随着科學與技術的迅速發展，自适應學習工具為學習者的學習提供了個性化的指導，如何充分利用自适應學習工具滿足學習者的需求成為教育技術領域亟待解決的問題。在美國K-12教育階段，自适應學習工具（AdaptiveLearningTool）已成為輔助教師教與學生學的重要的在線學習系統，不僅減輕了教師的負擔，而且促進了學生的學習。通過解碼美國K-12自适應學習工具，發現其自适應功能主要體現在自适應内容、自适應評估和自适應序列三個方面，在此基礎上剖析了美國典型的自适應學習工具，以LearnBop為例剖析了逐步導學的自适應内容，以CK-12為例剖析了層層遞進的自适應評估，以DreamBox、SuccessMaker和Fishtree為例剖析了井然有序的自适應序列，以期通過美國K-12自适應學習工具的具體應用，為我國K-12自适應學習工具的建設提供參考。
【關鍵詞】美國；K-12；自适應學習工具；自适應内容；自适應評估；自适應序列；提示；反饋
【中圖分類号】G40-057【文獻标識碼】B【文章編号】1009-458ｘ（2018）9-0073-06
一、引言
随着科學與技術的不斷進步，學生對學習的需求越來越個性化，尤其是處于中初教育階段的學生，他們的學習差異性較大，每個人都有着獨特的認知水平與學習風格，在學習知識與技能的過程中需要符合自身特點的自适應學習（Raible,Bennett,&Jowallah,2014）。自适應學習力圖根據每個學生的獨特需求統籌各種資源的配置，為每個學生呈現與他們自身能力相适應的個性化的學習材料，從而真正做到以學生為中心，實現每個學生都可以獲得最優化資源的目标，達到每個學生都可以獲得個性化指導的效果（Don⁃nell,etal.,2008）。為了推動自适應學習，國内外先後出現了許多自适應學習工具。自适應學習工具是以自适應學習為宗旨的一種教育技術手段，美國教育部教育信息化辦公室将自适應學習工具定義為一種可以根據學生在學習過程中反饋的信息，自動改變學習内容與學習策略的系統。自适應學習工具可以為每個學生提供定制化的内容，可以促進更加個性化的學習體驗（陳智慧,2016）。
近年來，在美國K-12教育階段，越來越多的學校與教育機構等開始關注如何建設與應用自适應學習工具（Gerard,Matuk,Mcelhaney,&Linn,2015）。在日益多樣化的學習空間中，自适應學習工具被廣泛應用于教學過程中，使得教學不再局限于學校與課堂（姜強,等,2016）。通過自适應學習工具可以記錄與分析學生的學習過程，自動匹配适合的學習方式，從而促進學習（董曉輝,等,2017）。從目前來看，美國關于K-12自适應學習工具的研究發展得較為迅速，為促進學習方式的變革提供了有效的依據。本文将對美國K-12自适應學習工具進行分析，以期為我國K-12自适應學習工具的建設提供參考。
二、從認識到解碼，審視美國K-12自适應學習工具
21世紀以來，自适應學習工具是教育技術領域最具挑戰的一項研究，它的出現有效地保障了教育信息化的發展條件，有力地推動了教育現代化的發展進程（郭朝晖,等,2016）。它着眼于幾個基本問題：能否提高學生對學習的投入？能否提供有意義的學習内容與評估？能否調整學生在學習知識與技能時的序列？最重要的是能否縮小學生在學習成績上的差距？這些問題成功吸引了研究者的注意（Jones&Jo,2004）。随着研究的不斷深入，自适應學習工具也越來越優化，越來越智能。在美國K-12教育階段，學生的背景千差萬别，而學校能提供的個性化指導又十分有限，所以，自适應學習工具的應用就顯得尤為重要（Tseng,Chu,Hwang,&Tsai,2008)。具體來說，美國K-12自适應學習工具的自适應功能主要體現在自适應内容、自适應評估和自适應序列三個方面。
（一）自适應内容
