。

不同于可汗學(xué)院和ALEKS（適用于K-12）這些適用范圍寬泛的學(xué)習(xí)系統(tǒng)，Smart Sparrow主要用于高等教育階段，并且學(xué)習(xí)內(nèi)容集中在工程、醫(yī)學(xué)、科學(xué)、金融和市場(chǎng)營(yíng)銷等領(lǐng)域。

雖然這些學(xué)習(xí)系統(tǒng)各有不同，但不可否認(rèn)的是，可汗學(xué)院、ALEKS和Smart Sparrow都是獨(dú)立的自適應(yīng)學(xué)習(xí)系統(tǒng)。而除了獨(dú)立的學(xué)習(xí)系統(tǒng)之外，還存在著諸如ASSISTments之類的學(xué)習(xí)系統(tǒng)。作為一種嵌入式學(xué)習(xí)系統(tǒng)，ASSISTments可以嵌入任意學(xué)習(xí)管理系統(tǒng)，因此，用戶無(wú)需重復(fù)使用多個(gè)學(xué)習(xí)管理系統(tǒng)，只要在當(dāng)前使用的管理系統(tǒng)中添加 ASSISTments 平臺(tái)即可[5]。

需要注意的是，自適應(yīng)學(xué)習(xí)系統(tǒng)不僅包括這些學(xué)習(xí)內(nèi)容全面的系統(tǒng)，也存在著專門用于單一學(xué)科學(xué)習(xí)的系統(tǒng)，如主要用于大學(xué)生編程學(xué)習(xí)的ChiQat等。

2 國(guó)外自適應(yīng)學(xué)習(xí)系統(tǒng)的特點(diǎn)

2.1 開放的學(xué)習(xí)者模型

以圖表等各種形式呈現(xiàn)學(xué)習(xí)者的知識(shí)儲(chǔ)備量、學(xué)習(xí)偏好等學(xué)習(xí)者特征的模型被稱為學(xué)習(xí)者模型，它大多從認(rèn)知學(xué)習(xí)領(lǐng)域、情感學(xué)習(xí)領(lǐng)域和行為表現(xiàn)三方面對(duì)學(xué)習(xí)者特征進(jìn)行表征[6]。其中，認(rèn)知學(xué)習(xí)領(lǐng)域分析學(xué)習(xí)者的學(xué)習(xí)方式、認(rèn)知風(fēng)格、工作記憶容量和思維過(guò)程等，情感學(xué)習(xí)領(lǐng)域描述學(xué)習(xí)者在學(xué)習(xí)過(guò)程中興趣、感受、情感和態(tài)度的變化，行為表現(xiàn)則記錄學(xué)習(xí)者的認(rèn)知能力和表現(xiàn)。開放的學(xué)習(xí)者模型是指系統(tǒng)將學(xué)習(xí)者模型開放給教學(xué)相關(guān)人員，以便對(duì)學(xué)習(xí)者當(dāng)前的知識(shí)和技能水平有清楚的認(rèn)識(shí)[7]。

作為典型的開放學(xué)習(xí)者模型的一種，可汗學(xué)院開放的學(xué)習(xí)者模型包括課程總結(jié)模型、技能總結(jié)模型和技能等級(jí)變化模型。其中，課程總結(jié)模型在課程推薦模塊中呈現(xiàn)，以進(jìn)度條的形式展示學(xué)習(xí)者對(duì)推薦課程的掌握程度；相比之下，技能總結(jié)模型以分層柱形圖的表現(xiàn)形式把學(xué)習(xí)者對(duì)知識(shí)點(diǎn)的掌握情況具象化；而技能等級(jí)變化模型呈現(xiàn)學(xué)習(xí)者對(duì)知識(shí)點(diǎn)掌握的變化情況，分為提升、下降、未改變、未測(cè)試四個(gè)方面。當(dāng)學(xué)習(xí)者完成課程挑戰(zhàn)、單元練習(xí)或者單元測(cè)試時(shí)，頁(yè)面左側(cè)的課程總結(jié)模型會(huì)根據(jù)學(xué)習(xí)者的答題結(jié)果進(jìn)行實(shí)時(shí)動(dòng)態(tài)調(diào)整；當(dāng)學(xué)習(xí)者完成單元練習(xí)或者單元測(cè)試時(shí)，技能總結(jié)模型也會(huì)發(fā)生相應(yīng)改變；而技能等級(jí)變化模型出現(xiàn)在學(xué)習(xí)者完成課程挑戰(zhàn)之后，用以直觀展示學(xué)習(xí)者技能變化的情況。

