自适应学习的现状和未来

QQ图片20160601105455

 

自适应学习如何应用到互联网教育的早在上世纪70年代就已萌芽:
1970年,美国自然科学基金资助研制了TICCIT,利用计算机辅助自适应测试技术作为主要手段,试图提供适应性教学。

 

【引自:张家华,张剑平.适应性学习支持系统:现状、问题与趋势[J].现代教育技术.2009,2】
一、现状
世界很多国家都有在线教育企业在做尝试,有的是真在做,有的是玩个噱头,甚至把学情分析当自适应,更何况分析的那么简陋,有的会针对学情给出学习建议也只是很简单没什么技术含量,比如通过测试分析你某些知识点对应的题目错误率高,就建议 加强相应知识点的学习,当然这是国内大部分企业喜欢干的,稍微沾点边就马上包装成领先一样,先占领市场再说。总体看,国内的研究和应用要落后于某些国家例 如美国,理论上的落后自不必说,可从论文数量与质量判断,不赘述,应用亦然。
例如:国内的论文喜欢用内容模型、学生模型、教导模型,这其实也是引自国外的。(中国是论文大国,但也只是数量大而已;就像GDP大,人均很少,质量不高。)重点还是说应用这块。
国内有:babycan、大讲台、乂学、有谱测评等。

 

国外有:Knewton、Declara、Smart Sparrow、KnowRe等。

 

图片1

 

下表也可以让我们对现有自适应学习系统有一个认知:

 

图片2

【此表引自:《国内外自适应学习平台的现状分析研究》,作者:郭朝晖 , 王楠 , 刘建设 】

 

 

目前国内外均普遍明显缺乏重视的有:
1、入学测试:判断学习前各维度能力、知识基础等(体验优答时发现,你做了几道题,它也可以提供一个各维度能力分析的雷达图给你,这并不科学,量太少,类似于我们不能通过几百个抽样调查就判断中国人是否幸福一样。PS:优答并没有入学测试。)
2、学生入学时的标签:年龄、学历、知识基础、性格、心理状态、家庭、收入、学习目标、学习习惯、学习意愿、智商…
你不了解他,怎么适配?所以,很多产品都是用户在学的过程中适配。
3、记忆能力的差异性:那么多公式定理,记不住怎么往前走,记不准怎么走?
4、人是社会化的动物:(很 多人说远程教育在线教育的学习者学习注意力不集中难以长期坚持的原因是孤独,是没人管—其实是缺少一个“眼神”,从人的本能来说,人的思考源自社会目的, 没有四目相望的对话人类就不会进化。你看屏幕中的讲课的小人只是视频中的一个会动的图片而已啊,目前的人类还没有办法把他当成实实在在的人,当然,直播 的话会好些。)再说,一个人学习是很无聊啊~
5、自适应学习系统可以提高学习效率,但是能否促进思维能力的提升?思维能力远比知识重要吧,所以,小朋友用自适应学习网站学习可要慎重了~
6、缺少动态调整:学习过程中,如何分析发生的各种变量,如何预判,如何推荐,算法不能是确定单一的,也不能是一成不变的。
7、资源匮乏:视频、题目等资源尚且不足,况实时答疑乎?
8、学习行为理论、心理学理论等应用不足。
9、对不同类被知识的特征认知不足:
“知识作为一种特殊的信息,它具备了更多的附加特征,也就是说,某一种信息如果越多增加这种特征的烙印,就越接近知识。
隐性特征:知识具备较强的隐蔽性,需要进行归纳、总结、提炼。
行动导向特征:知识能够直接推动人的决策和行为,加速行动过程。
动态特征:知识不断更新和修正。
主观特征:每个人对知识的理解,都会加入自己的主观意愿。
可复制/转移:知识可以被复制和转移,可重复利用。
延展生长特征:知识在应用、交流的过程中,被不断丰富和拓展。
资本特征:知识就是金钱。
倍增特征:知识经过传播不会减少,而会产生倍增效应。一个知识两人分享,就至少有两条。
熟练特征:知识运用越熟练,有效性越高。
情境特征:知识必须在规定的情景下起作用,人类选择知识一般都会进行情境对比。
心智接受特征:知识必须经过人的心智内化,真正理解,才能被准确运用。
结果导向特征:知识不但加速过程,也导向一个可预期的结果。
权力特征:掌握知识的人,即便不在职务高位,也拥有一定的隐性权力。
生命特征:知识是有产生和实效的过程,有生命长短,不是永久有效的。

 

【引自百度百科“知识”词条】
总之,现状骨感,现在的都只是初级的自适应引擎:变量少、颗粒粗、响应慢、判断糙、资源少、动态化差。
二、未来
我们越了解人类自己,就越知道怎样做教育。
这并不是正确的废话,这是方向:我们对我们用来学习的中枢-大脑-的认知只比空白多一点!
我们是怎样学习的,是这样吗?

 

图片3

 

怎样获取的?为什么有的获取不同信息的快慢效率不同?
怎样认知的?为什么不同人第一次认知同一知识时差别可能极大?
怎样加工的?为什么有的人这样加工,有的人那样?
怎样内化的?为什么有的人可以举一反三有的人总是犯错?
怎样检验是科学合理的?
未来的自适应学习系统:

 

图片4

 

Ⅰ、变量容纳够大:
是簇,一个能容纳百万数量级甚至亿万数量级变量及变量间关联的簇!
Ⅱ、颗粒度够细:
1、对人的学习风格和学习类型、学习行为等细分到足够细。
2、知识点细分到足够细。
3、每个知识点都有多种风格的“教师”讲解(可能是机器人)。
Ⅲ、响应够快:
1、随时提问,随时解答,随时评价,随时换“人”(可能是机器人)。
Ⅳ、判断够准确:
1、遗忘曲线等各种行为理论、心理学的合理应用。(目前以上提到的在自适应线教育产品对记忆的个体差异性关注不足)
2、大数据系统可以不断自动化分析,不断根据你的学习行为预判你的学习效果,从而随时给出学习建议,且分析行为可进化。
Ⅴ、资源够全:
不同媒介的(字、图、音、视、VR、AR、AI…)、不同来源的、不同难度的、不同讲述风格的应有尽有。
VI、动态进化快。
未来的孩子,通过自适应学习系统学习,真正有了祖国的花朵社会主义接班人的感觉!因为太爽了!
未来的自适应学习另一个方向是陪伴。(当然不是人陪伴)
一定要有度量,没有度量就无所谓成败。(以上提到的各种形容程度的形容词,比如“多种”“足够细”都需要度量,不赘述)
自适应学习系统或引擎的价值是什么?效率,10天学会的东西,现在1天就可以学会,这意味着什么,请充分发挥想象力!(当然必然有极限,比如某个知识点,无论适应性学习引擎如何强大,人去学习至少要XX时间。)
未来已来,我们正在思考和拥抱;未来很远,我们无法预知人类的潜力!

 

 

本文来自投稿,作者Dirac,微信号997512202