自适應内容是指自适應學習工具根據每個學生對知識的理解情況與掌握程度，實時提供适應性提示與即時性反饋，強調對學習過程的指導，側重在學生問題解決過程中給予解題步驟的提示與解題結果的反饋，這種學習支架就像教師與學生之間的對話，教師通過提示與反饋引導學生進行問題解決，促進學生對問題的積極思考與深入探索，幫助學生主動參與到學習活動中（Premlatha&Geetha,2015）。自适應内容為學生搭建了學習支架，主要包括兩個方面的内容：一是落腳于知識子集而非知識全集，為了防止一味地給予學生提示而導緻“高原效應”與“學習效益遞減規則”的出現，自适應學習工具使用适應性提示，首先根據解題思路劃分解題步驟，然後為每一步嵌入提示，最後學生根據自身情況選擇相應提示，并完成問題解決；二是落腳于錯誤答案而非正确答案，自适應學習工具根據每個學生的答題情況，提供即時性反饋，這種反饋不僅為學生呈現所提交答案的正誤，而且為給出錯誤答案的學生提供進一步的解釋，這樣可以保證學生即時了解與掌握自身的學習情況，從而對自身的學習進行調整與控制。自适應内容中最核心的就是搭建學習支架，即自适應學習工具應按照分解的步驟，提供提示與反饋，小步子引導學生進行問題解決。
（二）自适應評估
在傳統評估中，測試時間是固定的，測試内容是固定的，所有學生在同一時間使用同一試卷測試，同時根據同一标準進行評估，而自适應評估将評估提升到了新階段。自适應評估是指根據每個學生對上一道問題的答題情況自動調整下一道問題的難度。也就是說，如果學生上一道問題的答案正确，下一道問題的難度就會增加；反之，如果學生上一道問題的答案錯誤，下一道問題的難度就會降低（Fasihuddin,Skinner,&Athauda,2016）。自适應評估主要适用于兩種情況：一是基于練習的自适應評估，一般用于課後練習，以此檢驗學生對課堂學習内容的理解情況與掌握程度；二是基于測試的自适應評估，一般用于階段測試，以此檢驗學生對一個階段的學習内容的理解情況與掌握程度。不論是基于練習的自适應評估還是基于測試的自适應評估，自适應學習工具都會提供診斷報告。對教師而言，診斷報告是對學生學習的反映，有利于進行調整教學，有針對性地為學生提供指導；對學生而言，診斷報告是對自身學習的評價，有利于進行查漏補缺，并對自身的學習有一個整體的把握；對家長而言，診斷報告可以了解和掌握孩子的學習情況，有利于與老師進行溝通。自适應評估的診斷報告可以使教師、學生與家長都受益。
（三）自适應序列
自适應序列是自适應學習工具中最複雜的一個功能，是指根據不斷收集與分析學生數據，通過算法與預測自動調整推送的學習内容的順序（Hnida,Idrissi,&Bennani,2016）。自适應序列的過程主要包括以下三個步驟：
第一步是收集數據。從收集數據的廣度來看，一是收集學生的學習成績，即學生答題的答案與時間等；二是收集學生的學習過程，即學生答題的正确率與使用幫助的資源類型，如虛拟計算器與虛拟時間線等；三是記錄學生的學習興趣，即學生反複使用的資源類型。從收集數據的高度來看，一是收集數據的難度，即學生問題解決的複雜程度；二是收集數據的粒度，即學生掌握知識或技能的具體程度。從收集數據的深度來看，主要收集學生個體的整體學習情況，從而建立學生個人數據庫，并以此作為不斷調整學習路徑的依據。随着時間的推移，學生個人數據庫的數據也會不斷豐富與完善。
第二步是分析數據。在收集完數據後，自适應序列根據收集的數據進行分析，不同的自适應學習工具的分析方法有所不同：一種是權衡數據，即權衡學生答題過程中各個因素的比重，如權衡正确率與時間的比重，并加權處理；一種是确定标準，即确定學生對知識的掌握程度，如确定若學生可以掌握80%以上的知識就可以進入下一階段的學習；一種是比較個體，即分析比較兩個先驗知識水平相同的學生的數據；一種是推算概率，即推算學生有多大可能掌握知識與技能。
第三步是調整推送。在分析完數據後，自适應序列将調整接下來推送的學習内容：一種是推送固定的學習内容，即學生沒有選擇權，必須完成此内容的學習；一種是推送推薦的學習内容，即學生可以根據自己的需求進行選擇，不強制要求必須學習。三、從整合到剖析，定位美國K-12自适應學習工具
自适應學習工具的核心是自适應内容、自适應評估和自适應序列，其宗旨是盡可能滿足學生的個性化需求。作為正在蓬勃發展的一種學習工具，美國自适應學習工具的設計各具特色，尤其在K-12教育階段很多典型的自适應學習工具脫穎而出。如LearnBop以自适應内容為亮點，CK-12以自适應評估為亮點，DreamBox、SuccessMaker和Fishtree等以自适應序列為亮點。這些自适應學習工具都在美國K-12教育階段獲得較為廣泛的應用。