本研究以學(xué)習(xí)七年級(jí)數(shù)學(xué)為例，介紹可汗學(xué)院開放的學(xué)習(xí)者模型。通過(guò)對(duì)課程總結(jié)模型進(jìn)行分析可以得出結(jié)論：學(xué)習(xí)者對(duì)課程知識(shí)掌握的高低程度依次是“分?jǐn)?shù)、小數(shù)和百分比”“方程式和不等式”“負(fù)數(shù)運(yùn)算”“比率、比例關(guān)系”等，如圖1所示。技能總結(jié)模型展示學(xué)習(xí)者對(duì)“小數(shù)加減法”“百分比”和“比率”等知識(shí)點(diǎn)的掌握程度，如圖2所示。通過(guò)技能等級(jí)變化模型可以知道，學(xué)習(xí)者對(duì)“絕對(duì)值”和“絕對(duì)值的比較和排序”等知識(shí)點(diǎn)的掌握程度有所提升，而對(duì)“一步乘除法”和“分?jǐn)?shù)加法”等知識(shí)點(diǎn)的掌握程度未發(fā)生改變。除此之外，還可以了解到，當(dāng)前的學(xué)習(xí)并未涉及“等比應(yīng)用題”和“分?jǐn)?shù)減法”等知識(shí)點(diǎn)。

總的來(lái)說(shuō)，通過(guò)不同種類的學(xué)習(xí)者模型，學(xué)習(xí)者不僅可以掌握自己的學(xué)習(xí)情況，同時(shí)可以根據(jù)學(xué)習(xí)偏好調(diào)整學(xué)習(xí)進(jìn)程。這在某種程度上既能夠滿足學(xué)習(xí)者的個(gè)性化需求，又能夠提高自適應(yīng)學(xué)習(xí)系統(tǒng)的自適應(yīng)性。

2.2 個(gè)性化的學(xué)習(xí)支架

學(xué)習(xí)支架是指對(duì)學(xué)習(xí)者解決問(wèn)題和建構(gòu)意義起輔助作用的學(xué)習(xí)方法、學(xué)習(xí)方向和學(xué)習(xí)工具的統(tǒng)稱。自適應(yīng)學(xué)習(xí)系統(tǒng)中的學(xué)習(xí)支架大多分為自適應(yīng)學(xué)習(xí)路徑和自適應(yīng)反饋兩種形式。其中，自適應(yīng)學(xué)習(xí)路徑給學(xué)習(xí)者提供定制的學(xué)習(xí)內(nèi)容和活動(dòng)，并根據(jù)學(xué)習(xí)者的技能及認(rèn)知風(fēng)格等特點(diǎn)對(duì)學(xué)習(xí)內(nèi)容和活動(dòng)進(jìn)行動(dòng)態(tài)調(diào)整[8]。自適應(yīng)學(xué)習(xí)路徑有以下兩種實(shí)現(xiàn)途徑：

1）學(xué)習(xí)者在系統(tǒng)推薦課程中選擇一門課程進(jìn)行學(xué)習(xí)，如可汗學(xué)院；

2）系統(tǒng)根據(jù)課程內(nèi)部邏輯結(jié)構(gòu)生成不同的學(xué)習(xí)路徑，并參照學(xué)習(xí)者特征給學(xué)習(xí)者分配不同的學(xué)習(xí)路徑，如Smart Sparrow。

而自適應(yīng)反饋則是通過(guò)收集學(xué)習(xí)者的數(shù)據(jù)痕跡，對(duì)采集到的數(shù)據(jù)進(jìn)行挖掘與分析，并基于系統(tǒng)提供的交互功能即時(shí)為學(xué)習(xí)者提供針對(duì)性的反饋[9]。

維果斯基的最近發(fā)展區(qū)理論認(rèn)為學(xué)習(xí)者的認(rèn)知發(fā)展有兩個(gè)水平：現(xiàn)有水平和可能達(dá)到的發(fā)展水平，即認(rèn)知發(fā)展的潛在水平。無(wú)論是自適應(yīng)學(xué)習(xí)路徑還是自適應(yīng)反饋，都相當(dāng)于輔助學(xué)習(xí)者學(xué)習(xí)的腳手架，促進(jìn)學(xué)習(xí)者快速達(dá)到認(rèn)知發(fā)展的潛在水平。

