基础教育适应性学习需求分析与学科应用设计

陈佳琳 沈书生

【摘要】新技术的持续发展催生了新型学习空间的建设，在此过程中对于适应性学习的认知与需求也相应地发生着深刻变化，并影响着各类面向基础教育阶段的学习产品的研发与应用。在教学实践过程中对适应性学习产品的应用一直停留在对其表层功能的使用上，未发挥出其特有的“适应性”。究其原因，是未理解教学层面适应性学习的意义。本研究通过梳理适应性学习系统的发展脉络，剖析适应性学习的内涵，同时结合对目前基础教育阶段适应性学习产品的分析，以及应用相关产品指导教学实践的具体体验，提取了适应性学习的关键特征。然后从适应性学习系统的功能特征出发，提出了引导学生确立学习目标、进行学习活动序列选择、分析诊断与评价学习行为、适时提供资源与策略指导、形成学习路径与知识体系、激发学习动力与需求的学科应用思路，并以实例说明具体学习活动设计过程。

【关键词】  适应性学习;适应性学习系统;学习活动设计;计算机辅助教学;智能导师系统;CAI;ITS

【中图分类号】  G434       【文献标识码】  A       【文章编号】  1009-458x（2019）6-0041-08

教育部2016年发布的《教育信息化“十三五”规划》提出，要加快探索数字教育资源服务供给模式，有效提升数字教育资源服务水平与能力，深化信息技術与教育教学的融合发展。当下，多形式的数字化学习产品正在以其自有的方式与学校教育发生着不同关系，影响并改变着教育教学过程。通过对当前数字化学习产品供给方式与服务方式的分析可以发现，这类产品的建设思想基本上分为两类：一类是“反复练习律”的产品思想，即通过提供丰富的资源，满足用户对资源的最大化使用追求;一类是“适应性学习”的产品思想，即通过提供丰富的资源，并结合系统自身包含的对学习者学习行为的诊断，满足特定用户最小化应用资源并获得最大化学习效果的需求。信息技术的配置最终要为教育服务，为人服务，在实践中这些产品是否发挥了它应有的价值？教师和学习者作为教学中的直接应用者是否真的感受到了产品的有效？面对纷杂的技术，教师如何将技术带入常态化的教学中？数字化产品进入校园，目的是减轻教师和学生的负担，提高学习效率，这就决定了具备“适应性学习”思想的产品在信息化教学中更胜一筹。但教师在教学认知等方面的固有局限性，导致一些适应性产品退化成了教师的作业布置系统或学生的课外练习系统，教师的原有教学形态与方式都没有发生相应的变化。适应性学习系统应该如何配合教学使用实现适应性学习，是实践信息技术与课程教学深度融合的一大难关。本研究试图通过梳理适应性学习系统的发展脉络来探析适应性学习的内涵，并提出其应用于基础教育（K-12）学科教学的具体思路。

一、问题提出：教学实践停留于

对产品表层功能的使用

信息技术的快速发展致使市场上出现的数字产品的设计理念也相继发生变化。从早期依赖技术实现资源的简单静态呈现，到当下注重资源的语义关联，数字产品的外在表征与内在结构都在改变。2014年，互联网+教育迅猛发展，投资者开始将目光瞄向K-12阶段，并催生了数字产品在内容的表征形态上趋向多元、在过程的应用主体上转向学习者、在教师的决策指导上偏重证据。这时的数字产品更多关注资源的丰富度，聚焦题库的建设，通过反复练习来提高学习效果;2015年，风靡电商的“O2O”模式正式进入教育领域，线上与线下同时为教育助力，开始注意到学习者的个体性;2016年，随着直播平台的趋于稳定，教育公司也将目光投向直播;2017年，随着对个性化学习认识的提高，真正体现个性化学习服务的产品逐步显现，有潜力的产品设计者重新将力量投放到适应性学习上来，强调学习者学习结构的内化。无论如何变化，根据市场和技术的发展致力于K-12教育的教育产品一直在寻找机会试图占据一席之地，而且都不约而同地将注意力集中于“适应性学习”。这一系列新的特征和现象的出现，在为教学的深层次变革创造机遇的同时，也必然会引发人们对学习范式的新诉求。

