基于人工智能技术的个性化自适应学习的实践研究

常坤 吴建平 马玉洁 王小丽

摘  要  在人工智能时代，个性化学习越来越受到重视，而自适应学习成为实现个性化学习的有效途径。基于可汗学院自适应学习平台，以高中“牛顿运动定律”这一章节为实验内容，验证基于人工智能技术的自适应学习平台对学习者学习兴趣、学习成绩以及学习效率有明显的正向影响，研究结果有助于推进自适应学习理论与技术的发展。

关键词  人工智能；自适应学习；牛顿运动定律

中图分类号：G434    文献标识码：B

文章编号：1671-489X（2023）13-0044-04

1  人工智能的定义以及特点

人工智能（Aritificial Intelligence，AI）诞生了差不多已半个世纪，但至今科学界也没有一个确定的定义，根据对相关文献的查阅，这里给出一个认可度比较高的定义：人工智能也叫机器智能，是集合了计算机科学、逻辑学等众多学科的一种人类智能的技术和科学，它能够对人的思考过程进行模拟，从而“思考”、判断和解决问题。由于人工智能应用的领域不断扩大，它的主要特点也在不断变化。现在AI主要表现出以下几个特点：

一是所有的学习依靠大数据的支持；

二是跨环境的认知、学习、推理；

三是人机、脑机的结合更加智能化；

四是群体智能被重视；

五是自主系统被广泛应用，比如无人驾驶系统等。

2  自适应学习的概念以及特点

自适应学习（Adaptive Learning）也叫适应性学习，是学习平台或系统根据学习者的学习情况，分析其学习水平以及能力，为其提供一种适合他们的、具有针对性的学习服务，从而实现为学习者提供个性化的学习体验[1]。通过整理文献发现，近年来，自适应学习的研究主要涉及三个方面：

其一是学习内容方面，自适应学习会根据学习者的学习情况来匹配学习内容，会把最优化的学习资源匹配给学习者；

其二是学习评价方面，自适应学习主要关注学习者的在线学习行为，根据学习者提交的作业来量化作业质量以及提供学习意见；

其三是学习序列方面，自适应学习的关键是学习路径推荐，推荐算法是自适应学习的核心，也是学习者学习过程中查漏补缺的途径[2]。

人工智能技术支持下的自适应学习优化了集体授课不能照顾所有学习者的局限，实现了学习过程的自动化调节，对学习资源进行了有效传递，真正实现了“因材施教”。

3  自适应学习的基本理论

3.1  知识空间理论（Knowledge Space Theory，KST）

知识空间理论是在20世纪80年代由Doignon等人提出的，该理论主要用来检测学习者当前的學习情况，评估学习者已有的知识水平。知识空间理论是一个集合理论框架，它提出了数学形式，以操作在特定领域的知识结构。知识空间理论最基本的假设是，每个知识领域都可以用一组领域问题或项目来表示。此外，知识空间理论假设这些项目之间存在依赖性，因为对一个给定的项目或一个项目的子集的知识可能是了解另一个更困难或更复杂的项目的先决条件。这些前提关系是通过推测关系来实现的，推测关系在不同的项目之间产生了一个准顺序。基于该理论，本文采用可汗学院自适应学习平台，其自适应学习系统可根据学习者学习情况来分析学习者，以此来精准定位学生的薄弱知识点。

3.2  掌握学习理论（Mastery Learning Theory）

掌握学习理论是由认知派心理学家布鲁姆所提出的观点，该理论认为，在一定的时间内，只要采取合适的教学手段，学习者几乎能够掌握所有知识。换句话说，只要学校提供条件，允许学习者根据自己的节奏学习，他们就能够完全地掌握所学知识。自适应学习平台充分发挥自主学习的优势，给予学习者足够的时间，根据自身学习情况把握学习的步伐，进而实现个性化的学习。自适应学习平台可以准确地检测出学生的薄弱知识点，通过推送系统推送资料，进行重点攻克，直到学习者真正掌握所有的知识点。

