人工智能自適應(yīng)學(xué)習(xí)及其在學(xué)校教育中的應(yīng)用*

蔡連玉, 韓倩倩

(1.浙江師范大學(xué) 田家炳教育科學(xué)研究院，浙江 金華 321004;2.浙江師范大學(xué) 教師教育學(xué)院，浙江 金華 321004)

第四次工業(yè)革命和人工智能時代的到來，先進的信息技術(shù)滲透并形塑著人類的生活，也對教育產(chǎn)生著深刻影響。與此同時，當今教育因其自身的批量化和個性缺失而飽受詬病?！秶抑虚L期教育改革和發(fā)展規(guī)劃綱要(2010—2020年)》指出要關(guān)注學(xué)生個性差異，為每位學(xué)生提供適合的教育；新一輪基礎(chǔ)課程改革也提出將學(xué)生的個性發(fā)展作為培養(yǎng)目標。在此背景下，人工智能自適應(yīng)學(xué)習(xí)作為“因材施教”理念的當代技術(shù)實現(xiàn)應(yīng)運而生，且在贏利性教育市場中備受關(guān)注。對人工智能自適應(yīng)學(xué)習(xí)進行深入解讀，并且探究其在學(xué)校教育中應(yīng)用的圖景、優(yōu)勢與風(fēng)險，具有理論與實踐意義。

一、人工智能自適應(yīng)學(xué)習(xí)及其歷史淵源

在教育語境中，自適應(yīng)(adaptive)廣義上是指任何考慮并滿足學(xué)習(xí)者個人需求的教學(xué)形式，這些都可被稱作“自適應(yīng)的”。[1]狹義上的自適應(yīng)是指根據(jù)數(shù)據(jù)的特征自動調(diào)整處理方法、 參數(shù)、 條件以及順序，通過融合多種知識和技術(shù)進行自我調(diào)節(jié)和匹配，以達到最佳學(xué)習(xí)效果。[2]基于這兩種理解，可以將自適應(yīng)學(xué)習(xí)(Adaptive Learning)界定為：在與學(xué)習(xí)者的互動中能智能化地判斷出學(xué)習(xí)者的需求，并提供給學(xué)習(xí)者適當?shù)膶W(xué)習(xí)資源，使學(xué)習(xí)者在學(xué)習(xí)過程中始終可以獲取滿足自身需求所需的學(xué)習(xí)養(yǎng)分的系統(tǒng)，[3]如自適應(yīng)指令、自適應(yīng)超媒體、智能教學(xué)系統(tǒng)等。[4]在此基礎(chǔ)上，人工智能自適應(yīng)學(xué)習(xí)則是指借助人工智能自適應(yīng)技術(shù)的學(xué)習(xí)系統(tǒng)，為學(xué)習(xí)者創(chuàng)設(shè)一種符合其多樣化學(xué)習(xí)需求的學(xué)習(xí)環(huán)境，推薦給學(xué)習(xí)者個性化的學(xué)習(xí)內(nèi)容、獨特的學(xué)習(xí)路徑、有效的學(xué)習(xí)策略等，使之滿足學(xué)習(xí)者的個性化發(fā)展。人工智能自適應(yīng)學(xué)習(xí)本質(zhì)上是一種可規(guī)模化的、基于教育大數(shù)據(jù)的個性化學(xué)習(xí)。[5]人工智能自適應(yīng)學(xué)習(xí)的實現(xiàn)，通常以人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)為技術(shù)載體。市場上現(xiàn)有的人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)各有不同，但都主要是由學(xué)習(xí)者模型、學(xué)習(xí)內(nèi)容模型、自適應(yīng)模型和用戶界面等構(gòu)成。

學(xué)習(xí)者模型是關(guān)于學(xué)生的知識水平、學(xué)習(xí)風(fēng)格、認知能力、情感特征等領(lǐng)域知識和行為數(shù)據(jù)的綜合信息庫。學(xué)習(xí)者對某學(xué)科知識的掌握情況由學(xué)習(xí)者模型中的覆蓋模型(Overlay Model)以二進制值或定性度量來表示。[6]學(xué)習(xí)者模型可通過靜態(tài)建模生成，即將學(xué)習(xí)者的調(diào)查數(shù)據(jù)和任課教師提供的學(xué)生原始信息進行整合形成；也可以通過動態(tài)建模生成，即由人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)動態(tài)追蹤學(xué)習(xí)者與平臺互動產(chǎn)生的行為交互數(shù)據(jù)，對靜態(tài)模型做出自動化的動態(tài)調(diào)整更新。[6-7]隨著交互數(shù)據(jù)的累積增加，學(xué)習(xí)者模型將愈加精準完善，系統(tǒng)的自適應(yīng)性便會越強。[7]

