Knewton的个性化学习框架

读相关文献后备忘所用

---

[他自己说他是对于教育这块最强的推荐引擎哦]

我只能说拭目以待！而且，把国人的学习数据给外国企业研究，咱们怎么可能放心！这种技术咱们国家的企业也得自己掌握才是，哪愿意受制于人！也希望咱们国家做在线教育的企业能快速的崛起，赶超外国做在线教育的企业。

---

首先，我们怎么定义个性化学习？

1.评估学生知识状态，在合适的时机推荐相关的学习资料和指导意见。
2.使用适量的题目测试学生的知识状态。

Knewton在这种慨念上加上了实时性,希望可以实时的诊断学习的知识状态，然后提供最优的学习规划及学习资料，以达到最大化学生的学习收益。

Knewton 推荐系统的理论&技术

• Item Response Theory(IRT)
  

  心理学领域提出的模型，将其应用在学生的能力诊断上，以区别出学生在考出相同分数的时候，也能以能力区别出两个学生。
  

• Probabilistic Graphical Models (PGMs)
  这块主要使用统计方法，比如贝叶斯网络，马尔科夫随机场等，PGMs也赋予了Knewton可以复杂模型的能力，其中的一种用途是评估了学生知识掌握程度之后，规划出学生下一步的学习内容。
  
• Hierarchical agglomerative clustering
  根据学生掌握知识的程度将学生进行分组。
  

加强Knewton推荐引擎的方式

• 
  
• Knowledge Graph
  

提供跨学科的知识图谱
提供跨学科的学习路径推荐。

• Continuous, as opposed to single-point adaptivity
  提供实时的个性化推荐信息，比如一个学生在回答纠结的某个问题时，系统就知道了这个学生的知识弱点，然后就可以实时的推荐相关的学习资料。摆脱了需要学生回答相关测试题之后，才能推荐相关学习资料的固有缺陷。
• Spaced reinforcement
  在学习新知识的一段时间里，会带上原来学习过的之后，以这种方式来加强掌握知识的强度。
• Retention & learning curves
  使用艾宾浩斯记忆曲线来估计学生掌握了相关知识的遗忘程度。
  
• Students learning profile
  建立学生学习知识的档案
• Network effects
  使用该系统的人数越多，学生数据越多，预测学生知识水平就越加的精确。
• Big data & adaptive infrastructure
  

• • AltNode
    大数据平台，支撑起大量数据的实时分析计算任务。

参考:

• https://www.knewton.com/wp-content/uploads/knewton-adaptive-learning-whitepaper.pdf