張賽宇 馬志強 董延慶 侯德強

（1.江南大學(xué) 江蘇“互聯(lián)網(wǎng)+教育”研究基地，江蘇 無錫 214122；2.江南大學(xué)附屬醫(yī)院，江蘇 無錫 214122）

一、研究背景

人工智能在教育領(lǐng)域全面深入的應(yīng)用，為規(guī)模化課堂中實現(xiàn)個性化學(xué)習(xí)帶來了新的契機與可能。從政策上來看，2019年中共中央、國務(wù)院印發(fā)的《中國教育現(xiàn)代化2035》著重強調(diào)，要堅持“注重全面發(fā)展、面向人人、因材施教”的基本理念，實現(xiàn)規(guī)?；逃c個性化培養(yǎng)的有機結(jié)合。2021年，教育部聯(lián)合多部門發(fā)布的《關(guān)于推進(jìn)教育新型基礎(chǔ)設(shè)施建設(shè)，構(gòu)建高質(zhì)量教育支撐體系的指導(dǎo)意見》再次強調(diào)，開發(fā)基于人工智能的教學(xué)應(yīng)用，以實現(xiàn)“人機共教，人機共育”，提高教育教學(xué)質(zhì)量。在2023年召開的世界數(shù)字教育大會上，我國教育部部長懷進(jìn)鵬發(fā)表主旨演講指出，我們要深化實施教育數(shù)字化戰(zhàn)略行動，推進(jìn)資源數(shù)字化、管理智能化、成長個性化、學(xué)習(xí)社會化，讓大規(guī)模個性化教育成為可能。可見，國家對人工智能在教育中的應(yīng)用潛力給予了充分肯定，特別是在推進(jìn)數(shù)字化轉(zhuǎn)型和課堂教育變革、解決規(guī)?；n堂中的個性化教育問題上給予高度關(guān)注。

個性化學(xué)習(xí)可以理解為一種“以學(xué)生為中心、以滿足全體學(xué)生特別是那些學(xué)習(xí)有困難的學(xué)生需求的包容性的學(xué)習(xí)方式”（BECTA, 2006）。在規(guī)?；n堂中實現(xiàn)個性化學(xué)習(xí)主要通過識材、施教與發(fā)展三個階段實現(xiàn)（劉邦奇，張金霞，許佳慧，胡婷婷，朱廣袤，2021）。在 “識材”階段，教師要通過學(xué)情診斷的方式，通過挖掘?qū)W習(xí)者的行為與結(jié)果，來刻畫學(xué)生特征，利用學(xué)情將學(xué)習(xí)者分層分類。在“施教”階段，要實現(xiàn)為學(xué)生規(guī)劃個性化學(xué)習(xí)路徑并推送學(xué)習(xí)資源。為每一位學(xué)生提供豐富、多元、可選擇的學(xué)習(xí)內(nèi)容、學(xué)習(xí)路徑、學(xué)習(xí)資源等，創(chuàng)設(shè)學(xué)習(xí)環(huán)境。在“發(fā)展”階段，以學(xué)生為中心開展學(xué)習(xí)評價，并提供反饋指導(dǎo)。例如：為不同學(xué)生提供個性化的測試題與個性化的學(xué)習(xí)指導(dǎo)。簡而言之，個性化學(xué)習(xí)強調(diào)要尊重學(xué)習(xí)者的個體差異，通過學(xué)習(xí)方式、學(xué)習(xí)目標(biāo)、評價體系、個性資源、反饋形式等要素的差別化設(shè)計來滿足學(xué)習(xí)者的差異學(xué)習(xí)需求。

在當(dāng)前的規(guī)?；虒W(xué)形式中，課堂教育的規(guī)?；c個性化的矛盾正逐漸凸顯，關(guān)于技術(shù)如何促進(jìn)學(xué)生個性化發(fā)展成為新時代教育必須要回應(yīng)的問題之一（曹建國，薛荔娉，黃亞濤，2023）。實現(xiàn)個性化學(xué)習(xí)目標(biāo)面臨著諸多挑戰(zhàn)：一是個性化學(xué)習(xí)中學(xué)習(xí)目標(biāo)的差異化要求與現(xiàn)有教學(xué)目標(biāo)評價體系的標(biāo)準(zhǔn)化導(dǎo)向相矛盾；二是個性化學(xué)習(xí)中學(xué)習(xí)內(nèi)容的定制化需求與教育現(xiàn)狀中統(tǒng)一性的學(xué)習(xí)資源相矛盾；三是個性化學(xué)習(xí)中學(xué)習(xí)過程的個性化支持需要與規(guī)?；嗉壗虒W(xué)結(jié)構(gòu)中同步整齊的教學(xué)實施相矛盾；四是個性化學(xué)習(xí)中學(xué)習(xí)方式的自主化需求與現(xiàn)有教學(xué)實踐中教師主導(dǎo)的教學(xué)法相矛盾；五是個性化學(xué)習(xí)中學(xué)習(xí)環(huán)境的泛在化需求與現(xiàn)行教學(xué)組織中以教室固定的教學(xué)環(huán)境相矛盾（吳南中，邢西深，2021）。這些矛盾是在學(xué)校中開展個性化教育活動的主要阻力。

