2010-2021年自適應(yīng)學(xué)習(xí)平臺國際研究熱點(diǎn)與趨勢
——基于CiteSpace可視化分析*

何敏怡， 李睿

(云南師范大學(xué) 信息學(xué)院，云南 昆明 650500)

1 引言

在全球教育資源開放共享的背景下，人工智能、大數(shù)據(jù)技術(shù)和學(xué)習(xí)分析技術(shù)日益成熟，提供個性化、差異化的學(xué)習(xí)服務(wù)成為可能.Hattie指出自適應(yīng)學(xué)習(xí)可以帶來積極的教學(xué)效益[1].自適應(yīng)學(xué)習(xí)技術(shù)應(yīng)用的載體包括各種教育產(chǎn)品，統(tǒng)稱為自適應(yīng)學(xué)習(xí)平臺或自適應(yīng)學(xué)習(xí)系統(tǒng).目前國內(nèi)學(xué)界對自適應(yīng)學(xué)習(xí)平臺國際研究熱點(diǎn)和發(fā)展趨勢進(jìn)行分析的文獻(xiàn)較少.本研究希望通過對該領(lǐng)域相關(guān)文獻(xiàn)發(fā)文數(shù)量、空間分布、核心著者和研究內(nèi)容進(jìn)行可視化分析，為自適應(yīng)學(xué)習(xí)平臺研究提供有價值的參考.

2 研究設(shè)計(jì)

2.1 研究方法與工具

采用文獻(xiàn)計(jì)量法對文獻(xiàn)進(jìn)行分析，側(cè)重于分析文獻(xiàn)的外部特征，如地區(qū)、作者、關(guān)鍵詞和引文等.采用CiteSpace作為文獻(xiàn)計(jì)量工具，它能識別和可視化科學(xué)文獻(xiàn)研究的現(xiàn)狀和新趨勢.此外,還對時空分布圖譜、核心著者圖譜和關(guān)鍵詞知識圖譜進(jìn)行可視化分析.

2.2 數(shù)據(jù)來源

以Web of Science核心合集為檢索數(shù)據(jù)庫，檢索關(guān)鍵詞為“adaptive learning platform”“personalized intelligent learning system”“intelligent e-learning system”和“intelligent tutoring system”.其次，選擇國際上比較成熟且應(yīng)用較為廣泛的自適應(yīng)學(xué)習(xí)平臺進(jìn)行專題檢索，關(guān)鍵詞包括Knewton、iSTART、Auto Tutor和ALEKS等.搜索時間范圍為2010年至2021年，文獻(xiàn)語言為英語，不包括會議、通知和報(bào)道等文章，通過閱讀文獻(xiàn)標(biāo)題和摘要，刪除與研究無關(guān)的記錄，選定391篇有效文獻(xiàn)進(jìn)行研究分析.

3 數(shù)據(jù)分析結(jié)果

3.1 時間分布圖譜分析

圖1為年度發(fā)文數(shù)量分布圖.以2016年為分水嶺，2016年以前研究成果數(shù)量呈波動狀態(tài)，2016年以后呈直線上升趨勢，2019年和2020年達(dá)到最大發(fā)文量46篇.2016年被稱為“人工智能元年”[2]，社會各個領(lǐng)域再次重視人工智能的發(fā)展，作為人工智能在教育領(lǐng)域?qū)嵺`的產(chǎn)物，自適應(yīng)學(xué)習(xí)平臺越來越受到研究者的關(guān)注.2021年的文獻(xiàn)雖然數(shù)據(jù)不完整，預(yù)計(jì)研究成果數(shù)量仍將保持穩(wěn)步增長的態(tài)勢.總體來說，自適應(yīng)學(xué)習(xí)平臺的研究成果隨著時間的推移而波動增長，積累的研究成果越來越豐富，發(fā)展越來越快.

圖1 2010-2021年度發(fā)文數(shù)量分布圖Fig.1 Frequency of publications from 2010 to 2021

3.2 空間分布圖譜分析

生成國家合作網(wǎng)絡(luò)圖譜，了解研究的地理分布和合作情況.如圖2，國家合作網(wǎng)絡(luò)中節(jié)點(diǎn)、連接線和網(wǎng)絡(luò)整體密度分別為71個、78條和0.031 4.其中中國的發(fā)文量(77篇)最多，其后依次為美國(71篇)、西班牙(48篇)、印度(22篇)和英國(19篇).圖中的節(jié)點(diǎn)較為稀疏，聯(lián)系不是十分緊密.

