简析Knowre平台自适应学习机制

摘要：尊重个体差异，促进个性化学习是教育改革核心理念之一，自适应学习是大数据时代实现个性化学习的重要方式。自适应学习系统能够采集学习过程中的行为数据，并对学生的学习兴趣、知识水平、学习风格、学习进度等做出分析和预测，以提供个性化的学习服务。作为自适应学习平台之一的Knowre，多年来专注于数学领域的研究，在国外得到广泛应用，但是国内对Knowre的了解很少，所以本文从自适应学习原理、自适应关键技术、自适应学习服务三个方面对Knowre平台做了解析，希望能为国内的自适应学习发展提供参考。

关键词：个性化学习;自适应学习;Knowre

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2019）09-0097-03

● 引言

在传统网络教育中，所有的学习者都使用相同的资源，按照相同的步骤学习，满足不了学习者的个性化发展。而自适应学习系统可以根据学习者的认知水平、学习风格等为其提供最适合的学习资源，构建个性化的学习计划，解决传统网络教育的弊端。自适应学习改变的是学习要素中的学习支持这一要素，一方面，可以减少传统学习中重复学习、无效学习等给学生所带来的认知负荷，另一方面，又为改善教育教学提供数据支撑。[1]我国对于自适应学习的研究集中在理论层面的探讨、模型的构建等，少有开发出优秀的自适应学习平台。[2]关于自适应学习平台，目前国内较为优秀的有猿题库、乂学教育，国外则更为成熟些，有Knewton、Knowre、 Smart Sparrow、CogBooks等。本文主要介绍了Knowre平台的自适应原理、核心技术、自适应服务。

● Knowre平台的自适应原理

Knowre是一个面向数学科目的自适应学习平台，主要包括四个环节：收集学习行为数据，存储、初加工学习行为数据，用学习行为更新学生的知识点网络，修改学习路径。Knowre先将数学中的一些基本规则组合成知识的单元组，再构成像人类大脑的神经知识网络引擎，引导学习者如何去学。[3]

1.构建知识地图

Knowre对公式、函数、图形等各种数学因素进行数字化，将数学中的基础规则组成知识的单元组，分析单元组之间的相关关系，构建知识地图。

2.分階段指导

当学生在解题遇到困难时，Knowre会以互动的方式提供分阶段的解题指导，包括解说及视频，分析各个解题过程的单位知识数据，如解题时间、视频收看情况等，针对薄弱知识提供个性化学习方案。

3.持续性反馈

Knowre强调反馈的重要性。它认为学习过程中的关键要素就是反馈。不同于传统学校学习的事后反馈，Knowre强调即时的、持续的、动态的反馈。Knowre在课程和测试中都提供反馈。

学生在测试过程中输入答案后，就会得到有关答案是否正确的信息，Knowre还提供一定的暗示线索，根据他们在解决问题过程中所处的位置，这个反馈信息会得到增强。Knowre不仅在学生回答完问题后进行反馈，还在课程级别上提供反馈。课程索引（如下图）为学生提供了一个视觉成就和进度跟踪器，这个索引也可以作为课程的内容表，可以在学生需要的时候最大化或最小化。

在课程索引中，反馈以硬币和星星的形式出现。这些硬币（最多三次）出现在每个问题卡片下面。通过在卡片上悬停，学生可以看到他们正在使用的技能，因此能够快速直观地将反馈（硬币）与学习目标（技能）联系起来。在该索引顶端的星星（最多三个），为学生提供了一个综合的课程成绩。当学生在这个课程中学习的时候，这个不断变化的索引图使学生能够追踪他们在完成课程方面取得的进步。

4.提供三种自适应方式

Knowre提供自适应内容选择、自适应导航支持和自适应内容呈现三种自适应服务。

自适应内容选择是指当用户搜索或进行学习步骤跳转时，系统自适应地选择和确定提供给学习者的项目的优先级。

自适应导航支持是指当用户从一个项目到另一个项目或查找所需的项目和活动时，能有可指引的导航系统（如可以操纵的链接、隐藏、排序、注释）来指导。

自适应内容呈现是指系统在内容呈现上根据收集的学习者数据分析出的偏好提供某一时刻适合该学习者的材料呈现方式（视频、文本、游戏等）或材料呈现序列组合。

● Knowre平台的关键技术

Knowre平台的联合创始人David Joo说：“Knowre是一家专注于为全球学生提供个性化学习体验的教育科技公司，它已经建立了两个主要的技术：一是识别学生回答任何数学问题的能力——准确地指出每个学生独特的学习差距;二是一种利用这些数据提供个性化课程来填补这些差距的算法。”Knowre平台的核心技术是知识图谱（Knowledge Graphics）和神经网络引擎（Artificial Neural Networks）。