目前，国外出现了一些相对较成熟的适应性学习系统，如Knewton，基于推荐原理、知识图谱、连续适应性、大数据等基本思想，强调要适应于每个用户。系统通过测试学习者掌握程度来判断学习者的学习起点;采用教育路径规划技术和学生能力高级模型，让每个学生都能够以最大化的学习方式完成学习行为;运用推荐原理，追踪每一个学习者的学习轨迹，帮助学生扩大知识范围，把握规律性知识的实用性。该产品还借助于连续适应性原理，将学生长期学习层级和巨大的网络效果结合起来，建立起一个跨学科的知识图谱，以帮助参与课程学习的学习者建立更加富有针对性的个性化学习方案（芥末堆， 2014）。

基于此，国内教育行业从教育实际出发，积极探索本土化的适应性学习产品，形成了目前市场上的三类适应性学习产品（芥末堆， 2016）。第一类以在线视频为主要形式，通过用户浏览视频时的暂停、后退等行为进行数据提取并进行行为分析，基于分析总结对学生有效的学习路径。第二类以题库为基础，一般是通过作业行为或过程性行为的记录来对学习者进行分析，通过推送相关知识点的材料，基于系统算法不断适应学习者的行为。他们能够收集部分学习数据，并基于此进行适应性学习的探索。第三类以作业答疑为基础，针对学习诊断性的需求，搭建更好的与诊断相适应的知识结构和题库。

但是，这些产品面临巨大的生存危机，具体表现在以下两点：第一，教师没有明显体会到教学痛点。一方面，教师长期处于传统教育范式中且积累了大量与之相适应的教学策略，而基于适应性学习系统的教育需要新的教育范式，但是教师不愿意去改变。适应性系统的突然介入使得教师在观念和时间以及教学技巧上都需要时间去适应。另一方面，在应试压力下，学习效果是用户关注点。而适应性学习系统的长远目标可能会被短期内的负担所影响。目前，适应性学习产品常被用于课后学习，但学生被学校课堂以及课后辅导占据绝大多数时间，导致对课后学习缺乏自主性与积极性。对于学校和教师来说，在较长时间内适应性系统只能作为教学过程的辅助工具，真正达到与教学相融合，难度较大。第二，对适应性学习产品的不理解。一般情况下，产品的付费方是学校或家长，用户体验者是学生，造成体验上的鸿沟。任何一个学习工具的介入，学习效果都不会立竿见影，由于适应性学习系统的功能特殊，尽管其解决的是学习的核心问题，关注的是基础的建立与学习效果的长效性，但学习效果的显现需要一段缓冲时间。在学习过程中，学校和家长更看重的是学生的学习成绩，对于非技术环境下的低分状态，人们可能会将责任归咎于学习者本身，而有了技术的介入，往往技术就会成为替罪羊。同时，家长对学生使用移动设备的抵触心理，导致了学习效果的滞后性和教师或家长心理预期之间的矛盾。这也就导致了适应性产品进入课堂，仅仅在方式上发生了些许变化，方法却有欠缺。

二、概念梳理：学习的适应性及需求分析

适应性学习系统支持下的学习是什么样的，适应性学习到底是什么，学习的适应性表现在哪些方面？通过对适应性学习发展脉络的梳理，可以提取出适应性学习的关键特征，这些特征体现了适应性学习的内涵。

（一）追根溯源：适应性学习的发展脉络

适应性学习，即适应性学习系统支持下的学习。追踪适应性学习的发展，避不开对适应性学习系统的梳理。适应性学习系统的发展，大致可分为以下四个阶段。

第一阶段：系统允许学习者自定步调完成既定任务

普遍认为，适应性学习系统从程序教学衍变而来。20世纪50年代，依据行为主义理论斯金纳提出了“程序教学”原理，并发明了程序教学机。在程序教学中，利用联结学习理论安排教学材料、教学步骤，将教学材料分成一系列的“小步子”。在学习时，允许学习者按照自己的进度进行学习，根据学生学习结果的正误情况，学习内容出现了分支，实现了一定的适应性，这被认为是对适应性学习探索的一个里程碑（孙洪涛， 等， 2006）。

