自适应学习：大数据时代个性化学习的新推力

胡旺 陈瑶

摘 要：新媒体联盟（NMC）连续三年发布的地平线报告与首个中国高等教育地平线报告均指出，自适应学习是未来影响高等教育发展的关键技术之一，已成为教育领域研究的新热点。文章从考察自适应学习起源出发，提炼出自适应学习的内涵，对自适应内容、自适应评估、自适应序列三种主要的自适应学习工具进行概述；最后结合自适应学习在语言培训、教育游戏、教育测评领域的应用现状及Knewton、Istation Reading两个自适应学习案例的分析，提出自适应学习在教育中的应用优势及挑战。

关键词：自适应学习；大数据；个性化学习；地平线报告

中图分类号：G40 文献标志码：A 文章编号：1673-8454（2018）21-0042-06

2017年2月，美国新媒体联盟官网（The New Media Consortium，NMC）依照惯例发布2017年《NMC地平线报告（高教版）》，该报告由国内外知名专家、学者以Wiki Space平台为基础，主要以德尔菲质性研究为分析方法[1]得出。报告主体预测了高等教育技术方面的六大进展，其中自适应学习技术在未来1～2年会被广泛运用。该年3月，北京师范大学智慧学习研究院与美国新媒体联盟合作，发布了首个针对中国高等教育的地平线报告，该报告预测了未来五年内影响中国高等教育发展的12大技术，其中适应性学习被认为在未来2～3年将取得重要突破。自适应学习技术与适应性学习同时指向一个名词，即自适应学习。自适应学习已经不是地平线报告中的新面孔，查看2004年以来的《NMC地平线报告（高教版）》，发现2015年、2016年连续两年高等教育的重大进展中均出现自适应学习的身影。由此可见，自适应学习在未来高等教育领域有着广阔的应用前景，且目前英国、美国、挪威等国家将其视为教育信息化的首要发展战略。[2]在我国，祝智庭教授[3]曾提出个性化自适应学习系统将成为以大数据为基础的新的教育技术范式。基于此，文章对自适应学习加以解读，分析其内涵、在教育领域的应用现状、趋势及挑战，以期为后续研究提供参考。

一、自适应学习的概述

1.自适应学习的缘起

在我国，自适应学习最早可以追溯到2000多年前孔子所倡导的“因材施教”教学思想。而其研究则真正开始于20世纪80年代，1983年朱新明教授与西蒙（H. A.Simon，国际认知科学家）合作探究示例演练学习（自适应学习的一种重要形式）在学科教学中的有效性，并从信息加工角度探讨其认知过程。[4]经过10多年研究，其团队提出基于产生式系统的人类自适应学习模型、相关理论、原则及方法。[5]1996年，Brusilovsky教授[6]提出适应性超媒体系统的概念（自适应学习系统由其演化而来）。此后，关于自适应学习的研究日益增多，尤其是近几年随着移动设备及教育信息化的快速发展，自适应学习成为广大科研工作者关注的热点之一。2016年培生集团顺势推出《解码自适应学习》报告，作为目前唯一一份关于自适应学习的研究报告，该报告通过对K12及高等教育领域自适应学习工具的研究，系统回答了自适应学习的定义、工具，及各工具间的区别与联系等问题。[7]自适应学习与教育大数据结合，共同关注学习者个性化发展，回归教育本质，与时代发展对人才的要求相吻合，未来必将受到更多研究者的青睐。自适应学习发展脉络如图1所示。

2.自适应学习的内涵

（1）适应的内涵

“适应”在《现代汉语词典》中有两层意思，一是生物学中常用的概念，“生物适应”既指生物体与环境的协调程度，又指生物体为适应环境所做的改变，即生物体的进化过程；二是在心理学领域，“感觉适应”指感受器在持续刺激下产生感受性变化的现象，如从亮处进入暗处，要经过一段时间才能看清东西。[8]著名儿童心理学家皮亚杰[9]认为智力的本质是一种适应，是在主体与客体互相作用过程中产生并通过主体不断自我调节构造起来的不同心理技能。在教育领域，潘懋元先生[10]认为“教育适应”有两方面的含义：一是教育受到一定社会政治、经济、文化科学所制约；二是教育必须为一定社会的政治、经济、文化科学的发展服务。唐荣德[11]认为“教育适应学生”中的“适应”是指教育要有针对性地引导和促进每一种发展可能性的有效发展，这与当前个性化教育理念不谋而合。

