摘 要：人工智能支持下，教学变革是必然趋势，人工智能支持下的自适应学习在教师角色、学习交互、学习生态等方面产生了积极影响。研究表明教师投入度、学生投入度和平台技术支撑是影响自适应学习的关键因素，其中教师投入度与学生投入度显著相关;理科的自适应学习与成绩显著相关，通过自适应学习能提高理科班级平均成绩;自适应学习与学生完成平台作业显著相关，故教师要加强作业设计，让学生在作业中获得成就感。
关键词：人工智能;自适应学习;作业设计
中图分类号：G434 文献标识码：A 文章编号：2096-4706（2020）23-0184-04
Experimental Research on Adaptive Learning Supported by Artificial Intelligence
PENG Bin
（Guangzhou Zhixin High School，Guangzhou 510080，China）
Abstract：Under the support of artificial intelligence，teaching reform is an inevitable trend. Adaptive learning supported by artificial intelligence has a positive impact on teachersrole，learning interaction and learning ecology. The research shows that teacher engagement，student engagement and platform technology support are the key factors affecting adaptive learning，in which teacher engagement is significantly correlated with student engagement;adaptive learning of science is significantly related to performance，through adaptive learning can improve the average performance of science class;adaptive learning is significantly related to students completing platform homework，so teachers should strengthen homework design，so that students can get a sense of achievement in homework.
Keywords：artificial intelligence;adaptive learning;homework design
0 引 言
《普通高中课程方案：2017年版2020年修订》明确提出“关注信息化环境下的教学改革，关注学生个性化、多样化的学习和发展需求”，这将推动长期存在的“以教为中心”的教学模式发生深刻改变。当前技术变革带来的人工智能（Artificial Intelligence，AI）和5G技术的高速发展，使人工智能支持下“以学为中心”的教学新常态成为可能。在学习者越来越被关注的当下，无论是从国家教育层面的要求，还是从教学实际的需要，从“以教为中心”的传统教学模式转变为“以学为中心”的新教学模式势在必行。人工智能支持下“以学为中心”的教学新常态是指在人工智能支持下的学习空间中，学生通过人工智能支持下的自适应学习路径开展学习，实现深度学习的目的。人工智能支持下“以学为中心”的教学新常态主要包括“学习支持”的新常态、“学情反馈”的新常态和“师生关系”的新常态[1]。张曼等基于中国知网2009—2018年期刊文献研究发现：从整体上来说，在十年期间个性化学习研究文献数量呈增长趋势[2]。
学者和一线教师对个性化学习的探索越来被重视，表现出个性化学习是未来教育领域一个非常重要研究方向，也是未来教育改革的一个重要领域。以广州市为例，2020年11月广州市电化教育馆对各区教育信息中心、智慧校园样板校、实验校、省信息化中心校、“智慧教育示范区”支撑校的主要负责领导和管理人员共300多人分6批先后进行智慧课堂教学平台应用培训，从政府层面推动常态化开展大数据支持下的个性化学习和精准教学;12月组织了广州、上海和山东的“基于人工智能技术条件下的智慧课堂教学实践探索名校应用分享会”，从一线运用层面进行推广。基于人工智能场景下教学方式的探索中，首先要解决的是人工智能支持下自适应学习路径是什么，笔者所在广州市执信中学是普通高中新课程新教材实施国家级示范校，笔者从2018年开始带领团队开展“人工智能+学习”的教学改革实践和研究，本研究是在构建人工智能支持下“以学为中心”的教学新常态，提出人工智能支持下自适应学习框架，并基于该框架开展教学实验研究。
1 研究设计
1.1 实验框架
人工智能技术的发展也极大地推动了个性化学习支持服务的水平，为自适应学习路径的智能化实现奠定了技术基础[3，4]。人工智能支持下自适应学习系统主要包括学生个体模型数据和学生个体学习过程数据，通过人工智能分析将相似学生组成学习共同体，学习共同体根据系统智能推送的资源开展学习，该学习过程进一步被系统记录并形成该学生群体的学习过程数据图谱，实现更加精准的评估并指导学生的学习，从而实现精准的个性化学习支持服务，如图1所示。其中学生个体特征（如认知偏好和社交倾向等）可以通过定期调查的方式进行收集，学习活动追踪通过学习平台进行全过程记录。
1.2 实验对象
2018年10月选择2个实验班，于2020年9月调整为高三1个班和高二1个班，主要任务是验证框架在具体教学实践中的可行性，实验科目主要集中在理科（数学、物理和化学）和文科中的英语。2020年10月开始，项目组在当年秋季入学的高一年级共15个班开展实践，如图2所示，实验科目包括理科（数学、物理、化学和生物）和部分文科（英语、历史和政治）。受篇幅所限，本文仅使用高一年级实验数据。
