?近年來(lái)，無(wú)論中外，教育科技界對(duì)“自適應(yīng)學(xué)習(xí)(adaptive learning)”的關(guān)注熱度持續(xù)不減。根據(jù)培生(Pearson)和EdSurge聯(lián)合推出的《解碼自適應(yīng)學(xué)習(xí)》的報(bào)告中定義，“自適應(yīng)學(xué)習(xí)是一種教育科技手段，它通過(guò)自主提供適合每位學(xué)生的獨(dú)立幫助，在現(xiàn)實(shí)中與學(xué)生產(chǎn)生實(shí)時(shí)互動(dòng)。”每個(gè)學(xué)生都是獨(dú)一無(wú)二的，教師可以根據(jù)每一個(gè)學(xué)生的學(xué)習(xí)風(fēng)格采用個(gè)性化的教學(xué)策略將教學(xué)效果最大化。2000年前孔子就是提倡“因材施教”這個(gè)思想，自適應(yīng)學(xué)習(xí)實(shí)質(zhì)上是回歸了教育的本質(zhì)。
始于測(cè)評(píng)
教育或者在線教育離不開(kāi)測(cè)評(píng)。在線教育平臺(tái)很大程度上能夠克服傳統(tǒng)教育評(píng)價(jià)難以收集評(píng)價(jià)依據(jù)和評(píng)價(jià)信息單一化、片段化的問(wèn)題，可以全過(guò)程、全方位采集教育數(shù)據(jù)。數(shù)據(jù)本身不會(huì)說(shuō)話，只有對(duì)數(shù)據(jù)進(jìn)行專業(yè)化的分析之后，數(shù)據(jù)的大價(jià)值才會(huì)充分體現(xiàn)。
在當(dāng)代教育體系中，教育測(cè)評(píng)幾乎涉及所有核心教學(xué)環(huán)節(jié)。簡(jiǎn)言之，如何進(jìn)行教學(xué)管理乃至教育政策制定，如何判斷課程體系是否符合課程標(biāo)準(zhǔn)、教學(xué)效果是否達(dá)到目標(biāo)，如何了解學(xué)生能力水平、掌握了什么知識(shí)或技能，如何讓教師更了解學(xué)生、因材施教，引導(dǎo)學(xué)生個(gè)性化學(xué)習(xí)，如何指導(dǎo)學(xué)生錄取工作等，這些都是教育測(cè)評(píng)的最直接應(yīng)用。
“單純的慕課和簡(jiǎn)單粗暴的線下一對(duì)一都是耍流氓”，做了15年少兒教育的栗浩洋說(shuō)，“教育行業(yè)需要產(chǎn)品升級(jí)，用更有效果和效率的方法提供學(xué)習(xí)服務(wù)。”
內(nèi)容是瓶頸
目前對(duì)自適應(yīng)學(xué)習(xí)研究比較完備的是美國(guó)、韓國(guó)和日本。其中，美國(guó)的研究成果最為顯著,出現(xiàn)了Knewton、Realizeit、Aleks、Dreambox等知名自適應(yīng)學(xué)習(xí)系統(tǒng)，得到了廣大在線學(xué)習(xí)者的青睞。Knewton被譽(yù)為全球自適應(yīng)學(xué)習(xí)平臺(tái)的典范，其最大的優(yōu)勢(shì)在于強(qiáng)大的實(shí)時(shí)推薦引擎，用數(shù)據(jù)來(lái)看學(xué)生的學(xué)習(xí)行為，測(cè)量學(xué)生的水平，以此來(lái)預(yù)測(cè)學(xué)生未來(lái)的表現(xiàn)，提高學(xué)生的學(xué)習(xí)效果。
相對(duì)而言，我國(guó)自適應(yīng)學(xué)習(xí)研究起步較晚，目前雖然也對(duì)自適應(yīng)學(xué)習(xí)系統(tǒng)進(jìn)行了相關(guān)的理論研究與設(shè)計(jì)開(kāi)發(fā)，但其研究大體上仍局限于院校實(shí)驗(yàn)。
根據(jù)技術(shù)專家的觀點(diǎn)，“自適應(yīng)學(xué)習(xí)”的發(fā)展，可以分為三個(gè)階段。
自適應(yīng)測(cè)試：以IRT 模型動(dòng)態(tài)調(diào)整題目，能夠準(zhǔn)確反映被測(cè)試者的水平，但不能深入到知識(shí)點(diǎn)的層面，無(wú)法對(duì)學(xué)生的學(xué)習(xí)起到指導(dǎo)作用;
自適應(yīng)測(cè)量：運(yùn)用更細(xì)致的標(biāo)簽和復(fù)雜的算法，找到學(xué)生在知識(shí)點(diǎn)和能力上的缺陷，但無(wú)法做到真正的“解決問(wèn)題”;
自適應(yīng)學(xué)習(xí)：在發(fā)現(xiàn)問(wèn)題后，能夠通過(guò)精確的內(nèi)容推送解決個(gè)性化問(wèn)題。
當(dāng)前看來(lái)，自適應(yīng)學(xué)習(xí)更像是做一道錯(cuò)題后在推送遇到同類題的“刷題產(chǎn)品”，想要迎來(lái)更大的爆發(fā)還需更多的玩家資源共享，將不同媒介的(字、圖、音、視、VR、AR、AI...)、不同來(lái)源的、不同難度的、不同講述風(fēng)格內(nèi)容匯聚，為提供真正的個(gè)性化學(xué)習(xí)提供可能。