已有研究對解決這對矛盾做出了相關(guān)理論與實踐的探索，人工智能技術(shù)的出現(xiàn)為解決上述矛盾提供了新的契機（Burden, Kearney, 2016; OECD, 2020）。以智能導(dǎo)師系統(tǒng)為例，它能夠通過一對一的個性化教學(xué)途徑，解決學(xué)習(xí)環(huán)境匱乏和評價難度大等問題（梁迎麗，梁英豪，2012）；智能虛擬助手可實現(xiàn)個性化輔導(dǎo)、交互式問答、情境學(xué)習(xí)等學(xué)習(xí)支持功能（王萍，石磊，陳章進(jìn)，2018）；此外，利用數(shù)據(jù)挖掘、AI技術(shù)、多代理等手段進(jìn)行集成、搭建的個性化學(xué)習(xí)系統(tǒng)，能夠以游戲化的學(xué)習(xí)界面去吸引學(xué)習(xí)者并為之提供個性化的學(xué)習(xí)建議，提高了學(xué)生的學(xué)習(xí)動機與興趣（Lin, Yeh, Hung, & Chang, 2013）?？偟膩砜?，將人工智能技術(shù)應(yīng)用于教育教學(xué)領(lǐng)域，能夠為實現(xiàn)個性化學(xué)習(xí)提供有力支持，進(jìn)而促進(jìn)智能化學(xué)習(xí)的發(fā)展（王萍，石磊，陳章進(jìn)，2018；袁振國，2021）。但技術(shù)往往不是萬能的，教育改革依舊需要以教師和學(xué)生為中心，實現(xiàn)人工智能技術(shù)與師生的共同協(xié)作，最大化地發(fā)揮技術(shù)的應(yīng)用價值，提升智能時代的人才培養(yǎng)效益。

基于此，為提煉現(xiàn)有研究可供參照的經(jīng)驗，本研究系統(tǒng)分析了近十年來國際期刊中利用人工智能實現(xiàn)個性化學(xué)習(xí)的研究成果，探索以人工智能技術(shù)解決“規(guī)?；焙汀皞€性化”之間矛盾的基本路徑，為后續(xù)規(guī)模化課堂中的個性化學(xué)習(xí)實踐提供相關(guān)的參考與借鑒。研究旨在探索三個基本問題：

① 學(xué)校規(guī)?；n堂支持個性化學(xué)習(xí)的關(guān)鍵技術(shù)是什么？

② 課堂開展個性化學(xué)習(xí)的主要路徑是什么？

③ 課堂中個性化學(xué)習(xí)的效果怎么評？

二、研究方法與過程

（一）研究的檢索與選擇

鑒于在國際研究中，“個性化學(xué)習(xí)”和“自適應(yīng)學(xué)習(xí)”這兩個學(xué)術(shù)術(shù)語在各種研究中經(jīng)?；Q使用（Lin, Yeh, Hung, & Chang, 2013; Gómez, Zervas,Sampson, & Fabregat, 2014; Xie, Chu, Hwang, & Wang,2019），故本研究將個性化學(xué)習(xí)主題的關(guān)鍵詞確定為：個性化學(xué)習(xí)、自適應(yīng)學(xué)習(xí)、個性化自適應(yīng)學(xué)習(xí)、定制學(xué)習(xí)、個性化教學(xué)，以保證檢索論文范圍的全面性。因此，文獻(xiàn)選定搜索關(guān)鍵詞為：人工智能 （Artificial intelligence OR AI）、個性化學(xué)習(xí)（Personalized learning OR Adaptive learning OR Personalized adaptive learning OR Customized learning OR Individualized instruction）。為合理控制文獻(xiàn)檢索范圍，將精力聚焦于分析高水平文獻(xiàn)，即選定教育技術(shù)領(lǐng)域內(nèi)引用率較高的10本期刊雜志，在確保論文的范圍可控的同時，確保調(diào)查的范圍足夠廣泛，以更好地回答研究問題。

本研究選定Science Direct、Web of science、EBSCOhost這三個數(shù)據(jù)庫為數(shù)據(jù)源，對以上關(guān)鍵詞（包括搜索關(guān)鍵詞和限定期刊）在近十年左右（搜索時間為2012年1月至2022年4月）發(fā)表的相關(guān)文章進(jìn)行搜索，隨后導(dǎo)出源數(shù)據(jù)，做出統(tǒng)計調(diào)查，共得到276篇文章。本研究篩選文章的參考標(biāo)準(zhǔn)為：①研究主題為人工智能技術(shù)支持下的個性化學(xué)習(xí)，且文章應(yīng)包含具體的實驗過程；②將規(guī)?；n堂界定為由20人及以上組成，共同開展教與學(xué)活動的集合體。通過排除重復(fù)文章、綜述類、純技術(shù)開發(fā)類以及與研究要求無關(guān)的文章后，最終共得出50篇文章，納入本研究所選范圍。需要指出的是，部分文章中的實驗場景模糊，未標(biāo)明是否為“課堂”這一情境下，但從人工智能技術(shù)應(yīng)用類型及其對個性化學(xué)習(xí)的支持路徑（主編碼維度）這一角度來看，不會對最終的研究結(jié)果產(chǎn)生較大影響。