（一）整合自适應學習工具，構建自适應學習環境
自适應學習工具通常具有三個核心功能：自适應内容、自适應評估和自适應序列。自适應内容用于指導學生的學習過程，自适應評估用于記錄學生的學習結果，自适應序列用于調整學生的學習進度，三者相輔相成，構建出合理、完整的自适應學習環境。LearnBop、CK-12、DreamBox、SuccessMaker和Fishtree等美國K-12自适應學習工具就充分體現了自适應學習工具的優勢。表1展示了各個工具的内容模型、學生模型與教學模式。
（二）逐步導學的自适應内容——以LearnBop為例
LearnBop由BharanidharanRajakumar和Ar⁃thurTu于2012年6月發布，其設計靈感來自于卡耐基梅隆大學人機交互研究所與匹茲堡大學科學學習中心對智能導學與學習科學的研究。LearnBop緻力于分解數學知識，讓學生逐步學習并獨立解決問題。LearnBop特邀數學專家研發學習内容，現已發布數千個數學問題，涵蓋美國K-12教育階段數百個數學概念，并有5,000多名學生與500多名教師在100多所學校中使用。LearnBop通過數據挖掘與機器學習，使用基于算法的個性化匹配方式，用複雜的算法指導學生自适應學習。
LearnBop是一個以自适應内容為亮點的自适應學習工具（如圖1所示），其核心是逐步導學，宗旨是一步一步幫助學生從錯誤中學習。LearnBop把複雜的問題分解成簡單的步驟，同時為每個步驟精心設計引導性提示與教學性視頻。引導性提示引導學生将已知的概念與現在的問題聯系起來，喚起學生的先驗知識，以啟發解決此問題；教學性視頻提供相關知識的講解，讓學生在回顧先前知識的同時獨立思考解決此問題，在答題的過程中學生可以根據自身情況選擇相應的幫助。LearnBop為學生呈現的引導性提示與教學性視頻是漸進的，這種逐步導學的過程正是模仿學生的自我思考過程，一步一步将學生帶入學習情境中，提高學生對學習的積極性與參與度，同時訓練學生的思維水平，促進學生對知識的深入思考與積極探索。此外，在提交答案後，LearnBop會自動呈現即時性反饋，不僅顯示答案正誤，對于錯誤答案還會顯示糾正性反饋，并鼓勵學生再次嘗試。不僅提高了學生的學習自信，而且培養了學生的自學能力。
LearnBop是教師教學的好助手。第一，教師可以使用LearnBop選擇與其課程相符的問題；第二，LearnBop可以代替教師為學生提供适應性提示與即時性反饋，引導學生解決問題；第三，LearnBop可以代替教師為學生提供實時的個性化指導，從而縮小學生之間的差異，幫助教師保證課程的進度。
LearnBop也是學生學習的好助手。第一，可以獲得實時的個性化指導，适應性提示和即時性反饋，有利于加深對問題的理解；第二，可以自定步調，确定呈現提示與反饋的時間與程度；第三，可以提高自己的問題解決能力與學習遷移能力。
（三）層層遞進的自适應評估——以CK-12為例
CK-12是由CK-12基金會贊助的非營利性自适應學習工具，緻力于成為全球K-12教育階段的優質學習系統，使用範圍現已遍布美洲、歐洲與亞洲等，使用學校現已超過四萬所，涵蓋科學、技術、工程等多門學科。CK-12的理念是“學習的過程就像是一個人旅行的過程”，其使命是“要使每個學生都能以自己的方式學習，實現自适應學習”。
CK-12是一個以自适應評估為亮點的自适應學習工具。CK-12根據學生上一道題的答題情況，自動匹配下一道題，若上一道題答案正确則進行下一類型問題的回答，若上一道題答案錯誤則自動匹配相同類型的問題重新回答。其間，學生可以使用提示與視頻幫助學習。例如，在“整數減法”這一練習中，第一個類型的問題考察兩個正整數的減法運算，“請計算（14）-（+8）等于多少”，若回答正确，則進行下一個類型的問題，考察一個正整數與一個負整數的減法運算，“請計算（8）-（-6）等于多少”；若回答錯誤，則再計算一道第一個類型的問題，“請計算（18）-（+8）等于多少”，其間會提示學生使用幫助。但如果答案一直錯誤，則會提示學生重新學習此内容。通過自适應評估的練習與幫助，學生一方面意識到自身的問題所在，另一方面經過強化訓練，獲得學習的進步與提升。CK-12使用基于規則的個性化匹配方式，根據預先存入的一系列“IF-THEN”來構建規則，實現問題的難度匹配。