2 研究结果
2.1 教师投入度与学生投入度显著相关
以数学学科为例，以教师使用平台布置作业和课前导学的次数和代表教师投入度，以学生自主学习的次数代表学生投入度进行了分析，如表1所示，结果显示11个班级的赋值为1，4个班的赋值为0，这说明教师使用平台的投入度与学生自适应学习投入度显著相关性，教师投入度高的班级，学生自适应学习的投入度也高。
统计模型说明：
（1）教学次数和=作业次数+课前导学次数;
（2）;
（3）;
（4）投入度差=学生投入度-教师投入度;
（5）赋值规则：投入度差的绝对值小于0.05赋值1，其他赋值0，若赋值为1的认为教师投入度与学生投入度显著相关，赋值为0的认为教师投入度与学生投入度无显著相关。
2.2 班级学科成绩与作业提交率和平均时长显著相关
通过SPSS22对数学、英语、物理、化学、生物、历史、政治的15个班期中考试成绩与2020年10月—2021年1月学习平台中作业提交率和作业平均作答时长进行皮尔逊（Pearson）相关分析，如表2所示，班级平均分与作业提交率显著相关（0.343**），班级平均分与作业平均作答时长显著相关（0.285**），作业提交率与作业平均作答时长无显著相关。
2.3 平台作业的正确率影响学生自适应学习积极性
自适应学习系统通过对学习者的精准知识追踪[5]，实现自动构建针对性的教学支架，并生成适应性的学习路径，以及推送个性化学习资源，实现“因材施教”，进而提高学习者的学习效果与效率。通过SPSS22对班级作业正确率、作业提交率、自主学习做题量和自主学习正确率进行kendall相关和spearman相关分析，如表3所示。结果显示作业正确率与作业提交率存在显著相关，说明学生完成作业的正确率会影响学生完成作业的积极性;作业正确率与自主学习做题量存在显著相关，说明学生完成作业的正确率会对学生开展自适应性学习的积极性产生影响;而作业正确率与自主学习正确率无显著相关性，说明学生自适应学习的效果与作业效果无显著相关。对理科（数学、物理、化学、生物）的15个班期中考试成绩与2020年10月—2021年1月自主学习做量和自主学习正确率进行分析。各学科在班级平均分与自主学习做量和自主学习正确率的相关性存在差异。
表4说明班级数学平均分与自主学习做题量显著相关，即学生通过自适应学习可以有效提高数学成绩。班级数学平均分与自主学习正确率无显著相关，学生的数学自主学习做题量和自主学习正确率无显著相关，这两方面说明学生开展数学的自适应学习与外部压力有关，也与数学成绩在学生心目中的重要地位有关。
表5说明班级物理平均分与自主学习做题量、自主学习正确率无显著相关。学生在物理学科的自主学习做题量和自主学习正确率显著相关，说明学生在物理学科的自主学习正确率有助于提高学生开展自适应学习的积极性。
表6说明班级化学平均分与自主学习做题量、自主学习正确率无显著相关。学生在化学学科的自主学习做题量和自主学习正确率存在显著相关，说明学生在化学学科的自主学习正确率有助于提高学生开展自适应学习的积极性。
表7说明班级生物平均分与自主学习做题量、自主学习正确率存在显著相关，这表明学生通过自适应学习可以提升生物成绩，另一方面也说明生物学科适合学生进行自适应学习。学生在生物学科的自主学习做题量和自主学习正确率存在显著相关，说明学生在生物学科的自主学习正确率有助于提高学生参与自适应学习的积极性。
3 结 论
在应用智慧学习平台（Ai学）开展实验和数据分析基础上，我们发现影响人工智能支持下自适应学习的最主要因素包括三个：教师投入度、学生投入度和平台技术支撑。一是教师投入度影响学生投入度和学习效果，作为教学策划者的教师参与推动人工智能支持下自适应学习的积极性直接影响到学生时间投入度和学习效果，主动参与的教师所在班级学生的时间投入、学习积极性和学风相对优秀。二是学生投入度影响学习效果，学生除了完成学科基本作业之外很难更多的时间投入到自主的自适应学习，这就需要教师在教学过程中设计和引导学生制定好自适应性学习的计划，也需要教师重视和加强作业设计，通过作业设计使作业与自适应学习互为补充。三是平台技术支撑影响应用体验，由于平台还处于优化和完善过程，处于实验阶段的教师和学生一旦出现不愉快的使用体验，会大大削弱人工智能支持下自适应学习，只需要平台能对需求进行及时回应和处理。
实践表明，人工智能支持下的自适应学习对教师角色、学习交互、学习生态等方面都将产生积极影响。教师加深了对人工智能平台和技术的理解和运用，学生逐渐适应人工智能平台的交互特征，在自适应学习中学生积极性得到较好的发挥。数据分析进一步说明，我们构建的自适应学习路径在理科学习上是有效的，同时我们还发现，由于学生完成作业的成就感会对学生参与自适应学习的积极性产生影响，所以在人工智能支持下自适应学习中教师要特别关注作业设计，要让学生在作业中有成就感。
参考文献：
[1] 彭斌.基于人工智能的智慧学习新常态 [J].现代信息科技，2020，4（21）：185-187.
[2] 张曼，刘兴红，梅佳星.我国个性化学习研究现状与趋势的可视化研究——基于中国知网2009-2018年期刊文献 [J].教育信息技术，2020（11）：62-66.
[3] 孔维梁，韩淑云，张昭理.人工智能支持下自适应学习路径构建 [J].现代远程教育研究，2020，32（3）：94-103.
[4] 蔡连玉，韩倩倩.人工智能自适应学习及其在学校教育中的应用 [J].浙江师范大学学报（社会科学版），2019，44（6）：111-117.
[5] 张恩德，包荣鑫.深度学习模型及自适应技术研究进展 [J/OL].中文科技期刊数据库（全文版）自然科学.（2020-11-10）.http：//www.cqvip.com/QK/72191X/201704/epub1000000 926049.html.
作者简介：彭斌（1978.10-），男，汉族，广东梅州人，中学高级教师，硕士，研究方向：教学管理、基于AI的自适应学习、智慧校园。
