作者：冷静 付楚昕 路晓旭
江苏教育学院附属小学
来源：《中国电化教育》2021年第06期
关键词：人工智能;个性化学习;自适应系统;社会化学习 访谈者：非常感谢您接受我们的采访。2016年10月，美国白宫科技政策办公室发表的报告——《为人工智能的未来做好准备》，指出人工智能的技术手段包含机器学习、深度学习、自主自动化与人机合作。个性化学习是技术与教育深度融合的高级阶段的表现，人工智能的出现对个性化学习进行了重塑和再造。您如何定义人工智能时代的个性化学习（Personalized Learning）？ 迈克·沙普尔斯：首先定义一下人工智能，人工智能是研究如何模拟以及延伸人类智能的计算机科学分支。人工智能技术包括语音识别、图像识别、自然语言处理、大数据技术、机器人以及专家系统等。教育在人工智能技术的影响下，必将发生变革。个性化学习是一个很宽泛的术语，我将“个性化学习”定义为结合学习者的需求、兴趣与能力的学习。个性化学
习是过去40年来的教育目标，其定义是提供学习资源和适应学习者需求和能力的活动。如今的移动技术、人工智能技术已经可以为个性化学习提供物理和社交环境，技术在教育中的运用为技术增强型学习（Technology-enhancedLearning，简称TEL）。随着技术的快速发展，以及信息资源的不断丰富，使得学习者能够在课堂之外持续学习体验。利用机器学习技术可以对学习者产生的数据进行分析，提供与其学习表现相匹配的教学流程，并根据不同的情境，推送不同的学习内容。
人工智能时代，可以利用相关技术手段，如机器学习、深度学习以及人机交互来支持学习。其中，机器学习和深度学习是最关键和基础的技术。具体来讲，通过语音识别技术和大数据分析技术，对收集到的大量数据进行分析处理，呈现出学习者的学习特征（包括知识基础、能力水平、学习风格与认知方式、兴趣爱好等），也可以称为对学生进行数字画像。然后通过人工智能的推送技术，为学习者量身定制学习内容、规划学习路径，来实现个性化学习。上述过程也可以通过建立一个或多个智能化系统辅助个性化的教与学，如自适应学习系统、智能导师系统，这些系统能够利用机器学习和深度学习技术进行自动调节，学习者可以在系统中进行自主学习，并获得相应的反馈、推送与评价。另外，教师和学习者之间的交互非常重要。目前智能软件助手和机器人可以实现师生之间的交互，机器 人可以帮助学习者理解主题，甚至可以帮助老师进行评估，这让教师有更多的时间纠正错误或给予情感支持等。
访谈者：您上面谈到了用自适应学习系统去支持个性化学习，人工智能时代，该如何利用自适应学习系统去支持个性化学习呢？
迈克·沙普尔斯：我们需要厘清一些术语。自适应教学系统是一种基于学习者表现的基础上不断适应与改变的系统，即学习者的之前的表现，可能会反应到最近的测试分数中。自适应教学也可以对学生的知识水平进行推测。因此，自适应教学可以对学生的行为及推断出来的知识进行适应。另一个重要的术语是精熟学习（Mastery Learning），在达到相应的能力水准之前基于学习者的表现，向其提供反馈，或者又称之为基于能力的学习（CompetencybasedLearning）。以往学生在家做作业，上交后通常要两三天才能收到反馈。利用自适应学习系统能够建立更加快速的反馈循环。系统会在学习者参加学习活动的时候一直进行监督。一个好的系统可以在学习过程中给予提示、建议与支持。同时，提供适当的反馈与支持也极具挑战。如果一直跟学生说做错了，会降低他们的学习积极性。好的自适应系统应该要在恰当的时候介入学习，给出有效的提示与支持。
访谈者：引入自适应学习系统之后，教师的角应有哪些转变？
迈克·沙普尔斯：在一般的课堂教学中，不容易实现差异化教学。教得太简单，会让某些学生觉得乏味;教得太难，会让某些学生跟不上进度。因此，一个好的自适应系统应该是由教师先介绍一个话题，然后将学习者分小组进行问题解决。如果学生遇到困难的话，自适应系统会提供及时的帮助。但是，自适应系统设计出来不是为了替代教师，而是去更好地辅助教学。所以说教师承担着非常重要的角——介绍主题、提出问题并跟学生一起解决问题。
初次分配和再分配 访谈者：您刚刚提到自适应系统不会替代教师和个性化教学的方法或策略，那现在出现的智能导师系统、智适应学习系统，对教师能力提出了一定的要求。您认为教师该如何去应对这种新变化？
迈克·沙普尔斯：首先我认为教师需要了解他/她的学科领域，他们需要知道学生会犯什么类型的错误。我认为教师的真正职责是以问题化的方式引入主题并帮助学生理解。比方说教编程时，教师应该解释为什么需要学编程？编程是干什么的？为什么编程是一项有价值的技能？特别是，小组协作是一种很强大的学习方式，因为学生在组内可以互相帮助，
并利用自适应系统进行练习、测试知识掌握的程度。然后教师可以進入系统查看进度，根据情况来决定是否需要给予个别学生额外的支持。
访谈者：在采用协作学习时，由于每个人能力水平以及对协作学习的态度的不同，很容易造成有的人付出多而有的人敷衍了事的现象，成绩好或者付出多的学生通常不情愿拿到跟其他组员同样的分数，教师也常常为小组成员评价问题而苦恼。关于小组协作的评价问题，您是否有更好的解决方案？