圖2 國家合作網(wǎng)絡(luò)圖譜

3.3 核心著者圖譜分析

為了解這一領(lǐng)域內(nèi)的關(guān)鍵研究者，生成核心著者圖譜(見圖3)；通過整理核心作者的信息和文獻(xiàn)，獲得他們在該領(lǐng)域的研究焦點(diǎn)(見表1).學(xué)習(xí)者模型的構(gòu)建是大多數(shù)核心著者共同關(guān)注的.此外，幾乎所有的研究者都十分關(guān)注教學(xué)模塊.同時還發(fā)現(xiàn)，大部分核心著者都是計(jì)算機(jī)科學(xué)或心理學(xué)背景，教育領(lǐng)域?qū)W者的涉足尚不夠深入.Martin等人的研究也發(fā)現(xiàn)，自適應(yīng)學(xué)習(xí)研究的主要領(lǐng)域集中在計(jì)算機(jī)科學(xué)領(lǐng)域[3].

圖3 核心著者網(wǎng)絡(luò)圖譜

表1 核心著者信息與研究關(guān)注點(diǎn)

3.4 關(guān)鍵詞共現(xiàn)與聚類圖譜分析

3.4.1 關(guān)鍵詞共現(xiàn)分析

生成關(guān)鍵詞共現(xiàn)圖譜，以探討自適應(yīng)學(xué)習(xí)平臺研究的熱點(diǎn)主題.頻次越高和中心性越大的關(guān)鍵詞可以代表一段時間內(nèi)學(xué)者共同關(guān)注的研究問題.關(guān)鍵詞共現(xiàn)圖譜中關(guān)鍵詞、連接線和網(wǎng)絡(luò)密度值分別為333個、863條和0.01.詞頻率排序中前20個高頻關(guān)鍵詞如表2所示.除去檢索的主題詞“intelligent tutoring system”“adaptive learning”和“adaptation”,高頻關(guān)鍵詞依次有“在線學(xué)習(xí)(e-learning)”“系統(tǒng)(system)”“模型(model)”“設(shè)計(jì)(design)”“學(xué)生(student)”“表現(xiàn)(performance)”“策略(strategy)”“本體(ontology)”“環(huán)境(environment)”和“風(fēng)格(style)”等.

表2 關(guān)鍵詞共現(xiàn)頻次、中心性及年代(部分)

3.4.2 關(guān)鍵詞聚類分析

在聚類圖譜中生成15個聚類，每個聚類由多個密切相關(guān)的關(guān)鍵字組成.簇號越小，表示簇包含的關(guān)鍵字越多.為了挖掘更有價值的信息，著重分析關(guān)鍵字?jǐn)?shù)量多、信息量大和具有代表性的聚類，各聚類的特征值和內(nèi)容如表3所示.

表3 各聚類特征值與內(nèi)容統(tǒng)計(jì)表

(1)聚類0(教學(xué)策略或?qū)W習(xí)策略)

通過分析該聚類的內(nèi)容，發(fā)現(xiàn)在教學(xué)方面有以下幾個研究熱點(diǎn)：一是關(guān)注教學(xué)策略的影響，包括不同教學(xué)策略對學(xué)生參與度、注意力、互動性和學(xué)業(yè)成就等的影響；二是探討不同教學(xué)形式的運(yùn)用，包括基于游戲的學(xué)習(xí)、體驗(yàn)式學(xué)習(xí)、基于多模式任務(wù)的學(xué)習(xí)和基于模擬的訓(xùn)練等；三是主要針對物理、數(shù)學(xué)、醫(yī)學(xué)等理科或語言教學(xué)領(lǐng)域；四是專注反饋策略、教學(xué)評估、課后計(jì)劃等研究.

(2)聚類1(計(jì)算機(jī)化適應(yīng)性測試)

該聚類呈現(xiàn)的研究焦點(diǎn)是：利用技術(shù)精確定位學(xué)習(xí)者先前知識和理解水平，評估適應(yīng)性學(xué)習(xí)需求，生成最優(yōu)學(xué)習(xí)路徑和指導(dǎo)策略，及時調(diào)整任務(wù)形式、內(nèi)容和難度以適應(yīng)當(dāng)前學(xué)習(xí).如2018年國際學(xué)生評估項(xiàng)目(PISA)中，就采用了多階段計(jì)算機(jī)化自適應(yīng)測試技術(shù)對學(xué)生的閱讀素養(yǎng)水平進(jìn)行了評估.