2.3 智能化的學(xué)習(xí)推送

根據(jù)學(xué)習(xí)者模型和知識(shí)圖譜，將合適的內(nèi)容推薦給學(xué)習(xí)者的技術(shù)手段被稱為學(xué)習(xí)推送，推送的內(nèi)容包括課程、自我評(píng)價(jià)題目以及章節(jié)測(cè)試題目等。需要注意的是，實(shí)現(xiàn)智能化的學(xué)習(xí)推送離不開學(xué)習(xí)推薦技術(shù)[10]，學(xué)習(xí)系統(tǒng)中常用的學(xué)習(xí)推薦技術(shù)有基于知識(shí)空間理論的學(xué)習(xí)推送技術(shù)與基于設(shè)計(jì)和算法適應(yīng)性的學(xué)習(xí)推薦技術(shù)。

2.3.1 基于知識(shí)空間理論的學(xué)習(xí)推送

知識(shí)空間理論以學(xué)習(xí)者的知識(shí)狀態(tài)為依據(jù)，是一種用于測(cè)試學(xué)習(xí)者知識(shí)水平、知識(shí)結(jié)構(gòu)的理論方法。知識(shí)狀態(tài)是學(xué)習(xí)者對(duì)某個(gè)知識(shí)點(diǎn)的掌握程度，而知識(shí)空間則是所有知識(shí)狀態(tài)的集合[11]。課程伊始，學(xué)科內(nèi)部不同的知識(shí)點(diǎn)被推送的概率相同，隨著知識(shí)狀態(tài)的增高，該知識(shí)點(diǎn)被推薦的概率上升，反之亦然。這個(gè)過(guò)程在一個(gè)決策周期中持續(xù)下去，直到某一知識(shí)狀態(tài)顯著高于其他知識(shí)狀態(tài)。基于知識(shí)空間理論的學(xué)習(xí)推送方法能夠讓學(xué)習(xí)者在學(xué)習(xí)過(guò)程中充分地體驗(yàn)成功，這有利于提高學(xué)習(xí)者的自我效能感，從而促使學(xué)習(xí)者完整地實(shí)現(xiàn)課程的學(xué)習(xí)。

ALEKS正是運(yùn)用知識(shí)空間理論的學(xué)習(xí)系統(tǒng)[12]，它基于人工智能的知識(shí)空間評(píng)估和學(xué)習(xí)系統(tǒng)實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)推送。本研究以學(xué)習(xí)12以內(nèi)加減法為例，介紹ALEKS中基于知識(shí)空間理論的學(xué)習(xí)推送過(guò)程，如圖3所示。樣式四方塊為系統(tǒng)推薦的練習(xí)題，學(xué)習(xí)者可選擇其中任一方塊進(jìn)行練習(xí)。練習(xí)的內(nèi)容絕大部分為學(xué)習(xí)者已掌握但還需鞏固強(qiáng)化的題目，小部分為學(xué)習(xí)者還未掌握的題目，極少部分為學(xué)習(xí)者未練習(xí)過(guò)的題目。ALEKS用學(xué)習(xí)者對(duì)問(wèn)題序列的回答結(jié)果來(lái)描述其知識(shí)狀態(tài)，同時(shí)以色塊樣式具象化地表示學(xué)習(xí)者的知識(shí)狀態(tài)，這是該系統(tǒng)最突出的特點(diǎn)之一。隨著練習(xí)的不斷深入，方塊樣式會(huì)發(fā)生相應(yīng)改變，按照學(xué)習(xí)者對(duì)練習(xí)題的掌握程度由淺入深，依次表現(xiàn)為樣式三、樣式二、樣式一。其中，樣式一表示學(xué)習(xí)者已完全掌握該題目。

2.3.2 基于設(shè)計(jì)和算法適應(yīng)性的學(xué)習(xí)推送

學(xué)習(xí)者的知識(shí)狀態(tài)是對(duì)某個(gè)科目所有知識(shí)點(diǎn)的掌握程度，各知識(shí)狀態(tài)間的連接關(guān)系被稱為知識(shí)結(jié)構(gòu)。知識(shí)結(jié)構(gòu)可以有效減少知識(shí)狀態(tài)的不確定性，這是因?yàn)閷W(xué)習(xí)者只有掌握了前提條件要求的知識(shí)，才能學(xué)習(xí)進(jìn)階知識(shí)點(diǎn)。而設(shè)計(jì)適應(yīng)性和算法適應(yīng)性能夠根據(jù)知識(shí)結(jié)構(gòu)進(jìn)行學(xué)習(xí)推薦，有效保障課程知識(shí)的連貫性與邏輯性，對(duì)自適應(yīng)學(xué)習(xí)系統(tǒng)的建設(shè)與開發(fā)起到至關(guān)重要的作用。該學(xué)習(xí)推薦方法側(cè)重于設(shè)計(jì)適應(yīng)性，即教學(xué)設(shè)計(jì)者、課程專家以及教師通過(guò)研究課程結(jié)構(gòu)以設(shè)計(jì)不同的自適應(yīng)學(xué)習(xí)路徑。而算法適應(yīng)性回答了“學(xué)習(xí)者知道什么”和“學(xué)習(xí)者下一步應(yīng)該學(xué)習(xí)什么”兩個(gè)問(wèn)題?；谶@些答案，算法可為學(xué)習(xí)者選擇恰當(dāng)?shù)膶W(xué)習(xí)內(nèi)容。