迈克·沙普尔斯：是的，在英国和其它欧洲国家也有同样的问题。我认为针对这个问题有三种解决办法。第一种方式中小组协作不纳入评价，只是用小组协作巩固与应用知识。第二种方式是教师根据小组的协作情况为每位学生写一份成绩报告单。或者基于小组项目做一项针对个人的测验，这个方法在英国经常使用。第三种方式更有意思一点，给每一组评定分数，然后让小组成员决定在此基础上进行打分，也称作区别化打分（DifferentialMarking）。比如，老师给一个组的项目打了70分，允许学生基于这70分加减5分，表现好的可以高达75分，表现不佳的可以打65分。由于最后需要学生决定谁对该组的贡献更大，这种评分方式实施起来有点困难，比较适合大学生。
近30年来教育的最大成功之一就是协同工作（Collaborative Work）。直到19世纪60年代，美国的大部分学校全都采用个人学习的方式。从70年代起，开始采用团队合作或小组合作，而这种方式也获得了真正的成功。如今，美国和欧洲的大部分学校都采用小组协作学习，因为这是一种成功的学习方式。因此，不采用小组协作学习也就意味着和真正的自适应学习切断了关系。我能够理解有的学生不想被其他差生拖后腿。另一个看待此事的方式是，一旦采用了协作学习每个人都能得更高的分数，因为大家既分享了知识，又共同协作解决了问题。鄞州区
访谈者：社会化学习是否能更加促进学生的参与？
迈克·沙普尔斯：是的。但有些平台，比如NovoED①，就是基于团队协作的。研究发现当MOOC平台中将学生组队之后，滞留率（Retention Rate）会更高。所以有小组协作的平台确实会有更高的滞留率。在小组协作时，会有来自同伴的压力。因此，有团队协作的在线平台中学生滞留率会更高。我认为，这两种学习方式都很有价值，真正的挑战是如何将个性化学习和社会化学习整合起来。要知道反馈、个性化、自适应教学以及个别辅导都非常有效;同时协同合作、协作及同伴支持也很重要。关键是如何将两者结合起来，这真的是一个挑战。
临沂史晓东
访谈者：您提到成功的个性化学习三要素之一是学生分组（Student Grouping），如何分组是令人头疼的问题，通常需要考虑学生的能力水平、性格特点等等。除此之外，在保证相对公平的基础上，还要确保小组协作的效果和效率，您可以推荐一些分组策略吗？
迈克·沙普尔斯：我认为有三种方式。第一种是随机分组，即随意选择学生组成小组，这种方式通常是较好的，因为小组里的成员会有不同的特点。第二种是关系密切的学生组成一组（AffinityGroup），学生与自己合得来的同伴分为一组。不过这种方式有一个问题，就是通常会有学生会落单，这样就得重新分组。第三种分组方式是基于学生之前的表现使用算法进行分组。比如，通过观察学生最近的学习行为以及是否寻求过帮助等等。去甲基化
实现成功的个性化学习的另外两个关键要素是学习空间（Learning Space）和讨论数据（DiscussData）。在过去，老师要带学生离开教室去机房上课，不仅麻烦且非常耗时。更理想的是到一种办法将个性化学习融合到教室里。为了节省时间，需要设置灵活的空间让学生进行个性化学习，比如根据相应教学法来设计教学空间或者将学生进行分组学习。
关于讨论数据，这个概念是由朱迪·凯（JudyKay）在讲开放学习者模型（Open Learn
张博树
er Model）时提出。通过语音识别、行为记录等技术，可以收集学习者的行为数据，包括学生讨论的数据，然后利用大数据分析，对数据进行反复分析处理，呈现出学习者的学习特征。他们也可以和教师进行讨论、随时查看学习进度以及发现隐藏的问题。个性化学习的三要素来自于RAND研究②。成功的个性化学习都具备这三个要素。
访谈者：个性化学习涉及到各种不同的领域，如语文、数学、生物领域等等，您认为个性化学习和领域知识的关系是什么呢？如何根据不同的领域去设计一个完整的模型，从而促进学习者的个性化学习呢？
迈克·沙普尔斯：个性化学习中有一些是各个学科领域都通用的特性。举例来说，控制课堂的进度——确保课堂进展不会过快或过慢，还有“反馈”“熟练”等概念。但如果要有特定的教学内容，则需要一个模型，这个模型是关于一个主题图谱以及将这个主题各个方面整合到一起。设计这个模型是很难的，因为做主题图谱要花很长时间。要构建一个完整的个性化学习模型，需要知道学生现有的知识结构，这些可以通过大数据分析技术进行判断。然后要针对学生对该领域的认知来进行教学和指导，这就包括：如何进行有效教学？是否要举一些示例？是否给出辅导？
访谈者：能分享一些您先前工作中成功的个性化学习案例吗？
迈克·沙普尔斯：我们之前做了的一项个性化科学学习（Personalized Science Learning）的课题，开发了一个叫做nQuire③的软件来指导个性化学习。nQuire支持教师进行创建、编排以及监控科学探究，也为学生执行、配置和检查探究提供支持。nQuire主要针对11—14岁的青少年，在正式和非正式环境中进行科学调查来了解他们的科学学习程度。孩子们使用超级移动个人电脑（UMPC）和课堂技术实施的新型脚本探究学习方法来收集和评估证据，并参与有根据的辩论。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议