双重身份学生自适应学习模型的构建与实证研究*

陈昂轩 刘怀亚 贾积有 张 君 徐玄冲

双重身份学生自适应学习模型的构建与实证研究*

陈昂轩1刘怀亚1贾积有1[通讯作者]张 君2徐玄冲2

（1．北京大学 教育学院，北京 100871；2．北京体育大学附属竞技体育学校，北京 100084）

如今，自适应学习已成为推动个性化教育实践落地的抓手，然而目前自适应学习模型研究对促进双重身份学生的个性化学习关注有限。基于此，文章以双重身份学生的典型代表——体育生为例，构建了基于智能教学系统的双重身份学生自适应学习模型，并提出实际应用流程，以便促进其落地实践。在此基础上，文章针对某体校体育生群体进行实证研究，通过对调查问卷、访谈数据和日志数据的分析，发现所提出的自适应学习模型能够在不影响运动动机的情况下显著提升学生的学业动机，由此证实了模型的有效性，并剖析了该模型四模块设计对实验结果的影响。文章通过研究，旨在为未来的社会性自适应学习模型设计提供参考。

自适应学习；双重身份学生；应用路径；学习情境

引言

随着大数据、人工智能、学习分析等的高速发展，基于学生的特性和知识结构进行个性化教学成为可能。为此，教育部于2021年发布《教育部等六部门关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》，重点强调“开发基于大数据的智能诊断、资源推送、学习辅导等应用，促进学生个性化发展”[1]。自适应学习作为实现个性化教育的核心策略[2]，其学习技术能够识别学生的知识差异，并有针对性地对学生的学习行为进行辅导和干预。自适应学习的应用有效打破了传统教育中因为优秀师资受限而无法帮助每一位学生的困境，推动了个性化教育的实践落地，因此近年来受到研究者的广泛关注。

个性化教育的落脚点是学生个体，但当前研究对学生身份上的认知差异和社会限制的探讨较少，尤其对于双重身份（Dual Identities）学生尚未有统一的定义。从社会角色的视角出发，双重身份学生群体与普通学生之间存在社会性身份上的区别[3]，即其是否在学生的身份之外还同时存在其他的冲突性社会性身份。这类学生的特征表现为其社会性责任与学生身份的学习责任并无直接连接，存在时间、空间、精力等方面的挤占现象，如体育生（学生-运动员身份）、军校生（学生-士官身份）、警校生（学生-警察身份）等。他们代表一类特殊的学生，其在作为学生的同时还具备另一种不同的社会性身份，这使其在身份认知上可能会产生冲突，即是否认可自己为学生而不是其他的社会性身份[4]。对于这类学生而言，他们需要在学生身份和社会性身份之间寻找平衡，理解如何整合这些不同的身份，使它们相互协调，通过培养身份平衡的能力以更好地应对未来多重角色的挑战。同时，双重身份学生往往承担着部分社会性责任（如参加比赛、训练等），其学业往往受到诸多限制，如学习时间不充分、学习空间不固定、学业交流不及时、训练安排不合理等，这使双重身份学生的学业学习面临巨大的挑战和困境。

面对双重身份学生群体的学习限制，个性化、自适应的学习方式是解决的良方。体育总局联合教育部刊发的《关于深化体教融合促进青少年健康发展的意见》明确指出，教育部门要完善加强高水平运动员文化教育相关政策，以个性化授课、补课等方式为优秀运动员完成学业创造条件[5]。然而，当前自适应学习模型研究对促进双重身份学生的个性化学习关注有限，往往并未关注到学生个体的社会性身份差异，这使意见中指出的个性化教学方式难以充分适应双重身份学生的学习需求。基于此，本研究以体育生这一典型双重身份学生群体为例，试图探究适应双重身份学生学习特点的自适应学习模型构建方式，并通过实证研究来验证构建模型的作用效果，以期为社会性的自适应学习模型设计提供参考。

