内容来源：《数字教育》 2017年第4期（总第16期）
转载公众号：数字教育
摘要
个性化学习是近年来教育领域研究的热点问题。如何对学生进行全面的评价并发现问题，从而制定出符合学生个性特点的教学方案，是研究个性化学习过程中必须解决的问题。传统的网络教育平台虽然打破了学生学习的时空限制，使学生能够充分利用网络资源。但是在实践中发现，传统的教育平台并没有真正实现学生的个性化学习。本文通过分析自适应学习系统通用参考模型，了解各部分之间的特点，并探究如何将自适应学习系统应用于传统的网络教学中，以实现学生的个性化学习，为我们的教学应用提供理论参考。
关键词：个性化学习；自适应学习；自适应学习系统
引言
随着网络技术的发展，素质教育和个性化教育已经成为人们追求的理想教育体制，教育不再单纯为了传授知识，而是更加注重学生综合素质的提升和个性化的发展。我国《教育信息化十年发展规划（2011— 2020 年）》提出:“努力为每一位学生和学习者提供个性化学习和终身学习的信息化环境和服务；面向不同社会群体的学习需求建设灵活便捷和个性化的学习环境”[1]。为了实现这个目标，近年来中国的在线教育平台层出不穷，学习不再局限于课堂和学校，学生可以不再服从统一规划和标准，而是通过分析学生在学习过程中所呈现的风格特征，结合学生自身的发展需求，从而选择与自身学习状况相匹配的学习方式，并且学生可以随时随地在教育平台上与教师和同学进行远程实时交流，有效地促进了学生的个性发展和自我实现。但是在实践中发现，这些网络教育平台并没有真正满足学生个性化学习的需求，不能根据学生的学习风格、认知水平等创建真正意义上的个性化学习环境。
自适应学习是学生能够根据自身的学习条件和需要，自主选择适合自己的学习方式的一种学习观念。近年来国内外对于自适应学习有着深入的研究和探索，但是由于技术原因，国内关于自适应学习系统的研究还停留在理论探讨阶段，开发出来的成功实例很少[2]。本文从个性化学习的基本支持要素出发，通过分析自适应学习系统通用参考模型，探讨该参考模型各部分的特点，构建出一个基于自适应学习系统的个性化学习环境，使学生能够真正实现个性化学习，期望为国内开发自适应学习系统提供参考。
一、个性化学习和自适应学习
（一）个性化学习
个性化学习是学生在教师的指导下，根据自己个性特征、内在需求和对现实情况的分析，对学习课程与内容、学习时间与进程等进行自主选择和实施，从而实现自己个性化特征的形成与发展[3]。所谓个性化， 就是把学生放在教育的中心，关注每一位学生的个性特点，了解和发掘每一位学生的独特禀赋。学生依据自己的兴趣和爱好，自由地选择学习内容，并按照自己的方式进行学习。这种学习方式也需要有教师的个性化指导和同学之间的帮助，但是主动权掌握在学习者手中。因为只有学习者本人才知道自己想学什么，学到了什么，任何人都不能越俎代庖。总之，个性化学习能够体现自主学习的真正意义。
（二）自适应学习
自适应学习是一种学习者在学习具体的内容时, 经过自己独立的思考并动手操作得到知识的学习[4]。自适应学习与传统的学习有差别，传统的学习是学习者被动地接受教师传授的知识，学习内容和学习过程基本由教师控制，而自适应学习从学生的个体差异出发, 使学习环境、学习内容和学习策略不同，且处在不同学习水平的学生都可以进行符合自身的个性化学习活动。自适应学习最大的特征是在进行自主化学习过程中，学习者能依据自己的学习状况，适时调整自己的学习内容和学习方式，从而使自己的学习更有针对性和高效性。通过上述分析比较可以总结出：通过自适应学习，学生可以真正地实现个性化学习，极大地弥补了传统教育中学生被动学习的缺陷。
二、自适应学习系统
（一）自适应学习系统支持个性化学习的优势