學(xué)習(xí)內(nèi)容模型是系統(tǒng)對學(xué)習(xí)者即將學(xué)習(xí)內(nèi)容的全局表征。它將學(xué)習(xí)內(nèi)容設(shè)計成一個個的知識點和一條條的知識線，使各知識點系統(tǒng)化、條理化，形成立體的知識結(jié)構(gòu)；使各知識點間的聯(lián)系與區(qū)別更加直觀，這樣哪個知識點應(yīng)該先掌握，哪個知識點應(yīng)該后學(xué)習(xí)，清晰明了。

自適應(yīng)模型是充分聯(lián)結(jié)學(xué)習(xí)者模型與學(xué)習(xí)內(nèi)容模型的自適應(yīng)學(xué)習(xí)系統(tǒng)中的“大腦”。它通過人工智能、數(shù)據(jù)挖掘和機器學(xué)習(xí)等技術(shù)對學(xué)習(xí)者與學(xué)習(xí)系統(tǒng)交互產(chǎn)生的實時數(shù)據(jù)進行量化處理，來了解學(xué)習(xí)者當前的學(xué)習(xí)水平和學(xué)習(xí)狀態(tài)，[8]并且通過隱馬爾可夫模型(Hidden Markov Model，HMM)，可以判斷出學(xué)習(xí)者學(xué)習(xí)成功的機率。[9]基于學(xué)習(xí)者即時學(xué)習(xí)需求和情景化的學(xué)習(xí)狀態(tài)，自適應(yīng)模型能夠決定學(xué)習(xí)內(nèi)容、學(xué)習(xí)媒體、學(xué)習(xí)序列和學(xué)習(xí)步伐，為學(xué)習(xí)者構(gòu)建出最具適應(yīng)性的學(xué)習(xí)路徑。

用戶界面是學(xué)習(xí)者與自適應(yīng)系統(tǒng)進行交互的實現(xiàn)平臺。人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)在傳統(tǒng)2D界面基礎(chǔ)上采用虛擬增強現(xiàn)實技術(shù)，使之與學(xué)生的交流更加智能化、情景化，更富有趣味性，也使人—機具有更強的互動性，[10]具體情形如圖1的左上部分所示。

如上，復(fù)雜的人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)并非是憑空產(chǎn)生的，自適應(yīng)學(xué)習(xí)經(jīng)歷了較久的歷史演變：從兩千多年前的基于人的自適應(yīng)學(xué)習(xí)，到二十世紀七八十年代的基于計算機的自適應(yīng)學(xué)習(xí)，再到當前的基于人工智能的自適應(yīng)學(xué)習(xí)。[5]

我國早在春秋時期就提出了基于人的自適應(yīng)學(xué)習(xí)，當時孔子提出了因材施教的教學(xué)原則。由此看出，基于人工的自適應(yīng)學(xué)習(xí)古已有之，教師本身就可能擁有強大的適應(yīng)性，但是這過于依賴教師的教育素養(yǎng)，非孔子那樣的教師難以完全做到，且在近代興起的班級教學(xué)中幾乎難以實現(xiàn)。于是，人們急需一種技術(shù)可以將教師所需承擔(dān)的工作自動化、規(guī)?；?，使自適應(yīng)學(xué)習(xí)更普遍、高效。[11]隨著計算機技術(shù)的發(fā)展，基于計算機的自適應(yīng)學(xué)習(xí)開始孕育。1950年，斯金納的程序教學(xué)機器的發(fā)明成為適應(yīng)性學(xué)習(xí)新階段到來的標志，[4]推動著規(guī)?；瘋€別教學(xué)的發(fā)展。在這之后，人們便開始研究基于計算機的個別化教學(xué)。1958年美國IBM公司IBM650計算機的出現(xiàn)標志著計算機輔助教學(xué)(CAI)的誕生。[12]20世紀70年代，卡內(nèi)基梅隆大學(xué)研究人員卡波納嘗試將人工智能技術(shù)運用于CAI系統(tǒng)，成功建立了第一個智能計算機輔助教學(xué)系統(tǒng)SCHOLAR，它擁有學(xué)生模型，能夠與學(xué)生交互，并自動生成學(xué)習(xí)材料和問題。[13]后來更具適應(yīng)性的智能教學(xué)系統(tǒng)(ITS)以及適應(yīng)性學(xué)習(xí)支持系統(tǒng)(ALSS)相繼出現(xiàn)。至此，自適應(yīng)學(xué)習(xí)先后經(jīng)歷了基于人、計算機、人工智能的三代發(fā)展歷程，并且在人工智能第三次發(fā)展浪潮的推動下，將更具自適應(yīng)性。