一 研究现状

1 双重身份学生的学习困境

双重身份学生作为教育领域的特殊群体，其学习情况一直以来都受到研究者的重视，然而现有的许多研究表明，双重身份学生群体的学业表现落后于普通学生。以体育生群体为例，Van Rens等[6]对荷兰242名高水平体育生的研究表明，参加了高级比赛的学生在学校的学业表现较差，其在中学和高等教育中的学业水平相较于同伴学生而言都较低——这种学业上的落后现象已被指出与学生的运动身份有关。Bimper[7]对美国黑人体育生的调查发现，其运动员身份的认同程度越高，学业表现（Grade Point Average，GPA）就越低，而种族认同、种族差异反而并没有成为GPA的直接影响因素。Yukhymenko-Lescroart[8]在超过1000名体育生的样本研究中发现，学生的运动身份与运动成就呈正相关，却与学术成就呈负相关。

Firth-Clark等[9]指出，这一现象产生的原因是，双重身份的学生群体面临大多数其他学生没有的特殊挑战。例如，对体育生而言，必须平衡其训练需求和学业要求，但这样做会带来消极的后果，因为学生不得不为了适应体育训练而错过课程，被迫在体育锻炼和课程学习之间做出选择。由此，协调学业和专业训练要求，以及适应自身的社会生活和各种关系，成为以体育生为代表的双重身份学生所面临的现实学习困境。

2 自适应学习模型的发展

考虑到自适应学习方式能够匹配学生学习需求的特点，国内外对于自适应学习模型的设计进行了较长时间的探索。Brusilovsky[10]最早提出使用自适应超媒体来支持个人学习，并构建了自适应超媒体系统通用模型（Adaptive Educational Hypermedia Systems，AEHS）。该模型根据学生的个人资料或记录调整特定学生的课程内容，其中自适应引擎是满足用户模型适应超媒体的核心要素。Pena-Ayala等[11]则将活动理论（Activity Theory）应用于自适应学习系统的设计之中，以活动作为分析的基本单元，构建了自适应学习的“活动-动作-操作-结果”四层架构模型，进一步发展了以活动理论为基础的自适应学习系统的设计框架。

在我国，童名文等[12]基于自适应逆控制理论构建了自适应学习系统动力模型，从系统动力机制的视角分析自适应学习在学习动力、学习目标和学习效果方面的关系纽带，以追求学习目标的学习动机为基础，推动自适应学习模型的动力学演化。郝祥军等[13]则提出了自适应学习的社会性发展路径，注重自适应学习模型中情感互动、协作交互等社会性需求的引领，针对学伴支持构建了自适应匹配框架，丰富了基于协商的自适应学习模式。

随着“智能+教育”的兴起，自适应学习也逐步与智能技术融合，以智能技术创新自适应学习方式。智能教学系统就是其中的重要助推器，该系统能够借助人工智能技术，对学生进行差异化、个性化的教学，并给出及时和定制性的指导反馈，从技术视角推动学生的辅导过程；同时，该系统还能够为自适应学习模型的设计提供实际落地的“抓手”，推动自适应学习模型可复现、可推广的现实发展[14]。

目前来看，自适应学习模型设计主要追求对系统架构、算法过滤等模块的提升，着眼于对学生学习行为和学习风格的适应性匹配，而对学生的学习情境、身份冲突等社会性因素重视不足。为此，本研究拟通过对体育生这一典型双重身份学生的社会性特点进行挖掘，构建纳入身份情境的自适应学习模型，从而有力推动自适应学习模型社会化发展的落地实践。

二 双重身份学生特点自适应学习模型的构建

为了探究体育生这一典型双重身份学生的学习环境限制与学业特点，本研究在模型构建之前对B市Z区某体校基地的体育生群体进行了前期访谈和问卷发放，并结合专家咨询，最终确定四个体育生群体因学习情境限制而产生的学习问题：①水平参差，由于师资力量配备的差距，体育生群体学业水平普遍较弱且参差不齐；②情境动荡，由于主业的训练要求，留给学习的时间较零碎，参加比赛时学习的空间也不固定；③意愿被动，由于文化培养的投入不足，学生的学习主动性弱，学生自述多从5、6年级开始就不认真上课；④精力分散，由于训练过后带来的精力下降，学生在学习过程中往往注意力不足、无精打采。