近年来，借助网络技术进行教学活动已成为潮流趋势，应时而生，也出现了一大批用于网络教学的远程教育系统。但是在实践中发现这其中存在许多问题，比如教师无法了解学生自学的过程，学生在利用网络学习时会被网络上的娱乐性信息所诱惑，而教师所提供的学习资源相对来说比较枯燥乏味，意志力和自觉性较弱的学生很有可能无法完成学习。这就导致学习者在网络教育平台上的学习变成了一种被动学习，不利于学习者自主学习能力和创新能力的培养和提高，也不利于学习者积极地进行知识建构，容易使学习者在学习过程中产生惰性[5]。这些问题归根结底是因为这些在线教育平台没有考虑到学生的真正需求。所有的学生面对的是同样的学习资源，进行的是同样的学习活动，忽略了学生已有的认知水平和学习风格的不同[6]。总的来说，这些学习平台不能为学生提供个性化的学习指导。所以在利用网络平台进行教育教学的过程中， 最需要的是一个真正能够为学生提供个性化服务的系统。这个系统要为每位学生提供最优质的教育资源，并且能够分析出不同学习背景和认知水平的学习者的差异，为他们提供与自身情况相匹配的个性化学习服务， 这就是我们所说的自适应学习系统，该系统用来模拟学生的学习背景、学习风格、学习偏好和认知状态，而且能够满足学生与系统互动过程中的个体需求[7]。
（二）自适应学习系统
自适应学习系统的研究最早始于国外，美国匹兹堡大学皮特·布鲁希洛夫斯基(PeterBrusilovsky) 教授提出了自适应学习系统的定义：自适应学习系统是通过收集并分析学生进行自主学习活动时与系统进行双向交互所传递的数据信息，依据分析的结果来建立学习者模型特征，从而使传统教育中所呈现的难以解决的“无显著差异”问题得到很好改善和解决的系统[8]。同时，美国教育部教育信息化办公室也提出了定义: 系统会通过分析学生在学习过程中所反馈的行为信息来动态地更新学习内容和学习策略[9]。近年来，国内在进行自适应学习系统的研究过程中也作出了一些定义，徐鹏和王以宁提出自适应学习系统通过分析学生的个体差异而为学生提供符合不同学习特征的个性化学习支持[10]。黄伯平、赵蔚等阐述了自适应学习系统的内容、文化和连通性。内容指的是系统会根据学生模型的知识结构为其补充学生所缺失的课外信息，对于学生不需要的信息可以隐藏；文化指的是要考虑学习者不同的背景经历、学习动机和学习倾向性，并据此更新教学任务；连通性指的是学生所接触的学习内容在系统内部通过某种方式连接在一起，系统的导航会指示学生选择不同的学习内容[11]。总结上述定义，我们可以得出，自适应学习系统的本质就是将学生置于学习过程的中心，将主动权交于学习者手中，通过一定的机制动态调整学习内容，以满足学习者个性化需求，从而改变学生被教育和被动接受知识的现状。
（三）自适应学习系统的通用参考模型
参考模型是包含对象的基本目标和思想的模型， 可用于研究。参考模型用于创建规则，确定体系内各个部分的任务，降低问题的复杂程度，同时易于比较与交流[12]。参考模型用一定的准则来指导系统的开发， 重视组织层面的要素，进一步也说明了系统的各个部分交互的过程，所以探究参考模型对于设计和开发自适应学习系统有着极其重要的意义[13]。
关于自适应学习系统的参考模型，皮特·布鲁希洛夫斯基教授提出了一个通用模型，该模型有以下核心组件：学生模型、领域模型、教育学模型、接口模型、自适应引擎。其中学生模型主要包含的是学习者现有的学习水平、学习风格、学习经历和背景等基本信息，这是学习者个性化学习状态的表征，也是自适应学习系统中必不可少的一部分，如果没有建立完善的学生模型，该系统就无法准确反馈学习者在学习中的问题， 也就无法为学习者提供准确的学习方案和学习策略。领域模型反映的是系统中知识呈现的结构形态，也就是指不同概念间的联系，每个概念都有不同的属性，同样属性的概念可以被视作不同的数据类型[14]。教育学模型定义了学生模型如何访问领域知识模型，访问规则需要以领域知识为依据[15]。接口模型即代表用户和系统进行信息交互的部分，系统通过访问接口模型中用户的数据来确定学生模型[16]。自适应引擎是自适应学习系统中具有典型性的部分，整个系统就是通过自适应引擎来分析领域模型和学生模型中的问题，然后动态地反映学习者学习过程中的信息。
三、基于自适应学习系统的个性化学习环境设计
构建个性化学习环境最需要关注的是如何将学生置于中心地位，让学生根据自己的喜好和认知方式自主选择学习内容和学习策略，通过自我评估来发现和反思自己在学习过程中出现的问题，并根据问题来调整自己的学习进度和学习方式。在个性化的学习环境中，首先学生要有强烈的自觉意识和自我反省意识，还要有较强的学习能力，根据自己的学习情况来调整自己的学习策略，使自己在这个学习环境中充分利用网络资源来提高学习效率。其次网络教育平台要具有强大的交互性和智能性，一方面可以使学生在自主学习过程中及时与教师和同学沟通交流，另一方面可以根据学生的需求提供个性化服务。
