自适应学习系统研究

2018-06-21马媛婕

软件导刊 2018年5期

关键词：个性化学习

马媛婕

摘要：通过对2007-2016年国内自适应学习系统相关研究论文进行检索，将其分类整理，分析研究内容，反思自适应学习系统研究现状，提出未来研究方向。

关键词：自适应学习；自适应学习系统；个性化学习

DOI：10.11907/rjdk.172814

中图分类号：TP301

文献标识码：A 文章编号：1672-7800（2018）005-0019-03

Abstract：Adaptive learning system has been talked in the NMC Horizon Report （Higher Education Edition） in 2016 and 2017， where it was divided into the technology that would be used in the short time. 2017 NMC Horizon report said that adaptive learning will be well developed in 2017. This thesis chose the paper， which is related to the adaptive learning system and wrote during the 2007 and 2016， and analysis the content they study. Then give some advises about the development of adaptive learning system.The research papers on domestic adaptive learning system between 2007 to 2016 are reviewed and sorted for content analysis. The deomestic research status is analyzed and suggestions about the development of adaptive learning system are provided.

Key Words：adaptive learning； adaptive learning system； individual learning

0 引言

自古以来教育家都倡导 “因材施教”，但由于各种原因导致 “因材施教”这一教育方法在当代无法很好地施行。美国、英国和新加坡相关部门都曾提出为学生提供个性化学习，在2015年“新媒体联盟地平线报告”中提出实现个性化学习是一项艰难的挑战，而自适应学习技术为个性化学习实现提供了一种方法[1]。

1 自适应学习与自适应学习系统

自适应学习基于大数据，能够为每位学习者提供最优、最适合自己的学习资源，真正意义上实现以学习者为主体的教育，在学习内容呈现与推送方面实现实时性和个性化。自适应学习技术是监控学习过程的技术，利用数据随时修正教学，与学习分析密切相关，一定程度上实现了个性化学习。其目标在于帮助学生准确且有逻辑地按照学习路径进行主动学习，锁定学习困难学生群体，评估影响学习完成度因素。

互联网环境下的自适应学习系统由学习、教学、管理与维护及支持4部分组成[2]。其中，学习部分集中体现了自适应学习系统特点，是学习过程中产生信息的集合，包括学习者背景、学习方式。通过分析学习者的信息集合，学习系统会针对每个学习者的不同情况提供个性化学习指导，使学习者在日后的学习中有一定的针对性。教學部分是知识点的集合，包括每一个具体概念之间的联系，以及每个概念的呈现方式。教学部分和学习者分析部分相结合，以便能根据学习者自身需求提供个性化的学习方案，并对学习过程进行必要的干预。管理与维护部分针对不同的学习情况建立管理维护方案，协调解决网络学习过程中产生的各种问题。支持部分则是对知识库、题库和记录库进行及时必要的修改和更新，以便为学习者提供更为准确新颖的知识点和题库。

2 研究方法

本文采用文献研究法，在中国知网上使用高级检索，将时间范围限定在2007-2016年之间，对关键词“自适应学习”以及“自适应学习系统”进行检索。共检索出相关文献53篇，删除与本研究相关度不大的文献5篇，剩余48篇，其中期刊论文31篇，博硕士毕业论文16篇，会议论文1篇。期刊论文主要出自《中国电化教育》、《电化教育研究》、《现代教育技术》等期刊，学位论文主要集中在东北师范大学等师范院校。

3 研究分析

为了更加准确地分析2007-2016年间国内对自适应学习系统的相关研究，本文从数量、文献来源角度分析相关研究趋势，从研究内容的角度分析近些年研究热点的变化。

3.1 相关论文发表趋势

对 “中国知网”上的相关文献进行计量可视化分析，见图1。从图1可以看出，针对自适应学习的研究文献数量逐年递增，表明自适应学习系统越来越受到研究者关注，同时也体现出自适应学习系统发展迅速。

国内针对自适应学习的研究论文主要集中在期刊杂志上，博硕士学位论文以及国际国内会议文献较少，如图2所示。

3.2 研究内容分析

从研究内容角度看，我国大部分研究集中在系统开发与设计阶段。例如，姜强、赵蔚等[3]发表在《现代远距离教育》2013年第1期的“基于 GALSRM 模型的自适应学习系统体系结构研究”一文，根据自适应学习系统模型特点，基于GALSRM设计了一个新的自适应学习系统架构，对其设计思想进行了论述。李志聪和钟绍春[4]发表在《计算机工程与科学》2009年第31期上的 “自适应学习系统中朴素贝叶斯分类的应用研究”一文，设计了一个全新的自适应学习系统模型。此外，还有较多的论文针对自适应学习系统的改进做了大量研究工作。

自适应学习系统整体建模方面也有研究，从能力模型、学习风格模型、领域模型等角度建立新的自适应学习系统模型。例如芮玎玎[5]2013年发表在《高等继续教育学报》第26卷第3期上的 “自适应学习系统中适应模型的构建”一文中，基于两种不同的学习模型，结合二者优点组建了一种基于“自适应学习路径”的模型构建方法，能有效避免当前自适应学习系统模型的缺点和不足。陈丽[6]2014年发表在《吉林省教育学院学报》第30卷上的“阅读自适应学习系统中领域模型的构建策略”提出要构建良好的领域模型，从而为学习者提供对症下药式的学习内容，以便提高学习效率。

