尚佩瑤 汪存友
摘 要:智適應(yīng)學(xué)習(xí)系統(tǒng)究竟是否會對學(xué)習(xí)效果產(chǎn)生積極影響?哪些關(guān)鍵因素會影響智適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果?研究采用量化元分析的方法,對近20年來國際上有關(guān)智適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果的60項實驗與準(zhǔn)實驗研究進(jìn)行分析和評價。研究發(fā)現(xiàn):(1)智適應(yīng)學(xué)習(xí)系統(tǒng)提升學(xué)習(xí)效果的綜合效應(yīng)值為0.560,即智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)具有中等程度的正向促進(jìn)作用;(2)實驗周期、樣本容量都在一定范圍內(nèi)表現(xiàn)出較好的影響效果;(3)大學(xué)學(xué)段和知識水平較低的學(xué)習(xí)者從智適應(yīng)學(xué)習(xí)系統(tǒng)中獲益較多;(4)自適應(yīng)等級越高對學(xué)習(xí)者的學(xué)習(xí)越有利,人機(jī)協(xié)同教學(xué)方式更有效。最后,本文基于研究結(jié)論對智適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)與應(yīng)用提出建議與展望。
關(guān)鍵詞:自適應(yīng)學(xué)習(xí);人工智能;智適應(yīng)學(xué)習(xí);元分析
一、問題的提出
近年來,人工智能技術(shù)進(jìn)入快速發(fā)展階段,人工智能教育工具層出不窮并得到廣泛應(yīng)用,如拍照搜題、分層排課、作文批改等。然而,這些人工智能教育工具只應(yīng)用在學(xué)習(xí)過程的輔助環(huán)節(jié)上,不能直接提升教學(xué)質(zhì)量和學(xué)習(xí)效果。自適應(yīng)學(xué)習(xí)系統(tǒng)利用BKT(貝葉斯知識跟蹤)、PGM(概率圖模型)等智能算法,能夠基于學(xué)習(xí)者的學(xué)習(xí)風(fēng)格與能力,為每個學(xué)習(xí)者量身打造學(xué)習(xí)路徑,實現(xiàn)規(guī)模化的個性化學(xué)習(xí)。早期的自適應(yīng)學(xué)習(xí)系統(tǒng)以機(jī)器學(xué)習(xí)、CAI(計算機(jī)輔助教學(xué))等為基礎(chǔ),其最典型的應(yīng)用就是20世紀(jì)90年代出現(xiàn)的ITS(智能導(dǎo)師系統(tǒng))。2010年以后,以Knewton、ALEKS、Dreambox Learning等為代表的自適應(yīng)學(xué)習(xí)系統(tǒng)大范圍普及。特別是近年來,隨著深度學(xué)習(xí)算法的日漸成熟,自適應(yīng)學(xué)習(xí)技術(shù)的智能特征不斷進(jìn)化,“智適應(yīng)學(xué)習(xí)”這一術(shù)語更能夠反映出該領(lǐng)域的最新進(jìn)展。
關(guān)于IALS(智適應(yīng)學(xué)習(xí)系統(tǒng))對學(xué)習(xí)效果的影響,目前大致存在兩種觀點:第一種觀點認(rèn)為智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)效果有積極影響。如汪維富等對1990年以來ITS提升學(xué)業(yè)成就的相關(guān)研究進(jìn)行量化元分析,得出ITS能在一定程度上提升學(xué)業(yè)成就,并且發(fā)現(xiàn)實驗持續(xù)時間、測試類型、樣本量對實驗效果有明顯影響[1]。第二種觀點認(rèn)為智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)效果無顯著影響。有學(xué)者對CIT(智能輔導(dǎo)系統(tǒng))進(jìn)行了評估,結(jié)果表明:實驗組和對照組在測試后都有所改善,但兩組之間并沒有顯著性差異[2]。
