http://mmbiz.qpic.cn/mmbiz/mroos2yTR2UyfX2Vf1kUz1xgrId8qd5Eibj5icAHx1hlXiaaibVYnLmSr8CkT9uUnlfWyCa15cCeUM8p9cllTxkRsQ/640——高等教育领域自适应学习的案例分析 第一章" TITLE="学以“适”用 ——高等教育领域自适应学习的案例分析 第一章" />

• 个人教育/学习的故事

未来学习场景一：Cathy和James的故事

一个明媚而温暖的清晨，Cathy走进了化学实验室，开始了她的实验操作。尽管这是她第一次进入这个装备精良的实验室，但是她对这里的一切都并不陌生，因为她早已在网上通过虚拟实验室，完全的熟悉了这里的一切。在前一天晚上她已经利用在线虚拟实验室完成了导师分配的任务，过程中所有操作都是通过鼠标和键盘操作实验流程和回答问题。当她表现无误时，系统会称赞她并邀请她尝试一些更有难度的问题；当她操作过程出错时，实验室只有在她操作正确之后才会允许其进入下一个步骤。在这样的情况下，屏幕会出现提示并请她重复上一个步骤从而得到一个不同的结果。事实上，Cathy发现通过虚拟实验室学习的效率远超过她的想像。她可以完全根据自己的速度来调整学习进度。

无独有偶，每天需要通勤15分钟到学校的James则是通过平板电脑里的应用软件来学习普通话。应用软件掌握了他的学习进度，其中包括阅读过的材料，优劣势等，并搜集他之前的课程和时间参数建立一个针对他还没有掌握的知识点的新任务。

这就是自适应学习所展现的场景——一个更加个性化、技术增强以及数据驱动的学习路径。它可以让学生与所学教材更紧密的匹配、定制化课程和帮助导师在上课时间更专注和获得更高的效率。

通过这种方式，自适应学习可以显著提升教学效果，尤其是在提高学生保留率、学习效果评估、改进教学方法等领域。

任何在学校学习过的人都知道，不是所有学生的学习进度都在同一个等级上。然而，让人失望的是，无论学生是跟得上还是落后，几个世纪以来，高等教育的模式都是要求所有人都要参与其中。

直觉告诉我们这个模式不是针对教学最有效率的方法，不难看出用一刀切的方法去学习有很大的局限性。尽管如此，我们仍坚持这样一个模式，集合拥有不同技能，在不能层次的学生，并试图在随机的传统的15周的学期让他们保持在同一进度。我们让一个老师管理一个20、40、100甚至更多人的教室，并知道她不可能为每一个学生单独定制课程。

十几年来，人们一直试图用一个更个性化的方法去教学，随着新科技的出现，这种尝试的方向越来越有希望。新的技术不仅为学生提供了更丰富更交互的线上学习资料，更给我们提供了不同维度的关于学生与课程互动的大数据。当学生们遇到他们不能独立克服的困难时，系统可以基于这些数据提供实时补习。

今天，比较知名的公司，比如美国Knewton，苏格兰CogBooks，澳洲Smart Sparrow和日本Cerego等都提供这种技术，同时其他的组织也正在积极探索这方面的解决方法。以上所有机构都提供基于科学认知和学习的解决方案，以支持学生在一个真正的自适应的环境中学习。

如果你已经听过超过两家这样的公司，恭喜，你已经是这个自适应学习爱好者小圈子的一部分了。在这个MOOC大热的时代，最热门的话题莫过于，基于能力的学分和政策探讨，以及如何在降低成本的同时保证教育质量的同时，让更多的人接受高等教育。因此，自适应学习可以说是高等教育的最高机密。

确实，在我们试图把自己从所谓的成本，使用和质量这个“铁三角”的束缚中解放出来的时候，也增加了使用风险从而提高成本和降低质量，在试图当保持质量降低使用率的时候维持成本，而专注在质量的同时增加使用似乎必定会增加成本。在我们寻求在这三者之间保持平衡的方法的时候，自适应学习可能可以提供一个钥匙用来打开束缚我们的扣子。

如果在一定范围里实施自适应学习解决方法，至少理论上来说，他们有潜力去提供一个高质量的学习体验（在学生的投入、持续和结果中测量），以及通过把高质量的教学辅导推广给更多的人，潜性地降低成本。除此之外，这个方案可以让更多的人接受高等教育。再强调一次，这是一个不小的壮举。

令人鼓舞的是，一个由高校校长组建的关注高等教育的在线媒体（Inside Higher Ed）和盖洛普咨询（Gallup）组织的民意调查显示，有66%的受访者认为，自适应学习对高等教育有积极的影响，而认为MOOCs对高等教育有积极的影响的受访者仅有42%。一个新的机会正在出现，让我们在更广阔的，深入的平台去实践自适应学习，以便我们在现实世界去测试它的前景和潜力。

• 认识到自适应学习的潜力

自适应学习的概念看似和个性化学习的定义有关但更为广义。简单层面来说，个性化学习对于教学来说，已经不仅仅是一刀切的方式，而是更多样性的方法——其中有些方法与技术有关，而更多的方法其实和技术关系不大，比如说让学习成绩不是很好的学生做更多的练习。

“个性化学习”中稍高级的版本是采取电脑教学的方式，让学生通过在电脑上完成测试，来评估他们对已经学过的知识点的掌握程度。如果学生回答错误，他们可能会被安排学习相应的知识点以更好的熟悉相关的概念或定义，这种基于计算的“个性化学习”模式相较其他“个性化学习”模式有更大的潜力。

“自适应性学习”与“个性化学习”相比的不同之处在于，它更复杂，需要数据驱动，在某种情况下他还是非线性的。简单来说，自适应学习系统不同之处在于如何与学习者互动，系统能够为与学生的交互不仅仅是判断对错，一个自适应学习系统会随着时间的推移，根据学生与教材的互动从而调整学习策略，并基于学生的学习发展情况进行预测，提供与学生学习水平相对应的教材。

不同类型的自适应学习解决方案有助于实现用不同的方式学习改进。例如，一些公司提供技术平台让教师可以设计和提供他们自己的课程，而其它公司则提供完全独立的多种课程。其中一些工具使用规则导向方法，专注于让学生沿着线性路径通过给定的课程，而其它则依赖于复杂的运算法则支持用多种方法来通过一系列的学习目标；一些应用专注提高识记，而其它则集中于基于真实情景仿真的问题导向学习。

在早期高等教育的自适应学习实践中，这些解决方案主要被用在课程领域。但是随着学生交互数据集规模越来越大，并形成一个不断丰富的学生档案，自适应学习的前景已经不仅限于应用于课程中，还有对学生本身，这些系统会随着学习者通过一系列课程从而涵盖特定知识领域或一系列相关技能而增加。

关于消费者数据反馈的工具正在蓬勃发展，如健身手环——耐克，Jawbone和Fitbit等。这些设备可以计算卡路里的燃烧量、步骤、每天的深浅睡眠，以及许多其他指标——所有这些，都成为人们实现健身目标的一种动力。如果我们健康领域引申到学习学习领域做个类比，那么可以说，从自适应学习的解决方案中获得的持续的、个性化的反馈，是有潜力变得即时和创新的。

http://mmbiz.qpic.cn/mmbiz/mroos2yTR2UyfX2Vf1kUz1xgrId8qd5Esn2uTe279h2Y9ndZAcV56q5K2oRpywVVOiamdOeBKvp8vkvialEDXCLw/640——高等教育领域自适应学习的案例分析 第一章" TITLE="学以“适”用 ——高等教育领域自适应学习的案例分析 第一章" />