国外教育出版领域自适应学习平台建设经验及启示——以培生Revel为例

□文│范明献 索 菲

自适应学习（Adaptive learning），是一种“学习者为中心”的学习理念和学习模式，在学习过程中所教授的内容或这些内容的呈现方式会基于学生的反应而改变或“适应”。[1]自适应学习技术，通过对学习者的学习数据和交互数据收集、分析与挖掘，能智能、实时、动态地调整学习者的学习内容和学习路径，进而为学习者提供个性化学习解决方案。在人工智能技术的推动下，自适应学习成为一种新型的在线学习方式。[2]自适应学习产品深刻地影响着在线教育生态，诸多国外教育出版公司正抓住机器学习驱动下的教育出版新机遇，布局在线自适应学习市场。[3]这一在线教育发展形态，也为国内教育出版转型升级带来了新机遇。本文以培生集团在线自适应学习平台利维尔（Revel）为例，分析国外教育出版中的自适应学习平台应用经验，以期为国内教育出版自适应产品建设提供借鉴。

一、国外在线自适应学习平台发展现状

在国外自适应学习市场中，教育出版集团占据了半壁江山，形成了自适应技术应用的出版商模式。教育出版商并购技术公司或与技术服务商合作，将所拥有的优质出版资源与科技公司的自适应技术强强联合，搭建起具有丰富内容资源的自适应学习平台。如麦格希教育集团收购了提供人工智能服务的网络公司亚历克斯（ALEKS），从而拥有了自适应学习平台ALEKS；麦克米伦出版集团收购了基于机器学习的教育服务平台提供商智力学习公司（Intellus Learning），为用户提供个性化学习服务；培生集团与自适应技术公司纽顿（Knewton）合作开发了高等教育自适应学习平台Revel。[4]

国外自适应学习平台有3种类型：基于内容型、基于评价型、基于过程型。最基础的是基于内容型平台，它侧重于针对不同知识水平的用户提供个性化的学习资源，以“拆分知识点”的形式构成一种支架式的教学模式，方便用户更快吸收所学知识。2010年5月创立的平台学习博普（Learn Bop），是专注于数学科目的基于内容型平台。基于评价型平台侧重于对用户学习状况的评测，常见于语言辅导类产品、习题测评类产品。它强调阶段性的学习成果检测，在测评时兼有学习环境的参照式评估，使学习内容与测评结果、真实准确的个人能力挂钩。麦格希集团的自适应学习平台亚历克斯（ALEKS），是著名的测评类学习系统。基于过程型平台是自适应技术应用较全面、功能较完备的，也是三者中最复杂的一种类型。平台需收集学生相关学习行为数据，全面分析学生的水平层次和个人兴趣点，然后根据评估结果为每个学生分配新的学习路径。培生开发Revel，便是一款代表性的基于过程型产品。

当前国外自适应学习产品普遍处于人工智能的初级自适应水平，自适应学习的知识应用范围集中于知识易拆解的科学、技术、工程、数学教育领域和语言培训辅导领域。不过，以培生为代表的国际教育出版集团，在自适应学习市场布局较早，以Revel为代表的产品比较成熟，积累了丰富的自适应学习产品建设经验。

在国内，人工智能自适应学习行业发展逐年升温。目前国内已有40多家企业入场抢占自适应教育市场，推出了自适应平台产品如猿题库、松鼠AI、英语流利说、洋葱数学等。目前，国内自适应学习行业尚未形成广为市场认可的主流产品，产品也面临着“是否能真正实现自适应学习”的质疑，存在着诸多问题和挑战。同时，国内自适应学习产品的运营主体多为互联网企业和技术商，教育出版企业涉足较少。对拥有丰富内容资源的国内教育出版企业来说，在自适应学习产品领域，还有着广阔的市场空间。

二、培生Revel自适应学习平台分析

Revel是培生开发的基于过程型的自适应学习产品，在基本功能设置、数字内容资源建设、自适应学习模型和技术框架建构方面，代表了西方教育出版商模式中自适应学习平台较为成熟的做法。

1.培生Revel平台的基本功能

培生教育有超过150年的历史，旗下拥有在各个学科备受瞩目的教育品牌。作为定位于提供终生教育产品与服务的出版集团，它在基础教育、英语教育、职业教育尤其是高等教育领域占据较大的全球市场份额。培生是较早拥抱新型互联网技术出版集团，面对人工智能、机器学习技术浪潮，主动布局在线自适应学习产品市场。[5]