（2）自适应学习的内涵

“自适应”在强调教育引导功能的同时更注重学习者特征，学习环境、学习内容等随学习者情况的变化实时改变。纵观国内外关于自适应学习的相关定义，主要分为两类：一类是从学习者角度出发解读自适应学习，如高虎子等[12]认为自适应学习是指学习者在学习过程中，通过积极的探索和思考，把知识与技术的获取与学习者学习条件及其学习进度相結合的一种学习方式；时龙[13]认为自适应学习的要义是学习者从自身的实际出发，按照自己的方式学习，教育的根本功能是激活和调动学习者自身的内在学习机制，引导学习者在改变自身过程中得到发展。另一类则是从学习工具视角解读自适应学习，如《解码自适应学习》报告将自适应学习看成一种教育科技手段，通过自主提供适合每位学生的独立帮助，在现实中与学生产生实时互动，[14]姜强等[15]认为自适应学习是一种系统驱动隐性知识呈现的方法，有助于防止学习者发生认知超载和网络迷航等现象。

结合各领域对“适应”一词的界定及自适应学习现有的阐释，笔者认为自适应学习（Adaptive Learning）是指学习者根据具体的学习情境，学习风格、认知水平等个体特征不断调整自身学习活动、学习方式、学习内容等以适应新的变化，化被动学习为主动学习，激发自身学习兴趣与学习信心，进而大大提升学习效果的学习方式。简言之，自适应学习是学习者按照自己的方式学习，学习时间、学习内容、学习方法、学习进度等全由学习者自己掌控。值得一提的是，自适应学习的学习结果不仅仅是知识与技能的获得，更重要的是在不断监控自身学习的过程中对学习者自身的改造。

3.自适应学习的工具

要想使自适应学习效果最优化，必然少不了学习工具的支持。参考《解码自适应学习》报告，本研究认为目前主要有三种自适应学习工具——自适应内容、自适应评估及自适应序列。它们以不同的方式搜集并分析学生各方面数据，并根据数据不断调整提供给学生的学习内容、测评方式及学习顺序，以促进学生的个性化发展。[16]

（1）自适应内容

自适应内容可以根据学习者的具体情况提供个性化内容反馈，包括问题提示、学习材料等，是目前市场占额最大的自适应学习工具。自适应内容搜集与学生学习相关的内容数据，并通过提供独一无二的学习资源、学习线索等实现学习内容的个性化。目前，自适应内容主要分为两类：一是教学课程类自适应内容，二是教学游戏类自适应内容。CogBooks与Dreambox Learning是两款比较有代表性的自适应内容工具，如表1所示。经过亚利桑那州立大学与美国加州圣何塞三所政府特许学校的实践应用，证明自适应内容对学习效果的提升具有显著效果，在教育领域应用潜力巨大。

（2）自适应评估

长久以来，考试测验被认为是检验学习成果最“公平”、最有效的方式，然而测验时间、测验内容的无差异性，导致学生如同流水线上的产品，同质化现象严重，无法真正满足现代社会对多样化人才的需求。自适应评估作为自适应工具的一种，可以自动调节测验内容的难度及出现顺序，实现测验内容的个性化。如美国研究生入学考试GRE&GMAT;测试题，答题者在连续答对题目后会发现题目越来越难，这就是自适应评估工具根据答题者的表现自动调整的结果。自适应评估通常用来考察学生的进步情况，主要有两类应用场景：一是用作练习的自适应评估，该类评估主要在课堂结束后进行，持续时间较短，形式较为多变，用于检测学生对知识的掌握程度；二是用作基准测试的自适应评估，此类评估持续时间较长，形式较为正式，往往隔几个月检验一次学习成果，并为学生量身打造学习方案。