鑒于智適應(yīng)學(xué)習(xí)系統(tǒng)是否能夠提升學(xué)習(xí)效果的研究結(jié)論并不一致,對現(xiàn)存所有研究結(jié)果進(jìn)行全面嚴(yán)謹(jǐn)?shù)恼戏治鍪欠浅1匾?。元分析方法能通過整合多個相關(guān)獨(dú)立研究結(jié)果得出平均效應(yīng)量,并對整體研究狀況進(jìn)行系統(tǒng)分析與評價,常用于解決各研究結(jié)果不一致的問題,然而文獻(xiàn)調(diào)研并未在智適應(yīng)學(xué)習(xí)領(lǐng)域發(fā)現(xiàn)此類研究。盡管汪維富等[3]利用元分析方法探討了學(xué)習(xí)者特征(如學(xué)生所處學(xué)段、先驗知識水平)、發(fā)表特征(如發(fā)表年份、發(fā)表類型)和研究設(shè)計特征(如樣本容量、學(xué)科、持續(xù)時間)等變量對ITS學(xué)習(xí)效果的影響程度,但這些變量與智適應(yīng)學(xué)習(xí)系統(tǒng)的教學(xué)特性并無直接聯(lián)系。比如:智適應(yīng)學(xué)習(xí)系統(tǒng)的適應(yīng)性是否水平越高,學(xué)習(xí)效果越好?不同的教學(xué)整合方式是否會產(chǎn)生不同的教學(xué)效果?智適應(yīng)學(xué)習(xí)系統(tǒng)與普通在線學(xué)習(xí)系統(tǒng)相比,學(xué)習(xí)效果更好嗎?已有的元分析研究尚未給出回應(yīng)。
綜上,本研究擬采用量化元分析的方法對2000—2020年國外權(quán)威刊物上發(fā)表的60項智適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)習(xí)效果的實驗與準(zhǔn)實驗研究進(jìn)行深入剖析,并且從IALS的自適應(yīng)等級、教學(xué)整合方式、實驗對比的教學(xué)方式三個新角度探究智適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果,以期得出智適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果及其影響因素,為后續(xù)智適應(yīng)學(xué)習(xí)系統(tǒng)的研究與應(yīng)用提供參考經(jīng)驗。
二、研究過程與設(shè)計
(一)研究方法
本研究使用的元分析工具是CMA 2.0,通過將提取的原始數(shù)據(jù)輸入CMA 2.0軟件,生成每個樣本的效應(yīng)量,計算出所有研究的平均效應(yīng)量,并據(jù)此進(jìn)行顯著性差異分析。本研究采用平均標(biāo)準(zhǔn)差 d作為效應(yīng)量。
(二)文獻(xiàn)搜集與選取
以智適應(yīng)學(xué)習(xí)系統(tǒng)和學(xué)習(xí)效果為關(guān)鍵詞,首先,在SpringerLink、EBSCO Education Source、Wiley、Science Direct、Web of science等國外權(quán)威文獻(xiàn)數(shù)據(jù)庫中對2000—2020年間發(fā)表的文獻(xiàn)進(jìn)行大范圍交叉檢索。其中,智適應(yīng)學(xué)習(xí)系統(tǒng)的關(guān)鍵詞為“adaptive learning systems”“personalized intelligent learning system”“intelligent e-learning system”“intelligent tutoring system” 等,學(xué)習(xí)效果的關(guān)鍵詞包括“l(fā)earning outcomes”“l(fā)earning achievements”“l(fā)earning effect” “l(fā)earning performance”“l(fā)earning gains”等。其次,對目前已經(jīng)比較成熟且應(yīng)用較為廣泛的智適應(yīng)學(xué)習(xí)系統(tǒng)(如Knewton、ALEKS、Dreambox Learning等)進(jìn)行專題搜索。篩選去除與主題不符以及重復(fù)的文獻(xiàn)后,再從已獲取文獻(xiàn)的參考文獻(xiàn)中二次檢索,最終共產(chǎn)生796篇候選文獻(xiàn)供進(jìn)一步遴選。