第二阶段：系统根据学习者反馈呈现预设内容

1958年，美国IBM公司基于IBM650计算机设计了第一个计算機辅助教学系统（Computer Assisted Instruction， CAI）。系统为学习者呈现学习资料以及需要解决的问题，用以测试学生所获得的知识、技能或者其他学习效果。系统会将学生的解答与计算机的解答进行比较，然后提供恰当的反馈。如果学生回答正确，CAI就会继续呈现新的问题;如果学生回答不正确，CAI则会调用相应的补习程序，帮助学生复习和巩固前面所学内容，并提供相对简单的问题，如此反复直至达到所要求的学习深度（张剑平， 等， 2008）。

20世纪60年代后期到70年代早期，认知主义学习理论开始流行，计算机辅助教学开始关注学习者的内部认知过程。计算机辅助教学系统呈现智能化的过程，出现了智能导师系统（Intelligent Tutoring System， ITS）。在智能导师系统中，系统能够收集和分析学习过程中的反馈信息，尝试根据不同学习者的不同反馈呈现新的学习内容。这一阶段的系统还是停留在辅助教师“教”上，没有考虑学生自主的“学”。

第三阶段：系统根据学习者特征提供差异化支持

20世纪90年代初期，适应性超媒体系统（Adaptive Hypermedia System， AHS）兴起，该系统能够反映用户特征，并能够产生不同的学习内容。Brusilovsky（1996）认为适应性可以分为适应性呈现和适应性导航。简单来说，适应性超媒体系统能够根据用户模型与用户进行交互，了解用户的学习水平和目标，提供符合用户需求的链接和内容。

20世纪以来，适应性学习支持系统的研究受到广泛关注。陈仕品、张剑平（2008）设计出了能够根据学习者在知识基础与认知风格等方面的个体差异提供适应性学习支持的适应性学习支持系统。

第四阶段：预测学习路径并提供适应性资源支持

近些年来，随着自适应技术的发展，包括人工智能、教育数据挖掘等的发展，有关自适应学习系统的研究日益炙热。根据学习者与系统的交互及其表现，系统可以进行调整并预测学习者在某个特定时间点需要哪些学习内容和资源（刘博文， 2016）。自适应学习系统是用户主动适应系统与系统主动适应用户的双向适应机制（姜强， 等， 2015），不仅仅体现在学习资源的适应性，更深层次的是学习环境、情感状态的适应性，更加满足学习者的个性化需求。

学习理论和技术是影响适应性学习系统发展的根本原因。从早期的行为主义理论指导并导致程序教学机的出现，到后来受认知主义理论和智能技术的影响，计算机辅助教学系统向智能导师系统过渡发展，以及随着建构主义理论和自适应技术，乃至后来机器学习、大数据等新技术的出现和发展，适应性教学系统正在向适应性学习系统转变，体现了从教学结构到学习结构的变化。同时，从最开始的支持学习者简单选择，到后来系统能够根据学习者的行为为其提供适应性的支持服务，适应性学习系统的发展越来越符合最初对“适应性”的预期。适应性学习最初在国内的实践是在远程教育领域，余胜泉（2000）提出了适应性学习模式，但当时的技术条件只能实现结果的适应性。随着探究的不断深入和技术的不断进步，适应性学习发展为通过过程的不断适应来达到结果的适应性与个性化，与基础教育相结合并走入课堂。适应性学习系统一般情况下用于自主学习，而走进基础教育阶段，试图与学科乃至课堂进行融合，则需要对适应性学习进行重新定义。