圖1 文獻(xiàn)篩選過程

（二）文獻(xiàn)分析框架

為支持系統(tǒng)性文獻(xiàn)綜述工作，需要建立文獻(xiàn)分析框架。首先，需要對已有人工智能技術(shù)的課堂應(yīng)用類型做出梳理，摸清現(xiàn)實情況下存在于規(guī)?；n堂中的AI技術(shù)應(yīng)用類型；其次，為探究個性化學(xué)習(xí)實現(xiàn)的基本路徑，需要結(jié)合不同AI技術(shù)應(yīng)用類型進(jìn)一步明確AI對個性化學(xué)習(xí)的具體支持路徑；最后，將人工智能技術(shù)應(yīng)用于課堂教學(xué)實踐后，會影響學(xué)生的認(rèn)知與情感狀態(tài)并產(chǎn)生特定的學(xué)習(xí)結(jié)果，故應(yīng)分析技術(shù)的應(yīng)用效果。所以，本研究依據(jù)AI技術(shù)的應(yīng)用類型、對個性化學(xué)習(xí)的支持路徑、產(chǎn)生的學(xué)習(xí)結(jié)果進(jìn)行維度劃分，且將技術(shù)應(yīng)用類型、支持路徑作為重點觀測維度，以此來探討人工智能技術(shù)在這個過程中是如何起作用的。

結(jié)合已有研究與所選文獻(xiàn)分析出本研究的編碼框架，具體如表1所示。其中，技術(shù)應(yīng)用類型包括個性化學(xué)習(xí)系統(tǒng)、智能輔導(dǎo)系統(tǒng)、可視化交互系統(tǒng)、智能助手、專家系統(tǒng)，這里主要參考的是國外一篇權(quán)威期刊上對人工智能在教育中應(yīng)用的分類標(biāo)準(zhǔn)（Zhang,Aslan, 2021），主要包括聊天機器人、專家系統(tǒng)、智能導(dǎo)師或代理、機器學(xué)習(xí)、個性化學(xué)習(xí)系統(tǒng)或環(huán)境、可視化和虛擬學(xué)習(xí)環(huán)境六大類；支持路徑包括學(xué)習(xí)者畫像、學(xué)習(xí)路徑/活動規(guī)劃、學(xué)習(xí)內(nèi)容/資源推送、學(xué)習(xí)評價/測試、學(xué)習(xí)反饋/指導(dǎo)等，這里主要參考的是國內(nèi)一篇探討技術(shù)支持的個性化學(xué)習(xí)的理論性文章，文中核心觀點為技術(shù)對個性化學(xué)習(xí)的支持主要體現(xiàn)在學(xué)習(xí)目標(biāo)的個性化、學(xué)習(xí)內(nèi)容的個性化、學(xué)習(xí)活動（路徑）的個性化、學(xué)習(xí)評價的個性化、學(xué)習(xí)資源的個性化等幾個方面 （孔晶，郭玉翠，郭光武，2016）。需要說明的是，在對學(xué)習(xí)結(jié)果的劃分上，借鑒較為常見的分類標(biāo)準(zhǔn)，分為認(rèn)知與情感兩類（劉哲雨，劉宇晶，周繼慧，2022；雷浩，李雪，2022）。認(rèn)知與情感相互交織，共同促進(jìn)學(xué)習(xí)者個體的發(fā)展：知識結(jié)果包括知識學(xué)習(xí)過后取得的學(xué)業(yè)成就等，可以量化為相對客觀的學(xué)業(yè)成績；能力結(jié)果表現(xiàn)為相關(guān)學(xué)科技能與問題解決能力等綜合能力；情感結(jié)果則表現(xiàn)為學(xué)習(xí)滿意度、學(xué)習(xí)動機、自我效能感等。因篇幅有限，在此不對列表內(nèi)的各個要素進(jìn)行逐一解釋。

表1 編碼框架

三、數(shù)據(jù)分析

（一）支持個性化學(xué)習(xí)的AI技術(shù)以智能分析與個性化推薦技術(shù)為核心

根據(jù)上述內(nèi)容可知，現(xiàn)行的教學(xué)組織多是以教室為中心的課堂教學(xué)形態(tài)，擁有特定的空間范圍和物理設(shè)施，如桌椅、黑板等。經(jīng)過對納入研究的文章進(jìn)行編碼統(tǒng)計后，對相關(guān)數(shù)據(jù)進(jìn)行可視化處理得到的結(jié)果如圖2所示，該圖反映了在教育領(lǐng)域人工智能技術(shù)的應(yīng)用現(xiàn)狀。由圖觀之，規(guī)?；n堂中的AI技術(shù)應(yīng)用類型多種多樣，各個種類均有涉及，且不同類型間所占比例差異較大，以智能輔導(dǎo)系統(tǒng)、個性化學(xué)習(xí)系統(tǒng)、可視化交互系統(tǒng)為主。它們均是圍繞個性化教育理念來進(jìn)行設(shè)計的，故其底層實現(xiàn)技術(shù)必將存在一定的重合與交叉，只不過是不同系統(tǒng)間的定位有所差異，如智能輔導(dǎo)系統(tǒng)旨在為學(xué)生提供一對一、個性化的輔導(dǎo)；個性化學(xué)習(xí)系統(tǒng)則強調(diào)對個性化學(xué)習(xí)的全過程支持。

圖2 課堂個性化學(xué)習(xí)中的AI技術(shù)應(yīng)用情況

為進(jìn)一步挖掘課堂個性化學(xué)習(xí)中AI技術(shù)的應(yīng)用情況，本研究選擇以個性化學(xué)習(xí)核心理念為依據(jù)，以支持個性化學(xué)習(xí)的底層AI技術(shù)為抓手，對已有AI技術(shù)應(yīng)用類型進(jìn)行進(jìn)一步剖析。個性化學(xué)習(xí)理念與因材施教的教育理念相同，故可將人工智能支持個性化學(xué)習(xí)的系統(tǒng)實現(xiàn)步驟分為“因材”“施教”兩大環(huán)節(jié)。結(jié)合AI技術(shù)特點可知，它們分別對應(yīng)兩種關(guān)鍵性技術(shù)——智能分析與推薦技術(shù)。智能分析技術(shù)助力個性化反饋，使教學(xué)過程評估更加直接、方便和精準(zhǔn)；智能推薦技術(shù)助力個性化資源推送，為學(xué)習(xí)者提供精準(zhǔn)、適切、個性的學(xué)習(xí)支持和服務(wù)。這兩類關(guān)鍵性技術(shù)在已有AI系統(tǒng)中也有不同程度的展現(xiàn)。