二、人工智能自適應(yīng)學(xué)習(xí)學(xué)校教育應(yīng)用的圖景

在傳統(tǒng)學(xué)校教育中，教師主導(dǎo)，學(xué)生聽從，學(xué)習(xí)即知識搬運的過程。人工智能自適應(yīng)學(xué)習(xí)則使之翻轉(zhuǎn)：學(xué)生成為學(xué)習(xí)的主體，教師是學(xué)生身邊的向?qū)В磺薪虒W(xué)活動以學(xué)習(xí)者為中心，以學(xué)定教。根據(jù)當前人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)在學(xué)校教育中的應(yīng)用及其未來趨勢，我們擬從學(xué)習(xí)環(huán)境、學(xué)習(xí)方式和學(xué)習(xí)層級三方面描繪人工智能自適應(yīng)學(xué)習(xí)分別在泛在學(xué)習(xí)、個性化學(xué)習(xí)和深度學(xué)習(xí)中的應(yīng)用圖景。如上頁圖1的左下部分所示。

(一)創(chuàng)設(shè)泛在學(xué)習(xí)環(huán)境的人工智能自適應(yīng)學(xué)習(xí)

從學(xué)習(xí)環(huán)境來看，人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)既能夠支持基于傳統(tǒng)桌面的學(xué)習(xí)，也正在逐漸開發(fā)能夠支持課堂外移動的自適應(yīng)學(xué)習(xí)，即它可應(yīng)用于支持隨時隨地的泛在學(xué)習(xí)。

目前已有多款自適應(yīng)學(xué)習(xí)系統(tǒng)能夠支持基于課堂內(nèi)的桌面學(xué)習(xí)，如KNEWTON和ALEKS。它們能夠根據(jù)學(xué)習(xí)者的個體差異，如前知識水平、認知特點、學(xué)習(xí)風(fēng)格等為學(xué)習(xí)者提供定制化的學(xué)習(xí)內(nèi)容和獨特的學(xué)習(xí)路徑，試圖使學(xué)習(xí)者能獲得個性化的學(xué)習(xí)和成長。隨著技術(shù)的發(fā)展，移動學(xué)習(xí)設(shè)備也在不斷地更新完善，其便捷性受到學(xué)習(xí)者的青睞。學(xué)生可以從固定的課堂桌面學(xué)習(xí)環(huán)境中解放出來，將學(xué)習(xí)范圍擴大到基于自身所處環(huán)境的更加廣闊的場所，獲得更加真實的學(xué)習(xí)體驗。具體做法是，人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)可以借助各式各樣的傳感器以及其它的移動設(shè)備，將學(xué)習(xí)者的相關(guān)信息及時輸送、反饋回自適應(yīng)系統(tǒng)，然后系統(tǒng)根據(jù)這些豐富、即時的信息為學(xué)習(xí)者提供針對性的支持和幫助。[14]學(xué)習(xí)者則可以利用自適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)支持技術(shù)進行靈活、多樣、基于自身環(huán)境的不間斷學(xué)習(xí)。如此學(xué)習(xí)將不再是一項固定在教室中的、孤立的活動，恒定的課堂學(xué)習(xí)環(huán)境也不再是學(xué)生進行學(xué)習(xí)的唯一選擇，學(xué)習(xí)者可以基于自身環(huán)境隨時隨地展開便捷而豐富的學(xué)習(xí)活動。

(二)實現(xiàn)個性化學(xué)習(xí)的人工智能自適應(yīng)學(xué)習(xí)

布魯姆研究發(fā)現(xiàn)，師生一對一針對性教學(xué)是最有效的教學(xué)方式之一。[15]個性化的學(xué)習(xí)能夠促進學(xué)習(xí)者更專注、更高效地投入到學(xué)習(xí)中去，取得良好的學(xué)習(xí)效果。人工智能自適應(yīng)學(xué)習(xí)以學(xué)習(xí)者為中心，針對學(xué)習(xí)者情境和環(huán)境、認知能力、學(xué)習(xí)風(fēng)格、情感狀態(tài)的不同為其提供適恰的個性化學(xué)習(xí)方式。