Smart Sparrow是一個(gè)典型的基于設(shè)計(jì)和算法適應(yīng)性的自適應(yīng)學(xué)習(xí)系統(tǒng)，被應(yīng)用于工程、醫(yī)學(xué)、科學(xué)、金融和市場(chǎng)營(yíng)銷等領(lǐng)域，是一個(gè)權(quán)威的、有借鑒意義的學(xué)習(xí)系統(tǒng)。系統(tǒng)根據(jù)專家教學(xué)模型來(lái)設(shè)計(jì)幾種學(xué)習(xí)途徑以此支持學(xué)習(xí)者的學(xué)習(xí)過(guò)程。同時(shí)，專家教學(xué)模型從概念和問(wèn)題領(lǐng)域推算學(xué)習(xí)者可能發(fā)生錯(cuò)誤的地方，采用“If This， then That”的方法調(diào)整課程中的推送內(nèi)容，即選擇內(nèi)容決定了推送內(nèi)容。為了實(shí)現(xiàn)此種學(xué)習(xí)推送，系統(tǒng)需判斷“學(xué)習(xí)者知道什么”和“學(xué)習(xí)者下一步應(yīng)該學(xué)習(xí)什么”。因此，Smart Sparrow采用貝葉斯知識(shí)追蹤（BKT）估算學(xué)習(xí)發(fā)生的速率，并采用項(xiàng)目反應(yīng)理論（IRT）對(duì)學(xué)習(xí)者與學(xué)習(xí)內(nèi)容互動(dòng)進(jìn)行建模。

2.4 多樣化的學(xué)習(xí)反饋

學(xué)習(xí)反饋是指將學(xué)習(xí)活動(dòng)結(jié)果的有關(guān)信息提供給學(xué)習(xí)者的活動(dòng)，常見的學(xué)習(xí)反饋包括驗(yàn)證性反饋、指導(dǎo)性反饋、腳手架反饋、鼓勵(lì)性反饋和批評(píng)性反饋。大多數(shù)研究認(rèn)為學(xué)習(xí)反饋能夠提高學(xué)習(xí)者的元認(rèn)知能力，促進(jìn)學(xué)習(xí)者積極地調(diào)節(jié)學(xué)習(xí)，從而正向影響學(xué)習(xí)績(jī)效。但是，也有不少研究證實(shí)了反饋對(duì)學(xué)習(xí)結(jié)果的負(fù)面影響。這可能是因?yàn)檫^(guò)多的非精心設(shè)計(jì)的反饋對(duì)輔助學(xué)習(xí)者學(xué)習(xí)來(lái)說(shuō)是無(wú)效的，并且可能轉(zhuǎn)移學(xué)習(xí)者的注意力，甚至?xí)?dǎo)致認(rèn)知超負(fù)荷。因?yàn)榉答伾婕皟?nèi)容和形式兩方面，所以更加有必要對(duì)系統(tǒng)的反饋進(jìn)行精心設(shè)計(jì)。

2.4.1 提供自我解釋提示

自我解釋是學(xué)習(xí)者為了理解學(xué)習(xí)內(nèi)容而從事的一種學(xué)習(xí)活動(dòng)，自我解釋提示能夠誘發(fā)自我解釋從而提升學(xué)習(xí)效果。因此，在自適應(yīng)學(xué)習(xí)系統(tǒng)中提供自我解釋提示顯得尤為必要。ChiQat就是根據(jù)學(xué)習(xí)者的行為表現(xiàn)提供具有針對(duì)性的自我解釋提示，為豐富學(xué)習(xí)反饋提供良好的范式。其主要被用于大學(xué)編程的學(xué)習(xí)中，如數(shù)據(jù)結(jié)構(gòu)和Python語(yǔ)言等。