基于此，本研究采用Vandewaetere等[15]提出的自适应学习四维视图（来源、情境、方法和对象），以智能教学系统为落地工具，扩展自适应学习模型的社会身份维度设计，构建了基于智能教学系统的双重身份学生自适应学习模型（Double Identity Student Adaptive Learning Model，DISALM），如图1所示。有别于传统自适应学习环境的学习者模型、领域模型、教学模型、人机交互模型四个核心模型，本模型以来源、情境、方法模块作为自适应学习的特征输入维度，以智能教学系统作为自适应学习的模型载体，以自适应学习的对象模块作为内容输出维度。

图1 基于智能教学系统的双重身份学生自适应学习模型

1 模型构建的要素内涵

（1）适应的来源：因何适应

自适应学习的宗旨是以学生为中心，学生的自身知识水平和心理特质是辅导设计的基石。对于体育生群体而言，由于师资力量配备不均匀，其文化学习水平参差不齐，因此即使是同龄的学生其知识水平都可能存在巨大差异。知识追踪方法重点关注对学生知识水平结构变化的测量，如常见的基于贝叶斯网络的知识追踪、基于深度学习的知识追踪、机器学习中的折半查找等方法，都能够在动态间隔中评估体育生群体的知识水平变化情况，实际满足体育生群体对于学习内容精准辅导的需求。目前来看，对于知识状态的刻画和描述是自适应学习模型中适应来源的研究重点，准确的知识追踪结果可用于智能教学系统设计合理的知识系统与知识库。而从维度上来看，适应来源模块的研究较少关注学生的身份特质及其带来的心理特征差异。体育生群体的选拔经历往往和普通学生有较大差别，现有研究也凸显了体育生群体在心理特质方面与普通学生的差异性，如压力、自信心、自我效能、感知障碍等[16]。由此，在自适应学习模型中评估体育生群体状态，为智能教学系统进行学生设计建模就显得尤为重要。为此，可以通过认知诊断、学习风格诊断、层次属性判别、效能模型判定等多种心理测量手段对学生进行心理特质建模，使智能教学系统能够更精准地获得学习群体的初始静态参数估计，从而为体育生群体调整学习难度和学习任务，实际满足双重身份学生对于学习内容精准辅导的需求。

（2）适应的情境：于何适应

真实的学习过程无法脱离学习场域的限制，因此针对双重身份学生群体的自适应学习模型也应当注重具体的学习情境。对于体育生群体而言，其训练任务占据着日常生活中的绝大部分，留给文化学习的时间相比普通学生更少、更零碎；同时，为了满足体育主业的选拔，体育生群体往往需要参与不同区域内举行的比赛，其文化学习的空间也并不固定。这表明，对体育生群体学习的情境自由度的适应性设计应是自适应学习模型构建的重要方向。已有研究已经关注到自适应学习的不同设备类型与学生情境自由度的对应关系（如表1所示），这种对不同设备类型的使用实际上反映了学生当前所处的学习情境。

表1 不同设备类型与学生情境自由度的对应关系

由此可见，在针对双重身份学生的自适应学习模型中，通过获取学生使用的设备类型，便可以有效判断学生所处的情境自由度，从而了解学生学习的时间与空间差异（如是否处于碎片化时间、是否处于非固定环境等），适应性地根据学习情境分配任务数量与难度。

（3）适应的方法：如何适应

随着学生地位在智能系统的设计中不断提高，在人机交互形态上也产生了系统控制、学习者控制、联合控制（学习者-系统）等不同的人机协作模式。不同的控制模式体现了学生的自我动机差异，自我动机强的学生在学习过程中有着自我控制的意愿，更加倾向“学习者控制”的协作模式；而自我动机弱的学生更加倾向“系统控制”的协作模式[20]。已有研究表明，体育生群体在学业上往往没有较强的主动性和积极性，在人机交互形态上会更倾向于传统的“系统控制”协作模式；而其中自我学业动机更强的体育生能够对自身学习进行监督，其学业表现比其他体育生更好[21]。因此，对于自适应学习模型而言，其应当在原有“系统控制”方式的基础参数上，构建支持“学习者控制”或“联合控制”的学生自主学习方式，促进智能教学系统的人机交互设计变革，自动适应学生在人机学习环境下的控制需求，从而促进体育生群体学业维度内部动机的提升。

