论文部分内容阅读
摘要：自适应学习长期以来一直是教育研究领域所关注的话题。学习者都希望接受优质教育，但优质的教育资源终究有限，以人工智能技术模拟优秀教师的教学行为，以学生学习的大数据为基础，通过机器学习与训练，理解学生学习所处的情境，不断通过数据分析获得学习者目前的学习水平与状态，并且相应地调整学习活动与进程，为学生推荐最有价值的知识点，最大限度地提升学习效率，帮助学习者实现差异化的学习，真正做到因材施教，最终实现个性化教育。文章以英语教学模式为切入点，探讨通过自适应学习干预系统的构建，提高学习内容的针对性，以满足个性化的学习需求，并最终达到提升英语学习效果的目标。
关键词：自适应学习干预系统;英语教学模式;个性化学习
2018 年，教育部发布《教育信息化 2.0 行动计划》，要求持续推动信息技术与教育深度融合，大力推进智能教育，开展以学习者为中心的智能化教学支持环境建设，推动人工智能在教学、管理等方面的全流程应用，利用智能技术加快推动人才培养模式、教学方法改革，探索泛在、灵活、智能的教育教学新环境建设与应用模式。目前，人工智能在教育领域的落地应用已是大势所趋。但基于人工智能技术的教育产品应用场景仍停留在学习过程的辅助环节、其价值仍停留在减少重复劳动的层面，并不能直接带来教学质量和教学效果的提升。而自适应学习能将人工智能技术渗透到教学的核心环节中，通过智能教学机器人从根本上改进学习的理念和方式，是真正意义上的教育变革。基于此，本研究旨在英语教学中引入自适应学习技术，以提高学生的学习成效，改进教师的教育理念和教学方法，推动人工智能技术与教育教学的深度融合。
一、人工智能在教育中的应用
1993 年，第一届人工智能教育国际会议（Artificial Intelligence in Education，AIED）在英国爱丁堡举行，但早期人工智能的教育应用水平较低——当时所谓的“智能”，其实就是按学习水平的高低对学生做一个简单的分层，把学生分成好、中、差三类，让每一类学生都按其相应层次的学习内容和学习路径开展学习——这是一种十分粗糙的个性化教育，其理念类似于分班， 故在随后的10多年内人工智能教育一直不愠不火。
随着人工智能、大数据、云计算等技术的快速发展，美国的 Knewton 公司于 2008 年宣布成立，人工智能在教育中应用的糟糕状况开始改变。Knewton 公司是最早将最新的人工智能技术应用于自适应学习的公司之一，其研发的自适应学习引擎能根据知识图谱中的评估内容实时评估学生的知识掌握水平，并据此动态调整下一步的学习内容和学习路径，从而实现可规模化的个性化教育。2017 年，Knewton 公司在其官网发布《2017 年学生数据洞察》报告，分析了 10000 多名学生的学习数据。据此报告的数据分析结果，可以看出：自适应学习使学生的学习成绩和学习效率都有了很大的提高。
二、自适应学习干预系统
（一）自适应学习的概念
自适应学习是人工智能在教育中的一种应用场景，维基百科给出的定义如下：“自适应学习是一种运用计算机作为互动教学设备，根据每个学生的独特需求，对人力和媒体化资源的分配进行安排的教育方法。计算机通过学生对题目、任务和经验的反馈获知其学习需求，并据此推送教材。这项技术涉及计算机科学、教育、心理学、脑科学等多个研究领域的很多方面。”2016 年，培生集团（Pearson）在发布的《解码自适应学习》报告中将“自适应学习”定义为一种教育科技手段，它自动为每位学生单独提供适应性的帮助，并在现实中与学生进行实时互动。
（二）教育干预的必要性
教育干预是指对学习者的学习过程施以外部的干预指导，以便有效提高其学习效率的一种手段。在网络学习资源纷繁多样的今天，对学习者进行有效的教育干预，就如同帮助学习者在迷茫中找到正确的方向，其意义自然不言而喻。其实，教育干预对我们来说并不陌生。早在 20 世纪30 年代，前苏联著名心理学家维果茨基（vygotsky） 提出的最近發展区理论（zone of proximal development，ZDP），便明确指出了语言学习过程中教育干预的必要性。不仅如此，美国著名语言学家克拉申（ krashen） 20世纪80年代初期提出的语言输入假说（ input hyp- othesis），也同样表明了教育干预的重要性。如今，倍受人们推崇的“因材施教”则是教育干预的一个典型例证。由此可见，教育干预在学习过程中不仅必要，而且发挥着不可或缺的重要作用。
（三）自适应学习干预系统构建的意义