在學生完成練習後，CK-12為學生提供形成性診斷報告，包括答案的正确率、總正确個數、連續正确個數、總時間與技能水平等（如圖2所示），還包括詳細的答案記錄，并根據答題情況劃分為高、中、低三個掌握程度。形成性診斷報告用于檢驗學生對某一個知識的學習情況，重視的是過程，可以激勵學生學習，幫助學生調控學習過程，促進學生的進步與發展。在學生長期使用CK-12學習後，CK-12為學生提供總結性診斷報告，包括學生此階段已掌握的知識和待完善的知識。總結性診斷報告用于檢驗學生對某一階段知識的學習情況，重視的是結果，可以形成對學生的總體性評價，有利于學生了解與認識自身的學習情況。
（四）井然有序的自适應序列——以Dream⁃Box、SuccessMaker和Fishtree為例
自适應序列是最複雜的一個自适應功能，主要包括加權、對照和推薦三種類型。自适應序列使用基于算法的個性化匹配方式，通過使用數學函數與數理統計分析學生的表現以及内容的呈現。
加權自适應序列首先确定影響學生最終分數的各個因素，然後确定各個因素所占的比例，最後加權确定學生的最終分數。以DreamBox為例，其适用人群是K-8教育階段的學生，适用科目是數學，現已有超過1,800門課程。DreamBox像一位虛拟教師，一方面收集已掌握的知識，另一方面收集學習新知識的過程，通過加權答題的正确率與時間确定學生的整體學習情況，之後調整推送。這種加權自适應序列考察的因素更全面，更能準确地反映學生的學習情況。
對照自适應序列首先分析學生的學習情況，然後尋找與之水平相當的學生進行比較，最後由此及彼确定此學生現在可能最需要的學習内容。以Success⁃Maker為例，其适用人群是K-8教育階段的學生，适用科目是語文與數學，現已為每個年級提供了約45個課時。SuccessMaker收集已掌握的知識與學習新知識的過程，通過算法分析學生的學習表現，并與其他類似的學生比較，根據其他學生曾經的需求與選擇，估計此學生現在最需要的學習内容，之後調整推送。這種對照自适應序列從現實出發，更能滿足學生的需求，更能切合學生的期望。
推薦自适應序列先發現學生學習的習慣或薄弱之處，再匹配相應的學習内容。以Fishtree為例，旨在為教師設計、調整與衡量學生的自适應學習提供一個平台。Fishtree除收集學生已掌握的知識與學習新知識的過程之外，還收集學生常用的資源與幫助類型，通過算法分析學生的習慣與薄弱之處，選擇學生感興趣的或對學生有幫助的内容進行推送，這些推送是輔助性的學習材料，并非強制完成的作業。這種推薦自适應序列為教師和學生提供了全新的技術支持，提供了與衆不同的教學體驗，有利于補救學生的學習漏洞，有利于提高學生的學習質量。DreamBox、Suc⁃cessMaker和Fishtree自适應序列過程如表2所示。
四、從反思到重構，建設我國K-12自适應學習工具
2017年我國教育部頒布的《教育信息化工作要點》明确指出，以“一生一空間，生生有特色”為目标，推動“網絡學習空間人人通”的普及應用。在網絡學習空間的建設中，為實現學生的自适應學習，促進教師的多樣化發展，有利于師生的共同成長與共同進步，建設與應用自适應學習工具就顯得尤為重要。因此，在我國教育信息化發展的關鍵時期，借鑒國外優質的自适應學習工具的成功經驗，對建設有中國特色的自适應學習工具具有重要的現實意義。
（一）借助多方合力，構建系統、開放的自适應學習工具