结合对适应性学习系统发展轨迹的分析，可以认为适应性学习是一个技术支持下的自组织过程。通过学习者与系统的交互活动，并结合教师的经验与系统自身的策略，由三方（学习者、教师和系统）共同为学习者制订出个人成长规划与实现路径，并借助于具体的行为过程中产生的不同类型数据所支持的学习决策机制，不断调整和优化学习行为，进而达成或超越预期学习目标。系统自身也会因为学习者的使用而不断内化其决策机制，实现系统的自学习，教师则会因其在指导学生成长过程中进一步积累经验，进而实现个人的专业成长。对于学习者而言，适应性学习系统的出现会超越教师的单一个人经验，更加有利于实现学习策略指导的针对性与准确性，并且给予适应性学习的组织与落实。所以，学习者在适应性学习系统的支持下呈现的是自我建构的学习过程，系统为学习者提供的是针对学习者个性化特征（状态、偏好等）的个性化服务。

（二）重中之重：适应性学习的关键特征

教师、系统和学习者是适应性学习的主要参与者。在适应性学习过程中，三者都在不断成长。如何把握适应性学习的关键特征，成为适应性学习设计的决定性因素。

1. 技术的支持作用

（1）转换记录学习行为并定位学习状态

从支撑适应性学习系统的技术功能上来看，数据提供了更精准的判断。用户模型持续跟踪学生与系统的交互，记录学生的学习行为，分析学生的学习状态。这既是实现适应性学习的基本条件，也是适应性学习系统的设计与开发难点。对于行为过程而言，如何将其转化为不同的特征参数，并以适当的数据形式存在，这一问题具有较长时期的研究价值。学习者一旦发生了学习行为，与其相应的数据就会流向系统，系统则会借助于其中所建立的若干策略，持续地对学习者进行分析、判断并适应学习者的学习状态，为指导学习者做准备。单纯的量表测量往往依赖于教师经验，因而与教师经验一样具有不确定性，所以学习状态的分析应该是基于观察和系统数据来展开的（姜强， 2012）。适应性学习系统以系统采集的数据为基准，与教师的观察数据相结合，共同为学习者提供学习支持，同时系统自身也会在此过程中通过自组织建构更加完备的策略库。

（2）调整优化学习路径并提供最佳指导

适应性学习系统拥有强大的资源库，通过为学习者创造一个适应性学习环境，或是适应学习者的学习环境，借助于不断生成的决策系统为学习者提供合适的学习路径。向学习者提供适合其偏好和学习风格的学习材料和活动使得学习更容易（Graf S， Kinshuk， & Liu T， 2009），有助于學生在更短时间内掌握学习资料（Graf S & Kinshuk， 2007）。所以收集与分析学生的学习行为数据，目的是为学生成长提供适应性的学习策略指导。适应性学习一定是个性化的，因为其服务形式是由学生自身的学习行为数据所决定的，只要数据不相同，那么不同的学习者得到的学习指导就一定是不一样的。系统记录的特征参数形式越完整，数据越丰富，所提供的服务也就越精确。因此，系统通过自我学习制定最佳学习路径，识别迎合学习者的需求并为学习者提供适合的资源或是训练，包括适应性的学习内容、适合的内容呈现方式、适当的学习支持媒体等。学习者的需求既可以是当下的，也可以是在未来一段时间内急需的。

2. 人与技术的关系

（1）系统的指导促进学习者学习的自组织

对学习者而言，由于认知局限，不能确定自己的学习方向，对自己的认知存在偏差。教师也不可能对每个学生做出细致的指导。适应性学习系统就像助教老师一样，通过对学习者行为数据的分析，帮助学习者客观认识自我，并为学习者提供精准资源与学习路径，协助学习者建立自己的学习计划，通过学习过程中的判断与引导，促成学习目标的达成。同时，学习者在适应性学习系统上留下的行为数据越多，系统对学习者的判断越准确，学习者的自主学习就越有可能实现，对学习者的成长越有利。