自适应学习干预系统的构建，改变了现有网络学习系统one-fits-all 的单向资源呈现模式，使学习内容的提供建立在能力诊断的基础之上，实现了对学习薄弱环节的精确定位和量身定制、对症下药式的强化训练模式，犹如提升“木桶理论”中的最短板一样，其学习辅助效果自然非常值得期待。
三、构建自适应学习干预系统下的英语教学模式
（一）自适应学习干预系统下的英语教学与传统教学的区别
传统的英语教学以知识为核心、以教师的教为中心。自适应学习干预系统下的英语教学以学生学习与训练为中心，学生能够进行大量的自主练习，特别是通过语音模仿、语音识别等技术进行听与说的训练，较好地还原了人类语言学习的基本流程，创造了第二语言学习的新路径。这种新的学习路径把英语学习当作一种技能来学习和训练，知识成为在技能训练中的自然获得。
（二）自适应学习干预系统下的混合式英语教学模式
混合式学习模式是自适应学习干预系统下的英语教学基本模式。在这种混合式学习模式中，学生通过计算机或移动终端，在自适应学习系统的支持下、在虚拟学习空间里开展自主学习，教师根据上传的学生学习数据，对学生的学习行为、进度、成绩等进行评价，给予在线指导，并在此基础上，在实体的学习空间里组织学生学习交流、讨论、应用，提升学生语言的运用、综合和创造能力。我们可以发现，尽管自适应学习技术为学生的英语学习解决了传统英语学习无法克服的难题，但人机学习只是手段，实现人与人的交流，提升语言在真实场景中应用的准确、优美，才是最终的目的。在教师指导下，充分利用在不同学习空间内学生的学习优势，构建自适应学习干预系统下的高效混合式英语教学新模式，是今后英语教学的重要发展方向。 （三）构建新模式面对的挑战
一是来自于教师的挑战。首先，对教师的英语基本能力与水平是很大的挑战。传统英语教学中，学生跟读、听说等都是以老师发言为标准的，而在新的模式下，学生可以听到来自于系统标准且清晰的发音。其次，对教师教学能力的挑战。传统英语教学中，教师是知识的主宰，而现在学生已经通过系统学习有了知识的基本储备，怎样让学生用英语进行分析、评价与再创造，成为摆在教师面前的严峻课题。再次，对教师信息素养形成挑战。想要教师们利用信息技术手段完成信息的收集、处理、分析、评价，从而整体提升教学效益，绝非一夕之功。
二是来自于学习内容的挑战。传统英语教学是以教材为主要学习内容的，而在自适应学习技术的支持下，学生英语学习的个性化特征日益突出。学生学习进度明显加快，静止的、以知识的识记为主要内容的学习，自然无法满足学生学习的需要，内容的系统、适切、有趣、个性以及媒体化是非常必要的。
三是来自于技术的挑战。对自适应学习技术的研究尽管已经持续多年，但其真正的发展还是在伴随着人工智能以及互联网技术的突破而实现的。如何利用人工智能技术对学生的学习行为进行更加有效的诊断与评测，从而对其学习过程进行更加有针对性的指导、帮助，是自适应学习干预系统下的英语教学模式发展的重要基础。
学生一直以来接受的是传统的英语课堂教学模式，几乎从来没有自主选择过学习内容和形成个性化的学习方式，基本上是被动学习者。因此，对于学生来说，首先要改变学习观念，形成强烈的自适应学习意愿，才能够保证学生更好地接受自适应学习系统，提升自我的学习意识和能力，尤其是学习策略的发展意识。另一方面，发挥教师的引导作用。英语自适应学习是学生的主动性学习，打破了传统课堂中教师的“权威”地位，教师是学生学习过程中的引导者。由于智能化教育能够为学生提供巨量的资源和反馈，英语教师需要具备更高的英语水平和信息技术使用能力，才能够合理指导学生在英语自适应学习中采用科学的学习策略。因此，英语自适应学习对学生和教师都提出了挑战，需要共同的发展与进步。
结束语：
根据我国中长期教育改革和发展规划纲要（2010-2020年），“大力发展现代远程教育，为学习者提供方便、灵活、个性化的学习条件”已成为教育发展的最新方向。英语教学中自适应学习干预系统的构建，不仅能够做到英语学习的有的放矢，满足学习者个性化的学习需求;同时，也使远程教育方便、靈活以及个性化要求的实现成为了可能。因此，自适应学习干预系统下的英语教学模式构建，不仅具有很高的实际应用价值，对于远程教育的深入发展也必将带来有益的启示和深远的影响。
参考文献：
[1]Pearson. Decoding adaptive learning [R]. London： Pearson Education Inc.， 2016：14-15.
[2]崔巍，彭晓.网络环境下的自适应学习模式研究[J].计算机工程与应用，2010，46（s）：16-17.
[3]郭朝晖，王楠，刘建设.国内外自适应学习平台的现状分析研究[J].电化教育研究，2016，（4）：55-61.