1.知识图谱

将数学中的基本规则构成知识的单元组，实则是构建知识图谱。知识图谱是概念及其相关关系的集合。David Joo曾说过，其课程设计的核心是让学生理解掌握数学概念，而不是简单地做题。他将其整套机制称为“知识矩阵”，在整个流程中，他们会把每一个概念和课程分解成单独的几个部分，这样可以让学生更易掌握基础的数学概念。

2.神经网络引擎

人工神经网络是20世纪80年代以来人工智能领域兴起的研究热点，是一种新的模拟人类大脑处理信息过程的方法。人工神经网络是基于被称为人工神经元的连接单元或节点的集合，每一个连接就像生物脑中的突触一样，可以将信号从一个人工神经元传递到另一个神经元。[4]一个接收信号的人工神经元可以处理它，然后发出附加的人工神经元与它相连的信号。Knowre构建神经网络引擎来指导用户学习，具有更高的准确性以及知识与学习状态的匹配率。

● Knowre平台的自适应服务

1.对学生的支持

当一个学生在数学问題上苦苦挣扎时，这种斗争的根源往往可以追溯到他们知识的差距。由于数学是一门知识和技能相互依赖的学科，以前的差距会随着学生的进一步学习造成问题。当学生遇到困难时，在Knowre中的WMT（Walk Me through）可以作为一种随需应变的资源，如果学生在两次尝试后依然不能正确地回答问题，支持功能会自动打开。WMT是Knowre实现对学生个性化支持的功能模块，WMT模拟了教师与学生一对一互动的方式，旨在直接解决这些差距。WMT采用教学脚手架的方式帮助学生学习，不仅提供了提示和鼓励，而且通过学生回答问题的方式，提供给学生参与解决问题这一过程的机会。

在WMT中，学生输入的响应完成了三个主要功能。首先，程序像教师一样检查并确定什么原因造成了问题，并将这些数据实时传送给教师。其次，为学生提供了一个机会，让学生通过练习所需的技能来解决之前的知识差距。最后，学生在WMT中的积极参与促使也积极参与到学习过程中，这种积极的参与方式与其他只是用被动的、书面的解释来支持学生的方法截然不同。

2.对教师的支持

为教师提供特定和实时的学生信息的能力是Knowre的关键组成部分。当有了持续的数据，教师就能够引导学生学习，而不仅仅只对其学习做总结，这是一种促进学生进步的有效方法。

教师仪表盘上提供给教师的数据是基于形成性评估的信息，在教师仪表盘上，教师可以实时查看学生在课程、技能和子技能水平上的成绩。[5]有了这些信息，教师可以在课堂上以非常有针对性的方式与学生合作。当在Knowre中完成作业时，教师可以在仪表板上看到进度，并利用信息通知第二天的课程。教师仪表盘上的所有数据在学生学习的过程中都可以很方便地得到，这使得它成为一个非常好的资源，可以据此通知标准化考试准备和再教学，教师也很容易与学生进行具体的、数据驱动的对话，通过这些便利的对话，学生可以被授权监督和评论他们自己的学习，这一过程提高了学生形成性评估数据的有效性，使学习过程有更少的教师驱动和更多的协作。[6]

● 小结

数学作为中小学核心科目，重要性不言而喻，而Knowre作为成功的数学自适应学习平台，值得我们借鉴学习。

参考文献：

[1]慧科教育研究院.从Knowre获A轮融资，看自适应学习的发展前景[EB/OL].https：//www. jiemodui. com/N/11220.

[2]姜强，赵蔚.自适应学习系统述评及其优化机制研究[J].现代远距离教育，2011（6）：57-63.

[3]郭朝晖，王楠，刘建设.国内外自适应学习平台的现状分析研究[J].电化教育研究，2016，37（4）：55-61.

[4]焦李成，杨淑媛，刘芳，等.神经网络七十年：回顾与展望[J].计算机学报，2016，39（8）：1697-1716.

[5]Knowre through a research lens[EB/OL].https：//www.knowre.com/white papers.

[6]Shepard，L. A.（2005）. Linking formative assessment to scaffolding[J]. Educational Leader-ship 63（3）：66-71.

作者简介：杨阳，山东省荣成市优秀教师，优秀班主任，优秀教研备课组长，教学能手，曾获威海市小学数学学科优质课评选二等奖。