3.3  联通主义理论（Connectivism Learning Theory）

联通主义理论是加拿大学者乔治·西蒙斯提出的，2005年他发表《网络时代的知识和学习－走向连通》一文，详细地介绍了该理论。该理论产生在网络2.0时代，也必然服务于这个时代，它也因此被称为“数字时代的学习理论”。联通主义理论认为学习是一个连续的、动态过程，知识以节点的形式存在，通过学习不断连接知识节点，形成知识路径，最终形成知识网络。自适应学习平台把一个知识点不断细化，形成多个知识节点，利用相互之间的关系来连通、重组、再造知识，形成对知识的整体把握[3]。

4  人工智能技术支持下的自适应学习模式

本次实验采用的平台来自萨尔曼·可汗创立于2007年的可汗学院（Khan Academy），可汗学院是非营利性的组织，致力于打造一个百科全书式的、全免费和网上智能跟踪的视频学习平台。该平台属于自适应的学习平台，利用影片和文档代替上课，平台的练习系统记录学习者的练习记录，让学习者从学校走向家庭，从家庭走向学校[4]。可汗学院的自适应学习平台学习过程如图1所示。

4.1  全面性学习

可汗学院学习平台上涵盖了数学、科学、计算机、艺术与文学等十几种学科，内容知识涉及各个年龄段的学生。本次实验所选择的物理学科，其知识点包括了初中、高中以及大学的内容，学习者根据自身需求选择知识点进行学习，在学习完之后系统会对用户画像，为后续的知识点推送奠定基础。

4.2  针对性学习

平台系统会根据学习者的做题情况进行数据分析，会向学习者推送薄弱知识点的相关学习资料，这些资料大多以文本、视频或者图片的形式呈现，属于解释性和补充性材料。学习者利用这些解释性的材料进一步巩固自己薄弱知识点，这种“对症下药”的学习方式有效避免了重复做题，也不会浪费学习者有限的学习时间，因而提高了学习效率。

4.3  测验

自适应学习平台中的测验部分有小结测验以及单元测验，学习完一个知识点之后，学习者可以选择完成小结测验，这部分测验只针对某一个知识点的内容。单元测验是一个总结测试，包含这一单元的所有知识点。两种测试都有及时反馈的功能，每当学习者做完一个题目，系统都会反馈给学习者一个结果，如果学习者做错了题目，系统会提示“获得帮助”和“使用提示”，点开之后是该题目的解题思路。在完成测试题后，会有一个大概的总结，作用是量化每次测试的结果。

4.4  结果反馈

结果反馈是系统平台对学习者学习情况的总结，根据学习者的做题结果，分析出学习者对各个知识点的掌握程度。学习者可以根据系统的提示或者意见进行针对性的学习，查漏补缺，既能避免重复做题，又能对知识点全面巩固。

这四个环节是循环迭代的，每一个环节的结果都会影响下一个步骤的生成情况，学习者学习状态及时反馈机制强化了学习者对知识点的记忆，避免了短时记忆造成的弊端。

5  人工智能支持下的自适应学习案例分析

本研究以高一年级的学生为研究对象，班级学生在上一次的考试成绩平均分为75分左右（百分制），总体水平处于年级中上等。选取高一年级物理“牛顿运动定律”这一章节作为实验内容，这一部分内容比较抽象，是经典力学的基础，在整个物理学科中有着极为重要的地位，该部分还是考试的重点内容，需要学习者充分吸收消化。

5.1  人工智能支持下的自适应学习基本过程

5.1.1  全面性学习

本次所选择的“牛顿运动定律”学习内容在可汗学院学习平台中被分为三个一级知识点，分别为牛顿第一、第二、第三定律，每一个一级知识点又细分为1～2个小节，共6个小节，所有知识点以视频和文档的形式展示，视频和文档以动画和导向性问题的形式呈现。这是一个全面学习的过程，学习者只需跟着平台的节奏，根据自己的学习情况选择学习进度和顺序。相比于传统的课堂学习，利用自适应学习平台更能全面、立体地呈现学习内容，能够带给学习者更加直观的感受。图2为全面性学习的过程。

