1.什么是自适应学习?
适应性学习是根据斯皮罗的生成学习理论、建构理论、多媒体认知理论整合而成的学习理论模式,根据项目反映理论进行筛选题目,使得题目落在学生的最近发展区内,从而帮助学生学习。适应性学习系统提供对不同学习者的个性化学习需求的适应,包括学习诊断的适应性、学习内容的适应性、学习者自主选择学习策略的适应性等。对于相同的学习内容,适应性学习支持系统为不同的学习者提供不同的学习方式。[1]
也就是说,自适应学习(适应性学习)的理想状态是,在学习者没有察觉的情况下,系统根据学习者的基本情况、学习基础、学习速度、学习能力、解题正确率等数据,动态调整学习的材料,以提供最适合学习者当下情况的学习计划,使学习的效率、成果最大化。
2.互联网应用的现状
目前市面上的个性化学习产品并不多,以新东方的K12产品“优答”为例,用户需要自己设定年级、学习的科目、内容,“私人定制”功能会根据以上数据和用户答题的数据动态调整学习内容(初次使用,可能描述上有错漏之处,请指正)。这种“私人定制”的模式相较于市面上现有的教育类产品,已经是一个很大的突破。但是,在细节上,我认为仍没有达到自适应学习的理想状态,这也是行业共同面临的挑战。
下图是学术文献中提取的模型[2],可以看到,学生的学习内容受两方面的影响:基于数据挖掘的推荐引擎(数据包括学习者的特征信息,生成学习内容和计划),教师和管理者的人工干预(即教师、家长、研究者可以根据实际需求调整学习内容,辅助推荐引擎,使其更加精准)。
3.挑战与未来发展
自适应学习是充分考虑学生个性和特点、符合发展心理学规律的科学学习方法,无论是传统的学校教育还是互联网在线教育,都很有价值。对于传统的学校教育,为每个学生的不同阶段制定不同的学习计划,显然会耗费大量的人力物力,也是不现实的。而互联网技术正好可以解决这个问题,这也是互联网教育产品未来走进校园的机遇。
但是,在产品设计、技术实现方面,仍面临如下挑战:
(1)个性化推荐引擎。K12产品的用户是发展很快的儿童和青少年,而学习不同的科目又是很复杂的过程,不同于我们听音乐、看新闻,用户画像的精准性和速度对技术而言是较大的考验。
(2)产品设计、课程内容的趣味性。K12产品的购买者是谁?(此处的购买不等于付费)是学校还是家长还是学生?学校普遍推广更有利于快速收集用户反馈,进行产品迭代,但进入学校的门槛普遍较高,不成熟产品很难得到认可;如果购买者是家长或学生,都面临着同一个问题,就是如何吸引学生使用。这对产品的趣味性提出了挑战,包括内容本身,和学习形式。
(3)从心理学层面上看,所有的K12产品没有考虑到情绪、意志力的培养的问题,也没有考虑合作学习和探究性学习的类型,也就是说它只能在认知层面进行提高。认知会受到情绪、意志力的影响,如果不会调控情绪、没有坚强的意志力,高水平的认知是发挥不了作用的。所以自适应学习应该增加合作学习的内容,让学生学会与人交往、与人交流,在交流中学会调节情绪,培养意志力。要实现这一功能,任重而道远。
(4)机器学习的渐进性,需要一定的时间去适应学生的变化,而我们在学习中想必都曾有过一种体验——顿悟,突然就开窍了,然后同类型的题都能迎刃而解,而机器算法如果还是根据用户做对X道题,历史正确率50%,不达标,所以继续学习,恐怕不适合用户下一阶段的学习。当然,此处仅是举例,说明机器学习在面对顿悟这一情况是,存在一定的滞后性。
未来的发展趋势:
(1)整个教育行业的发展(不限于互联网),最理想化的状态是打破课堂、年级的模式,按个体的发展阶段、天赋、规划来制定授课内容,这条路还很漫长。
(2)用户第一次使用时,用一系列测试对用户进行初步的画像,打标签,测试包括且不仅限于科学的性格测试、人格测试、知识面、兴趣、个人需求等等,在用户第一次登录时,尽可能多地去了解他,据此推送一部分内容,再进行进一步的判断细分……
(3)更丰富的反馈和交互设计,让学生的学习体验更加接近于传统的课堂学习,丰富的反馈可以激励用户,提升停留时间,促进沉浸式学习。
(4)多用户合作学习+社区模式。如上述挑战中的第3点,合作学习在青少年发展中必不可少,如果互联网教育在未来教育板块中占有较大的比重,那么,促进学生之间的交流合作也是教育平台的责任。
参考文献:
[1]沈孝山. 自适应学习平台的设计与开发[D].华东师范大学,2006.
[2]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.
作者:唐豆包