（2）教师的帮助促进系统策略的自完善

结合学习者成长过程中形成的新数据，系统通过自学习过程不断生成新的策略，而学习者个体也会随着策略的不断变化而逐步建立更加富有个性的学习方式，以满足个体差别化的成长与发展需要。在学习过程中，个体之间存在能力、背景、学习风格、学习目标等多种差异性，即使是个体本身，在学习过程中知识状态也在不断变化着（阮滢， 2006），这种变化会导致其学习能力也发生相应的变化，适应性学习系统能够不断适应学习者的这些变化并实时反馈合适的学习策略。对于教师而言，他们相较于系统更加熟悉学习的机理，如果教师能够将注意力集中于对学习者的特点，如知识基础、目标、兴趣、背景、经验、学习风格、认知特点、环境等的分析方面，并能够思考如何设计更有价值的策略并将其置入系统的策略库中，就可以更好地实现教师与系统之间的协同，提升系统的适应性，共同为学习者的适应性学习助力。

（3）用户的广泛使用促进系统的自发展

适应性学习系统的核心组件是用户模型，用户模型越精确，适应性学习系统越能发挥功效。最开始的用户模型如初生婴儿一般，只有先天赋予它的能力，但随着教给它的知识越来越多，它就会慢慢有自己的思维与判断。庞大的用户数据对于用户模型来说，就是一个良好的训练集，用户的使用过程就是训练系统的过程。利用基于先前学习任务的测量所获得的若干学习者特征，建构用户模型（静态模型）（何克抗， 2017），当其接收到学习者的行为数据后，通过不断的分析与迭代，用户模型就转化成了动态模型，在动态生成中让系统逐步具备了较高的精确度。用户的数量、用户的使用频率、数据的丰富度等，对于系统本身来说都是宝贵的财富，训练集越大，系统越具有适应性与精准性。

3. 教师的角色定位

K-12阶段学习者的自主学习能力相对来说较为薄弱，同时学习者主动制定学习计划、选择学习过程、运用学习策略以及自主评价方面也会降低学习者对适应性学习系统的使用感受（刘博文， 2016），不利于建立最佳的学习策略指引。教师的支持可以校正学习者个体对自己的错误判断，也可以帮助学习者避免由于对系统的不适应而出现的学习迷茫。同时，这些现象的出现本身也反映了系统的不完备，因此教师除了借助系统提供的数据支持调整教学策略、教授学生之外，还需要及时发现系统的不足之处，及时改进，真正实现技术减负。

同时，我们不能忽视的是技术理想与现实之间的矛盾。适应性学习系统对于学习者而言，必然是个性化的教学。就国内教育大环境而言，要实现个性化教学对课堂的控制和学生的管理存在很大障碍。事实上，这样的系统一定程度上又确实能够帮助教师缓解班级“两极分化”的矛盾。通过对一线教师的访谈，适应性产品的介入的确能使教学更加精准，判断更加直观，减轻教师的负担。但与此同时，如何能够更好地服务于教学，一线教师也在积极探索适合的模式。

所以在新型学习环境下，教师的职能作用并没有被削弱，反而越发重要，需做出较大转变。技术并不能取代教师的地位，却能将教师从简单的知识传输环节中解放出来，使教师将更多的精力转向学习策略的设计中来，关注学习者的个体性。教学中的适应性可能不仅仅只是适应性产品的适应性，而是在教学中也要关注到学习活动与适应性学习系统之间的适应性，学习活动与学习活动之间的适应性，学习活动与学习者之间的适应性。教学上的一些技巧、策略能够弥补技术暂时带来的不便，从而发挥其优势，实现适应性学习。

三、应用设计：适应性学习的过程

当充分理解适应性的内涵与特征之后，应当思考如何更好地利用这些特征服务于学习本身。系统设计之初，涉及许多高精尖技术，研究人员往往把注意力和研究重点放在技术上，强调功能的实现，而对于教育行为的关注却相对较少，缺少教学一线的反馈与指导（何克抗， 2017）。所以，系统设计的时候可能会关注到一些学习行为的衔接等问题，但是没有考虑到教学规律。可以考虑借助系统设计的思想来指导教学，通过必要的教学手段实现适应性学习。适应性学习系统的核心是数据，在适应性学习过程中系统的最大优势是通过监控学习过程分析学习者学习行为，量化数据为教学提供科学判断。