依據(jù)學(xué)習(xí)者情境和環(huán)境、認知能力、學(xué)習(xí)風(fēng)格、情感狀態(tài)的不同，人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)可分為四類：[14]第一是基于情境和環(huán)境的自適應(yīng)學(xué)習(xí)。系統(tǒng)會根據(jù)學(xué)習(xí)者所處的環(huán)境的不同而為學(xué)習(xí)者規(guī)劃不同類型的學(xué)習(xí)活動。譬如，當確認學(xué)習(xí)者在精力高度集中的場所如圖書館時，系統(tǒng)便會提供更易于深入思考的材料；當確認學(xué)習(xí)者是在精力較為分散的場所如公交車站時，系統(tǒng)便會提供簡單、有趣的學(xué)習(xí)片段。第二是基于認知能力的自適應(yīng)學(xué)習(xí)。根據(jù)學(xué)習(xí)者認知能力的不同，自適應(yīng)學(xué)習(xí)系統(tǒng)為其提供相應(yīng)的關(guān)于課程的可視化建議(如相關(guān)鏈接、問題反饋)，并向其推薦不同的學(xué)習(xí)路徑。[9]對于低工作記憶能力的學(xué)習(xí)者，系統(tǒng)會減少課程路徑的數(shù)量，增加路徑之間的相關(guān)性，呈現(xiàn)的內(nèi)容少但更具體；而對于高工作記憶能力的學(xué)習(xí)者，系統(tǒng)則相反。[16]第三和第四分別是基于學(xué)習(xí)風(fēng)格和基于情感狀態(tài)的自適應(yīng)學(xué)習(xí)。根據(jù)學(xué)習(xí)者不同的學(xué)習(xí)風(fēng)格和情感狀態(tài)，自適應(yīng)學(xué)習(xí)系統(tǒng)會隱藏與學(xué)生學(xué)習(xí)風(fēng)格和情感狀態(tài)不匹配的學(xué)習(xí)對象，更改學(xué)習(xí)對象的呈現(xiàn)類型和呈現(xiàn)順序，會對學(xué)習(xí)對象符合某種學(xué)習(xí)風(fēng)格的程度加以注解，從而向不同學(xué)習(xí)者推薦最適切的學(xué)習(xí)內(nèi)容。[14]概言之，人工智能自適應(yīng)學(xué)習(xí)為個性化學(xué)習(xí)創(chuàng)造了廣闊的實現(xiàn)平臺，是因材施教的當代技術(shù)實現(xiàn)。

(三)促進深度學(xué)習(xí)的人工智能自適應(yīng)學(xué)習(xí)

深度學(xué)習(xí)是一種理解式學(xué)習(xí)，它使學(xué)習(xí)者能夠積極主動地、批判性地吸收新的知識和思想，將之整合融入到自己原有的認知結(jié)構(gòu)中并進行遷移，最終發(fā)展出高階思維能力和問題解決能力。[17]促進深度學(xué)習(xí)、培養(yǎng)學(xué)習(xí)者深度學(xué)習(xí)能力是當前教育改革發(fā)展的重要課題之一。[18]人工智能自適應(yīng)學(xué)習(xí)能夠激發(fā)學(xué)習(xí)者的自我效能感，整合具有意義聯(lián)接的學(xué)習(xí)內(nèi)容，采取持續(xù)關(guān)注的評價方式，促進學(xué)習(xí)者對知識的理解、建構(gòu)、反思與運用，進而實現(xiàn)從“學(xué)會”到“會學(xué)”的質(zhì)的提升。