該系統(tǒng)的頁(yè)面布置如圖4所示，頁(yè)面被劃分為四個(gè)區(qū)域，左上角區(qū)域呈現(xiàn)題目，學(xué)習(xí)者在頁(yè)面最右塊區(qū)域鍵入程序表達(dá)方程式，頁(yè)面主體綠色部分以動(dòng)畫形式實(shí)時(shí)動(dòng)態(tài)地顯示方程式相對(duì)應(yīng)操作，頁(yè)面笑臉部分為學(xué)習(xí)支架提示框。ChiQat根據(jù)學(xué)習(xí)者的操作彈出相應(yīng)的提示，當(dāng)學(xué)習(xí)者回答正確時(shí)，顯示正向反饋；而當(dāng)學(xué)習(xí)者回答錯(cuò)誤時(shí)，則以選擇題的形式呈現(xiàn)自我解釋提示，引導(dǎo)學(xué)習(xí)者進(jìn)行自我解釋并改正錯(cuò)誤步驟，從而寫出正確的方程式。除此之外，當(dāng)學(xué)習(xí)者長(zhǎng)時(shí)間沒有操作時(shí)，也會(huì)彈出引導(dǎo)思考的提示內(nèi)容。例如，在學(xué)習(xí)“數(shù)據(jù)結(jié)構(gòu)中鏈表的連接”時(shí)，在當(dāng)前狀態(tài)中若學(xué)習(xí)者長(zhǎng)時(shí)間沒有操作，則彈出提示“變量T已經(jīng)指向節(jié)點(diǎn)3，現(xiàn)在我們想讓變量T指向空，我們應(yīng)該怎樣操作呢”。該提示明確了當(dāng)前應(yīng)實(shí)現(xiàn)的操作，提示學(xué)習(xí)者思考如何實(shí)現(xiàn)該操作以完成鏈表的合并。自我解釋提示能夠促進(jìn)學(xué)習(xí)者的深入思考，尤其是對(duì)低先驗(yàn)知識(shí)學(xué)習(xí)者，這部分學(xué)習(xí)者沒有清晰的解題思路，他們不清楚要解決的具體問(wèn)題，而自我解釋提示能很好地解決這一問(wèn)題。以自我解釋提示的形式呈現(xiàn)不完整樣例，在學(xué)習(xí)者出現(xiàn)思維漏洞或者相關(guān)知識(shí)點(diǎn)遺忘時(shí)進(jìn)行解題提示，能夠促進(jìn)思維連貫性，有利于培養(yǎng)學(xué)習(xí)者的問(wèn)題解決能力。

2.4.2 分析可能出現(xiàn)錯(cuò)誤的步驟

分析可能出現(xiàn)錯(cuò)誤的步驟指的是當(dāng)學(xué)習(xí)者輸入一個(gè)錯(cuò)誤答案時(shí)，系統(tǒng)通過(guò)跟蹤可能的解決方案路徑，確定他們可能犯錯(cuò)誤的地方并將其呈現(xiàn)給學(xué)習(xí)者。該步驟無(wú)論是對(duì)學(xué)習(xí)者還是對(duì)教師而言都意義重大。對(duì)學(xué)習(xí)者來(lái)說(shuō)，能夠幫助自身分析可能出錯(cuò)的原因，有利于學(xué)習(xí)者改正錯(cuò)誤的認(rèn)知習(xí)慣，從而提高學(xué)習(xí)績(jī)效。而對(duì)教師而言，通過(guò)該反饋形式，教師可以總結(jié)班級(jí)里出現(xiàn)錯(cuò)誤頻率較多的步驟，對(duì)其進(jìn)行分類匯總，找出錯(cuò)誤步驟中蘊(yùn)含的知識(shí)或技巧，將其統(tǒng)一教授給學(xué)習(xí)者；根據(jù)總結(jié)得出的易錯(cuò)步驟和易錯(cuò)知識(shí)技巧，教師可以優(yōu)化學(xué)習(xí)視頻、學(xué)習(xí)資源等教學(xué)內(nèi)容，實(shí)現(xiàn)課程內(nèi)容的迭代升級(jí)。