（4）适应的对象：对何适应

自适应的对象指的是在自适应学习系统中输出的内容形式。现有的自适应学习模型已经开始关注学习活动中内容（如知识点、知识结构等）、表征（如选择题、填空题、聊天窗等）、路径（如群体学习路径、个人学习路径等）、支持（如微课、短视频、在线讲解等）的设计。而对于体育生群体而言，当前已有的学习活动来自于对学生身份的开发，内容形式上未能充分融入其社会性身份所带来的理解能力。对此，情境学习理论指出，知识是具有情境性的，其与行动紧密相连，只有在具体的情境中行动和应用，学生才能完全理解知识[22]。因而对于体育生这类双重身份学生而言，其自适应学习内容应当注重融入社会性身份所带来的理解能力（如提供以体育项目为出题背景的题目）。这种内容融合不仅可以聚焦于题目设计，还可以在表征、路径、支持方式等方面设计融入身份情境，从而在智能教学系统的学习材料设计中突出内容形式的自适应变革。

2 应用路径

为了促进DISALM模型的实践落地，本研究设计了双重身份学生自适应学习模型的应用路径（如图2所示），具体可分为教学启动层、辅导进行层、迭代反馈层三层。

图2 双重身份学生自适应学习模型的应用路径

图3 自适应学习模型应用路径下的实验过程

①教学启动层：本层用于获得智能教学系统启动的具体参数。首先，可通过前期知识测试对学生知识水平进行判定；然后，应用心理评估模型与心理调研方法对学生心理特征进行测量；最后，进行学生的情境需求评估，获得学生学习情境参数。

②辅导进行层：本层通过学生知识水平参数，构建符合学生学习难度区间的领域知识库模型，包含学习的知识数据以及推荐的资源数据；另外，通过心理特征参数与情境需求参数构建学习者模型，包括学生的学习状态（涉及人机交互的控制类型、初始动机效能参数）以及情境状态（涉及情境自由度水平、任务时间间隔参数），并基于这两个状态来设计分配适应性教学内容。设计后的教学内容通过融入智能教学系统，供不同情境、不同水平、不同控制模式下的双重身份学生进行应用。

③迭代反馈层：本层在应用过程中通过收集过程性数据来评估学生的知识水平变化，从而对领域知识库模型进行更新，进行知识迭代；通过收集反馈性数据（如学生反馈、教师反馈）来评估学生的适应状态，进行过程反馈，从而对学习者模型进行更新。两者共同作用，实现模型的自适应性不断提升。

三 实验设计

为验证DISALM模型的有效性，本实验拟探究：①应用DISALM模型后，体育生的学习与运动动机是否存在变化？②DISALM模型的四维模块设计对体育生群体的有效性如何？

1 实验准备

本实验选取B市M区某体校基地的29名体育生，进行了为期12周的数学与英语学科的自适应学习。体育生群体训练的项目分别为举重与摔跤。实验基于“乐学一百”智能教学系统（本研究所提出模型的应用载体），从来源、情境、方法、对象四维度进行了适应性设计更新。该系统提供覆盖小学、初中学段的人教版数学与英语学科所有单元知识点的试题，能够对答案进行智能判定，同时还能对不同账户的学生自适应分配不同的学习进度，是本实验落地的基础工具。此外，该系统的原有组件是成熟的，保证了系统的稳定性[23]。

2 实验过程

本实验的过程依据上文提出的应用路径进一步细化，具体如图3所示。

（1）教学启动层

实验开始前，本研究对体育生进行前测。依据自适应模型的来源设计，本实验采用基于学段的折半查找算法，对体育生的知识水平进行判定，以确定学生的知识学段需求。针对体育生的心理特征测量，本实验进行了“体育生对学业学习的认识”的前期访谈，以专家评分的方式获得体育生群体的学习意愿、学习压力、自我认可等个体差异化评价，以确定他们的心理需求。同时，本实验通过访谈，了解不同体育生的运动环境，以确定他们的学习情境需求。

（2）辅导进行层

①知识内容适应：根据教学启动层中针对体育生判定的不同知识学段，系统后台为每位体育生抽取试题库中对应判定学段的试题，并以单元任务形式进行组织，即每个单元任务包含该学段的某个知识点。同时，对单元任务的试题内容进行评估，部分试题进行了社会身份化改写（为摔跤学生改写并分配摔跤情境应用题，为举重学生改写并分配举重情境应用题）。