具體而言，第一，人工智能自適應(yīng)學(xué)習(xí)能夠激發(fā)學(xué)習(xí)者的學(xué)習(xí)動機與熱情，增強自我效能感。人工智能自適應(yīng)學(xué)習(xí)能夠借助元認知支架和環(huán)境約束的機器學(xué)習(xí)分析出學(xué)習(xí)者當前的動機、參與意愿、認知水平以及情感狀態(tài)等。[10]它還能利用自適應(yīng)引擎和項目反應(yīng)理論判斷出學(xué)習(xí)者當前的學(xué)習(xí)水平、知識缺陷和最新學(xué)習(xí)需求，依此為學(xué)習(xí)者呈現(xiàn)出符合其興趣、當前學(xué)習(xí)狀態(tài)，滿足其“最近發(fā)展區(qū)”的學(xué)習(xí)內(nèi)容，使學(xué)習(xí)者獲得更佳的自我效能感。第二，人工智能自適應(yīng)學(xué)習(xí)將學(xué)習(xí)內(nèi)容進行有機整合以方便學(xué)習(xí)者進行意義建構(gòu)。在傳統(tǒng)學(xué)習(xí)中，孤立、塊狀的學(xué)習(xí)內(nèi)容不易于被學(xué)生完整地吸收和深度地理解。人工智能自適應(yīng)學(xué)習(xí)在對學(xué)習(xí)內(nèi)容精準掌握的基礎(chǔ)上，將各部分內(nèi)容拆分成顆粒狀，再根據(jù)知識點間的關(guān)聯(lián)性以及前后關(guān)系，構(gòu)建成立體的知識網(wǎng)絡(luò)，[10，5]使學(xué)生易于進行知識理解、建構(gòu)與實際運用。第三，人工智能自適應(yīng)學(xué)習(xí)對學(xué)習(xí)者采取持續(xù)關(guān)注的評價方式。它能夠運用教育挖掘技術(shù)與數(shù)據(jù)分析技術(shù)對學(xué)習(xí)者當下的學(xué)習(xí)特征、學(xué)習(xí)狀態(tài)做出及時的跟蹤、持續(xù)的評價以及有效的反饋，從而引導(dǎo)學(xué)習(xí)者深度反思自己的學(xué)習(xí)狀況，并及時調(diào)整學(xué)習(xí)策略，實現(xiàn)深度學(xué)習(xí)。

三、人工智能自適應(yīng)學(xué)習(xí)學(xué)校教育應(yīng)用的優(yōu)勢

人工智能自適應(yīng)學(xué)習(xí)作為一種新的學(xué)習(xí)方式，在學(xué)校教育領(lǐng)域的應(yīng)用越來越廣泛，這應(yīng)歸因于其在構(gòu)筑智慧學(xué)習(xí)環(huán)境、促進學(xué)習(xí)者個性化成長、培育創(chuàng)新型人才等方面具有的相對優(yōu)勢。其中構(gòu)筑智慧的學(xué)習(xí)環(huán)境是實現(xiàn)個性化學(xué)習(xí)和成長的前提，而尊重個性才能培育出創(chuàng)新型人才。[19]因此，人工智能自適應(yīng)學(xué)習(xí)所帶來的智慧的學(xué)習(xí)環(huán)境、個性化的成長、創(chuàng)新型人才培育三者環(huán)環(huán)相扣，共同構(gòu)成一個良性的教育體系。

(一)構(gòu)建智慧的學(xué)習(xí)環(huán)境

智慧的學(xué)習(xí)環(huán)境是一個以學(xué)習(xí)者為中心、開放式和智能化的數(shù)字虛擬現(xiàn)實學(xué)習(xí)空間，它能感知學(xué)習(xí)情境、提供適宜的學(xué)習(xí)資源，從而促進學(xué)習(xí)者構(gòu)建有意義的學(xué)習(xí)。[20-21]人工智能自適應(yīng)學(xué)習(xí)基于建構(gòu)主義學(xué)習(xí)理論，在“情境”“協(xié)作與會話”“意義建構(gòu)”等方面逐層深入地為學(xué)習(xí)者構(gòu)筑一種情境化、交互性，且能促進意義建構(gòu)的智慧學(xué)習(xí)環(huán)境。[22]“情境”指人工智能自適應(yīng)學(xué)習(xí)致力于為學(xué)習(xí)者提供動態(tài)的、交互的、泛在的學(xué)習(xí)環(huán)境，使學(xué)習(xí)者如臨其境。自適應(yīng)學(xué)習(xí)平臺擁有適應(yīng)性教育超媒體，以多元化、交互性的知識表達方式，增強學(xué)習(xí)者聽覺、視覺、觸覺等多重感官感受，促進學(xué)習(xí)者積極參與課堂活動、主動思考。泛在學(xué)習(xí)環(huán)境使學(xué)習(xí)與生活相聯(lián)系，有利于學(xué)生感知、聯(lián)想與意義建構(gòu)?！皡f(xié)作與會話”指人工智能自適應(yīng)學(xué)習(xí)致力于構(gòu)筑協(xié)作性的學(xué)習(xí)環(huán)境，促進師生、生生進行線上、線下深度而有意義的對話。在線上，學(xué)習(xí)者與教師可以就系統(tǒng)提供的學(xué)習(xí)資源展開形式多樣的交流與探討，而且借助移動終端，這種互動可延伸至更廣闊的時空領(lǐng)域。在線下，學(xué)習(xí)者擁有更充裕的時間開展小組合作式探究實踐活動，開展發(fā)展社交能力、創(chuàng)造性、理性思考等高階思維能力的學(xué)習(xí)活動?！耙饬x建構(gòu)”指人工智能自適應(yīng)學(xué)習(xí)積極創(chuàng)建有利于意義建構(gòu)的學(xué)習(xí)環(huán)境。首先，它為學(xué)習(xí)者呈現(xiàn)的學(xué)習(xí)內(nèi)容有著豐富的層次和良好的結(jié)構(gòu)，有利于學(xué)習(xí)者快速消化和積極建構(gòu)。其次，它提供多樣化的學(xué)習(xí)媒體，既直觀又能激發(fā)學(xué)習(xí)興趣，便于意義理解；第三，它提供差異化學(xué)習(xí)策略和個性化的路徑選擇，使學(xué)習(xí)者能夠獲得足夠的學(xué)習(xí)養(yǎng)分，主動構(gòu)建有意義的學(xué)習(xí)。