1.智能分析技術(shù)以個性化學(xué)習(xí)系統(tǒng)、可視化交互系統(tǒng)與專家系統(tǒng)為主要應(yīng)用形態(tài)

基于人工智能的個性化學(xué)習(xí)系統(tǒng)，其系統(tǒng)架構(gòu)可劃分為四個模塊：學(xué)習(xí)模塊、測試模塊、學(xué)習(xí)狀態(tài)記錄模塊和專家系統(tǒng)模塊（Hwang, Sung, Chang, &Huang, 2020）。學(xué)習(xí)模塊使學(xué)生能夠通過觀看在線視頻和完成學(xué)習(xí)表來學(xué)習(xí)；測試模型用于執(zhí)行測試以評估個別學(xué)生的知識水平；學(xué)習(xí)狀態(tài)記錄模塊將個別學(xué)生的學(xué)習(xí)行為記錄在系統(tǒng)日志中，以供進(jìn)一步分析；專家系統(tǒng)模塊用于分析學(xué)生的情感狀態(tài)，并根據(jù)學(xué)生的情感狀態(tài)和知識水平確定每個學(xué)生的學(xué)習(xí)內(nèi)容，實現(xiàn)學(xué)習(xí)過程的人本化。

可視化交互系統(tǒng)在本研究中包括了虛擬現(xiàn)實環(huán)境、教育游戲、交互式測試系統(tǒng)等，它們通過構(gòu)建豐富的學(xué)習(xí)場景與反饋機制（比如游戲中的激勵機制）來調(diào)動學(xué)生的主觀能動性，降低認(rèn)知負(fù)荷，增強教學(xué)的直觀性，豐富學(xué)生的學(xué)習(xí)體驗，讓學(xué)生在一個多樣化的學(xué)習(xí)場景下進(jìn)行學(xué)習(xí)。如在學(xué)生的學(xué)習(xí)測試環(huán)節(jié)，帶有診斷和反饋機制的交互式儀表板可以結(jié)合學(xué)生反應(yīng)時間與正確性，生成可視化的、豐富的、高質(zhì)量的反饋（Chen, Wang, & Hsu, 2021）?？梢暬到y(tǒng)的主要功用在于減少學(xué)生外部認(rèn)知負(fù)荷，讓學(xué)習(xí)者積極處理學(xué)習(xí)材料，對低學(xué)習(xí)能力的學(xué)習(xí)者往往更為友好（Lee & Wong, 2014）。在開展個性化學(xué)習(xí)活動時，我們要考慮調(diào)用學(xué)生的多感官來參與學(xué)習(xí)活動，利用反饋開展有意義的交流活動來提高學(xué)生的學(xué)習(xí)參與（馬志強，2021），激發(fā)學(xué)生的內(nèi)驅(qū)力，促進(jìn)學(xué)生的發(fā)展。

專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，模擬人類專家的推理過程來處理現(xiàn)實世界中需要專家做出解釋的復(fù)雜問題，它一般由知識庫、推理機、工作內(nèi)存、解釋器和人—機界面組成（杜海瓊，張劍平，2008）。如一個醫(yī)學(xué)專家系統(tǒng)能夠模擬醫(yī)學(xué)專家，為病人做出診斷和治療方案，一定程度上取代真實的人類醫(yī)學(xué)專家。同樣，在教育領(lǐng)域，理想化的專家系統(tǒng)甚至能夠完全實現(xiàn)取代人類教師開展教學(xué)活動，甚至還具有自學(xué)習(xí)能力（Wanichsan, Panjaburee, & Chookaew,2021），可將其形象化地稱之為“模擬人類教師的教學(xué)機器”。

2.個性化推薦技術(shù)以智能輔導(dǎo)系統(tǒng)和智能助手為主要應(yīng)用類型

智能輔導(dǎo)系統(tǒng)以檢測學(xué)習(xí)結(jié)果、提供學(xué)習(xí)反饋為主，能夠為學(xué)生提供及時、有針對性的指導(dǎo)，解答學(xué)生學(xué)習(xí)過程中遇到的問題或困惑，彌補了大規(guī)模課堂中教師難以顧及每一位學(xué)生的局限。有研究指出可以將形成性評估游戲集成在智能輔導(dǎo)系統(tǒng)中，通過相關(guān)機制來激勵學(xué)生積極地使用形成評估系統(tǒng)，以此來提高學(xué)生的學(xué)習(xí)效果（Hooshyar et al., 2016），還可以通過模仿人類導(dǎo)師引發(fā)輔導(dǎo)對話，為不同學(xué)習(xí)風(fēng)格的學(xué)生提供指導(dǎo)，以此來提升學(xué)生的學(xué)習(xí)自信心與學(xué)習(xí)效果 （Lathama, Crocketta, McLeana, & Edmondsb,2012）。在智能輔導(dǎo)系統(tǒng)支持下開展學(xué)習(xí)活動，往往需要互動和及時指導(dǎo)（馬志強，2019）。智能輔導(dǎo)系統(tǒng)能夠通過提供個性化的反饋與指導(dǎo)來彌補大規(guī)模課堂中教師難以顧及每一位學(xué)生的局限，為每一位學(xué)生提供精準(zhǔn)、個性化的學(xué)習(xí)機會。