(3)聚類5和聚類9(情感計(jì)算和情感狀態(tài))

這兩個集群反映了研究者對學(xué)習(xí)者情感狀態(tài)的關(guān)注.因?yàn)榍楦性谌祟愓J(rèn)知過程中起著核心作用，所以情感識別模型變得越來越重要.研究嘗試通過非干擾性的情感測量，如腦電圖、肌電圖、皮膚電反應(yīng)器、姿勢分析器和面部表情識別器等自動探測情感的測量工具，評估以及構(gòu)建學(xué)習(xí)者的情感特征模型，并給予相應(yīng)的情感反饋和指導(dǎo)，從而消除或減少學(xué)習(xí)過程中的無聊感和挫敗感等不利情感因素，提高系統(tǒng)的情緒敏感性.已有研究表明，情感性輔導(dǎo)可以促進(jìn)領(lǐng)域知識水平較低的學(xué)習(xí)進(jìn)行深度學(xué)習(xí)[4].特別是隨著泛在學(xué)習(xí)和移動學(xué)習(xí)的興起和發(fā)展，基于情感狀態(tài)和語言感知的自適應(yīng)技術(shù)是當(dāng)前研究的熱點(diǎn)和趨勢.

(5)聚類6(多媒體/超媒體系統(tǒng))

研究聚焦點(diǎn)分別有教育媒體設(shè)計(jì)、學(xué)習(xí)環(huán)境設(shè)計(jì)、用戶界面設(shè)計(jì)、創(chuàng)作工具設(shè)計(jì)等.如Mitrovic和Martin的研究指出嵌入技能儀表對學(xué)習(xí)者的學(xué)習(xí)和元認(rèn)知具有積極影響[5].同時有研究學(xué)者指出，智能學(xué)習(xí)系統(tǒng)的開發(fā)是該領(lǐng)域面臨的一個重大挑戰(zhàn)，Mitrovic和Koedinger認(rèn)為1 h智能輔導(dǎo)教學(xué)需要100～1 000 h的開發(fā)時間[6]，目前開發(fā)的創(chuàng)作工具有ASPIRE和CTAT等.

(6)聚類7、聚類11、聚類13和聚類14(人工神經(jīng)網(wǎng)絡(luò)、模因論算法、語義網(wǎng)絡(luò)和確定性因子理論)

可見研究集中在學(xué)習(xí)者模型、知識圖譜、自適應(yīng)推理的技術(shù)和算法方面.學(xué)習(xí)者特征和行為模式需要智能技術(shù)來識別，并在學(xué)習(xí)者模型中融合這些模式.其中軟計(jì)算技術(shù)發(fā)揮著重大作用，如使用模糊邏輯表征人類導(dǎo)師評估學(xué)習(xí)者的方式，再比如使用人工神經(jīng)網(wǎng)絡(luò)預(yù)測學(xué)習(xí)者的反應(yīng)和錯誤等.繼軟計(jì)算方法之后，貝葉斯概率方法的應(yīng)用也得到研究學(xué)者的重點(diǎn)關(guān)注，貝葉斯網(wǎng)絡(luò)的優(yōu)勢是可以處理多個變量.這些建立學(xué)習(xí)者模型的方法和技術(shù)是進(jìn)行數(shù)字化個性學(xué)習(xí)的起點(diǎn)和基礎(chǔ).知識圖譜則是實(shí)現(xiàn)系統(tǒng)智能推理能力的關(guān)鍵所在.

(7)聚類12(數(shù)據(jù)庫)

研究重點(diǎn)關(guān)注學(xué)習(xí)者和學(xué)習(xí)過程的不同類型的信息檢測和數(shù)據(jù)獲取，以及建立用于模型構(gòu)建和學(xué)習(xí)分析的數(shù)據(jù)庫.有研究學(xué)者指出，目前許多數(shù)據(jù)挖掘方法使用這些數(shù)據(jù)來提高預(yù)測的精度，但大多數(shù)研究僅僅停留在更好的預(yù)測上，而沒有思考這些數(shù)據(jù)是否以及如何用來提高學(xué)生的學(xué)習(xí)成績[7].

圖4 研究現(xiàn)狀分析圖

3.4.3 研究熱點(diǎn)小結(jié)

從教育學(xué)的視角回顧研究，將發(fā)現(xiàn)的關(guān)鍵詞按三個維度進(jìn)行分類，分別是學(xué)習(xí)者知識建構(gòu)維度、學(xué)習(xí)環(huán)境維度以及技術(shù)維度(如圖4).目前該領(lǐng)域研究內(nèi)容圍繞兩大問題展開：一是用技術(shù)模擬真實(shí)的學(xué)習(xí)過程；二是用技術(shù)構(gòu)建高效的學(xué)習(xí)環(huán)境.