文獻(xiàn)遴選的標(biāo)準(zhǔn)包括:(1)必須應(yīng)用了自適應(yīng)學(xué)習(xí)系統(tǒng)或自適應(yīng)學(xué)習(xí)平臺,且必須是關(guān)于學(xué)習(xí)效果的研究;(2)應(yīng)用的自適應(yīng)學(xué)習(xí)系統(tǒng)或平臺必須基于人工智能算法,如:貝葉斯知識跟蹤(BKT)、深度知識跟蹤(DKT)、深度神經(jīng)網(wǎng)絡(luò)(RNN)、概率圖模型(PGM)、協(xié)同過濾算法(CF)等;(3)必須是一個隨機(jī)實驗或準(zhǔn)實驗研究,單組實驗需要有前后測的對照,雙組實驗必須包含一個在自適應(yīng)環(huán)境下的實驗組,以及與之相對應(yīng)的對照組;(4)必須有可用于計算相應(yīng)效應(yīng)量的完整、清晰的統(tǒng)計數(shù)據(jù)結(jié)果。
最終共有60項符合標(biāo)準(zhǔn)的獨(dú)立研究被納入元分析(其中可用效應(yīng)量共81個)。
(三)文獻(xiàn)編碼
本研究的文獻(xiàn)編碼包含兩部分:常規(guī)型變量和教學(xué)型變量。常規(guī)型變量是以往研究提到過的,包括:實驗周期、樣本容量、研究學(xué)段、測試類型以及學(xué)習(xí)者先驗知識水平。教學(xué)型變量是本研究提出的,包括:系統(tǒng)自適應(yīng)等級、教學(xué)整合方式、實驗對比的教學(xué)方式。在參考以往研究的基礎(chǔ)上,根據(jù)獲取的60項獨(dú)立研究的實際情況完成編碼,編碼表如表1所示。為保證研究的可靠性,本研究中的編碼由兩位研究人員獨(dú)立完成,其中不一致的編碼由兩位研究人員共同商榷。
三、研究結(jié)果與分析
(一)發(fā)表偏倚檢驗
當(dāng)入選的研究樣本不能系統(tǒng)地代表該領(lǐng)域的研究總體時,就被認(rèn)為發(fā)生了發(fā)表偏倚[4]。本研究使用漏斗圖法評估納入研究樣本的發(fā)表偏倚,結(jié)果見圖1。
圖1中橫軸表示平均標(biāo)準(zhǔn)差效應(yīng)值,縱軸表示效應(yīng)值的標(biāo)準(zhǔn)差。從圖中可以看出,60項獨(dú)立研究大部分集中分布在漏斗圖的中上部,且各樣本效應(yīng)量在平均效應(yīng)量的兩側(cè)對稱分布。因此,納入的研究出現(xiàn)發(fā)表偏倚現(xiàn)象可能性不大,所得數(shù)據(jù)分析結(jié)果具有可靠性。
(二)智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)效果的整體效應(yīng)檢驗結(jié)果
將60項研究的樣本數(shù)量、實驗組和對照組前后測的均值、標(biāo)準(zhǔn)差等數(shù)據(jù)輸入CMA 2.0軟件,通過分析智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)效果的整體效應(yīng)檢驗結(jié)果可知,I2值為85.305,明顯高于50%并且Q值檢驗顯著(p<0.001),說明最終入選的60項獨(dú)立研究存在明顯的異質(zhì)性,因此,本研究的計算模型采納隨機(jī)模型。根據(jù)Cohen(科恩)的效應(yīng)值統(tǒng)計理論,當(dāng)效應(yīng)值d≥0.5時,通常認(rèn)為有中等影響。即智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)效果具有中等以上程度的積極影響。
(三)常規(guī)型變量對智適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)習(xí)效果的影響
為了進(jìn)一步探討哪些關(guān)鍵因素會影響智適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果,本研究還考慮了實驗周期、樣本容量、學(xué)習(xí)階段、測試類型、學(xué)習(xí)者先驗知識水平等對學(xué)習(xí)效果的影響。數(shù)據(jù)分析結(jié)果見表2。