此外，还有一小部分论文集中在自适应学习系统的研究历程与学习平台方面，通过比较国内外学者对自适应学习系统的研究过程与现状，为自适应学习系统研究提出方向与建议，如郭朝晖等[7]发表在《电化教育研究》2016年第4期上的“国内外自适应学习平台的现状分析研究”一文中，使用比较分析研究方法，分析比较了国内的猿题库，国外的Knewton、 Smart Sparrow等6个自适应学习平台，通过分析比较为自适应学习平台的发展与开发提出了3条建设性建议。姜强、赵蔚[8]发表在《现代远距离教育》2011年第6期上的“自适应学习系统述评及其优化机制研究”一文，通过对国内外自适应学习系统的研究现状分析，比较研究了国内外自适应学习平台，总结各自的优缺点，在系统参考模型设计、用户模型和领域模型构建、个性化学习资源推送策略等方面进行了优化设计，为自适应学习系统与平台的发展提供了方向与范例。

3.3 研究趋势

通过对检索到的48篇论文进行分析比较，发现近年国内自适应学习系统相关研究趋势有所变化。

首先是关注重点不同。自适应学习系统的相关研究从整体的系统建模、设计与开发阶段逐步转向实际运用学习平台或系统中某一部分设计与开发阶段。例如通过对学习风格模型、领域模型以及能力模型进行相关研究，建立一个新型的自适应学习系统。也有一部分研究致力于将理论模型转化为实际应用的自适应学习平台。这一变化趋势表明自适应学习系统相关研究逐步趋于细化，并走向实际开发应用阶段。

其次，逐步致力于学习者模型的研究与构建，更多关注学习者自身的学习风格，让自适应学习系统能够适应学习者自身特点，以便为学习者提供更加准确的学习资源以及学习情况分析，并给予相应的学习建议。这一变化趋势表明自适应学习系统将更加人性化、智能化，为学习者推送具有较高适应性的学习资源，让学习者更好地学习某一知识点，提高学习效率。

近些年的自适应学习系统研究不仅仅局限于教育领域，还逐渐涉及到高级计算机技术，如语义网络与数据收集整理技术。语义网络技术主要应用于自适应学习系统相关模型描述，而数据收集与整理则主要应用于学习者信息的收集以及学习过程中产生数据的分析，这一研究范围的变化使得自适应学习系统更加智能化，提供的服务也更为准确。

3.4 相关研究不足之处

在相关研究不断向前发展的同时，也有一些不足之处，如理论性研究较多，以自适应学习平台的比较分析、自适应学习系统研究现状、自适应学习系统相关模型的建立为主，而实证类研究较少。分析成因主要是成型的自适应学习系统及平台较少，缺乏一个成熟的自適应学习系统供实证类研究使用。另一方面，自适应学习系统及平台的搭建，不仅需要教育技术方面的专家，还需要计算机科学方面的专家，只有两者相互配合才行。此外，研究范围较窄、大多数研究集中在某个方面或某个模型的搭建方面，如有的研究集中在整体建模、能力模型和领域模型方面，导致研究方向较为单一。

4 建议与展望

4.1 将新技术与新理论融入系统开发过程

目前自适应学习系统基于基本的计算机科学理论，没有将较为新颖的计算机技术、教育学相关理论以及心理学知识融入到系统设计与开发过程中。根据《2017地平线报告（高等教育版）》设想，自适应学习系统应当是一个能够随时随地提供相关学习资料与学习指导的系统，能够很好地识别学习者的学习状态与情感，及时转换教学方式并给予学习者一定的干预。因此，随着研究的不断深入，自适应学习系统将融入更多的新技术与新理念。

4.2 重视实证类研究

相关研究主要着眼于系统搭建、各种模型的建立与改进以及自适应学习系统发展历程等，实证类研究很少。因此，应当针对现有的自适应学习系统进行一些实证类研究，指导自适应学习系统开发及升级，使自适应学习系统更好地为教学活动服务。

4.3 建立科学合理的评价体系

自适应学习系统之间有很大区别，没有形成相应的体系化评价标准。应制定自适应学习系统相关评价体系，使自适应学习系统能够更好地发展。

4.4 与新兴技术紧密结合

新技术的不断涌现为自适应学习系统发展提供了机遇，使得自适应学习系统能够更加准确地捕捉到学习者的各项信息并进行科学分析。大数据与自适应学习系统结合，使自适应学习系统能够对学习过程进行全方位分析，分析结果更加准确，提供的服务也更加智能。

参考文献：

[1] 新媒体联盟.新媒体联盟地平线报告：2017高等教育版[J].开放教育研究，2017（2）：46-49.

[2] 王彦如.互联网环境下自适应学习系统研究[J].无线互联科技，2016（1）：23-27.

[3] 姜强，赵蔚，王朋娇.基于GALSRM模型的自适应学习系统体系结构研究[J].现代远距离教育，2013（1）：71-77.

[4] 李志聪，钟绍春.自适应学习系统中朴素贝叶斯分类的应用研究[J].计算机工程与科学，2009，31（9）：102-104.

[5] 芮玎玎.自适应学习系统中适应模型的构建[J].高等继续教育学报，2013，26（3）：41-44.