Pearson Revel是培生集团推出的面向美国高等教育市场的自适应学习产品，支持电脑、手机、平板电脑（iPad）多终端下载应用。培生集团经过长时间的市场调研，在对超过23000名教育工作者和学生反馈信息分析的基础上，于2014年创建了Revel这一自适应学习产品。Revel提供课程学习、学情管理、个人评估自适应学习服务。学生可阅读穿插了互动和评估元素的课程材料进行在线学习；教师可在自适应引擎的支持下分配学习内容并访问学情信息表，来查看学生的参与情况和完成情况。Revel设置了虚拟导师角色，评估学生的答题情况，与学生“交流”见解，为学习者提供学习提示、问题解答服务。[6]

图1 培生Revel基本功能结构图

2. Revel平台的数字内容资源建设

培生拥有成熟的内容生产团队和专业化的内容生产体系，Revel建设中充分发挥其内容优势，进行数字内容资源建设。Revel集成了多种形态的内容资源，形成了海量的教学资源库。平台将单一、平面、静止的内容出版资源，建设成为交互、立体、富媒体的数字教育资源，为用户提供易于访问、可负担和沉浸式的用户体验，在导学、荐引、测评、答疑、评价环节中都有优质内容资源的布局。

Revel充分挖掘培生丰富的教材资源，支持艺术、人类学、社会学、经济学、心理学等16个科目200多种教材的学习。平台上的数字教材由培生的专业编辑策划团队完成。他们运用数字技术对纸质教材内容进行结构化梳理和深加工，基于文字、图片、网页、音视频、游戏等形式对教材进行重新编辑和数字化呈现。

不同于单纯数字化的在线课程，培生对数字课程进行了方便教与学深度交互的设置，深度加工后的数字课程更符合用户的自适应学习需求。Revel课程中的所有内容都以一致的结构进行细分处理，每个章节或模块由介绍、内容片段和摘要组成，以支持学习者连贯的自适应学习。

Revel平台课程中的习题内容，均由专业的学科编辑团队和教师顾问对习题进行难度分层和知识点标引，在反复测试基础上进行内容定级。习题嵌入至预习、练习、复习环节中，平台从难度层级、所属知识点、能力级别等方面根据学生的答题情况调整题目分配，以达到个性化测评。

3. Revel平台的自适应学习模型

培生在发挥内容优势基础上进行技术研发，结合最新教学理念，建立了成熟的自适应学习模型。

图2 Revel自适应学习系统模型图

学习者模型（Learner model）。Revel将学习者“模型化”，通过不断的机器测试，对学习者模型进行校准和优化。系统运行中，首先可根据个人身份静态信息（如年级、学号、年龄等）对学习者进行大致分类，并为学习者提供初始的学习路径；其后根据动态的学习行为信息分析学习者的学情状况和个人能力，形成分析图表并反馈给教师，平台为学习者提供个性化的自适应学习路径。

领域模型（Domain Model）。作为知识概念的集合，主要完成知识图谱的搭建和知识数据的更新存储，为系统调用知识数据提供支持。Revel对学习的知识概念进行结构化和模块化，以尽量小的粒度分解知识点，以使自适应内容的匹配更精确。平台具有半开放的内容修改性，允许教育者在内容管理云平台中进行自适应课程的再创作，具有高度的灵活性。

教育学模型（Pedagory Model）。这是有效结合学习者模型和领域模型来实现自适应学习的关键。平台将数字内容传递给学习者的同时，持续分析学习者与平台的互动行为，在学习分析基础上推荐下一刻适合该学习者的学习内容或学习路径。

Revel建构起开放式学习模型，它将分析结果呈现给学习者和教师。开放式学习者模型帮助学习者跟踪自己的进步，鼓励他们反思自己的学习。

4. Revel平台的自适应学习技术框架

Revel依赖人工智能算法，搭建起规范化的基础技术框架。根据平台自适应学习的应用路径，自适应学习技术框架可分为交互数据收集模块、分析与推断模块、个性化荐引模块。

交互数据收集处理模块。培生数据研究团队提出了“数据海洋”的概念来描述用户与数字工具交互后获得的大量数据。[7]平台采集学生的学习内容掌握程度、学习过程投入程度、学习效率等数据，将学习者行为数据模型化。培生建立了数十个数据中心，专业化处理学生学习行为全流程的数据。[8]

分析与推断模块。只有做好数据分析并根据自适应系统模型做好数据推断，才能实现在教育数据海洋中“自由仰泳”。系统发挥自适应学习引擎的作用，通过元认知引擎、学习策略引擎、反馈引擎等，调用学习者模型和领域模型，来分析和推断学习者行为。

个性化荐引模块。系统通过对获取的数据进行分析，为学习者提供个性化学习解决方案。平台基于初级人工智能自适应算法为用户推荐自适应学习内容和学习路径。根据用户想要达到的学习目标，可以进行荐引结果的调整。