(二)促進學(xué)生個性化發(fā)展

人的個性發(fā)展是教育的長遠目標，也是當今時代發(fā)展的必然要求。[23]為此，教育亟待一場變革，一場由規(guī)?；慕逃蛏?、生態(tài)化、個性化教育的轉(zhuǎn)變。[24]人工智能自適應(yīng)學(xué)習(xí)在其思想基礎(chǔ)和應(yīng)用實踐中都體現(xiàn)出了促進學(xué)習(xí)者個性化發(fā)展的旨趣。在思想基礎(chǔ)上，人工智能自適應(yīng)學(xué)習(xí)承認學(xué)習(xí)者之間的差異尤其在認知和學(xué)習(xí)風(fēng)格上的差異。在認知方面，不同學(xué)習(xí)者在新知識的學(xué)習(xí)速度、掌握程度上各具差異，[15]因此學(xué)習(xí)者學(xué)習(xí)策略應(yīng)有所不同。在學(xué)習(xí)風(fēng)格上，不同學(xué)習(xí)者在接收信息和處理信息時所表現(xiàn)出來的學(xué)習(xí)傾向性不同，[25]應(yīng)讓學(xué)習(xí)者選擇其偏好的學(xué)習(xí)方式進行學(xué)習(xí)方能獲得個性化發(fā)展。在應(yīng)用實踐中，人工智能自適應(yīng)學(xué)習(xí)通過數(shù)據(jù)挖掘技術(shù)、學(xué)習(xí)分析技術(shù)實時追蹤數(shù)據(jù)，深層分析學(xué)習(xí)行為，獲得有關(guān)學(xué)習(xí)者的個性特征，并為之提供個性化的學(xué)習(xí)支持。[24，26]首先是設(shè)置彈性化的學(xué)習(xí)目標。人工智能自適應(yīng)學(xué)習(xí)基于不同的學(xué)情特點，為每位學(xué)生都設(shè)置具有個體針對性的動態(tài)學(xué)習(xí)與發(fā)展目標。其次是呈現(xiàn)遞進式的學(xué)習(xí)內(nèi)容和多樣的學(xué)習(xí)方式。人工智能自適應(yīng)學(xué)習(xí)為學(xué)習(xí)者提供專屬課程表，其知識程度由易到難逐步深入，再為之匹配差異化的學(xué)習(xí)序列和學(xué)習(xí)資源，供學(xué)習(xí)者按需取用。最后是持續(xù)關(guān)注式的學(xué)習(xí)評價與反饋。系統(tǒng)可隨時監(jiān)控學(xué)習(xí)者的學(xué)習(xí)動態(tài)，對學(xué)習(xí)者做出即時的評價，并以可視化的方式將結(jié)果呈現(xiàn)給學(xué)習(xí)者和教師。系統(tǒng)還能對后續(xù)的學(xué)習(xí)活動做出預(yù)測與調(diào)整，實現(xiàn)差異化學(xué)習(xí)。[8]

(三)利于創(chuàng)新型人才培養(yǎng)