智能助手屬于一種行動代理人軟件，能通過自然語言模擬人類對話，并深層次地理解人類需求。它能代替人們執(zhí)行某些任務(wù)，通過將這些服務(wù)以某種方式集成，最優(yōu)化地滿足人們的需求。對話式交互與智能性服務(wù)是其核心特征（王萍，石磊，陳章進(jìn)，2018）?；谌斯ぶ悄芗夹g(shù)，它能夠有效地干預(yù)學(xué)習(xí)過程，提供及時性的學(xué)習(xí)支持，為學(xué)習(xí)者提供更好的建議和服務(wù)。智能助手的定位是助教、學(xué)習(xí)伙伴，能夠提醒學(xué)生參加學(xué)習(xí)活動、完成作業(yè)等（Xu, Wang,Collins, Lee, & Warschauer, 2021）。研究發(fā)現(xiàn)，這兩種系統(tǒng)常常被嵌套在個性化學(xué)習(xí)系統(tǒng)與智能輔導(dǎo)系統(tǒng)中。其中，以自然語言處理和語義轉(zhuǎn)換與生成技術(shù)為基礎(chǔ)的交互式問答是它的主要學(xué)習(xí)支持形式，在移動端的設(shè)備中更為常見，如以蘋果公司的Siri為代表的通用領(lǐng)域虛擬語音助手，和以Duolingo公司的Bots為代表的教育領(lǐng)域?qū)υ挋C器人導(dǎo)師系統(tǒng)。

（二）個性化學(xué)習(xí)實施的基本路徑為“識別特征—定制任務(wù)—檢驗效果”

利用人工智能技術(shù)支持學(xué)習(xí)活動是未來課堂教學(xué)應(yīng)用的重要趨勢，這依賴于AI 技術(shù)為學(xué)生提供的個性化學(xué)習(xí)支持，具體如圖3所示，涉及學(xué)習(xí)者畫像、學(xué)習(xí)路徑規(guī)劃、學(xué)習(xí)資源推送、學(xué)習(xí)測試和反饋指導(dǎo)等多條路徑，其中以學(xué)習(xí)反饋和指導(dǎo)最為突出，各類學(xué)習(xí)支持相互聯(lián)系，共同作用于個性化學(xué)習(xí)的過程與結(jié)果。如自動化學(xué)習(xí)評價與學(xué)習(xí)診斷既有助于學(xué)生對自己的學(xué)習(xí)過程與學(xué)習(xí)結(jié)果有一個清晰、明確的定位，又可以為個性化學(xué)習(xí)路徑/活動與內(nèi)容的生成與推送提供參考依據(jù)。由于每一個系統(tǒng)的設(shè)計理念與應(yīng)用場景有區(qū)別，其所具備的功能也各不相同，即同一類系統(tǒng)中單個產(chǎn)品具備的個性化學(xué)習(xí)支持的種類與數(shù)量不盡相同。因此，此次所采取的統(tǒng)計方法是對每一類系統(tǒng)中的每一個產(chǎn)品技術(shù)特征均進(jìn)行計數(shù)統(tǒng)計，最終得出該類系統(tǒng)對實現(xiàn)個性化學(xué)習(xí)所提供的基本路徑與支持。

圖3 AI技術(shù)實現(xiàn)個性化學(xué)習(xí)的具體路徑

個性化學(xué)習(xí)強調(diào)要尊重學(xué)習(xí)者的個體差異，通過學(xué)習(xí)方式、學(xué)習(xí)目標(biāo)、評價體系、個性資源、反饋形式等要素的差別化設(shè)計來滿足學(xué)習(xí)者的差異化學(xué)習(xí)需求。如圖3所示，已呈現(xiàn)各個支持路徑存在的數(shù)量關(guān)系，但它們與實現(xiàn)個性化學(xué)習(xí)結(jié)果之間的聯(lián)系尚不明顯，缺乏一定的整體性與系統(tǒng)性。故筆者選擇以AI技術(shù)實現(xiàn)個性化的具體路徑為基礎(chǔ)、以個性化學(xué)習(xí)的教育理念為依據(jù)，進(jìn)一步提煉出AI技術(shù)支持下的個性化學(xué)習(xí)實現(xiàn)路徑，并將其與上述具體支持路徑進(jìn)行關(guān)聯(lián)與整合。

在實際教育場景下，面對具有不同特點、興趣各異的學(xué)生，要解決規(guī)?；瘜W(xué)習(xí)中的個性化問題可以類比為醫(yī)學(xué)上的“面向同類病癥，需要向不同個體的病患開出獨特性處方”，它主要涉及三個關(guān)鍵性步驟：查病因、開處方、看藥效。這與 “因材施教”理念中所包含的“因材”與“施教”兩個關(guān)鍵步驟存在高度的內(nèi)在同一性，故可將個性化學(xué)習(xí)實施的基本路徑總結(jié)為“識別特征—定制任務(wù)—檢驗結(jié)果”三步，具體對應(yīng)關(guān)系如圖4所示。

