面向学生数字能力的自适应学习平台建构*

☆胡玮

（上海立达职业技术学院，上海 201609）

一、引言

2010年5月19日由欧盟正式发布的“欧洲数字议程(European Digital Agenda)”中强调数字能力是“为了工作、休闲和交流，自信和批判性地运用信息社会技术的能力”，是一个以知识为本的社会中个人基本的关键能力之一。具体来说，数字能力概念模型应包括三层：工具性知识与技能、高级知识与技能、知识与技能的应用态度。[1]图1 简要描述了数字能力的构成要素。

图1 数字能力的构成要素

根据《新媒体联盟2015地平线报告高等教育版》，预测了未来五年极有可能影响教育变革的关键技术，明确提出自适应学习技术将在未来的5年内被采用，并被列于长期发展之列。通过自适应学习技术，可以全面掌握学生的学习情况，为学生生成个性化的学习路径，提供多样化的课程和学习材料，支持学生独特的认知需求，实现无障碍学习。正是由于自适应学习技术的强大作用，自适应学习技术应用平台逐渐涌现。美国、荷兰等国著名大学的教授先后开发了自适应学习系统和个性化教育超媒体系统等软件。国内近年来也出现了一些用于院校的实验研究、关注职业教育的自适应学习平台[2]，如大讲台、魔力学院、职尚等，这些平台大都只针对于某些特定的学科领域，范围比较狭窄，国内对自适应学习技术的应用研究仍然有很大的空间。

二、面向学生数字能力的自适应学习平台建构思想

本文的落脚点在于构建面向学生数字能力的自适应学习平台，就是创设以学生为主体的自适应学习环境，实现学习内容个性化、学习路径动态化、学习错误诊断智能化，让学生在学习专业内容的基础上逐步提高数字能力。

（一）以操作性的和媒体相关的知识与技能作为学习内容或工具，促进学生工具性知识与技能的发展

国内的自适应学习技术应用研究尚在起步阶段，涌现出的自适应学习平台大多关注特定学科领域，如IT类、语言类、基础教育学科类。IT类学科领域的自适应学习平台大多都是将操作性的知识与技能既作为学习内容，又作为学习工具。现行自适应学习平台大部分都基于PC端，部分兼容移动端，学生以各类电子产品作为运行自适应学习平台的载体，在个性化学习的过程中，潜移默化地增加了对各类电子产品的操作及应用，深化对数字工具的了解及使用，促进其媒体相关的知识与技能的提高。

（二）创设以互动交流为目标的学习社区，提高学生高级知识与技能，培养学生知识与技能的应用态度

21世纪的数字能力除了面向工具和媒体使用的工具性知识和技能外，合作交流、信息管理、学习与问题解决、有意义参与等高级知识与技能，跨文化、批判性、自主性、创新性、有责任感的应用态度都必不可少。高级知识技能的提高，仅依靠传统的教与学的方式无法实现，必须在教与学的基础上，辅以大量的课内外、线上线下、多维度的互动与交流。因此，面向学生数字能力的自适应学习平台除了基础的教与学模块外，还必须创设以互动交流为目标的学习社区。对于学生应用知识与技能的态度培养，是没有确定的、独立的好方法的，需要在具体的主题下或是与具体目标相关的内容学习中融入态度学习，或者在与学习同伴的互动交流中激发态度学习。

三、面向学生数字能力的自适应学习平台模块建构

根据平台建构思想，利用“模块”明确需求的功能划分和实现，可以将面向学生数字能力的自适应学习平台分为如下四大模块。

（一）学习水平测定模块

测定模块是自适应学习技术应用的核心模块。主要实现以下功能。

首先是学习数据收集。学生的学习风格、认知水平、学习行为等都是学生学习大数据的组成部分。大多可采用学习风格量表的显性方法初始化学习风格[3]，然后再利用大数据和云平台服务累积的学生学习行为数据挖掘学生隐性学习行为及学习风格。基于项目反应理论、布卢姆认知理论推断学生的认知水平，确定学生的概念知识理解等级和难度级别。

第二是预测学习发展，即根据学生现有的学业大数据，不仅了解其现阶段的学习发展情况，也预测学生在今后学习中可以达到何种水平，主要起到预测作用。

第三是推荐功能，即推荐学生在下一步应该学习什么。系统抓取了许多学生学习的数据，用数据去分析学生适合学习的内容，再根据学习目标来确定学习内容的范围，为学生推荐最优化的个性化学习路径。也可以向学生推送与其有相同或相近学习兴趣、偏好特性、学习风格、认知水平的学生的学习信息。基于用户类型向学习者提供适应性的学习路径、学习对象等，实现系统与学习者之间的交互[4]。

第四就是提供内容数据。能够分析课程的内容质量如何，对学生学习有什么影响，让学习内容与学生更精确的匹配。自适应学习平台根据每个学生的情况提供不同的学习内容，学生每完成一个小阶段的学习，数据就会返回平台系统里。如果学生做对了，系统就给他推荐下一个题，以此实现实时、精准的自适应教学。此外，当学生的该阶段学业成绩较低于某个值的时候，系统就会介入，帮助学生成功完成作业[5]。