②心理与情境需求适应：根据教学启动层中的心理特征评分，系统将其与初始题目难度评分相对应，不同心理特征的体育生对应不同的初始单元任务难度。同时，本实验对采用的智能教学系统进行有针对性的开发，支持网页端、平板端和手机端的学习内容互联互通。当学生使用网页端系统时，其学习环境被系统判定为低自由度，认为具有专注的学习能力，需要完成的学习任务数和难度将提升；而学生使用移动端系统时，需要完成的学习任务数和难度相应降低。

（3）迭代反馈层

本实验在第5周与第9周通过系统向学生发送反馈性的问卷进行数据收集，关注题量和难度的分配合理性。系统会依据学生的不同反馈，在之后的学习中自动给出不同题量和不同难度的任务。两次反馈就能让系统对题量难度参数进行迭代更新，提供了学生对系统控制的纽带，支持学生对于系统的自主干预。

3 数据收集

在数据收集方面，本实验采用国际上较为成熟的测量学生运动员学业与运动动机的SAMSAQ量表[24]。由于SAMSAQ量表最初针对的目标人群是大学阶段的体育生，和我国国内的体校制度有所差异，因此本实验针对我国国内体校体育生的学习场景与年龄阶段进行了适应性改编，对学生在辅导前后的学业动机（Academic Motivation，AM）、学生运动动机（Student Athletic Motivation，SAM）和职业运动动机（Career Athletic Motivation，CAM）进行了测量。实验针对29名学生发放了该问卷，收回问卷24份。删去未认真作答的问卷1份（所有题项都是同一个选项）和重复作答的问卷1份，最终得到有效问卷22份，问卷回收率75.9%。对问卷进行信度分析，其克隆巴赫系数达到0.757，说明问卷信度良好。

由于问卷分析的样本量较少，可能存在一定的分析偏差，因此本实验采用混合研究方法，通过半结构化访谈，进一步聚焦来源、情境、方法、对象模块的适应性设计作用，对知情同意的1名体育生教练（编号C1）、2名教师（编号T1、T2）、9名体育生（编号S1～S9）进行了访谈。同时，本实验还记录了学生在系统后台的行为日志数据，包括任务完成数、答题准确率、任务完成时长等。

四 结果与讨论

1 应用自适应学习模型后体育生学业与运动动机的变化及影响

本研究通过配对样本T检验检测实验前后的差异，体育生群体动机维度检验结果如表2所示。可以看出，在双重身份学生自适应学习模型的辅导下，体育生群体的AM有了显著的提升，同时其SAM和CAM只有轻微的下降，且结果并不显著，表明本研究提出的自适应学习模型能够集中提升学生的AM且不影响其训练主业，在AM和CAM方面取得了较好的平衡，对于体育生这一群体而言有着适切、突出的辅导效果。

表2 实验前后体育生群体动机维度检验

注：*表示＜0.05，下同。

2 自适应学习模型四维模块的有效性剖析

（1）来源模块的适应性设计有效性

自适应学习的来源设计是否准确挖掘到了学生的特质，是来源部分有效性的关键。多数受访者认为实验中的个性化知识内容非常适合自己，贴近自身水平，如受访者S4表示：“我觉得题目刚刚好，符合我的个人水平”。还有受访者提及能够感受到来源模块中的心理评估对自身的帮助，如受访者S3表示：“作为运动员有时（因为训练成绩）压力较大，而这种评估不会让我在厌烦以及排斥的情况下还要做难题”。对日志数据进行分析发现，心理评估中运动压力较大、学习效能感较低的学生与运动压力较小、学习效能感较高的学生在两个科目中的任务完成数并无显著差异。体育生这类双重身份学生通常在知识层次和心理水平上存在较大的个体差异，而本实验表明，对知识和心理状态两方面的自适应设计能够有效弥合体育生之间的特质差异，促进体育生的群体学业水平发展。

（2）情境模块的适应性设计有效性

在自适应学习的情境设计方面，多数受访者表示学习时间、学习场域、学习设备使用方面的自由度适配性可以满足其在特定学习情境下的需求，如受访者S1表示：“很多时候训练完挺累的，洗完澡躺在床上（用手机）做题，发现题目做起来还很得心应手，感觉花在学习上的时间都变多了”。从后台日志数据来看，学生在移动端和网页端的答题准确率并无显著差异。这表明情境模块的设计缓和了学习情境对学生的限制作用，通过移动端和固定端的区分，满足了体育生群体在学习精力上的不同需求。这表明，情境模块适应性设计的重点是充分关注学生学习中的时空、精力限制，以设备类型作为设计的着眼点，能够基于情境自适应调整双重身份学生的学习任务。