圖4 AI支持個性化學(xué)習(xí)實施的基本路徑

一是識別特征，通過智能分析技術(shù)識別學(xué)生個體差異，以學(xué)習(xí)者畫像為主。學(xué)習(xí)者畫像技術(shù)常常被用于智能學(xué)習(xí)系統(tǒng)中，主要負(fù)責(zé)識別學(xué)生的個體差異。學(xué)習(xí)者畫像即學(xué)習(xí)者的標(biāo)簽化，是依據(jù)學(xué)習(xí)者的基本屬性和學(xué)習(xí)過程特征而抽象出的標(biāo)簽化的學(xué)習(xí)者模型，有研究將其分為學(xué)習(xí)者的基本屬性、學(xué)習(xí)風(fēng)格偏好、學(xué)習(xí)者類型和知識點興趣四種屬性（陳海建，戴永輝，韓冬梅，馮彥杰，黃河笑，2017），而這些特征屬性均以數(shù)據(jù)為基礎(chǔ)。因此，全過程、全方位的學(xué)習(xí)數(shù)據(jù)采集和監(jiān)控顯得至關(guān)重要。同時，這些數(shù)據(jù)也可以作為對學(xué)生開展全面評價、綜合評價的依據(jù)。

二是定制任務(wù)，通過個性化推送技術(shù)創(chuàng)設(shè)學(xué)習(xí)活動場景，涉及個性化學(xué)習(xí)反饋、個性化內(nèi)容推送、個性化路徑規(guī)劃。①個性化學(xué)習(xí)反饋。在個性化學(xué)習(xí)過程中，學(xué)習(xí)反饋與指導(dǎo)是實現(xiàn)個性化的主要路徑。通過在學(xué)生遇到困難時提供及時指導(dǎo)與幫助來實現(xiàn)個性化，這種支持路徑幾乎可以在所有類型的系統(tǒng)應(yīng)用形式中得到體現(xiàn)。學(xué)習(xí)反饋差異化的設(shè)計理念核心在于為學(xué)生提供一種“一對一指導(dǎo)”的學(xué)習(xí)方式，對學(xué)生所提交問題的答案進(jìn)行評價后，通過給予及時的反饋指導(dǎo)促進(jìn)知識的習(xí)得與鞏固。已有研究指出，個性化學(xué)習(xí)反饋形式可表示為知識結(jié)構(gòu)圖、學(xué)情變化折線圖、錯因堆積條形圖。學(xué)習(xí)反饋報告分為練習(xí)診斷性報告和學(xué)習(xí)階段性報告等等（陳明選，王詩佳，2018）。實際上，在一對一教學(xué)場景中，個性化學(xué)習(xí)指導(dǎo)與反饋亦是最為常見的教學(xué)策略。這種及時、有效的幫助與指導(dǎo)，能促進(jìn)學(xué)習(xí)結(jié)果的生成，作用于學(xué)生對知識的內(nèi)部加工與認(rèn)知過程，形成對知識的深度理解。②個性化內(nèi)容推送。豐富的學(xué)科知識資源庫是滿足不同水平學(xué)生的差異化問題需求的基礎(chǔ)，為學(xué)生獲取豐厚的學(xué)習(xí)資源提供保障，包括課內(nèi)與課外知識的學(xué)習(xí)。當(dāng)學(xué)生提出諸如“是什么”“為什么”“怎么做”等相關(guān)問題時，系統(tǒng)能夠按照一定的知識組織和推理過程，為學(xué)生推送相關(guān)知識點或課外學(xué)習(xí)材料，做出相應(yīng)解釋。例如：某學(xué)生對“法律”這一領(lǐng)域特別感興趣，但限于班級與學(xué)校的教學(xué)任務(wù)、課時安排等無法得到滿足，此時學(xué)生便可以利用系統(tǒng)獲取專業(yè)化、多樣化的學(xué)習(xí)資源和建議，以便其后續(xù)利用其他時間鉆研學(xué)習(xí)難題與疑惑。③個性化路徑規(guī)劃。結(jié)合現(xiàn)實教學(xué)場景，不難發(fā)現(xiàn)，規(guī)?；n堂中的教師不能面面俱到地關(guān)注所有學(xué)生的學(xué)習(xí)情況，難以平衡“優(yōu)等生”和“后進(jìn)生”之間的基礎(chǔ)能力的差距與學(xué)習(xí)進(jìn)度的需求，這也是規(guī)模化教育面臨的一大難題，導(dǎo)致了不同學(xué)生的最優(yōu)化學(xué)習(xí)路徑呈現(xiàn)差異，需要分別安排與之相匹配的學(xué)習(xí)活動。常見的個性化路徑推薦往往以學(xué)習(xí)者畫像結(jié)果為依據(jù)，以知識地圖的形式展現(xiàn)學(xué)習(xí)者不同層次知識的掌握情況，這背后極其依賴技術(shù)與算法，技術(shù)的可信度決定了個性化路徑與學(xué)習(xí)者之間的最優(yōu)化的匹配程度。