本研究以“在9a+10=28中，求a的值”一題為例，介紹ASSISTments中分析可能出現(xiàn)錯(cuò)誤的步驟的實(shí)現(xiàn)路徑，如圖5所示。當(dāng)學(xué)習(xí)者給出一個(gè)錯(cuò)誤答案時(shí)，系統(tǒng)追蹤到學(xué)習(xí)者可能的問(wèn)題解決路徑依次為：第一步是方程左右兩邊減10，第二步是方程左右兩邊分別除以9，第三步是得出結(jié)果。在本例中，系統(tǒng)推斷學(xué)習(xí)者在第一步和第二步上回答正確，在第三步計(jì)算結(jié)果時(shí)出現(xiàn)錯(cuò)誤，學(xué)習(xí)者誤將18/9寫成了-2。通過(guò)預(yù)判解決方案路徑，分析可能出現(xiàn)錯(cuò)誤的步驟，學(xué)習(xí)者可得知錯(cuò)誤出現(xiàn)的原因，即對(duì)兩數(shù)相除的正負(fù)號(hào)問(wèn)題掌握不牢固。因此，根據(jù)該反饋能夠了解自身的薄弱點(diǎn)，有利于學(xué)習(xí)者查漏補(bǔ)缺，仔細(xì)考量正負(fù)號(hào)問(wèn)題?？偟膩?lái)說(shuō)，分析可能出現(xiàn)錯(cuò)誤的原因?qū)W(xué)習(xí)者改正錯(cuò)誤、提升成績(jī)至關(guān)重要。

3 對(duì)我國(guó)建設(shè)自適應(yīng)學(xué)習(xí)系統(tǒng)的啟示

3.1 構(gòu)建強(qiáng)大的學(xué)習(xí)者綜合模型

可汗學(xué)院、ALEKS從認(rèn)知學(xué)習(xí)和行為表現(xiàn)兩方面分析了學(xué)習(xí)者的知識(shí)掌握水平，并將其開放給教學(xué)相關(guān)人員，在一定程度上提高了教學(xué)績(jī)效。相比之下，我國(guó)大部分自適應(yīng)學(xué)習(xí)系統(tǒng)往往忽略了對(duì)學(xué)習(xí)者特征的挖掘。因此，有必要借鑒國(guó)外學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者模型的內(nèi)容以及開放方式，以此構(gòu)建強(qiáng)大的學(xué)習(xí)者綜合模型，從而實(shí)現(xiàn)學(xué)習(xí)者學(xué)習(xí)路徑的動(dòng)態(tài)調(diào)整。除了學(xué)習(xí)者的特征之外，相關(guān)研究還發(fā)現(xiàn)學(xué)習(xí)者的情感與其認(rèn)知和行為密切相關(guān)。情感會(huì)影響學(xué)習(xí)者獲取信息的方式，因此，學(xué)習(xí)者模型有必要對(duì)學(xué)習(xí)者的情感領(lǐng)域進(jìn)行挖掘和分析。為了獲取學(xué)習(xí)者在情感領(lǐng)域的數(shù)據(jù)，可使用可穿戴傳感器、生物傳感器、手勢(shì)傳感器、紅外成像和眼球跟蹤等技術(shù)捕獲多模態(tài)數(shù)據(jù)[13]。系統(tǒng)捕獲的數(shù)據(jù)源主要包括生理數(shù)據(jù)（表情、心跳、腦電波、凝視和覺醒）、行為數(shù)據(jù)（言語(yǔ)、寫作、手勢(shì)、姿態(tài)與步數(shù)）和學(xué)習(xí)軌跡數(shù)據(jù)（學(xué)習(xí)平臺(tái)登錄、學(xué)習(xí)記錄和學(xué)習(xí)制品）[14]。

總而言之，在架構(gòu)學(xué)習(xí)者模型時(shí)應(yīng)以多模態(tài)的方法豐富學(xué)習(xí)者認(rèn)知學(xué)習(xí)領(lǐng)域的表現(xiàn)形式，同時(shí)記錄學(xué)習(xí)者在系統(tǒng)中的行為表現(xiàn)。除此之外，更要注重對(duì)學(xué)習(xí)者情感領(lǐng)域變化過(guò)程進(jìn)行評(píng)估。

3.2 開發(fā)多方位的學(xué)習(xí)支持服務(wù)

國(guó)外的自適應(yīng)學(xué)習(xí)系統(tǒng)所開發(fā)的學(xué)習(xí)支持服務(wù)包括學(xué)習(xí)路徑、學(xué)習(xí)反饋和總結(jié)性學(xué)習(xí)評(píng)價(jià)，這些支持服務(wù)很好地幫助了學(xué)習(xí)者選擇學(xué)習(xí)內(nèi)容、評(píng)價(jià)學(xué)習(xí)結(jié)果。但不可否認(rèn)的是，學(xué)習(xí)者在學(xué)習(xí)過(guò)程中可能會(huì)遇到很多問(wèn)題。例如，對(duì)知識(shí)框架沒有明確的認(rèn)知，或者遺忘關(guān)鍵知識(shí)甚至解題的關(guān)鍵步驟。遺憾的是，現(xiàn)有的學(xué)習(xí)系統(tǒng)對(duì)這些在學(xué)習(xí)過(guò)程中遇到的問(wèn)題沒有很好的應(yīng)對(duì)措施。因此，參考ChiQat之類的系統(tǒng)針對(duì)解決這類問(wèn)題所開發(fā)的支持服務(wù)是極具現(xiàn)實(shí)意義和研究?jī)r(jià)值的。

