1.什么是自适应学习？

适应性学习是根据斯皮罗的生成学习理论、建构理论、多媒体认知理论整合而成的学习理论模式，根据项目反映理论进行筛选题目，使得题目落在学生的最近发展区内，从而帮助学生学习。适应性学习系统提供对不同学习者的个性化学习需求的适应，包括学习诊断的适应性、学习内容的适应性、学习者自主选择学习策略的适应性等。对于相同的学习内容，适应性学习支持系统为不同的学习者提供不同的学习方式。[1]

也就是说，自适应学习（适应性学习）的理想状态是，在学习者没有察觉的情况下，系统根据学习者的基本情况、学习基础、学习速度、学习能力、解题正确率等数据，动态调整学习的材料，以提供最适合学习者当下情况的学习计划，使学习的效率、成果最大化。

2.互联网应用的现状

目前市面上的个性化学习产品并不多，以新东方的K12产品“优答”为例，用户需要自己设定年级、学习的科目、内容，“私人定制”功能会根据以上数据和用户答题的数据动态调整学习内容（初次使用，可能描述上有错漏之处，请指正）。这种“私人定制”的模式相较于市面上现有的教育类产品，已经是一个很大的突破。但是，在细节上，我认为仍没有达到自适应学习的理想状态，这也是行业共同面临的挑战。

下图是学术文献中提取的模型[2]，可以看到，学生的学习内容受两方面的影响：基于数据挖掘的推荐引擎（数据包括学习者的特征信息，生成学习内容和计划），教师和管理者的人工干预（即教师、家长、研究者可以根据实际需求调整学习内容，辅助推荐引擎，使其更加精准）。

3.挑战与未来发展

自适应学习是充分考虑学生个性和特点、符合发展心理学规律的科学学习方法，无论是传统的学校教育还是互联网在线教育，都很有价值。对于传统的学校教育，为每个学生的不同阶段制定不同的学习计划，显然会耗费大量的人力物力，也是不现实的。而互联网技术正好可以解决这个问题，这也是互联网教育产品未来走进校园的机遇。

但是，在产品设计、技术实现方面，仍面临如下挑战：

（1）个性化推荐引擎。K12产品的用户是发展很快的儿童和青少年，而学习不同的科目又是很复杂的过程，不同于我们听音乐、看新闻，用户画像的精准性和速度对技术而言是较大的考验。

（2）产品设计、课程内容的趣味性。K12产品的购买者是谁？（此处的购买不等于付费）是学校还是家长还是学生？学校普遍推广更有利于快速收集用户反馈，进行产品迭代，但进入学校的门槛普遍较高，不成熟产品很难得到认可；如果购买者是家长或学生，都面临着同一个问题，就是如何吸引学生使用。这对产品的趣味性提出了挑战，包括内容本身，和学习形式。

（3）从心理学层面上看，所有的K12产品没有考虑到情绪、意志力的培养的问题，也没有考虑合作学习和探究性学习的类型，也就是说它只能在认知层面进行提高。认知会受到情绪、意志力的影响，如果不会调控情绪、没有坚强的意志力，高水平的认知是发挥不了作用的。所以自适应学习应该增加合作学习的内容，让学生学会与人交往、与人交流，在交流中学会调节情绪，培养意志力。要实现这一功能，任重而道远。

（4）机器学习的渐进性，需要一定的时间去适应学生的变化，而我们在学习中想必都曾有过一种体验——顿悟，突然就开窍了，然后同类型的题都能迎刃而解，而机器算法如果还是根据用户做对X道题，历史正确率50%，不达标，所以继续学习，恐怕不适合用户下一阶段的学习。当然，此处仅是举例，说明机器学习在面对顿悟这一情况是，存在一定的滞后性。

未来的发展趋势：

（1）整个教育行业的发展（不限于互联网），最理想化的状态是打破课堂、年级的模式，按个体的发展阶段、天赋、规划来制定授课内容，这条路还很漫长。

（2）用户第一次使用时，用一系列测试对用户进行初步的画像，打标签，测试包括且不仅限于科学的性格测试、人格测试、知识面、兴趣、个人需求等等，在用户第一次登录时，尽可能多地去了解他，据此推送一部分内容，再进行进一步的判断细分……

（3）更丰富的反馈和交互设计，让学生的学习体验更加接近于传统的课堂学习，丰富的反馈可以激励用户，提升停留时间，促进沉浸式学习。

（4）多用户合作学习+社区模式。如上述挑战中的第3点，合作学习在青少年发展中必不可少，如果互联网教育在未来教育板块中占有较大的比重，那么，促进学生之间的交流合作也是教育平台的责任。

参考文献：

[1]沈孝山. 自适应学习平台的设计与开发[D].华东师范大学,2006.

[2]姜强,赵蔚,王朋娇,王丽萍. 基于大数据的个性化自适应在线学习分析模型及实现[J]. 中国电化教育,2015,01:85-92.