一般地可以認為，創(chuàng)新型人才具有三個特征：立體的、開放的知識結(jié)構(gòu)；靈活的、多向度的思維，綜合的、創(chuàng)新的能力；良好的品格和較高的情商。[27]人工智能自適應(yīng)學(xué)習(xí)在如下三個維度有利于培養(yǎng)創(chuàng)新型人才。首先，人工智能自適應(yīng)學(xué)習(xí)能夠為學(xué)習(xí)者提供多樣化的學(xué)習(xí)方式、開放式的學(xué)習(xí)環(huán)境和組織有序的學(xué)習(xí)內(nèi)容，這不僅能夠激發(fā)學(xué)習(xí)者對知識探究的興趣，形成開放的學(xué)習(xí)態(tài)度，更有助于學(xué)習(xí)者掌握系統(tǒng)而全面的知識結(jié)構(gòu)。其次，人工智能自適應(yīng)學(xué)習(xí)有助于培養(yǎng)學(xué)習(xí)者理性和批判的思維、良好的問題解決能力和高效的溝通能力。人工智能自適應(yīng)學(xué)習(xí)所提供的“一對一”精準教育，使學(xué)習(xí)者不斷由淺層學(xué)習(xí)進入深度學(xué)習(xí)，由步調(diào)一致的單一學(xué)習(xí)進入個性化的學(xué)習(xí)；而且人工智能自適應(yīng)學(xué)習(xí)也為教師對學(xué)生深入而全面的了解提供了實現(xiàn)條件，因此學(xué)習(xí)者之間以及學(xué)習(xí)者與教師之間擁有更多的可能來進行深層且有意義的交往。這種交往或是對于某個現(xiàn)象的批判，或是對某問題的深入探究，或是合作攻克某個難題等，在此過程中學(xué)習(xí)者的高級思維與能力就會得到提升。第三，人工智能自適應(yīng)學(xué)習(xí)有助于培養(yǎng)學(xué)習(xí)者具有高尚的品格和優(yōu)秀的品質(zhì)。人工智能自適應(yīng)學(xué)習(xí)這一平臺在把學(xué)生從浩瀚的題海中拯救出來的同時，也把教師從重復(fù)性的勞動中解放出來，去從事真正富有創(chuàng)造性的育人工作，這樣教師才更有可能根據(jù)每個學(xué)生的學(xué)情、天賦、身心發(fā)展特點設(shè)計眾多合作型探究性學(xué)習(xí)活動。學(xué)生進行合作、探究、分享與反思，他們在學(xué)習(xí)的過程中不僅收獲學(xué)習(xí)的成果，而且享受創(chuàng)造、合作與分享的樂趣，從而更有可能成長為勇于探索、具有團隊精神、富有首創(chuàng)精神的生動活潑的人。

四、人工智能自適應(yīng)學(xué)習(xí)學(xué)校教育應(yīng)用的風(fēng)險

人工智能自適應(yīng)學(xué)習(xí)是學(xué)校教育實踐中的一股新力量，它在學(xué)習(xí)環(huán)境、學(xué)習(xí)方式、人才培育等方面都能夠給教育帶來良性變革。但事物往往是有其利也有其弊的，難以忽視的是人工智能的學(xué)校教育應(yīng)用存在潛在的風(fēng)險性，前瞻地審視這些風(fēng)險，是學(xué)校教育實踐積極應(yīng)對并有效規(guī)避風(fēng)險的前提。

(一)人工智能自身局限可能導(dǎo)致教育誤判

人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)自身并不具有絕對的完美性，這由技術(shù)本身的發(fā)展性所決定。首先人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)的關(guān)鍵技術(shù)數(shù)據(jù)挖掘具有表面化的傾向。教育數(shù)據(jù)的挖掘還停留于學(xué)習(xí)環(huán)境中容易獲取的數(shù)據(jù)(如點擊、頁面的瀏覽次數(shù))，而具有高度教學(xué)價值的隱性數(shù)據(jù)還是無法深入獲得。[28]基于表面化的信息做出的推斷與預(yù)測，初衷是好的，但其結(jié)果卻可能有害。其次，目前系統(tǒng)的算法仍然是簡單、呆板甚至是有漏洞的，這將十分危險。當數(shù)據(jù)挖掘算法如果沒有能夠進行完全正確的分類，系統(tǒng)就會產(chǎn)生錯誤的發(fā)現(xiàn)，如負誤識(將不及格學(xué)生劃入及格)和正誤識(將及格學(xué)生劃入不及格)。[28]這會引發(fā)錯誤的后續(xù)干預(yù)措施，甚至造成對學(xué)生自尊心與自信心的傷害。此外，抽象、復(fù)雜的學(xué)習(xí)風(fēng)格是否可以被自適應(yīng)系統(tǒng)以標簽化精確劃分，研究人員目前尚存疑慮。[29]即使能夠?qū)崿F(xiàn)學(xué)習(xí)風(fēng)格的成功劃分，基于算法的學(xué)習(xí)風(fēng)格劃分是否會使學(xué)習(xí)者困于某固定的學(xué)習(xí)類型，仍受到質(zhì)疑。[30]