從實驗周期來看,當(dāng)實驗周期控制在四周以內(nèi)時, 智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)的促進(jìn)作用最大, 大于1個月、小于6個月時促進(jìn)作用略有減少,超過6個月之后影響水平大幅降低。
從樣本容量上看,智適應(yīng)學(xué)習(xí)系統(tǒng)對于容量小于50的用戶群體的學(xué)習(xí)促進(jìn)效果最好,當(dāng)樣本量高于200后,效應(yīng)量大幅降低。
從不同學(xué)習(xí)階段來看,智適應(yīng)學(xué)習(xí)系統(tǒng)對中小學(xué)的促進(jìn)作用相差不大,均處于較低水平且未達(dá)到中等程度,但對大學(xué)階段的學(xué)習(xí)作用效果明顯高于其他學(xué)段。
從測試類型來看,雖然智適應(yīng)學(xué)習(xí)系統(tǒng)在兩種測試類型上都表現(xiàn)出一定程度的學(xué)習(xí)促進(jìn)作用,但標(biāo)準(zhǔn)測試的效應(yīng)值并不具有統(tǒng)計學(xué)差異(p>0.05),這可能是因為相關(guān)研究數(shù)量不足,即目前智適應(yīng)學(xué)習(xí)系統(tǒng)的應(yīng)用研究大多使用的是研究者自行設(shè)計的學(xué)習(xí)測驗。
從學(xué)習(xí)者先驗知識水平來看,智適應(yīng)學(xué)習(xí)系統(tǒng)對知識水平較低或正常的學(xué)習(xí)者都有中等偏上程度的促進(jìn)作用,對知識水平較低的學(xué)習(xí)者的學(xué)習(xí)促進(jìn)效果更明顯。
(四)教學(xué)型變量對智適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)習(xí)效果的影響
通過分析表3可知:從自適應(yīng)等級來看,隨著自適應(yīng)水平的提高,智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)的促進(jìn)作用也逐漸提高。從教學(xué)整合方式來看,人機(jī)協(xié)同方式的學(xué)習(xí)效果明顯優(yōu)于純線上的學(xué)習(xí)方式。從對比的教學(xué)方式來看,智適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果優(yōu)于傳統(tǒng)教學(xué)、普通在線學(xué)習(xí)(沒有個性化動態(tài)評估/指導(dǎo))以及適應(yīng)性水平較低的在線學(xué)習(xí)。
四、研究結(jié)論
(一)智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)效果具有中等程度的正向促進(jìn)作用
在納入本研究的60項獨(dú)立研究中,90%(54項)的研究都顯示出智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)效果的顯著積極影響,合并后的平均效應(yīng)量為0.560,95%(57項)研究的效應(yīng)量處在0.449到0.670之間,這與汪維富等的研究結(jié)果基本一致。汪維富等人得出ITS與學(xué)業(yè)成就之間呈顯著的積極相關(guān),合并后的平均效應(yīng)量達(dá)到0.492,95%研究的效應(yīng)量處在0.408與0.577之間[5]。由前文文獻(xiàn)搜集部分可以看出,智適應(yīng)學(xué)習(xí)系統(tǒng)的范圍較大,包括基于人工智能的ITS,但并不是完全重合,因此,本研究的效應(yīng)量與該研究稍有偏差也處于合理范圍。
(二)實驗周期、樣本容量都在一定范圍內(nèi)表現(xiàn)出較好的影響效果
實驗周期在四周內(nèi)的效應(yīng)量最大,隨著周期增長,影響水平逐漸降低,這與宋偉等[6]對數(shù)字化學(xué)習(xí)資源、顧小清等[7]對電子書包的學(xué)習(xí)作用進(jìn)行的研究結(jié)果基本類似。出現(xiàn)上述結(jié)果可能是由于隨著實驗時間的延長,學(xué)習(xí)者逐漸適應(yīng)研究中所使用的資源與技術(shù),獲得的收益逐漸減少,從而導(dǎo)致影響效果逐漸降低。