[4]教育部.教育部关于印发《教育信息化 2.0 行动计划》的通知[OL].
<http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html>
[5]维基百科.自适应学习[OL].
<https：//en.wikipedia.org/wiki/Adaptive_learning>
作者简介：
程明，女，汉族，硕士研究生，讲师，研究方向：英语教学。
关键词：自适应学习干预系统;英语教学模式;个性化学习
2018 年，教育部发布《教育信息化 2.0 行动计划》，要求持续推动信息技术与教育深度融合，大力推进智能教育，开展以学习者为中心的智能化教学支持环境建设，推动人工智能在教学、管理等方面的全流程应用，利用智能技术加快推动人才培养模式、教学方法改革，探索泛在、灵活、智能的教育教学新环境建设与应用模式。目前，人工智能在教育领域的落地应用已是大势所趋。但基于人工智能技术的教育产品应用场景仍停留在学习过程的辅助环节、其价值仍停留在减少重复劳动的层面，并不能直接带来教学质量和教学效果的提升。而自适应学习能将人工智能技术渗透到教学的核心环节中，通过智能教学机器人从根本上改进学习的理念和方式，是真正意义上的教育变革。基于此，本研究旨在英语教学中引入自适应学习技术，以提高学生的学习成效，改进教师的教育理念和教学方法，推动人工智能技术与教育教学的深度融合。
一、人工智能在教育中的应用
1993 年，第一届人工智能教育国际会议（Artificial Intelligence in Education，AIED）在英国爱丁堡举行，但早期人工智能的教育应用水平较低——当时所谓的“智能”，其实就是按学习水平的高低对学生做一个简单的分层，把学生分成好、中、差三类，让每一类学生都按其相应层次的学习内容和学习路径开展学习——这是一种十分粗糙的个性化教育，其理念类似于分班， 故在随后的10多年内人工智能教育一直不愠不火。
随着人工智能、大数据、云计算等技术的快速发展，美国的 Knewton 公司于 2008 年宣布成立，人工智能在教育中应用的糟糕状况开始改变。Knewton 公司是最早将最新的人工智能技术应用于自适应学习的公司之一，其研发的自适应学习引擎能根据知识图谱中的评估内容实时评估学生的知识掌握水平，并据此动态调整下一步的学习内容和学习路径，从而实现可规模化的个性化教育。2017 年，Knewton 公司在其官网发布《2017 年学生数据洞察》报告，分析了 10000 多名学生的学习数据。据此报告的数据分析结果，可以看出：自适应学习使学生的学习成绩和学习效率都有了很大的提高。
二、自适应学习干预系统
（一）自适应学习的概念
自适应学习是人工智能在教育中的一种应用场景，维基百科给出的定义如下：“自适应学习是一种运用计算机作为互动教学设备，根据每个学生的独特需求，对人力和媒体化资源的分配进行安排的教育方法。计算机通过学生对题目、任务和经验的反馈获知其学习需求，并据此推送教材。这项技术涉及计算机科学、教育、心理学、脑科学等多个研究领域的很多方面。”2016 年，培生集团（Pearson）在发布的《解码自适应学习》报告中将“自适应学习”定义为一种教育科技手段，它自动为每位学生单独提供适应性的帮助，并在现实中与学生进行实时互动。
（二）教育干预的必要性
教育干预是指对学习者的学习过程施以外部的干预指导，以便有效提高其学习效率的一种手段。在网络学习资源纷繁多样的今天，对学习者进行有效的教育干预，就如同帮助学习者在迷茫中找到正确的方向，其意义自然不言而喻。其实，教育干预对我们来说并不陌生。早在 20 世纪30 年代，前苏联著名心理学家维果茨基（vygotsky） 提出的最近發展区理论（zone of proximal development，ZDP），便明确指出了语言学习过程中教育干预的必要性。不仅如此，美国著名语言学家克拉申（ krashen） 20世纪80年代初期提出的语言输入假说（ input hyp- othesis），也同样表明了教育干预的重要性。如今，倍受人们推崇的“因材施教”则是教育干预的一个典型例证。由此可见，教育干预在学习过程中不仅必要，而且发挥着不可或缺的重要作用。
（三）自适应学习干预系统构建的意义
自适应学习干预系统的构建，改变了现有网络学习系统one-fits-all 的单向资源呈现模式，使学习内容的提供建立在能力诊断的基础之上，实现了对学习薄弱环节的精确定位和量身定制、对症下药式的强化训练模式，犹如提升“木桶理论”中的最短板一样，其学习辅助效果自然非常值得期待。
三、构建自适应学习干预系统下的英语教学模式
（一）自适应学习干预系统下的英语教学与传统教学的区别