三、教育出版领域自适应学习平台建设思路

培生Revel是一款成熟的自适应学习平台，建立了完善的学习功能框架，拥有丰富的自适应学习内容资源，开发出成熟的自适应学习模型，建构起适用的技术架构。Revel优势和特点突出，对于国内教育出版领域的自适应学习应用具有很好的借鉴意义。未来，我国教育出版业要抓住技术驱动下机器学习与出版融合的发展机遇，可在以下几个方面借鉴Revel经验，打造在线自适应学习平台。

1.引入技术力量，布局自适应学习产品

教育出版是国内图书出版业的主要支柱，拥抱新技术，实现人工智能与教育出版融合，这是解决困局的技术路径，也是教育出版业供给侧改革的新常态。有实力的出版企业，应加速进军机器学习应用领域，主动布局自适应学习产品市场。

毋庸讳言，技术开发并非国内教育出版机构的专长，技术是制约国内出版企业开拓智能教育市场的瓶颈。像培生这样的国际集团也是采取与技术公司合作的方式，或收购技术公司的方式，以此引入技术力量开发产品。当前，国内不少数字技术创业公司进入教育领域，它们拥有很多关键技术。出版企业可通过合作或并购的方式，引入技术公司或技术团队，开发出适合本企业定位的自适应学习平台。

2.发挥出版资源优势，生产适合自适应学习平台的数字内容

数字出版时代，内容资源在自适应学习的应用中仍占有重要地位。Revel就充分发挥了培生的出版内容优势，建设有丰富的、适应自适应学习应用的数字教材、课程、习题资源。国内教育出版企业积累了许多经典内容资源，形成了出版品牌，并且聚集了大量专业内容生产团队，形成了成熟的内容生产体系。人工智能时代，教育出版企业拥有技术公司所不具备的内容优势，能为自适应学习平台提供专业、系统、可信度高的数字学习内容。

值得提出的是，自适应学习平台的数字内容建设，并非简单的数字化，也非将数字教材与习题、图片、音视频等资源包简单捆绑，而是要将内容资源按照自适应学习平台特性，进行深度加工和结构化处理，建设成为交互、立体、富媒体的包含在线课程、数字教材和习题库在内的自适应学习资源。

3.深入研发核心技术，优化自适应引擎模型

自适应引擎是自适应学习平台应用的关键。其实，Revel的自适应引擎也存在优化完善的问题。Revel目前的自适应引擎局限于对于学生表层行为数据的分析与推断，对学习行为的情绪情感、社会关系等影响因素有所忽视，难以结合深层需求和行为动机进行荐引。在线教育产品设计中，社交情感学习成为美国自适应技术开发者关注的重点。未来可运用深度学习分析、情感计算等新技术成果，优化和完善自适应学习引擎。

目前我国的自适应学习产品尚处在人工智能应用的初级阶段，许多教育公司尚未研发出核心的自适应技术模型。自适应引擎技术始终是自适应学习产品开发过程中的重难点，教育出版企业应特别重视这一核心技术的研发投入，研发自适应学习的关键算法，建立学习资料丰富、测评结果准确、动态调整更智能的自适应学习平台。

4.内容适配场景，营造良好的移动自适应学习环境

培生Revel作为内容提供商和平台服务方的集合体，用学习场景连接了教育者、学习者，不单为学生提供高效的学习路径和优质的学习资源，也开放给所有教育者进行个性化备课和教学。不过Revel虽然注意到数字环境的营造，但更多的是学习环境的简单模拟。

移动出版时代，移动学习产品设计中需基于场景预测来实时满足用户特定情景下的阅读需求。自适应产品的开发者忽视了学习环境对于学生的影响，自适应学习难能达成理想效果。未来自适应学习系统，可进一步应用人工智能技术，并借助传感器、定位系统和数据挖掘技术，将学习场景和内容的个性化荐引结合起来，建构起适配用户和平台内容服务的多元移动场景。

注释：

[1]姜强，赵蔚.个性化自适应学习研究:大数据时代数字化学习的新常态[J].中国电化教育，2016(2)

[2]李新房，李静.新兴技术在高等教育中的应用、发展趋势与挑战研究——《2017 地平线报告(高等教育版)》解读与启示[J].现代远距离教育，2017(4)

[3]张世钦.机器学习驱动下的教育出版新机遇[J].中国出版，2017(10)

[4]李娜.麦格劳·希尔数字教育出版价值链研究[D].武汉：武汉大学，2018：5-6

[5]练小川.培生教育集团转型简史[J].中国出版史研究，2016(2)

[6]PearsonWatson[EB/OL].https://www.linkedin.com/pulse/our-project-news-pearson-cto-talks-watson-based-virtualsaugata-das

[7]Pearson.DigitalOcean[EB/OL].https://www.pearson.com/content/ DigitalOcean.pdf

[8]Pearsons learning platform set to transform the education industry[EB/OL].https://www.information-age.com/pearsons-learning-platform-123462720/