三是檢驗效果，通過自動化測評技術(shù)實現(xiàn)全面的學(xué)習(xí)評價。在學(xué)生使用個性化學(xué)習(xí)系統(tǒng)開展學(xué)習(xí)活動時，其行為數(shù)據(jù)包括課堂教學(xué)、日常作業(yè)、測試、考試等多維數(shù)據(jù)，由大數(shù)據(jù)智能采集系統(tǒng)完成伴隨式采集；大數(shù)據(jù)智能分析系統(tǒng)完成數(shù)據(jù)挖掘、學(xué)習(xí)分析、學(xué)情診斷等，可為校領(lǐng)導(dǎo)、教研組長、學(xué)科教師、學(xué)生等不同角色提供可視化、多維度的學(xué)情分析報告，實現(xiàn)及時、持續(xù)、深度、循證的反饋。2020年教育部出臺的《深化新時代教育評價改革總體方案》中指出，學(xué)生評價應(yīng)該破除以分?jǐn)?shù)給學(xué)生貼標(biāo)簽的不科學(xué)的做法，樹立德智體美勞全面發(fā)展的育人要求，完善過程性考核與結(jié)果性考核有機結(jié)合的學(xué)業(yè)考評制度。可見，教育評價應(yīng)是過程性的、持續(xù)性的、全面性的、育人性的綜合評價。全學(xué)科、全過程、多維度的數(shù)據(jù)收集與測評，有助于實現(xiàn)教育評價改革，深化教育育人體系走向科學(xué)化、人本化，使得開展個性化學(xué)習(xí)活動有據(jù)可依、有證可循。

（三）個性化學(xué)習(xí)效果評測傾向于個體層面的自身發(fā)展與交互層面的人機關(guān)系

在傳統(tǒng)教學(xué)情境下，鑒于班級授課制的制約與限制，學(xué)習(xí)效果的測評往往采取班級評價、結(jié)果評價。在這種大范圍、終結(jié)性的評價機制下，以同樣分?jǐn)?shù)的學(xué)生來講，教師將無法深度探索不同學(xué)生個體的學(xué)習(xí)過程機制、內(nèi)在認(rèn)知差異，這就忽視了學(xué)生的個體性質(zhì)與差異特征。結(jié)合個性化學(xué)習(xí)的內(nèi)涵與特征，評價個性化學(xué)習(xí)效果則趨向于從過程性視角出發(fā)，關(guān)注個體層面的自身發(fā)展與交互層面的人機關(guān)系。在展開具體測量時，我們不僅會考慮其帶來的學(xué)習(xí)成績的變化，還會關(guān)注使用者對該種技術(shù)形式的滿意度、接受度及其自身能力的提高，這與技術(shù)在學(xué)習(xí)中所扮演的角色與作用密切相關(guān)。

結(jié)合已有研究，個性化評價的指標(biāo)主要以“知識、能力、情感”為綜合。下頁圖5展示了使用AI技術(shù)后所測量學(xué)習(xí)結(jié)果的維度統(tǒng)計情況，可以看出，對學(xué)習(xí)結(jié)果的測量主要涉及知識、能力和情緒三大類，且大多數(shù)研究會以此三類中的任意兩類或三類作為組合進(jìn)行綜合測量。結(jié)合已有數(shù)據(jù)信息來看，在納入研究的文章中所出現(xiàn)的80項學(xué)習(xí)結(jié)果中，此三類研究出現(xiàn)的概率無較大差異，即對知識、能力、情感反應(yīng)使用效果的重要程度相同。且平均來看，每個研究中測量的學(xué)習(xí)結(jié)果的類目數(shù)量大于1 ，即現(xiàn)有大多數(shù)研究不僅僅只關(guān)注單一層面的學(xué)習(xí)結(jié)果，而是以知識、能力、情感其中的兩項或三項進(jìn)行綜合，來測量使用AI技術(shù)開展的個性化學(xué)習(xí)的效果。

圖5 學(xué)習(xí)結(jié)果測量維度統(tǒng)計

1.促進(jìn)個體層面的自身發(fā)展：個性化學(xué)習(xí)環(huán)境比傳統(tǒng)課堂環(huán)境更有效

人工智能技術(shù)以不同的應(yīng)用形式為個性化學(xué)習(xí)活動提供內(nèi)容、評價、反饋、情感等方面的多樣化支持，有望解決現(xiàn)實世界中人類學(xué)習(xí)過程的規(guī)?；c個性化之間存在的矛盾與巨大挑戰(zhàn)。已有結(jié)果表明，技術(shù)支持下的個性化學(xué)習(xí)環(huán)境比傳統(tǒng)課堂學(xué)習(xí)環(huán)境更有效（Romero & Ventura, 2020），且技術(shù)的主要作用在于激發(fā)學(xué)生的學(xué)習(xí)潛力。在知識方面，將AI支持下的學(xué)習(xí)系統(tǒng)應(yīng)用于實際教學(xué)場景，不僅能夠有效提升學(xué)生的學(xué)習(xí)成績，還能夠讓學(xué)生提高自身的學(xué)習(xí)能力與學(xué)習(xí)參與 （Hwang, Sung, Chang, & Huang, 2020;Standen et al., 2020）。在能力方面，AI支持下的學(xué)習(xí)系統(tǒng)能夠幫助學(xué)生提升表達(dá)能力、理解能力、問題解決能力等，同時也能提升與所學(xué)內(nèi)容相關(guān)的學(xué)科技能（Waalkens, Aleven, & Taatgen , 2013; Xu, Wang, Collins,Lee, & Warschauer, 2021）。在情感方面，AI支持的個性化學(xué)習(xí)環(huán)境有助于提升學(xué)生的自我效能感和學(xué)習(xí)興趣，有效地降低焦慮與挫敗感，也使得課程變得更加靈活、有趣 （Chen, Wang, & Hsu, 2021; Binh & Trung,2021）。這些積極性學(xué)習(xí)結(jié)果的取得，也從側(cè)面證實了AI技術(shù)對個性化學(xué)習(xí)支持的可行性與有效性。