（一）物以致用：适应性学习的一般过程

K-12阶段的学习者对其自身的知识结构没有清晰的认识，自主性不足，难以依靠自己的主观判断实现自组织学习过程。因此，在服务于学习者的自我建构这一核心过程中，教师的辅助是不可或缺的。教师需要引导学习者使用适应性学习系统来进行学习，只有这样学习者的行为数据才能被记录，系统才可能根据对数据的分析做出学习策略上的指导。教师的存在是实现系统功能与优化系统功能的基本条件，教师和系统的共同作用使得学生的学习过程得以按预定方案展开。在具体实施过程中，系统、教师、学习者分别对应的内部学习事件如图1所示。

1. 教师引导确定学习目标与起点

适应性学习是系统支持下的学习者的自组织过程。学习者要清楚自己的学习目标以及要解决的关键问题。对于学习者来说，教师的协助会使得学习过程更加明确。学习任务的呈现要依赖于学习起点的确定。重点是对学习者进行分析，包括知识基础以及能力判断。学习者分析基于系统与教师共同的判断，且要与课程总目标保持一致，并有利于学习者主动获取知识，催生学习意愿，建立真实的行为过程。

2. 多方协同选择学习活动与序列

理想的适应性学习是系统能够根据每个学习者的行为记录提供适合他们的学习活动序列安排，包括课程的组织方式以及内容的呈现顺序等。但是，由于现阶段系统功能不尽完备，加之各利益相关方尚未建立统一的系统应用认知，因此就当前的实际状况而言，根据学习系统的早期判断及任务目标，由三方（学习者、教师和系统）共同确定学习活动与序列是一种较为可行的策略。系统会适应不同的学习者，提供不同层次的学习目标达成方式，但这些预定的方式往往会受到产品自身局限性的影响，难以顾及每一个学习者的特殊需求，教师的介入，恰恰可以弥补这一缺陷，同时也利于实现教师角色的转变。

3. 基于证据提供问题诊断与评价

学习者背景、风格等的不同导致了学习过程的不可预知性，在传统教学中这种不可预知性又依赖于教师的主观经验，由此使得对学生判断具有双重风险。适应性学习系统中积累的数据为判断提供了证据，尽管这种数据与学习效果的相关性还存在许多不确定性，但相较于完全依赖于经验的判断，至少可以让评价更科学。将学习者的行为数据以一种更加科学的方式进行分析与呈现，可以减少主观性，增加学习的适配性。

4. 实时反馈提供过程资源与指导

对于学习者来说，同一的学习目标与内容所需要的学习路径及学习投入等都会存在不同。新型学习空间下学习者个性化学习需求更加急迫。在传统教学中，由于教师负担较重以及教师信息技术水平的限制，满足不了学习者差异化的需求，而系统中存在的多样化资源形态及其组织关系，正是体现过程差异的基础保障。适应性学习系统會结合学习者的行为数据适时做出反馈，为不同的学习者提供满足学习过程所需的资源，在每个交互步骤适应每个学习者（Iglesias A & Aler R， 2009）。及时反馈使学习者清楚自己的状态，及时形成自我认知调整状态，同时教师能够及时针对反馈做出教学策略的转变。适应性学习系统可以分析学习者的各种学习状态，匹配学习者的个人特征，配合教师适时推送给学习者难度、形式等不同的适合的资源与指导。

5. 自定步调形成学习路径与体系

学习的主体是学习者，系统能够根据学习者的知识储备以及应答情况及时提供难度不同、形式不一的学习材料，学习的步调一直在学习者的可控范围之内。系统根据存储的学习者个性化特征，对学习者进行预测，推荐的下阶段学习路径一定是最近发展区领域内的知识体系，是学习者“跳一跳”就能达到的目标，这也就决定了适应性学习可以激发学习者的学习成就感，利于学习者循序渐进地达到目标。在这个过程中，教师从旁协助，及时提供支架，帮助学习者形成完整的知识体系。