（二）自适应学习模块

自适应性学习模块是基于学生对特定领域知识的精确学习，并且认为学生可以通过成功地完成一系列给定的课程、试题、实验或者活动提升自身对于知识与技能的掌握程度，而不是凭借花费时间的多少。学生的数字能力的第一层次——工具性知识与技能需要学生精确学习，精确地展示学生在学习过程中是否实现阶段性学习目标，这有助于学习平台规划出更适合学生的学习路径。因此，在自适应学习模块中务必要提供多种易监测的学习指标，如：课程学习进程，实验或活动完成率、课程测试的准确率、课程笔记的频率及内容等。

自适应学习模块中，工具性知识技能既可以作为课程学习内容，又可以作为学习工具。例如：国内的“大讲台”自适应学习平台大部分以工具性的操作性IT知识为课程内容，在学习操作性知识的同时利用学习平台以及相关联的微信、微博、QQ、社区等平台掌握各类媒体相关的知识与技能。当然现阶段大部分自适应学习平台内容已不仅仅局限于IT领域，其他领域的课程内容同样可以将平台作为学习工具，在学习各领域知识的过程中逐步掌握利用信息技术的工具性知识与技能。

（三）个人知识管理模块

在开放性的自适应学习平台中，除了平台为学生推荐的课程及资源外，仍然存着大量的其他课程信息与资源，与学生个人相关度有限、质量也有待提高，这就需要学生精准定位、批判性地选择对自身学习有帮助的信息资源。这样管理个人知识的过程不仅可以提高学生知识管理能力，也可以培养学生对待知识与技能批判性和自主性的态度。对于学习平台来说，通过学生知识管理的过程了解学生对知识的关注点，可以更加精细化地分析学生的学习路径。个人知识管理模块主要体现在保存知识这一功能上，保存学生已学过、感兴趣、已关注的知识，在使用的时候能够最快速和准确地在海量资源中查询到所需内容。实现这一功能，可以个人工作台、个人学习空间的形式，囊括课程内容保存、学习历史记录、课程收藏、文档收藏、课程分享历史记录、个人参与的话题讨论、常用工具保存等内容。

（四）创建多媒体多平台开放性学习社区

数字时代对学生有了更高的要求，除了学习传统类型的知识与技能外，还要掌握高级知识技能及运用知识与技能的态度，而后者的习得仅仅依靠个人孤立的学习是无法实现的。因此，自适应学习平台必须要为学生搭建一个学习社区来改善学生的参与[6]。具体来说，自适应学习平台中的学习社区应具有如下特点。

1.以多媒体主题资源库为基础

资源建设是任何学习平台建设都无法忽视的关键环节，无论是创设数字化环境提供资源服务还是进行自主探究协作学习，无一不以学习资源为中心展开。因此，建立主题资源库后学生可以基于多媒体的主题资源开展探究式学习，也能组建学习小组开展协作式学习。资源库注重主题资源的有效性和学习者的主体参与性，根据学生利用资源的方式不同，培养学生利用知识、资源的态度。

2.以多平台社交为学习交互载体

学习社区最常见的类型是论坛。这种异步的交流让学生对他人发表的提问帖做出回应，以时间序列和树型目录形式排列不同的观点，避免无方向性和目的性的讨论，培养学生分析问题、解决问题的能力。但随着移动设备的普及，移动学习已成为学生通向数字学习世界的重要入口，仅支持PC端的交互平台无法满足学生的交流、分享的需求，学生需要更加便捷、实时的交互方式。因此，自适应学习平台建构的学习社区需支持与学生接受度高的其他平台相关联，如常用的通讯平台QQ、微信、微博等，或者自适应学习平台建设自己的移动端APP，从线上学习到线下分享交流都在移动端完成，最大限度地降低时间、空间等问题给学生在交互中产生的合作、交流活动带来影响。

3.开放性

学习社区是一个资源开放、交互自由的空间，强调学生的主体参与度和奉献精神。资源库除了由平台建设者时时更新外，社区成员也可以通过各种渠道不断获得外部信息并及时更新社区的学习资源，充分调动社区中学生的力量，汇聚群体智慧，积极进行交流和分享，不仅帮助学生巩固了已学的知识与技能，还能培养学生对自身分享的知识的自主性和负责任的态度。

四、结束语

数字能力成为21世纪技能的核心指向，但现阶段国内关于数字能力的研究与实践还很少，培养学生数字能力的教育方式仍需要更多样化的研究。本文以培养学生各层次的数字能力为目标，除了展示自适应学习平台培养学生数字能力的适切性外，也为利用自适应学习平台培养学生数字能力提供了方法和思路。本研究仍然是探索利用自适应学习平台培养数字能力的初期，关于其应用与实践，笔者将会在未来更进一步的研究。

[1]王佑镁,胡玮,杨晓兰,王娟.数字布鲁姆映射下的数字能力发展研究[J].中国电化教育,2013,(05):1-7.

[2]姜思璐,刘建国.大数据下协作学习的个性化自适应学习系统设计研究[J].长春师范大学学报,2016,(10):72-76.

[3]姜强,赵蔚,王朋娇.基于网络学习行为模式挖掘的用户学习风格模型建构研究[J].电化教育研究,2012,(11):55-61.

[4]姜强,赵蔚,王朋娇,王丽萍.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育,2015,(01):85-92.

[5]从教学生应试到适应性学习平台，Knewton的转型之路[DB/OL].http://www.jiemodui.com/Item/13466.2017-09-08.

[6]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].http://www.jiemodui.com/N/1172.html.2017-09-08. 基金项目：本文系2016年上海市高校青年教师培养资助计划（项目编号为Z20001-16-01）的阶段性研究成果。