(二)教學(xué)中技術(shù)崇拜導(dǎo)致教育本質(zhì)的遮蔽

技術(shù)崇拜是指教師在課堂教學(xué)中因片面預(yù)估或過分夸大技術(shù)的功用和適用范圍，在心理上、認知上、情感上以及習(xí)慣上對技術(shù)產(chǎn)生深度甚至是過分的依賴。[31]造成技術(shù)崇拜的原因是多方面的，但根據(jù)其定義，不難發(fā)現(xiàn)其最主要是因為教師無限放大技術(shù)的優(yōu)勢，而不見其限度，因而過度依賴甚至迷失于教育技術(shù)之中，逐漸喪失了自身的思考力、判斷力和行動力，無法把握教育的本質(zhì)。技術(shù)崇拜的后果是，教育的核心價值被冷落，教育的溫度會被冰冷的技術(shù)理性覆蓋，造成教師行為的不當和人文關(guān)懷的缺失，如此則技術(shù)遮蔽了教育的本質(zhì)。質(zhì)言之，人工智能自適應(yīng)學(xué)習(xí)應(yīng)用于教育恐使教育者迷失于各色的數(shù)據(jù)、復(fù)雜的技術(shù)、大量的輸出結(jié)果中，并對之投入過多的時間，甚至產(chǎn)生精神依賴，這樣反而失卻了對教育本身的關(guān)注，在技術(shù)汪洋中失去了對教育本質(zhì)的把握。須知，人工智能自適應(yīng)學(xué)習(xí)可以參與的只占教育的小部分，在冰山一角之下還有更重要的學(xué)生軟素養(yǎng)(如想象力、創(chuàng)造性、價值觀、社交能力、領(lǐng)導(dǎo)能力等)的培育，它才是人工智能時代教育的核心所在。

(三)人工智能技術(shù)可能加大城鄉(xiāng)教育差距

由于經(jīng)濟社會發(fā)展的差距，城鄉(xiāng)教育落差問題本已凸顯。將人工智能自適應(yīng)學(xué)習(xí)應(yīng)用于學(xué)校教育，存在加大城鄉(xiāng)教育差距的風(fēng)險，原因在于城鄉(xiāng)學(xué)生對人工智能自適應(yīng)學(xué)習(xí)的可獲得性是不一樣的。人工智能自適應(yīng)學(xué)習(xí)的開展需要有先進的信息技術(shù)和教師人力資源作為支撐，農(nóng)村學(xué)校往往難以獲得應(yīng)有的技術(shù)資源和優(yōu)質(zhì)師資，而城市學(xué)校卻擁有相對優(yōu)越的條件。這意味著，人工智能自適應(yīng)學(xué)習(xí)所能夠達到的個性化程度越高，其給予城市學(xué)生的相對優(yōu)勢便越大，而農(nóng)村地區(qū)學(xué)生的相對劣勢就會越凸顯，因而城鄉(xiāng)之間的教育鴻溝也就會越深。人工智能自適應(yīng)學(xué)習(xí)并不一定是縮小城鄉(xiāng)教育差距的良藥，相反地可能是一副催化劑，使得城鄉(xiāng)城教育差距愈加明顯，這種風(fēng)險我們不得不警惕。

針對人工智能自適應(yīng)學(xué)習(xí)在教育中應(yīng)用存在的如上三種風(fēng)險，需要從技術(shù)上完善人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)，用雙重判斷等技術(shù)和人工參與驗證等路徑減少教育誤判；需要引導(dǎo)教師對人工智能自適應(yīng)學(xué)習(xí)的應(yīng)用，避免技術(shù)崇拜的產(chǎn)生；還需要有更多的合理的社會、經(jīng)濟措施，降低人工智能自適應(yīng)學(xué)習(xí)學(xué)校教育應(yīng)用過程中加大城鄉(xiāng)教育差距的風(fēng)險。