适应性学习支持系统：现状、问题与趋势

张家华　张剑平

摘要】适应性学习能够解决网络学习中的个性化问题，适应性学习支持系统（ALSS）是智能教学系统与适应性超媒体系统在网络环境下的融合。在介绍ALSS的概念、特征和基本结构的基础上，阐述了其发展历程、典型系统及技术，并分析了当前研究中存在的问题，最后指出了ALSS的发展趋势。

【关键字】适应性学习；适应性学习支持系统；ALSS；智能教学系统；适应性超媒体系统

【中图分类号】G40–057 【文献标识码】A 【论文编号】1009—8097 (2009) 02—0018—03

网络教学在一定程度上克服了传统课堂教学的不足，但在实际应用中也存在一些问题，如学习支持和交互相对缺乏、学习材料僵化、教学策略和手段不能随时调整等，网络教学很多时候仍是“一对多”的传播过程，没有从根本上解决学习的个性化问题。为此，学者们提出了“适应性学习”的概念。随着网络教育的广泛应用，以及人们对个别化学习的日益重视，适应性学习支持系统（Adaptive Learning Support System，以下简称ALSS）逐渐成为当前研究的热点之一。

一 ALSS的概念、特征和结构

1 ALSS的概念和特征

适应性学习是一种着眼于个体差异的学习，是让学习环境、学习内容、学习活动来适应每个人不同特点的高度个性化的学习过程。适应性学习支持系统则是针对个体学习过程中的差异性而提供适合个体特征的学习支持系统。它是“一种基于观察学习者的学习偏好、以获得最好的学习效果而进行动态组织的智能系统”[1]。ALSS大多从智能授导系统（ITS）和适应性超媒体系统（AHS）衍生而来[2]，但传统的ITS过于强调理想化的“教”的设计，导致实际应用并不理想；ALSS转而从“学”的角度进行设计，为学习者提供一个适应其个性特征的用户视图，不仅包括个性化的学习资源，而且包括个性化的学习进程和策略。

ALSS在很大程度上体现了网络学习的特征，如：基于资源的主动式学习、知识的自我建构、个别化和人性化的学习、快速反馈、数字化和智能化技术的支持等[3]。ALSS的核心特征是学习的个别化和人性化，即能够提供适合个别需求的学习内容与学习环境的支持。

2 ALSS的基本结构

ALSS是在ITS和AHS的基础上发展而来的，因此它们的结构有许多相似之处。但由于国内外学者的研究角度不同，因此关于ALSS的结构目前还没有公认的观点。文献分析表明，De Bra等 [4]（1999）提出的适应性超媒体应用模型AHAM是ALSS的重要原型，Lora Aroyo等[5]（2006）在此基础上增加了情境模型和适应性模型，提出了增强型适应性超媒体模型EAHAM。在此基础上，研究者设计了各种ALSS系统，如图1即为一个典型的ALSS的体系结构[6]。

一般而言，ALSS包含三个核心组件：

（1）学习者模型：是对学习者的若干特征信息的抽象描述，包括其在学习过程中呈现出来的知识状态、目标、背景、认知风格和爱好等。

（2）领域知识模型：其内容包括学习资源、课程结构、教学策略以及练习测试库等。

（3）适应性引擎：包括一些学习策略和学习工具，能根据学习者的有关信息，对其认知能力和知识水平进行诊断，动态地构建适合的学习内容及其呈现方式，并能对教学进行监测和管理，不断修改和维护学习者模型。

此外，ALSS还应支持学习者进行协作和探究学习，培养其元认知和社会性认知能力[7]，以克服传统的ITS和AHS系统在此方面的不足。

二 ALSS的研究现状

1 ALSS的研究历程

ALSS的研究最早可追溯到上世纪70年代，至今已经历了孕育、起步和发展三个阶段：

（1）孕育阶段：早在1970年，美国自然科学基金资助研制了TICCIT，利用计算机辅助自适应测试技术作为主要手段，试图提供适应性教学。80年代期间，在ITS领域开始注重认知模型和模式追踪的研究，力图实现教学的智能化和个别化。

（2）起步阶段：90年代初期，研究者开始利用适应性导航技术开发能适应不同学习者的超媒体学习系统。90年后期，基于Web的AHS成为研究热潮，并出现了三大方向：利用适应性超媒体组件创建基于Web的教育系统、探索AHS的新技术、开发AHS的框架和著作工具[8]。研究人员对AHS的体系结构、方法和技术进行了深入探索并开发了一批适应性学习系统。

（3）发展阶段：21世纪初以来，学习支持系统的研究日益受到关注。许多来自ITS和AHS领域的学者成为ALSS研究队伍的主要成员，他们对ALSS的发展起到了积极的推动作用。ALSS的研究呈现具体化和多元化趋势，其研究热点集中于适应性学习模式、适应性用户模型、适应性引擎技术、适应性协作学习支持等方面。

2 典型的ALSS及其技术

90年代至今，研究人员开发了各类适应性学习支持系统[9]，其中的典型系统及其关键技术如表1所示。

三 当前研究中的问题分析

从目前国内外ALSS的研究现状来看，相关研究还不够完善，仍存在一些不足之处，主要表现为：

1 国外研究较多，国内研究偏少

从文献分析结果来看，国外有关ALSS的研究起步较早，数量相对较多。自上世纪90年代至今，国外已有一定数量的学术论文和相应的软件系统，且相关研究呈现系列化的趋势，表明国外的研究比较持续和深入。而我国这方面的研究较晚，通过中国知网数据库检索国内相关文献，发现在2000年以前的论文数量非常少。近几年虽然研究数量在逐年增加，但总数仍然偏少，相关的论文仅60余篇，且研究成果多为“昙花一现”，缺乏后期的持续研究。