（3）方法模块的适应性设计有效性

在自适应学习的方法设计方面，多数受访者表示对学习的自主控制欲望增强了，通过控制能力的提升增强了学习的主动性。如受访者S3表示：“以前就是（系统）给什么我学什么，现在（反馈后）有那些知识的储备，想自己多学习一些。”通过访谈发现，学生对自身内在目标的追求的主动性也有所提升，如受访者S2表示：“之前觉得有的题目太简单，但（经过问卷反馈）之后发现题目难度变难了一些，更适合我了”。对后台日志数据进行分析发现，以系统提供反馈活动为时间切点，相比反馈前，在反馈后学生数学学科的完成任务数平均上升了2.7（t=1.132，＜0.05），表明学生对系统的可感知反馈能够显著提升其在数学学科的学习投入。实验表明，体育生这类双重身份学生也有学习内容自主决策的需要，本实验能够在系统决策方法上适应学生的自主度，增强其控制的积极性，从而提升自适应学习模型对学生自主需求的适配度。

（4）对象模块的适应性设计有效性

对象模块的适应性设计关注内容形式与体育生社会性身份的连接，多数学生表达了对这一设计的欢迎，如S5表示：“看到（和自己训练）相关的题就想做，读起来也不费劲”；S6表示：“我喜欢这种设计，能让我感觉被重视。课堂上的题目都是给那些好学生做的，这边的题目感觉更适合我们”。体育运动的不确定性造就了学生运动员联想能力强、创造力强的特点，更容易接受形式活泼多变的教学方式[25]，而访谈表明体育生的知识和生活经验适用于其学生身份的转变，由此证明了在本实验设计中融入学生社会性身份的有效性。

五 结语

本研究以体育生为例，基于智能教学系统技术，构建了针对双重身份学生的自适应学习模型，并通过应用路径的设计来推进双重身份学生的个性化教育实践落地。实证研究结果表明，应用该自适应学习模型可显著提高双重身份学生的学习动机，同时不影响其运动和职业动机。研究还通过访谈验证了自适应性学习模型四维模块的有效性，发现该模型能够关注体育生的学习限制和社会身份优势，从而增强其学习的积极性。本研究尚存在一定的不足，如只针对体校学生进行研究，所学内容仅涉及小学、初中阶段的知识，而未涉及高中、大学阶段的相关内容；样本量较小，实验时间较短；未关注到体育生的体育水平差异等。后续研究可做进一步的探索，重视自适应学习模型中的学生社会性限制，推动自适应学习模型的社会化发展，从而走向更加“因材施教”的理想教育。

[1]教育部等六部门.教育部等六部门关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见[OL].

[2]吴南中.自适应学习模型的构建及其实现策略[J].现代教育技术,2017,(9):12-18.

[3][4]Kang S K, Bodenhausen G V. Multiple identities in social perception and interaction: Challenges and opportunities[J]. Annual Review of Psychology, 2015,547-574.

[5]体育总局教育部.体育总局教育部关于印发深化体教融合促进青少年健康发展意见的通知[OL].

[6]Van Rens F, Elling A, Reijgersberg N. Topsport talent schools in the Netherlands: A retrospective analysis of the effect on performance in sport and education[J]. International Review for the Sociology of Sport, 2015,(1):64-82.

[7]Bimper Jr A Y. Game changers: The role athletic identity and racial identity play on academic performance[J]. Journal of College Student Development, 2014,(8):795-807.

[8]Yukhymenko-Lescroart M A. On identity and sport conduct of student-athletes: Considering athletic and academic contexts[J]. Psychology of Sport and Exercise, 2018,34:10-19.

[9]Firth-Clark A, Sütterlin S, Lugo R G. Using cognitive behavioural techniques to improve academic achievement in student-athletes[J]. Education Sciences, 2019,(2):89.

[10]Brusilovsky P. Methods and techniques of adaptive hypermedia[J]. User Modeling and User-Adapted Interaction, 1999,(2-3):87-129.

