实用总结自适应学习系统是针对个体学习过程中的差异而提供适合个体特征的学习支持 的学习系统，通过对学习者学习风格、认知水平等基于学习者自身背景因素的 综合分析，能为学习者提供个性化服务学习。自适应学习系统是收集学生学习中与系统交互的数据，创建学习者模型，克服 以往教育中体现的“无显著差异”问题可以根据学习者在课程过程中反馈回来 的信息，动态地改变内容以及内容呈现方式、学习策略等自适应学习系统自适应的实现是通过实时交互数据的收集，并根据这些数据分 析后提供个性化的服务，自适应是基于数据收集和分析的自适应学习则是一种 实现学习者个性化学习的具体方法，更多的是数据导向型的，根据实时收集到 的数据分析学习者的能力水平，并以此来推荐此时此刻最适合的学习材料（包 括材料类型，如视频、文字等）和策略自适应学习有三个步骤：第一、要构建完善系统的知识图谱，将知识点体系标 签化、结构化。第二、对用户的每个学习行为实现映射。第三、通过算法计算 出最佳学习路径。自适应系统一般都包括以下三大基本构件：首先是内容模型，以此为依据 来建立详细的学习内容和知识点结构图。其次是学生模型，它能够实时测评每 一个学生在每一个知识点的掌握水平，并且通过大数据分析方法推算和量化学 生在当前知识点以及相关知识点的能力水平。最后则是教学模型，根据每个学 生的最新能力水平，提供相应的反馈，并匹配出最为合适的学习内容。一个初创的自适应学习系统，它最重要的三块基石：第一块就是教育目标刻画和课程进度刻画。这是教育的目标和内容（包括 教学内容和训练内容等）。在中国纲本并重的情况下，认真的去研究主流的教 材版本，研究有丰富经验教师的课堂案例，并从其中认真的建设教育目标数据 和课程进度数据，题库的题目要认真研究它的质量，对教育目标和课程数据的 吻合程度。第二块就是学生的学习刻画，包括个体的教育目标，以及从数据和系统角 度对教育测评的拆解。在学生发展不平衡的情况下，认真的去研究学生刻画和 测评，并进一步筛选出自己合适服务的对象。如果自己教育测评的能力薄弱， 一定要找到合适的教育测评合作伙伴。面向这些对象，进一步明确问题和数据 刻画维度，从自己可以开始的对方、擅长的地方开始。第三块就是实证教育系统的实施和学习科学的研究，不断在学习过程中具 体的问题层面进行研究和优化。自适应学习系统要多找参照，进行效果方面的 数据分析和实证研究，对学习过程及其策略要不断的去。一个面向学习者的自适应学习系统，有四个基本的循环阶段，分别是获取（当 学习者与环境交互时收集学习者数据）、分析（创建和维护一个与领域相关的 学习者模型）、选择（根据学习者模型和系统目标来选择信息）和展示（根据 选择过程的结果向学习者展示信息内容）。在探讨题目的知识点标注，知识图谱的建设，学生对知识点掌握程度的特征，等等，这些都是比较早期的自适应技术研究特征。题库：第二类的题目有了一定的复杂度，需要跨越两个技术障碍。第一个是题 库质量，包括题目本身的质量和有效性，也包括对一个潜在教学体系的进度适 配性（我没有见过公开表明不跟任何公立教材进度搭边的刷题题库），这件事 是有成本和门槛的。第二个是要比较准确的判断题目的难度，以及学生做对任 何一个新题目的概率。这个问题有不同解法，有朋友会通过选用户来解决，比 如，选择学困学弱，那么大部分题目就应该是难度低的、基础性的题目。有些 朋友的做法是不做复杂的模型，就用题型信息、人工标注的难度等级信息、以 及题目的错误率，来近似评价题目的难度和学生做对题目的可能性。个性化匹配方式个性化匹配方式可分为基于规则、基于算法以及两者混合的。 基于规则的平台是指在对学习者进行个性化推荐和引导时，使用的推荐方法是 预先存入的用一系列“”来构建的规则。其优势是设计者有很高的控制权，可以根据已被研究证实的学习方法路径来设计。缺点是这些规则步骤的设计耗时 很多，并且学科之间规则不能通用。基于算法指平台使用数学函数和数理统计来分析学生的表现以及内容呈现的相 关的动态数据，最终为学习者进行个性化推荐和引导。这涉及机器学习，利用教育数据挖掘和大数据结合的预测分析，用复杂的算法预测基于特定内容、 特定学生的学习成绩。相比起基于规则的方式，基于算法的方式花费的设计时 间虽然比较长，但是一旦设计好，就可以跨学科使用，并且由于是动态实施 的，他的自适应性更好。 缺点是算法技术性的应用实现还需更多的研究。学习者模型模块：学习者模型是系统中的核心模块之一，该模块提供了对学习 者特征的精确描述，是系统适应性内容呈现和适应性导航的主要依据之一，此 外根据学习者特征的相似性可以开展协作学习和学习资源的协同推荐等。学习 者进入系统后，首先是学习者模型的初始化，这种初始化的过程可以通过测试 也可以通过学习者自己定制，当然这种初始化只能粗略的描述学习者的特征， 随着学习活动的开展和不断的测试，学习者模型会不断的更新和演化，使得模 型中描述的信息能够更加真实贴切的描述学习者的特征。学习内容呈现模块：学习内容的呈现根据不同学习者的不同特征会有不同的呈 现方式，其主要依据是学习者模型中的兴趣偏好和认知能力，选择最适合学习 者特征的内容呈现方式。学习内容的组织主要以超媒体的方式进行，差别在于 超链接的层次和超链接的内容根据不同能力的学生而有所不同，即适应性导航 和适应性内容呈现能够自适应学习者特征。学习效果评价模块：系统提供的学习内容以及内容的呈现方式能否适合学习者 需求，阶段性学习完毕后是否能够达到学习目标以满足学习需求，这些都需要 学习效果评价来判断，判断的结果一方面可以为下一步学习提供依据，同时也 为系统的自我更新提供参考，这种更新包括学习者模型的更新，适应性规则的 更新，学习资源的更新，本体知识库的更新等。协作交流模块：尽管我们强调个性化学习，对个别学生来说，他的学习过程完 全是个性化的，但是学习过程中的协作交流同样重要，学习者需要在学习过程 中表达自己的看法，同时也需要参考别人的观点，这种交流与探讨对于学习是 必不可少的，这可以让学习者从不同角度去认识所学的知识，丰富自己的认知 结构。智能答疑模块：学习中遇到的问题必须得到快速的反馈，在网络学习环境下， 学生与指导教师是分离的，因此系统需要提供答疑功能，以帮助学生作出自主 决策。系统通过挖掘学生提出的问题，一定程度上可以反映出学生的学习效果 和学习内容的安排是否合理。# / 4