基于自适应学习系统的个性化学习环境设计的原则，将自适应学习系统参考模型的核心部分通过技术支持转化成为学生提供个性化学习的系统。学生模型即代表学生，包括学生的学习行为、认知风格、学习水平、兴趣爱好等。领域模型代表与学科相关的领域知识，反映的是概念与概念之间的联系。自适应引擎即代表提供个性化服务的系统，能根据学生模型和领域模型动态呈现信息。系统会通过分析学生模型中学生的个性化信息，按照自适应引擎中的规定，在领域模型中找到相应的学习对象，借助一定的方式呈现给处于不同学习层次的学生，从而满足具有个体差异性的学生需求。根据这一原则，我们需要设计出一个学生、教师、系统相辅相成的个性化学习环境结构模型。
（一）课程资源
优秀的课程资源是学生进行有效学习活动的前提， 教师上传到教育平台上的课程资源一定要经过精心制作和筛选，既要引起学生的兴趣，又要涵盖全面具体的知识点。教师将资源上传到教育平台之前应该将资源设置成不同的难度等级，学生在学习过程中系统会根据学生的表现动态提示学生是否要更改资源的难易程度，这样可以满足不同学习能力的学生。
学生在进行自主学习过程中通常会用到三类资源： 第一类是课程知识讲解视频和课件，就像当下流行的微课，在简短的时间内将学生所要学习的内容组织起来形成一个完整的体系，以视频的形式呈现给学生。课件是视频的补充和说明，以文字的形式将课程主要内容呈现给学生。第二类是测试题和作业，这一部分的内容既是对学生学习结果的检测，也是系统分析学习过程的重要信息来源。只有通过检测，系统才能分析出学生对于学习内容的掌握情况，以便于系统为学生推送具有个性化的学习内容。第三类是与课程相关的参考知识，比如学科前沿研究，扩展学生思维的课外知识，通过这些知识的补充，使学生可以更快更深入地掌握课程核心内容。
（二）学生学习过程记录
首先，学生要先明确自己的学习目标，只有目标明确才能更有针对性地进行学习活动。目标的制定既要符合教师的教学目标，又要基于学生自身的学习状况和学习兴趣。学生在进行学习过程中，系统要为学生提供实时的个性化学习导航支持，来及时解决学生在学习过程中的问题，从而满足学生的个性化需求。如果有系统无法解决的问题，学生可以通过与同学或教师进行实时远程交流来解决。同时，系统会根据学生的学习行为来记录学生的在线学习时间、作业完成情况、测试成绩、参与互动学习的情况、学习工具的使用偏好等。
（三） 数据统计和分析
在线学习时间的记录从学生登录系统开始，到退出系统终止。教师布置作业要限定在某一时间段内， 过了截止日期将自动关闭提交系统。每部分知识学习完之后系统会提供相应的自测题目，用于检测学生的学习效果，系统会记录下学生每道题的答题情况。互动学习情况就是记录学生在讨论区与其他学习者的互动情况，包括自己提出问题和回复他人问题。系统会根据学生使用学习工具的频率分析出学生对于系统中学习工具的使用偏好。
（四）动态更新学习内容
学生在完成知识的学习后，首先会进行测试题的检测，这些测试题都有不同的难度等级。如果学生第一次就通过了测试，系统会自动弹出对话框，询问学生是否需要加大难度等级，学生可以根据自己的学习兴趣自主选择。如果学生选择是，系统会自动调出预设的难度更大的题目；如果学生选择否，则由学生自主选择接下来的学习内容。如果学生不能顺利完成测试，系统会弹出是否需要降低题目难度的对话框，由学生自主选择。总之，系统会给学生提供适合学生水平的资源和题目，这样既加强了学生对知识的掌握，又不会打击学生的学习积极性。
系统会分析学生在线视频的观看时间和观看频率， 如果某一个知识点的在线视频的平均观看时间超过了教师预先设定的标准，而且观看频率也很高，说明该知识点的难度偏大，教师需要补充相关知识点的在线资源，以适应不同学习水平的学生学习[17]。如果某一知识点观看频率低，说明这一部分内容不能吸引学生的学习兴趣或者这部分知识不够重要，这时教师要及时与同学沟通找出问题，并调整相关学习资源。
（五）教师为学生提供个性化指导
教师根据系统记录的数据，对学生的学习情况进行分析和总结。对于学习时间较短和学习频率较低的学生，教师要及时提醒和监督。对于测试题错误率较高的知识点，教师要在课堂上重点讲解。对于学生在讨论区讨论的问题，教师要及时解答。对于作业没有及时完成，测试成绩不佳的学生，教师要主动帮助，及时了解学生的情况并进行个性化指导。