2 国内较重理论，国外较重应用

目前国内有关ALSS的研究大多集中于理论基础和系统模型的探讨，其次是技术开发，再次是学习模式、教学设计等。不少论文对ALSS的系统构架和实现技术进行了较多阐述，却很少关注系统的教学应用及其效果，从而使研究缺乏实践的支持。相比之下，国外近年来更强调系统的实际应用，一些研究者针对ALSS系统设计了相应的教学试验，以检验系统的应用效果，并以此发现系统设计的不足。

3 实用产品偏少，开发难度较高

由于ALSS的研究历史不长，目前大部分研究成果集中于理论层次，而实际应用的产品还不多。虽然国内外已开发出不少软件系统，但多局限于某一门或几门特定的课程或实验，还未能投入大规模的教学应用。此外，ALSS的技术开发要求较高，需要多个领域的专家和技术人员的合作，非一般教学人员个人能力所及。虽然有学者提出ALSS创作工具的设想，但仍有待进一步的深入研发。

4 理论支持不足，研究有待深入

首先，由于缺乏对网络学习机制的深入研究，没有类似于传统条件下学习和记忆模型这类成熟的理论框架作指导，因而难以实现ALSS的设计目标；其次，网络学习理论的研究者与学习支持系统的设计者之间缺乏有效的沟通与协调机制，从而导致系统设计与实际应用的需求存在一定的偏差；再次，有关适应性学习的模式、学习机制、用户模型等研究还不成熟，不同学者的观点有较大差异，尚未形成统一的认识，而关于ALSS的评价研究也比较少，有待进一步的发展和完善。

四 ALSS的发展趋势

网络学习将成为21世纪的重要学习方式，因此ALSS具有良好的发展和应用前景，其未来趋势主要包括：

1 新领域和新方向的拓展

（1）传统的研究和应用集中于教学领域，在未来它将与更多领域进行整合，如在文字处理程序或某些用户支持系统中引入适应性技术；（2）早期的ALSS多为封闭式结构，不同系统间不能实现信息互通，未来的ALSS将采取开放式主体结构，以支持系统间的相互理解；（3）未来将会尝试在手持或移动设备中应用ALSS技术，使学习者获得个性化的移动学习支持[10]。

2 新技术和新理论的应用

（1）自然语言生成技术、非符号化的人工智能技术（如基于案例的推理、机器学习、Bayesian模型、神经网络等）将在ALSS中得到广泛应用；（2）分布式学习、网络认知和本体理论将为ALSS提供有力的支持，并促其从现有的单一应用转向模块化、分布式的应用，多个系统协同工作，共享学习者模型的信息和适应性学习规则，从而在更大的范围内发挥作用。

3 新体系和新形式的出现

（1）采用组件化和分布式的体系结构，将优化ALSS的开发和维护，有利于不同系统中组件的共享和重用；（2）开发有效可靠的服务和通信协议，将更好的支持组件间信息的交流和共享；（3）设计开发通用的ALSS外壳或创作工具将大大降低系统的开发难度和成本；（4）适应性学习形式的多样化将促使ALSS的多样化，如适应性教育游戏系统即为典型一例。

五 结束语

未来的网络学习系统不仅能为学习者提供静态的信息，更重要的是提供个性化的学习内容、学习过程和学习环境，从而适应每个学习者的需要。适应性学习支持系统的动态内容呈现和适应性学习反馈机制能够较好地克服当前网络学习系统的不足，从而为网络教与学的革新带来新的希望。

参考文献

[1] Sonwalkar N. Adaptive Learning: A Dynamic Methodology for Effective Online Learning[J].Distance Learning, 2007, 4(1): 43-46.

[2] Brusilovsky P. Adaptive and Intelligent Technologies for Web-based Education[J].Künstliche Intelligenz, 1999, (4): 19-25.

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

[4] Bra PD, Houben GJ, and Wu H. AHAM: A Dexter-based Reference Model for Adaptive Hypermedia [A]. Proceedings of the 10th ACM conference on Hypertext and Hypermedia [C]. Darmstadt, 1999: 147-156.

[5] Aroyo L,Dolog P, Houben GJ, et al. Interoperability in Personalized Adaptive Learning [J]. Educational Technology & Society, 2006,9(2):4-18.

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

[7] 王永固.基于Web的适应性学习系统研究[J].电化教育研究,2004,(8):45-49.

[8] Brusilovsky P. Adaptive Educational Hypermedia: From Generation to Generation [A]. Proceedings of 4th Hellenic Conference on Information and Communication Technologies in Education[C].Greece,2004:19-33.

[9] Brusilovsky P, Peylo C. Adaptive and Intelligent Web-based Educational Systems [J]. International Journal of Artificial Intelligence in Education,2003,(13):156-169.

[10] Brusilovsky P. Adaptive Hypermedia [J]. User Modeling and User-Adapted Interaction,2001,11(1-2):87-110.