本研究提出學(xué)習(xí)支持服務(wù)還應(yīng)該有更為豐富的表現(xiàn)形式——自我解釋提示，可以對(duì)學(xué)習(xí)者在學(xué)習(xí)過(guò)程中遇到的問(wèn)題起到很好的支撐作用，具體形式如下。

1）將自我解釋提示嵌入學(xué)習(xí)視頻中或者視頻末尾，提示學(xué)習(xí)者思考知識(shí)漏洞、填充知識(shí)框架、架構(gòu)知識(shí)體系。

2）記錄學(xué)習(xí)者的學(xué)習(xí)行為，并根據(jù)行為彈出相關(guān)提示。若學(xué)習(xí)者在測(cè)試考核中長(zhǎng)時(shí)間沒有操作，則自動(dòng)彈出可能遺忘的關(guān)鍵知識(shí)或者解題的關(guān)鍵步驟；若學(xué)習(xí)者回答錯(cuò)誤，則提示可能出現(xiàn)錯(cuò)誤的原因。恰當(dāng)?shù)淖晕医忉屘崾灸軌虼偈箤W(xué)習(xí)者對(duì)相關(guān)知識(shí)進(jìn)行深度加工，從而提升學(xué)習(xí)效果。

除此之外，自適應(yīng)學(xué)習(xí)系統(tǒng)中的自我解釋提示還應(yīng)該具有針對(duì)性，主要體現(xiàn)在以下兩點(diǎn)。

1）對(duì)不同先驗(yàn)知識(shí)的學(xué)習(xí)者提供不同形式的提示。對(duì)于高先驗(yàn)知識(shí)學(xué)習(xí)者來(lái)說(shuō)，開放類提示、思維導(dǎo)圖類或者畫圖類提示能產(chǎn)生更好的學(xué)習(xí)效果，提示重點(diǎn)在于幫助學(xué)習(xí)者架構(gòu)知識(shí)體系；對(duì)于中先驗(yàn)知識(shí)學(xué)習(xí)者來(lái)說(shuō)，選擇類或填空類提示效果更佳，可以幫助學(xué)習(xí)者彌補(bǔ)知識(shí)漏洞；而對(duì)于低先驗(yàn)知識(shí)的學(xué)習(xí)者來(lái)說(shuō)，直接提供教學(xué)解釋不失為好的提示方法，目的在于幫助學(xué)習(xí)者記憶知識(shí)概念。

2）對(duì)相同先驗(yàn)知識(shí)的學(xué)習(xí)者來(lái)說(shuō)，系統(tǒng)應(yīng)根據(jù)其學(xué)習(xí)者模型、知識(shí)狀態(tài)、思維方式以及學(xué)習(xí)偏好提供具有針對(duì)性的自我解釋提示。

3.3 研發(fā)迭代性的學(xué)習(xí)系統(tǒng)

自適應(yīng)學(xué)習(xí)系統(tǒng)不應(yīng)該僅為學(xué)習(xí)者提供自適應(yīng)的學(xué)習(xí)路徑和學(xué)習(xí)支持，更應(yīng)該使系統(tǒng)具有自適應(yīng)性。系統(tǒng)自身的自適應(yīng)性指的是系統(tǒng)利用深度學(xué)習(xí)和機(jī)器學(xué)習(xí)等技術(shù)，通過(guò)分析收集到的學(xué)習(xí)者的行為數(shù)據(jù)，實(shí)現(xiàn)系統(tǒng)的迭代升級(jí)。系統(tǒng)應(yīng)該具有自調(diào)適參數(shù)，即隨著計(jì)算及運(yùn)行次數(shù)的增多，通過(guò)學(xué)習(xí)逐步提升和自我改善，使挖掘和預(yù)測(cè)的功能更為準(zhǔn)確。即給予學(xué)習(xí)者更為個(gè)性化的學(xué)習(xí)資源、更加智能化的學(xué)習(xí)課程推薦和個(gè)性化的學(xué)習(xí)支持[15]。例如，根據(jù)學(xué)習(xí)者的實(shí)際學(xué)習(xí)數(shù)據(jù)，利用貝葉斯網(wǎng)絡(luò)來(lái)發(fā)現(xiàn)知識(shí)點(diǎn)之間更加貼合學(xué)習(xí)者實(shí)際學(xué)習(xí)的關(guān)聯(lián)關(guān)系，并對(duì)原始知識(shí)圖譜中知識(shí)點(diǎn)間的相互關(guān)系進(jìn)行更新迭代[16]。除此之外，學(xué)習(xí)系統(tǒng)還應(yīng)該通過(guò)收集大量學(xué)習(xí)者的行為數(shù)據(jù)，不斷改進(jìn)學(xué)習(xí)者模型的衡量指標(biāo)，進(jìn)而更加準(zhǔn)確地對(duì)學(xué)習(xí)者模型進(jìn)行