樣本容量在超過200后,平均效應(yīng)量顯著降低,在汪維富等[8]的研究中也同樣發(fā)現(xiàn)了這一臨界點。這可能是緣于大樣本中學(xué)習(xí)者個體差異較大以及有教師參與輔助的教學(xué)過程中人數(shù)過多會對實驗結(jié)果造成影響。
(三)大學(xué)學(xué)段和知識水平較低的學(xué)習(xí)者從智適應(yīng)學(xué)習(xí)系統(tǒng)中獲益較多
本研究發(fā)現(xiàn),相比于中小學(xué),智適應(yīng)學(xué)習(xí)系統(tǒng)對大學(xué)生的學(xué)習(xí)促進(jìn)作用更大。對此可能的解釋是:利用智適應(yīng)學(xué)習(xí)系統(tǒng)進(jìn)行學(xué)習(xí),需要學(xué)生具備良好的主動學(xué)習(xí)能力,中小學(xué)階段的學(xué)生更加需要教師的引導(dǎo)和鞭策,相比而言,大學(xué)生有較好的自主學(xué)習(xí)能力,主動學(xué)習(xí)的積極性更高,因此更適合利用智適應(yīng)學(xué)習(xí)系統(tǒng)輔助學(xué)習(xí)。
知識水平較低的學(xué)習(xí)者更能從智適應(yīng)學(xué)習(xí)系統(tǒng)中獲益,這一現(xiàn)象在理查德.E.梅耶(Richard E.Mayer)[9]所開展的大量多媒體學(xué)習(xí)實驗研究中也普遍存在,即相較于知識水平較高的學(xué)習(xí)者,知識水平較低的學(xué)習(xí)者更能從基于各種原則而設(shè)計的多媒體學(xué)習(xí)材料中受益。
(四)自適應(yīng)等級越高對學(xué)習(xí)者的學(xué)習(xí)越有利,人機(jī)協(xié)同教學(xué)方式更有效
智適應(yīng)學(xué)習(xí)系統(tǒng)借助的技術(shù)越發(fā)達(dá),越能精確診斷學(xué)習(xí)者的知識掌握情況,為學(xué)習(xí)者提供個性化的實時指導(dǎo)與干預(yù)[10]。本研究依據(jù)系統(tǒng)的個性化反饋程度對自適應(yīng)等級進(jìn)行了劃分,從本研究得出的不同適應(yīng)性程度的系統(tǒng)對學(xué)習(xí)效果產(chǎn)生的效應(yīng)量來看,“每一步反饋”系統(tǒng)>“階段反饋”系統(tǒng)>“入口反饋”系統(tǒng)。此外,從實驗對比的教學(xué)方式來看,使用智適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果優(yōu)于普通在線學(xué)習(xí)方式和傳統(tǒng)教學(xué)方式(其中傳統(tǒng)教學(xué)方式的促進(jìn)效果最低)。這兩點都說明自適應(yīng)等級越高,智適應(yīng)學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果越明顯,對學(xué)習(xí)者的學(xué)習(xí)越有利。
從本研究的分析結(jié)果來看,“人機(jī)協(xié)同”方式的學(xué)習(xí)效果優(yōu)于純線上教學(xué)方式。智適應(yīng)學(xué)習(xí)系統(tǒng)與教師的關(guān)系是相互促進(jìn)的,目前智適應(yīng)學(xué)習(xí)系統(tǒng)算法在應(yīng)用上還不穩(wěn)定、不成熟,教師的引導(dǎo)和輔助可以緩解和改善這一情況,教師可以增強(qiáng)系統(tǒng)的教育智慧,系統(tǒng)也可以增強(qiáng)教師開展教育工作的能力。因此,教師和智適應(yīng)學(xué)習(xí)系統(tǒng)同時參與的教學(xué)過程對促進(jìn)學(xué)習(xí)效果更有效。
五、建議與展望
(一)智適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā):更加關(guān)注自主學(xué)習(xí)能力的培養(yǎng)