6. 内化知能激发学习动力与需求

适应性学习是一个学习者主动获取知识、主动解决问题的过程。这种主动建构会促进学习者的知能结构变化，实现学习的内化。唤醒学习者的意愿，学习才能够真正发生。系统能够与学生交互，形成有效的沟通机制，利于唤醒学习者的求知欲望，引导学习者在活动中形成对学习的价值判断，激发内在学习动机，提高学习意愿，促进学习者知能结构的完整塑造。在引导学习者学习的过程中，教师可以通过一些教学策略让学习者尝试在真实世界中运用所学知识，并尝试体验知识的应用价值，以此来解决其所碰到的真问题，有助于帮助学习者获得学习的愉悦体验，促进学习者形成爱学习的良性循环，促进学习的自觉与认知的持续性迁移。

（二）因材施教：适应性学习活动的设计思路

在应用过程中，最核心的部分是学习活动的设计。传统的学习活动是指为了实现学习目标而进行的师生行动的总和。适应性学习活动是为了实现学习目标而进行的教师、系统、学生根据自身特征相互配合完成的个性化行动的总和。理想的适应性学习可能是提供给学习者适合的资源，全程监控学习过程，及时做出分析与推荐。但是，实际技术条件并不能支持，且数据也不完整，只能介入部分学习过程。所以，在当前实际教学中鉴于传统教学观念以及统一化教学的实际情况，本研究提出适应当前教学环境的适应性学习活动开展思路，即在应用系统的时候尽可能提供相关学习数据辅助教师做出客观判断。下面以学习“二元一次方程组”为例，阐述具体的活动应用过程，如图2所示。

1. 确立起点建立学习目标认知

首先，学习“二元一次方程组”，学习目标是学会解“二元一次方程组”，熟练掌握具体解法，探究归纳其特点，能够使用所学解决实际问题。知识之间是有关联的，由于解“二元一次方程组”首先要有方程以及解一元一次方程的基础，所以学习者之前环节中形成的相关内容的学习数据就会成为确定新任务起点的依据。若之前基础不稳固，就需要在正式开始学习新知识之前增加知识的补救环节，根据学习者的基础，确定难度与起点以及资源呈现方式等。这也就决定了不同学习者的不同学习方式。适应性学习系统对学习资源的分类依据知识图谱展开，应用系统可以使起点的确定更加科学。

2. 选择同伴设置学习活动序列

建立活动序列是与目标达成相一致的，在解“二元一次方程组”时可能有三条路径：一是追根溯源，从一元一次方程推演到二元一次方程组;二是从问题着手，在思考解决问题的时候自学二元一次方程组的解法;三是“从已知入手”直接学习，然后将所学用于解决实际问题。当然，学习路径不只有这三条，需要教师根据情况与学习者一起制定。不同的路径需要安排不同的活动，不同的学习者适用于不同的方法，学习者需要清楚明白自己要做什么以及怎么做。这时就需要根据系统数据以及教师经验，帮助学习者确定学习方式，调整学习同伴的配置，合理建立学习小组。这个过程是在学习者自主应用系统的前提下，在教师部分干预下完成的。

3. 适应系统执行学习过程任务

在现阶段，不同的学习过程最终往往还是要回归课堂，教师根据学习者的学习情况，或通过学习者汇报的形式，或通过小组间竞赛的形式，或通过教师总结的形式，将所有学习者带回到课堂中。这不代表教师仅仅是回归课堂的时候才发挥作用，在小组间进行不同的学习活动时教师要适时了解不同组或组员的进展，在必要的时候提供帮助。在三条解“二元一次方程组”的路径中，学习活动的组织与调整需要基于适应性学习系统的判断，同时也要有适时的记录与反馈。这样，学习者对自己的解题能力才有清晰的把握，教师对学习者的解题能力、正确率、进展等也才有了解，便于及时指正与指导。