建模。

4 參考文獻(xiàn)

[1] 李鳳英，龍紫陽(yáng).從自適應(yīng)學(xué)習(xí)推薦到自適應(yīng)學(xué)習(xí)牽引模型：“智能+”教育時(shí)代自適應(yīng)學(xué)習(xí)研究取向[J].遠(yuǎn)程教育雜志，2020，38（6）：22-31.

[2] 冷靜，付楚昕，路曉旭.人工智能時(shí)代的個(gè)性化學(xué)習(xí)：訪國(guó)際著名在線學(xué)習(xí)領(lǐng)域?qū)＜疫~克·沙普爾斯教授[J].中國(guó)電化教育，2021（6）：69-74.

[3] 童名文，師亞飛，戴紅斌，等.智慧學(xué)習(xí)環(huán)境中自適應(yīng)學(xué)習(xí)系統(tǒng)動(dòng)力機(jī)制研究[J].電化教育研究，2020，41（2）：68-75.

[4] 宋銀李.面向自適應(yīng)學(xué)習(xí)的在線學(xué)習(xí)資源推薦系統(tǒng)的研究與應(yīng)用[D].昆明：云南師范大學(xué)，2022.

[5] 張鈺，李佳靜，朱向陽(yáng)，等.ASSISTments平臺(tái)：一款優(yōu)秀的智能導(dǎo)學(xué)系統(tǒng)[J].現(xiàn)代教育技術(shù)，2018，28（5）：102-108.

[6] Afini Normadhi NB， Shuib L， Md Nasir H. N.， et al. Identification of personal traits in adaptive learning environment： Systematic literature review[J].Computers & Education，2018：1-45.

[7] Hooshyar D， Pedaste M， Saks K， et al. Open lear-ner models in supporting self-regulated learning in higher education： A systematic literature review[J].Computers & Education，2020.

[8] 王慧.自適應(yīng)學(xué)習(xí)模式在高職教學(xué)中的可能與路徑：基于人工智能時(shí)代背景[J].武漢職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2022，21（1）：39-44.

[9] 陳明選，王詩(shī)佳.測(cè)評(píng)大數(shù)據(jù)支持下的學(xué)習(xí)反饋設(shè)計(jì)研究[J].電化教育研究，2018，39（3）：35-42，61.

[10] 李鳳英，龍紫陽(yáng).從自適應(yīng)學(xué)習(xí)推薦到自適應(yīng)學(xué)習(xí)牽引模型：“智能+”教育時(shí)代自適應(yīng)學(xué)習(xí)研究取向[J].遠(yuǎn)程教育雜志，2020，38（6）：22-31.

[11] Eric Cosyn HU， Christopher D， Jeffrey Matayoshi.

A practical perspective on knowledge space theory： ALEKS and its data[J].Journal of Mathe-matical sychology，2021（1）：1-31.[12] 王碩爍，馬玉慧.國(guó)外典型自適應(yīng)學(xué)習(xí)平臺(tái)的基本框架及其關(guān)鍵技術(shù)分析[J].開放學(xué)習(xí)研究，2018，23（1）：48-54.

[13] 劉哲雨，郝曉鑫，王紅，等.學(xué)習(xí)科學(xué)視角下深度學(xué)習(xí)的多模態(tài)研究[J].現(xiàn)代教育技術(shù)，2018，28（3）：12-18.

[14] 牟智佳，符雅茹.多模態(tài)學(xué)習(xí)分析研究綜述[J].現(xiàn)代教育技術(shù)，2021，31（6）：23-31.

[15] 馬相春，鐘紹春，徐妲.大數(shù)據(jù)視角下個(gè)性化自適應(yīng)學(xué)習(xí)系統(tǒng)支撐模型及實(shí)現(xiàn)機(jī)制研究[J].中國(guó)電化教育，2017（4）：97-102.

[16] 崔煒，薛鎮(zhèn).松鼠AI智適應(yīng)學(xué)習(xí)系統(tǒng)[J].機(jī)器人產(chǎn)業(yè)，2019（4）：84-94.