從知識建構(gòu)的維度來看，目前研究從三個主要方向展開.(1)學(xué)習(xí)者特征檢測與分析，即從學(xué)習(xí)者的不同特征或?qū)W習(xí)狀態(tài)出發(fā)探討如何構(gòu)建動態(tài)精確的學(xué)習(xí)者模型，包括學(xué)習(xí)者的認(rèn)知特征(如認(rèn)知風(fēng)格、思維風(fēng)格、先驗(yàn)知識和背景知識、知識與技能水平和元認(rèn)知等)、元認(rèn)知特征(如元認(rèn)知知識、自我監(jiān)控、自我調(diào)節(jié)能力等)和情感特征(如情緒、興趣、自我效能感等).(2)學(xué)習(xí)內(nèi)容設(shè)計(jì)，即研究知識的結(jié)構(gòu)和表征以及學(xué)習(xí)內(nèi)容的設(shè)計(jì)，包括知識圖譜、內(nèi)容難度、內(nèi)容可視化設(shè)計(jì)、資源呈現(xiàn)等.(3)教學(xué)或?qū)W習(xí)策略設(shè)計(jì)，即探討不同適應(yīng)性教學(xué)策略的應(yīng)用和影響，包括情景化學(xué)習(xí)、反饋策略、元認(rèn)知策略、指導(dǎo)策略、形成性評價等.三個不同的細(xì)分方向都是學(xué)習(xí)過程中的重要環(huán)節(jié)，共同促進(jìn)學(xué)習(xí)者的知識建構(gòu).

從學(xué)習(xí)環(huán)境的維度來看，目前的研究側(cè)重于從學(xué)習(xí)者為中心、評價為中心和知識為中心三個角度探索有效的學(xué)習(xí)環(huán)境.(1)學(xué)習(xí)者中心，即考慮到學(xué)習(xí)者知識、技能、文化背景并賦予學(xué)習(xí)者學(xué)習(xí)自主性的環(huán)境.目前，研究者嘗試通過觀察、互動、測試、獲取社交信息等不同方式和途徑，更深入地了解學(xué)習(xí)者的背景和學(xué)習(xí)需求.傳統(tǒng)的封閉學(xué)習(xí)者模型逐步過渡和發(fā)展為開放的、可協(xié)商的學(xué)習(xí)者模型.(2)評價中心，即提供反饋和回溯機(jī)會的環(huán)境，側(cè)重于對反饋策略、形成性評估、情感反饋、信息可視化的研究.(3)知識中心，即根據(jù)實(shí)際需要，促進(jìn)知識理解和遷移的環(huán)境，包括對問題情境、問題解決能力等的研究.(4)共同體中心，即把個人的學(xué)習(xí)與班級、學(xué)校、家庭甚至行業(yè)、國家、世界等更大的共同體聯(lián)系起來的環(huán)境.但是，從共同體中心角度分析自適應(yīng)學(xué)習(xí)環(huán)境的研究還很少.

從技術(shù)維度來看，技術(shù)的作用在于模擬學(xué)習(xí)過程和構(gòu)建學(xué)習(xí)環(huán)境，主要有大數(shù)據(jù)技術(shù)和人工智能技術(shù)等.大數(shù)據(jù)技術(shù)用于信息采集、分析、挖掘、呈現(xiàn)，人工智能技術(shù)用于識別學(xué)習(xí)者特征和模擬專家解決問題過程、專業(yè)教師教學(xué)過程、決策過程等.目前研究著重探究如何用技術(shù)和技術(shù)用得如何兩大問題：(1)如何用技術(shù)，即自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計(jì)和開發(fā)；(2)技術(shù)用得如何，即自適應(yīng)學(xué)習(xí)系統(tǒng)的實(shí)施和效果評估.