針對我國實際，需加強面向基礎教育階段的自适應學習工具的研究與開發，為處在基礎教育階段的學生提供優質的自适應學習工具（姜強,等,2013）。自适應學習工具的研究與開發是一個複雜的過程，不僅需整合教育學、心理學和計算機等方面的知識，還需整合企業和教師的支持。美國K-12自适應學習工具的研究與開發就非常注重機構之間的合作，包括高校、研究所、企業與中小學之間的合作，通過借助各方合力緻力于構建優質的K-12自适應學習工具。從應用現狀來看，面向K-12教育階段的自适應學習工具需注意系統性與開放性。系統性是指自适應學習工具需實現資源共享，避免重複建設，做到資源最大化服務于學習；開放性是指自适應學習工具不僅應向教育機構與學校開放，而且應向個人開放，如CK-12就允許個人使用，為每個學生的自主學習提供了很大的便利。此外，在美國的一些教育網站上，有對不同的自适應學習工具的介紹，包括基本信息、特點與使用方法，幫助教師和學生根據自身情況進行選擇。美國K-12自适應學習工具的建設說明，要以系統開放為原則，使自适應學習工具的質量得以保證與提升，更好地服務于教育（何克抗,2017）。
（二）滿足學生需求，打造智能、個性的自适應功能
自适應學習工具的核心就是自适應功能，為每個學生提供個性化的幫助與支持，打造智能個性的自适應功能是建設自适應學習工具真正要實現的目标，是未來自适應學習的發展方向（吳永與,等,2017）。從美國K-12自适應學習工具的典型案例來看，自适應功能主要集中在自适應内容、自适應評估和自适應序列三個方面，為K-12教育階段的教與學提供了新的解決方式。以LearnBop為例，逐步導學的自适應内容由小到大，通過分解問題以及一步一步的提示和反饋，幫助學生理清思路并解決問題。以CK-12為例，層層遞進的自适應評估由淺入深，通過評估作答情況，确定問題的呈現難度，并對練習或測試進行診斷。以DreamBox、SuccessMaker和Fishtree為例，井然有序的自适應序列由少到多，通過調整推送，幫助學生再評補救，實現真正的有意義學習。由此可見，教師使用自适應學習工具，既有利于對學生進行即時的指導，又有利于對學生的學習情況進行全面整體的把握；學生使用自适應學習工具，既有利于随時随地實現個性化學習，又有利于獲得形成性評價與總結性評價。自适應學習工具已成為美國K-12教育階段教師與學生的重要工具。因此，在我國K-12自适應學習工具的建設中都應圍繞自适應功能展開，打造智能、個性的自适應功能。
（三）聯結教師和學生，探索簡單、高效的學習服務模式
自适應學習工具的服務對象主要是教師和學生，他們都是自适應學習工具的受益者（吳南中,2017）。随着“做中求學，學中求思”思想的深入，教師越來越認識到為了讓學生更好地學習，不僅要提高學生的積極性，而且要提高學生的反思意識。自适應學習工具就是一個很好的系統，自适應内容與自适應序列可以促進學生“做中求學”，自适應評估可以促進學生“學中求思”。如果教師能根據課程内容與亮點選擇合适的自适應學習工具，就會提高教學質量。從美國K-12自适應學習工具的應用現狀來看，在應用過程中非常注意教師與學生的聯系，緊緊圍繞課程目标，結合适應性的學習支架、多樣化的學習評估和自動化的學習補救，幫助學生簡單、高效地掌握學習内容。教師在教的過程中，借助自适應學習工具呈現精心設計的練習與測試，即時掌握學生的學習動向；學生在學的過程中，借助自适應學習工具建構自己的學習框架，紮實自己的學習基礎。因此，在應用自适應學習工具時，要注意聯結教師與學生，教師需認真安排學習内容，組織學習環境，學生需努力适應遠程學習方式，制定學習計劃，完成學習任務。教師與學生相輔相成，形成簡單、高效的教學活動。
五、結語
遠程教育的主要目的就是為了滿足學生的個性化需求，實現教師的徹底解放。自适應學習工具的出現更加促進了遠程教育的發展（Karampiperis&Sampson,2005）。本文從美國K-12自适應學習工具出發，通過解碼與剖析，從自适應内容、自适應評估和自适應序列三個維度闡述自适應學習工具的内核、特點與運行機制，以期為我國K-12自适應工具的建設提供啟示，建設自适應内容、自适應評估和自适應序列“三位一體”的自适應學習工具，從而提高我國遠程教育的質量，激發學生的學習興趣，促進教師的專業發展。
[參考文獻]
陳智慧.2016.基于學習分析的适應性學習路徑推薦系統設計與開發[D].華中師範大學.