[11]Peña-Ayala A, Sossa H, Méndez I. Activity theory as a framework for building adaptive e-learning systems: A case to provide empirical evidence[J]. Computers in Human Behavior, 2014,30:131-145.

[12]童名文,师亚飞,戴红斌,等.智慧学习环境中自适应学习系统动力机制研究[J].电化教育研究,2020,(2):68-75.

[13]郝祥军,顾小清.基于协商的学伴推荐:自适应学习的社会性发展路向[J].中国远程教育,2021,(8):51-59.

[14]孟青泉,贾积有,张志永,等.智能教学系统测评模型的构建与实证研究[J].现代教育技术,2022,(5):68-74.

[15]Vandewaetere M, Clarebout G. The cognitive apprenticeship model in educational practice[A]. Handbook of research on educational communications and technology[C]. New York: Springer, 2014:425-437.

[16]Bird M D, Chow G M, Cooper B T. Student-athletes’ mental health help-seeking experiences: A mixed methodological approach[J]. Journal of College Student Psychotherapy, 2020,(1):59-77.

[17]Gardner L, Sheridan D, White D. A web-based learning and assessment system to support flexible education: A web-based learning and assessment system[J]. Journal of Computer Assisted Learning, 2002,(2):125-136.

[18]贾积有.平板电脑在中小学英语课堂教学中的应用探究——基于6个省市9节中小学英语课程视频的分析[J].现代教育技术,2019,(11):74-79.

[19]唐翠兰,范福兰.基于自带设备的高校“4S”教学模型的构建与应用[J].现代教育技术,2017,(12):38-43.

[20]乐惠骁,贾积有.智能的边界——智能教学系统中的用户自主度研究[J].中国远程教育,2021,(9):49-58.

[21]García A J, Fong C J, Regalado Y M. Motivational, identity-based, and self-regulatory factors associated with academic achievement of us collegiate student-athletes: A meta-analytic investigation[J]. Educational Psychology Review, 2023,(1):14.

[22]王美,程佳铭,高守林.用技术赋能情境学习[J].现代教育技术,2018,(11):12-18.

[23]贾积有,张必兰,颜泽忠,等.在线数学教学系统设计及其应用效果研究[J].中国远程教育,2017,(3):37-44、80.

[24]Gaston-Gayles J L. The factor structure and reliability of the student athletes’ motivation toward sports and academics questionnaire (samsaq)[J]. Journal of College Student Development, 2005,(3):317-327.

[25]胡好,孙庆祝,张英波,等.我国青少年运动员文化学习动机结构及相关特征研究[J].南京体育学院学报(社会科学版),2015,(3):100-108、128.

Research on the Construction and Emprical Study of an Adaptive Learning Model for Double Identity Students

CHEN Ang-xuan1LIU Huai-ya1JIA Ji-you1[Corresponding Author]ZHANG Jun2XU Xuan-chong2

At present, adaptive learning has become a pivotal factor in promoting the implementation of personalized educational practice. However, the current adaptive learning models has paid limited attention on fostering personalized learning for double identity students. Based on this, the paper took the students of physical education, a representative of double identity students, as an example, constructed a double identity student adaptive learning model (DISALM) and proposed a practical application process to facilitate its landing practice. Based in this model, an empirical research on a group of students of physical education from a sports school was carried out. Through analysis of survey questionnaires, interview data, and log data, it was found out that the proposed adaptive learning model can significantly enhance students’ academic motivation without affecting their athletic motivation. This confirmed the effectiveness of the proposed adaptive learning model and dissected the impact of the four-module design of the model on the experimental results. Through research, it was expected in this paper to provide reference and inspiration for the design of future social adaptive learning models.

adaptive learning; double identity students; implementation path; learning situation

G40-057

A

1009—8097（2023）10—0108—10

10.3969/j.issn.1009-8097.2023.10.011

本文为国家社会科学基金教育学国家一般课题“基于大数据挖掘的学生智能评测和辅导研究”（项目编号：BCA220208）的阶段性研究成果。

陈昂轩，在读博士，研究方向为教育技术学、人工智能教育应用，邮箱为angxuan.chen@stu.pku.edu.cn。

2023年4月6日

编辑：小时