（3）自适应序列

作为自适应学习工具中最复杂、最综合的一种，自适应序列基于学生的学习表现，利用算法与预测性分析，持续收集数据，其作用过程主要分为三步——收集数据、分析数据、调整学习内容，如图2所示。收集数据是改变学习序列的基础，数据的类型、知识的难度等级与概念的细节程度、学习者的学习历史三方面的数据需主要考虑。数据收集后，自适应序列从学习者分析、技能选择、内容分析三方面分析学生对知识的掌握程度，并为学生挑选下一阶段的学习内容。完成以上两步之后，自适应序列会根据分析结果调整传递给学生的内容数量与方式，作业与学习资源也被重新规定。在此阶段，自适应序列主要考虑学习内容的传达方式、可提供内容的数量、内容之间的相互关系三方面。

自适应序列往往与自适应内容、自适应评估结合使用，是否收集实时数据是自适应序列与自适应内容的主要区别。Fishtree、Brightspace Leap及Knewton是目前海外市场较为普及的三种自适应序列工具。

二、自适应学习在教育领域中的应用分析

1.自适应学习的应用领域

自适应学习注重对学生学习数据的收集与分析，能最大化发挥教育数据的应用价值，在促进个性化学习方面发挥着不可替代的作用。近年来，关于自适应学习的研究日益增多，主要集中在语言培训、教育游戏及教育测评等方面。

（1）语言培训

语言是文化的载体，也是文化的核心组成部分，语言培训是指通过一段时间的学习与训练，受训人获得运用某种语言能力的过程。[18]自适应学习与实时语音识别技术、大数据相结合，为语言培训提供支持。在传统语言培训领域，如英语教育中“哑巴英语”现象十分普遍，究其原因：一是英语学习环境的缺乏；二是语言培训产业对练习结果难以量化分析，培训效果参差不齐。

英语流利说团队将自适应学习引入语言培训领域，2016年发布全球首个自适应移动英语课堂“懂你英语”。在学习环境上，“懂你英语”内置6000多张原创手绘地图、36000多道真题测试、22000多句美式播音配音为学习者营造沉浸式英语学习环境；在学习内容上，“懂你英语”的自适应学习系统具备自学习能力，能不断提高学生与最合适学习内容的相关性；在学习效果评价上，对学生学习数据全程追踪，并与语音识别技术相结合，实现多维度的口语评分与反馈，包括语音、语义及逻辑连贯度上的准确测评。

（2）教育游戏

将趣味性与教育性巧妙融于一体的教育游戏，深受广大学习者的喜爱。随着信息时代的到来及智能电子设备的普及，教育游戏具有良好的发展前景。将自适应学习引入教育游戏领域，可以更好地监测游戏进程，并通过对游戏数据的收集与分析，不斷调整游戏的内容进程，设计出个性化学习方案。

美国一直走在教育游戏行业前列，随着教育游戏的普及，近几年美国的研究重点已从关注游戏机制、特征、教师如何运用教育游戏等方面转向学生游戏数据的分析与利用。Kurt Squire教授[19]认为当前最具挑战的任务是如何将评估系统嵌入游戏中给游戏中的学习行为以反馈，其团队一直在进行这方面的尝试。该评估系统能预先设置节点对学生进行前测、后测，跟踪学生动作路径并记录。此外，游戏级别与挑战难度会根据学生的学业成绩[20]自适应调整，具体如图3所示。

（3）教育测评

教育测评是提升教育质量的重要手段之一，不仅有利于提高学生的学习效率，促进教师专业化发展，还有利于教育结构的优化，促进教育长足进步。然而，目前教育测评仍停留在“一份测试内容定天下”的层面，忽视学生间的个体差异，简单地用一份试卷，通过一次测试来评判教育质量，未免太过草率。将自适应学习引入教育测评领域，学生间的个体差异与每位学生自身状态的变化都被纳入测评范畴，根据学习者答题情况实时调整测试内容，有效增强教育测评的准确性与科学性，力求客观、全面地反映学习效果。