董曉輝，楊曉宏，張學軍.2017.自适應學習技術研究現狀與展望[J].電化教育研究，38（02）：91-97，121.
郭朝晖，王楠，劉建設.2016.國内外自适應學習平台的現狀分析研究[J].電化教育研究，37（04）：55-61.
何克抗.2017.教學代理與自适應學習技術的新發展——對美國《教育傳播與技術研究手冊》（第四版）的學習與思考之六[J].開放教育研究（05）：11-20.
姜強，趙蔚，王朋嬌.2013.自适應學習系統中雙向适應交互評價實證研究[J].現代遠程教育研究（05）：106-112.
姜強，趙蔚，李松，王朋嬌.2016.個性化自适應學習研究——大數據時代數字化學習的新常态[J].中國電化教育（02）：25-32.
吳南中.2017.自适應學習模型的構建及其實現策略[J].現代教育技術（09）：12-18.
吳永與，李若晨，王浩楠.2017.學習分析研究的現狀與未來發展——2017年學習分析與知識國際會議評析[J].開放教育研究（05）：42-56.
Donnell,C.,Harwood,R.,Gholson,B.,Graesser,A.,Craig,S.D.,Ward,W.,Siler,S.,etal.(2008,January).EnhancingLearningUsingAdap⁃tiveComputerizedTutoringinK-12Settings.InProceedingsoftheCognitiveScienceSociety(Vol.30,No.30).
Fasihuddin,H.,Skinner,G.,&Athauda,R.(2016).Usinglearningstylesasabasisforcreatingadaptiveopenlearningenvironments:anevaluation.IndersciencePublishers.
Gerard,L.,Matuk,C.,Mcelhaney,K.,&Linn,M.C.(2015).Automated,adaptiveguidancefork-12education.EducationalResearchRe⁃view,15,41-58.
Hnida,M.,Idrissi,M.K.,&Bennani,S.(2016).Adaptiveteachinglearn⁃ingsequencebasedoninstructionaldesignandevolutionarycomputa⁃tion.InternationalConferenceonInformationTechnologyBasedHigh⁃erEducationandTraining(pp.1-6).IEEE.
Jones,V.,&Jo,J.H.(2004).Ubiquitouslearningenvironment:anadap⁃tiveteachingsystemusingubiquitoustechnology.(pp.468-474).
Karampiperis,P.,&Sampson,D.(2005).Adaptivelearningresourcesse⁃quencingineducationalhypermediasystems.JournalofEducationalTechnology&Society,8(4),128-147.
Premlatha,K.R.,&Geetha,T.V.(2015).Learningcontentdesignandlearneradaptationforadaptivee-learningenvironment:asurvey.Klu⁃werAcademicPublishers.
Raible,J.,Bennett,L.,&Jowallah,R.(2014).Factorsinfluencingthese⁃lectionofanadaptivelearningtechnologywithinuniversityandK-12.FDLAJournal,1(1),1.
Tseng,J.C.R.,Chu,H.C.,Hwang,G.J.,&Tsai,C.C.(2008).Develop⁃mentofanadaptivelearningsystemwithtwosourcesofpersonaliza⁃tioninformation.Computers&Education,51(2),776-786.
收稿日期：2017－12－18
定稿日期：2018－01－25
作者簡介：張钰，碩士研究生；王珺，博士研究生，副教授，碩士生導師。南京師範大學教育科學學院教育技術系（210097）。
責任編輯韓世梅