3.5 突現(xiàn)詞圖譜分析

通過對突現(xiàn)詞的分析研究，可以獲得研究領(lǐng)域的前沿和趨勢.突現(xiàn)詞圖譜共獲得16個突現(xiàn)詞(如圖5)，近年來的突現(xiàn)詞分別是“技術(shù)”“遺傳算法”“大數(shù)據(jù)”和“高等教育”.技術(shù)仍然是目前該領(lǐng)域的研究前沿，利用強(qiáng)相關(guān)的教育大數(shù)據(jù)和智能算法優(yōu)化適應(yīng)性結(jié)構(gòu)，提高教學(xué)效益.自適應(yīng)學(xué)習(xí)平臺的發(fā)展對技術(shù)的依賴性非常強(qiáng)，因此，關(guān)鍵技術(shù)的發(fā)展和突破是未來的重要研究方向.從教育階段來看，研究前沿主要在高等教育領(lǐng)域.美國新媒體聯(lián)盟2018年《地平線報(bào)告》指出,自適應(yīng)學(xué)習(xí)是高等教育領(lǐng)域教育和技術(shù)革新的趨勢[8].Martin等人的研究也同樣表明，大多數(shù)自適應(yīng)學(xué)習(xí)的研究都是在高等教育中進(jìn)行的，他們認(rèn)為技術(shù)在高等教育中的快速引入和在線學(xué)習(xí)的普及是重要原因[9].開放的教學(xué)環(huán)境為自適應(yīng)學(xué)習(xí)平臺的使用提供基礎(chǔ)，質(zhì)量的保證也是高等教育領(lǐng)域熱衷使用和研究自適應(yīng)學(xué)習(xí)平臺的關(guān)鍵所在，研究表明自適應(yīng)學(xué)習(xí)系統(tǒng)對大學(xué)階段的學(xué)習(xí)效果明顯高于其他學(xué)段[10].但這些發(fā)現(xiàn)表明，自適應(yīng)學(xué)習(xí)平臺在其他教育階段和教學(xué)環(huán)境中的應(yīng)用，如K-12教育階段和非正式學(xué)習(xí)環(huán)境，需要更多的關(guān)注.

圖5 突現(xiàn)詞圖譜Fig.5 Keywords with the strongest citation bursts

4 研究小結(jié)與思考

4.1 研究小結(jié)

目前，國際自適應(yīng)學(xué)習(xí)平臺研究還處于快速發(fā)展的階段，從上述的研究分析來看，還存在很多亟待解決的問題.

4.1.1 技術(shù)賦能學(xué)習(xí)，厘清數(shù)字個性化學(xué)習(xí)本質(zhì)

自適應(yīng)學(xué)習(xí)系統(tǒng)的本質(zhì)是數(shù)字個性化學(xué)習(xí).研究者和設(shè)計(jì)開發(fā)者應(yīng)把使用先進(jìn)技術(shù)作為支持個性化學(xué)習(xí)的方法，而不是目標(biāo).自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)該真正成為有效支持學(xué)習(xí)者個性化學(xué)習(xí)、自主學(xué)習(xí)和自我反思的數(shù)字工具.目前該領(lǐng)域的研究存在一些側(cè)重點(diǎn)，如：側(cè)重?cái)?shù)據(jù)精準(zhǔn)預(yù)測，忽視數(shù)據(jù)驅(qū)動學(xué)習(xí)；側(cè)重知識點(diǎn)操練，忽視能力和素質(zhì)培養(yǎng)；側(cè)重終結(jié)性評價，忽視有效反饋和形成性評價.其原因之一是目前學(xué)界對數(shù)字個性化學(xué)習(xí)的概念和理論框架并沒有達(dá)成共識，不同的自適應(yīng)學(xué)習(xí)工具有著不同的適應(yīng)性維度.雖然自適應(yīng)學(xué)習(xí)和數(shù)字個性化學(xué)習(xí)并不是什么新的概念術(shù)語，但數(shù)字技術(shù)的迅猛發(fā)展引發(fā)該領(lǐng)域的不斷變革，為其源源不斷地注入新的內(nèi)涵，因此，在未來的研究中為該領(lǐng)域發(fā)展一個更清晰更具指導(dǎo)意義的理論框架是非常有必要的.

4.1.2 鼓勵實(shí)證研究，建立自適應(yīng)學(xué)習(xí)平臺評價標(biāo)準(zhǔn)

研究發(fā)現(xiàn)不同的研究者喜歡用不同的技術(shù)和方法對學(xué)習(xí)者不同的特征進(jìn)行建模，這不但反映出研究者的偏好，還隱藏著一些問題，某一模型就一定適合于某個特定領(lǐng)域、教學(xué)策略或者學(xué)習(xí)者團(tuán)體嗎？因此，該領(lǐng)域急需大量實(shí)證研究對這些疑問作出明確的回答.同時，依據(jù)實(shí)證數(shù)據(jù)和學(xué)習(xí)科學(xué)理論建立完善的自適應(yīng)學(xué)習(xí)平臺評價標(biāo)準(zhǔn)，有利于為研究和平臺設(shè)計(jì)指明方向和目標(biāo).