4. 客观评价激发学习者学习动力

在评价环节，需要找出学习者在解“二元一次方程组”时存在的不足，分析问题及原因，制定改进措施。譬如，有的学习者不能正确解题的原因可能是出在计算的错误上，可能是手误，也有可能是不会。客观评价能够帮助教师及时调整教学，可以促进学习者在梳理知识的时候内化知能，配合以自评、互评、师评，再加上系统的记录，这样的评价会更全面反映学习者的学习状况。在学习过程中对学习者的进展进行评估时，持续的行为监控是必不可少的，可以指导系统或教师为学习者提供更适合的学习内容，这也是适应性学习系统介入教学的主要作用。

5. 高效学习利用课余查漏补缺

每个学习者的学习进度都是不一致的，适应性学习系统的指导为学习者提供了一个利用多出来的时间合理补差学习的机会。学习者结合课堂学习状态以及学习系统的诊断，找出自己的薄弱点，根据指导观看不同形式的学习资源，或者通过日常练习等方式一步一步攻克难点。根据系统的预测，及时对自己的薄弱点进行补救，形成巩固的知识网络。适合学习者的学习难度以及方式可以进一步激发学习者的学习动力。适应性学习系统的应用会依据课堂上对学习者的持续监控，通过分析为学习者提供适合的学习路径，与课堂教学相辅相成。

信息技术一直在发展变化着，也将不断变化。在教学实践中，只要教师不囿于自己固有的教学策略，就能够在探索中找到最有效率的方法。技术一定是为人服务的，如果为技术而技术，却不关注技术对人的作用，这样的技术终将会被实践者束之高阁。

[参考文献]

陈仕品，张剑平. 2008. 基于EAHAM模型的适应性学习支持系统体系结构[J]. 电化教育研究（11）：53-57，82.

何克抗. 2017. 促进个性化学习的理论、技术与方法——对美国《教育传播与技术研究手册（第四版）》的学习与思考之三[J]. 开放教育研究，24（2）：13-21.

姜强. 自适应学习系统支持模型与实现機制研究[D]. 东北师范大学，2012.

姜强，赵蔚，王朋娇. 2015. 自适应学习系统中学习者为中心视角评价学习成效实证研究[J]. 现代远距离教育（4）：43-49.

芥末堆. 2014-02-28. 【Knewton适应性学习研究】推荐原理+知识图谱+连续适应性+大数据[DB/OL]. [2018-1-18]. https：//www.jiemodui.com/Item/1172

芥末堆. 2016-10-07. K12在线教育这半年：聊聊直播，教育信息化和自适应学习[DB/OL]. [2018-1-18]. https：//www.jiemodui.com/N/62255.html

刘博文. 2016. 自适应学习系统发展研究综述[J]. 教育信息技术（9）：78-80.

阮滢. 2006. 适应性学习：信息技术支持下的因材施教——访首都师范大学王陆教授[J]. 中小学信息技术教育（11）.

孙洪涛，常子冠. 2006. 适应性学习系统的发展历程及研究现状[J]. 中小学信息技术教育（11）：7-8.

余胜泉. 2000. 适应性学习——远程教育发展的趋势[J]. 开放教育研究（3）：12-15.

张剑平，陈仕品. 2008. 计算机辅助教学的智能化历程及其启示[J]. 教育研究（1）：76-83.

Brusilovsky P. （1996）. Methods and techniques of adaptive hypermedia[J]. User Modeling and User-Adapted Interaction， 6（2-3）：87-129.

Graf S， Kinshuk. Providing adaptive courses in learning management systems with respect to learning styles[C]. 2007.

Graf S， Kinshuk， Liu T. （2009）. Supporting Teachers in Identifying Students Learning Styles in Learning Management Systems： An Automatic Student Modelling Approach[J]. Journal of Educational Technology & Society， 12（4）：3-14.

Iglesias A， Aler R. （2009）. Learning teaching strategies in an Adaptive and Intelligent Educational System through Reinforcement Learning[J]. Applied Intelligence， 31（1）：89-106.