传统的英语教学以知识为核心、以教师的教为中心。自适应学习干预系统下的英语教学以学生学习与训练为中心，学生能够进行大量的自主练习，特别是通过语音模仿、语音识别等技术进行听与说的训练，较好地还原了人类语言学习的基本流程，创造了第二语言学习的新路径。这种新的学习路径把英语学习当作一种技能来学习和训练，知识成为在技能训练中的自然获得。
（二）自适应学习干预系统下的混合式英语教学模式
混合式学习模式是自适应学习干预系统下的英语教学基本模式。在这种混合式学习模式中，学生通过计算机或移动终端，在自适应学习系统的支持下、在虚拟学习空间里开展自主学习，教师根据上传的学生学习数据，对学生的学习行为、进度、成绩等进行评价，给予在线指导，并在此基础上，在实体的学习空间里组织学生学习交流、讨论、应用，提升学生语言的运用、综合和创造能力。我们可以发现，尽管自适应学习技术为学生的英语学习解决了传统英语学习无法克服的难题，但人机学习只是手段，实现人与人的交流，提升语言在真实场景中应用的准确、优美，才是最终的目的。在教师指导下，充分利用在不同学习空间内学生的学习优势，构建自适应学习干预系统下的高效混合式英语教学新模式，是今后英语教学的重要发展方向。 （三）构建新模式面对的挑战
一是来自于教师的挑战。首先，对教师的英语基本能力与水平是很大的挑战。传统英语教学中，学生跟读、听说等都是以老师发言为标准的，而在新的模式下，学生可以听到来自于系统标准且清晰的发音。其次，对教师教学能力的挑战。传统英语教学中，教师是知识的主宰，而现在学生已经通过系统学习有了知识的基本储备，怎样让学生用英语进行分析、评价与再创造，成为摆在教师面前的严峻课题。再次，对教师信息素养形成挑战。想要教师们利用信息技术手段完成信息的收集、处理、分析、评价，从而整体提升教学效益，绝非一夕之功。
二是来自于学习内容的挑战。传统英语教学是以教材为主要学习内容的，而在自适应学习技术的支持下，学生英语学习的个性化特征日益突出。学生学习进度明显加快，静止的、以知识的识记为主要内容的学习，自然无法满足学生学习的需要，内容的系统、适切、有趣、个性以及媒体化是非常必要的。
三是来自于技术的挑战。对自适应学习技术的研究尽管已经持续多年，但其真正的发展还是在伴随着人工智能以及互联网技术的突破而实现的。如何利用人工智能技术对学生的学习行为进行更加有效的诊断与评测，从而对其学习过程进行更加有针对性的指导、帮助，是自适应学习干预系统下的英语教学模式发展的重要基础。
学生一直以来接受的是传统的英语课堂教学模式，几乎从来没有自主选择过学习内容和形成个性化的学习方式，基本上是被动学习者。因此，对于学生来说，首先要改变学习观念，形成强烈的自适应学习意愿，才能够保证学生更好地接受自适应学习系统，提升自我的学习意识和能力，尤其是学习策略的发展意识。另一方面，发挥教师的引导作用。英语自适应学习是学生的主动性学习，打破了传统课堂中教师的“权威”地位，教师是学生学习过程中的引导者。由于智能化教育能够为学生提供巨量的资源和反馈，英语教师需要具备更高的英语水平和信息技术使用能力，才能够合理指导学生在英语自适应学习中采用科学的学习策略。因此，英语自适应学习对学生和教师都提出了挑战，需要共同的发展与进步。
结束语：
根据我国中长期教育改革和发展规划纲要（2010-2020年），“大力发展现代远程教育，为学习者提供方便、灵活、个性化的学习条件”已成为教育发展的最新方向。英语教学中自适应学习干预系统的构建，不仅能够做到英语学习的有的放矢，满足学习者个性化的学习需求;同时，也使远程教育方便、靈活以及个性化要求的实现成为了可能。因此，自适应学习干预系统下的英语教学模式构建，不仅具有很高的实际应用价值，对于远程教育的深入发展也必将带来有益的启示和深远的影响。
参考文献：
[1]Pearson. Decoding adaptive learning [R]. London： Pearson Education Inc.， 2016：14-15.
[2]崔巍，彭晓.网络环境下的自适应学习模式研究[J].计算机工程与应用，2010，46（s）：16-17.
[3]郭朝晖，王楠，刘建设.国内外自适应学习平台的现状分析研究[J].电化教育研究，2016，（4）：55-61.
[4]教育部.教育部关于印发《教育信息化 2.0 行动计划》的通知[OL].
<http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html>
[5]维基百科.自适应学习[OL].
<https：//en.wikipedia.org/wiki/Adaptive_learning>
作者简介：
程明，女，汉族，硕士研究生，讲师，研究方向：英语教学。