5.1.2  针对性学习

系统会根据学习者的学习情况，向学习者推送指向薄弱知识点的相关学习资料和内容，包括视频、文本和图片等。在“牛顿运动定律”这一章节，学习者在检测过程中的每个检测结果会实时反馈给平台系统，当学习者有错误出现时，系统会推送相关薄弱知识点的学习资料来帮助学习者复习，这就避免了学习者重复学习，提高了学习效率。图3为牛顿第三定律针对性学习过程。

5.1.3  测验

这一章节内容在平台系统中有两次检测，小结检测和单元测试，平台根据知识点的难易程度，生成5～10道题目，用于检测学习成果。以“牛顿运动定律”为例，在系统平台中涵盖了惯性、平衡状态、加速度、作用力与反作用力等知识点，每个知识点又进行细分，系统平台给每个知识点提供相应的解释性材料，便于学习者理解。在检测过程中，系统平台及时反馈学习结果，进行过程性评价，并为学习者提供有效的学习资料。测试可以重复多次，但每一次的题目都不一样，这就避免了学习者死记题目答案。图4为针对“牛顿运动定律”学习情况的测试过程。

5.1.4  结果反馈

结果反馈是自适应学习平台对学习者知识掌握情况的评价，在做完所有的检测题后，系统会显示一个技能变化图，针对“牛顿运动定律”这一章节的检测，平台会从三大知识点进行分析总结，把每个知识点学习变化情况记录下来。图５就是系统针对“牛顿运动定律”三大知识点的反馈情况，并提供推荐课程来强化学习者学习。

5.2  自适应学习效果分析

通过利用可汗学院自适应学习平台，可以发现学习者的学习状态有明显的变化，首先是学习兴趣方面。通过前期的访谈了解到，学习者对传统的授课方式没有表现出太多的兴趣，觉得教师把知识点讲得太过枯燥，有些概念无法理解。但是通过可汗学院自适应平台来学习，有趣的动画、图片增加了学习的趣味性，简化了知识点的难度，增加了概念的可理解性，同时也提升了自适应学习系统对学习者的吸引力。其次是学习成绩方面。利用自适应学习平台学习，学习者的成绩明显提高。在“牛顿运动定律”这一章节中，学习者几乎能够完全掌握重点以及难点，相关的概念理解也十分到位。可汗学院自适应学习平台把知识点细化，并且提供及时反馈的功能，能够及时强化知识点的掌握。最后是学习效率方面。借助移动客户端的灵活性，利用自适应学习平台学习，打破了过去传统学习方式的时间和空间限制，把零碎的时间充分地利用起来，有效地整合和利用了零碎时间，靶向性地练习，也避免了重复刷题的现象[5]。

6  结束语

基于AI的自适应学习平台能够精准定位学习者对知识点的掌握情况，通过学习进度跟踪，实现最优学习途径的推荐，进而实现个性化学习。“AI +自适应学习”的模式打破了传统教学“一锅端”的局面，真正实现了“因材施教”。自适应学习平台扮演了专家型教师的角色，能够像专家教师一样实现一对一的辅导。其人机结合的学习模式，使学习者能够根据自己的步调学习，生动形象的题目充分调动了学习者的兴趣。当然，AI自适应教育还未在学校教育中得到广泛应用，还需要更加强大的软硬件支持。AI自适应学习平台在个性化学习上有一定优势，但是还不能完全取代教师，教师在情感、人格方面的教育对学习者有着决定性的作业，是机器无法实现的。但是不得不承认，AI自适应学习在知识学习上有着非常显著的作用。

7  参考文献

[1] 李凤英，龙紫阳.从自适应学习推荐到自适应学习牵引模型：“智能+”教育时代自适应学习研究取向[J].远程教育杂志，2020，38（6）：22-31.

[2] 刘培艳.基于网络的自适应学习在开放教育中的应用研究[J].云南开放大学学报，2019，21（2）：25-31.

[3] 王永固，许家奇，丁继红.教育4.0全球框架：未來学校教育与模式转变：世界经济论坛《未来学校：为第四次工业革命定义新的教育模式》之报告解读[J].远程教育杂志，2020，38（3）：3-14.

[4] 全球在线教育危与机[EB/OL].（2020-08-05）[2020-10-05].http：//xxh.resource.edu.cn/news/2087.html.

[5] 姜强，赵蔚，李松，等.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）：25-32.