4.1.3 多學(xué)科相結(jié)合，促進(jìn)理論和技術(shù)新突破

自適應(yīng)學(xué)習(xí)平臺的搭建，不僅涉及教育學(xué)、基礎(chǔ)計(jì)算機(jī)科學(xué)，還涉及認(rèn)知科學(xué)、心理學(xué)、學(xué)習(xí)分析、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等多個領(lǐng)域的理論和技術(shù)，是一項(xiàng)龐大而復(fù)雜的工程.融合更多領(lǐng)域的理論和技術(shù)是今后的研究趨勢.加強(qiáng)各研究團(tuán)體間跨區(qū)域、跨學(xué)科、跨領(lǐng)域的合作與交流，有利于該領(lǐng)域研究保持良性發(fā)展.此外，研究者需廣泛涉獵其他領(lǐng)域的知識，為研究提供創(chuàng)新思路和啟發(fā).

4.2 研究思考

4.2.1 自適應(yīng)學(xué)習(xí)對教育教學(xué)的挑戰(zhàn)

雖然如今自適應(yīng)學(xué)習(xí)平臺的發(fā)展還處于相對初級的階段，但經(jīng)過充分迭代優(yōu)化后，自適應(yīng)學(xué)習(xí)平臺將會呈現(xiàn)出快、準(zhǔn)、細(xì)、全的特點(diǎn).快即響應(yīng)速度快和快速動態(tài)追蹤；準(zhǔn)即模型完善和學(xué)習(xí)推薦準(zhǔn)確；細(xì)即顆粒度和變量關(guān)聯(lián)足夠細(xì)化；全即學(xué)習(xí)資源全方面涵蓋.這將會給學(xué)習(xí)者帶來全新的學(xué)習(xí)體驗(yàn)，傳統(tǒng)學(xué)校教育的弊端被放大和詬病，站在時代的轉(zhuǎn)折點(diǎn)上，教育教學(xué)將迎來巨大的機(jī)遇和挑戰(zhàn).就自適應(yīng)學(xué)習(xí)給課堂教學(xué)帶來的影響而言，自適應(yīng)學(xué)習(xí)將促進(jìn)人機(jī)協(xié)同教學(xué)新模式的發(fā)展，推動在線教學(xué)與課堂教學(xué)的有機(jī)結(jié)合.因此，不斷加快教育教學(xué)改革，適應(yīng)新時代的需要，學(xué)校教育才能完成從工業(yè)時代標(biāo)準(zhǔn)統(tǒng)一的教育形態(tài)向智能時代個性靈活的教育形態(tài)的跨越.

4.2.2 自適應(yīng)學(xué)習(xí)對學(xué)習(xí)者學(xué)習(xí)的挑戰(zhàn)

未來自適應(yīng)學(xué)習(xí)平臺在教育教學(xué)中的廣泛應(yīng)用，對學(xué)習(xí)者的自主學(xué)習(xí)能力提出了更高的要求.張曉蕾等人也認(rèn)為，在個體層面，學(xué)習(xí)者具備較強(qiáng)的自主學(xué)習(xí)能力和自我監(jiān)控水平是開展高質(zhì)量在線學(xué)習(xí)的重要條件[11].吳青等人研究發(fā)現(xiàn)，自主學(xué)習(xí)行為是在線學(xué)習(xí)成績的直接影響因素[12].

5 結(jié)語

自適應(yīng)學(xué)習(xí)是未來數(shù)字化學(xué)習(xí)不可阻擋的趨勢，自適應(yīng)學(xué)習(xí)平臺在實(shí)際教育領(lǐng)域中應(yīng)用已久，但目前相關(guān)實(shí)證研究發(fā)表較少.那么，自適應(yīng)學(xué)習(xí)平臺會使學(xué)習(xí)者的學(xué)習(xí)變得機(jī)械化嗎？是否真正發(fā)展了學(xué)生高水平的認(rèn)知能力？以及自適應(yīng)學(xué)習(xí)帶來的新的教學(xué)模式和學(xué)習(xí)模式，會對教師和學(xué)習(xí)者產(chǎn)生怎樣的影響呢？關(guān)于自適應(yīng)學(xué)習(xí)平臺還有很多疑問待解.希望通過今后的研究，能一一揭開自適應(yīng)學(xué)習(xí)的奧秘.