2.關(guān)注交互層面的人機關(guān)系：人機關(guān)系是影響個性化學(xué)習(xí)效果的重要因素

要想取得良好的學(xué)習(xí)體驗，還需平衡好機器控制和學(xué)習(xí)者控制之間的關(guān)系。有研究指出，通過協(xié)商機制將系統(tǒng)自適應(yīng)與用戶自適應(yīng)進(jìn)行結(jié)合，促進(jìn)學(xué)生的意愿與系統(tǒng)建議之間的沖突解決：支持學(xué)生提交自己的個人偏好，當(dāng)學(xué)生偏好與系統(tǒng)建議產(chǎn)生沖突時，協(xié)商機制就會起作用，學(xué)生通過與系統(tǒng)協(xié)商最終生成個性化的自適應(yīng)學(xué)習(xí)序列 （Chou, Lai, Chao, Lan, &Chen, 2015）。從人機關(guān)系的角度來看，關(guān)注“人機協(xié)商”的個性化學(xué)習(xí)系統(tǒng)不僅考慮到機器在學(xué)習(xí)過程中所起的引導(dǎo)性作用，還要注重整個學(xué)習(xí)過程中學(xué)習(xí)者自身的學(xué)習(xí)想法和學(xué)習(xí)控制力，突破以往學(xué)習(xí)進(jìn)程完全由機器進(jìn)行主導(dǎo)的局限性，促使個性化學(xué)習(xí)邁向更深層次發(fā)展。

四、總結(jié)與展望

本研究匯總分析了近十年來國際上有關(guān)個性化學(xué)習(xí)的相關(guān)文章，以系統(tǒng)性文獻(xiàn)綜述的方法，試圖為破解規(guī)?；n堂與個性化學(xué)習(xí)之間的矛盾提供新思路。但結(jié)合現(xiàn)實因素來看，受限于教育經(jīng)費與資金投入、教育政策與組織機制等條件，要想讓課堂中的個性化學(xué)習(xí)取得理想化的效果，還需重點考慮以下幾個方面。

（一）系統(tǒng)設(shè)計時，深度融入個性化的教育理念

借助于人工智能技術(shù)，能夠為學(xué)習(xí)者創(chuàng)設(shè)良好的學(xué)習(xí)環(huán)境，提供更加真實、豐富、多樣的學(xué)習(xí)體驗（黃榮懷，李敏，劉嘉豪，2021）。但目前進(jìn)入中小學(xué)的人工智能教育產(chǎn)品種類多樣、質(zhì)量參差不齊。從源頭上講，在設(shè)計系統(tǒng)時，不僅要保證它具有通用領(lǐng)域軟件產(chǎn)品的算法透明、界面友好、功能多元等特征，還要考慮將個性化教育理念、個性化學(xué)習(xí)關(guān)鍵路徑融入對系統(tǒng)的設(shè)計與開發(fā)，這才能保證系統(tǒng)在教育市場中的核心競爭力。

（二）實際應(yīng)用時，促進(jìn)技術(shù)產(chǎn)出為教學(xué)服務(wù)

任何新興技術(shù)產(chǎn)品投入應(yīng)用后，都要與用戶之間產(chǎn)生磨合期（適應(yīng)期），隨后才有可能達(dá)到理想化的效果。將個性化教育產(chǎn)品投入學(xué)校使用時，教師應(yīng)合理利用技術(shù)產(chǎn)出為教學(xué)服務(wù)，實時結(jié)合學(xué)生的學(xué)習(xí)情況對教學(xué)進(jìn)度與策略做出調(diào)整；學(xué)生應(yīng)正確地對待系統(tǒng)提供的個性化學(xué)習(xí)資源，與系統(tǒng)之間形成良好的人機關(guān)系。同時，為滿足學(xué)習(xí)社會性與個性化結(jié)合的要求，學(xué)校要支持建立跨年級、跨班級、跨學(xué)科、跨時空的學(xué)習(xí)共同體（李永智，2022），最大化地讓技術(shù)產(chǎn)出為教育教學(xué)服務(wù)。

（三）教育評價時，充分考慮學(xué)生的自我成長

由于不同學(xué)生的認(rèn)知基礎(chǔ)與學(xué)習(xí)需求不同，在經(jīng)歷了一段時間的個性化學(xué)習(xí)活動后，需要結(jié)合學(xué)生的個體差異，以促進(jìn)學(xué)生自身發(fā)展為價值取向開展個性化學(xué)習(xí)結(jié)果評估。這與過去的群體評價和結(jié)果評價很不同，個性化的評價更加關(guān)注學(xué)生的個性發(fā)展與自我提升，強調(diào)以過程性視角收集學(xué)生數(shù)據(jù)并建立學(xué)生學(xué)習(xí)檔案，同時還將借助學(xué)習(xí)分析等智能技術(shù)精準(zhǔn)地展開科學(xué)準(zhǔn)確、有證可循的評價。

個性化教育遵循“以人為本，因材施教”的教育理念，以促進(jìn)學(xué)生個體發(fā)展為首要目的，力求為每個人提供最適合的教育。由國內(nèi)教育市場情況可知，現(xiàn)有人工智能教育系統(tǒng)功能及可用性還有待加強，未來將朝著算法更透明、測評更全面、推送更精確的方向蓄力發(fā)展。同時，將人工智能技術(shù)深度應(yīng)用于教育教學(xué)數(shù)字化轉(zhuǎn)型還缺乏大量的實際教學(xué)案例，未來圍繞個性化教學(xué)展開的精品教學(xué)案例搜集是需要持續(xù)努力的方向。