四、结束语
网络教育的最初目的是为了让学生的学习过程更独立、学习效率更高，但现有的网络教育平台由于教师、学生、技术等各个方面的原因，并不能完全实现学生有效的自主学习。本文从这些问题出发，通过分析自适应学习系统参考模型的特点，讨论个性化学习环境所需要的支持要素，提出了一个基于自适应学习系统的个性化学习环境结构模型。这个模型补充了现有网络教育平台的不足，让系统能动态更新课程资源，学生可以根据自身情况自由选择适合自己的学习内容，这样充分发挥了学生的主观能动性，使学生在学习过程中能够获得个性化的学习服务。但是这个模型还处于探索阶段，学生学习行为记录和数据分析方面的设计还有一定的缺陷，而且现今的技术还不能真正实现理想化的导航服务。但是我们相信，科技在不断地发展和进步，只要我们在教学实践中不断尝试、不断反思、不断创新，我们的网络教育就能发展得更好，学生就能获得更加智能有效的学习环境。
参考文献：
[1] 教育部. 教育信息化十年发展规划(2011—2020 年)[DB/OL]. (2012-3-30)[2017-03-21].http://www.edu.cn/html/info/10plan/ghfb.shtml.
[2][6] 姜强, 赵蔚. 自适应学习系统述评及其优化机制研究[J]. 现代远距离教育,2011，(06)：57-63.
[3] 董君武. 构建个性化学习系统的研究[D]. 上海：华东师范大学,2016.
[4] 李亦菲. 自适应学习的理论与实践[J]. 天津师范大学学报( 基础教育版),2004，(04)：55-58.
[5]Peter Brusilovsky,Charalampos Karagiannidis ,Demetrios Sampson.Layered Evaluation of Adaptive Learning Systems [J].International Journal of Continuing Engineering Education and Life Long Learning(S1560-4624),2004,14(4)：402-421.
[7] 张舸, 周东岱, 葛情情. 自适应学习系统中学习者特征模型及建模方法述评[J]. 现代教育技术,2012，(05)：77-82.
[8] 姜强, 赵蔚, 王朋娇. 自适应学习系统中双向适应交互评价实证研究[J]. 现代远程教育研究,2013，(05)：106-112.
[9]Aaron Lawler.Case Study: Adaptive Learning and Disruptive Innovation [EB/OL].(2016-8-2)[2017-3-21].https://www.linkedin.com/pulse/case-study-mghe-learnsmartr-aaron-lawler.
[10] 徐鹏, 王以宁. 国内自适应学习系统的研究现状与反思[J]. 现代远距离教育,2011,(01):25-27.
[11][14][15][16] 黄伯平, 赵蔚, 余延冬. 自适应学习系统参考模型比较分析研究[J]. 中国电化教育,2009，(08)：97-101.
[12][13] 姜强, 赵蔚, 王朋娇. 基于GALSRM 模型的自适应学习系统体系结构研究[J]. 现代远距离教育,2013，(01)：71-77.
[17] 李建伟, 苏占玖, 黄赟茹, 勾学荣. 基于学习分析的自适应网络教学系统设计[J]. 现代教育技术,2016，(06)：113-118.
作者简介：
马晶晶（1996— ），女，河南南阳人，河南师范大学本科生，主要研究方向为教育信息化；
黄宏涛（1980— ），男，河南漯河人， 河南师范大学教育技术学副教授、博士， 主要研究方向为教育信息化、教学认知诊断。
有缘的人终会相聚，慕客君想了想，要是不分享出来，怕我们会擦肩而过~
《【调查问卷】“屏幕时代，视觉面积与学习效率的关系“——你看对了吗？》
本文编辑：慕编组成员（小端午）
微信扫码咨询专知VIP会员