在線學(xué)習(xí)效果與自主學(xué)習(xí)能力密切相關(guān),這一觀點在之前的一些研究中就已被認(rèn)可。與傳統(tǒng)的課堂教學(xué)相比,在線學(xué)習(xí)在時間和空間上都更加靈活,學(xué)習(xí)者的自主學(xué)習(xí)能力非常影響其學(xué)習(xí)效果。然而單純的在線情境或只是簡單將面授課程的內(nèi)容和方式原封不動地遷移到在線學(xué)習(xí)中,不利于激發(fā)學(xué)習(xí)者自主學(xué)習(xí)能力的發(fā)揮[11]。未來智適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)多關(guān)注如何培育學(xué)生的自主學(xué)習(xí)能力,如在系統(tǒng)中設(shè)計特定的學(xué)習(xí)任務(wù),給學(xué)習(xí)者提供運(yùn)用多樣化學(xué)習(xí)策略的機(jī)會;為學(xué)習(xí)者提供具有交互式體驗的學(xué)習(xí)環(huán)境、擴(kuò)充教育游戲資源、開展游戲化教學(xué)活動,增強(qiáng)學(xué)習(xí)者的在線學(xué)習(xí)交互體驗;利用在線學(xué)習(xí)平臺的后臺數(shù)據(jù),提供實時反饋,提高學(xué)習(xí)者對其知識掌握程度的自我認(rèn)知,培養(yǎng)其反思及調(diào)整等自主學(xué)習(xí)能力。
(二)智適應(yīng)學(xué)習(xí)系統(tǒng)的教育應(yīng)用:教師角色的轉(zhuǎn)變與能力的提升
未來教育一定是人類教師與人工智能協(xié)同存在的時代,但人工智能的迅速發(fā)展也確實給教育特別是教師這一角色帶來巨大影響,以往煩瑣、機(jī)械、重復(fù)的工作都可以被人工智能取代,這大大減輕了人類教師的負(fù)擔(dān),而教師的重心將轉(zhuǎn)移到“育人”上來,人類教師將更有精力去培養(yǎng)學(xué)生的精神能力,比如同情心、創(chuàng)意、審美等。教師應(yīng)該深刻認(rèn)識自身的定位轉(zhuǎn)變,充分發(fā)揮其作為教學(xué)策略的施行者、學(xué)習(xí)的監(jiān)管者、學(xué)生的引導(dǎo)者的作用。同時,教師作為幫助人工智能與學(xué)生更好地進(jìn)行交互的“橋梁”,應(yīng)該提升自己的自適應(yīng)技能,儲備足夠的知識,改良設(shè)計適合自適應(yīng)學(xué)習(xí)的教學(xué)結(jié)構(gòu)與教學(xué)方法。
(三)智適應(yīng)學(xué)習(xí)系統(tǒng)的未來展望:鞏固基礎(chǔ)教育水平、促進(jìn)教育公平
在教育信息化促進(jìn)教育公平的相關(guān)研究中,熊才平等[12]發(fā)現(xiàn):信息技術(shù)對于促進(jìn)薄弱地區(qū)教育資源配置、教學(xué)研修等方面更能發(fā)揮作用。智適應(yīng)學(xué)習(xí)系統(tǒng)能夠給知識水平較低的學(xué)習(xí)者提供傳統(tǒng)班級授課模式下無法比擬的更多個性化輔導(dǎo)。根據(jù)布盧姆的掌握學(xué)習(xí)理論,豐富而及時的個性化輔導(dǎo)和支持能夠讓學(xué)習(xí)者從中獲益,即使知識水平較低的學(xué)習(xí)者也能達(dá)成學(xué)習(xí)目標(biāo)。由此可以預(yù)見,當(dāng)教育教學(xué)以每個學(xué)生掌握課程標(biāo)準(zhǔn)為目標(biāo)時,智適應(yīng)學(xué)習(xí)系統(tǒng)將在鞏固基礎(chǔ)教育水平、促進(jìn)教育公平方面發(fā)揮重要作用。
六、結(jié)語
本研究對近20年來國外權(quán)威刊物上發(fā)表的有關(guān)智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)作用效果的60項研究進(jìn)行了量化元分析,得出了智適應(yīng)學(xué)習(xí)系統(tǒng)對促進(jìn)學(xué)習(xí)的整體影響效果,并從多個維度探討了其影響差異。最后,基于研究結(jié)論對未來智適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)和應(yīng)用提出建議與展望。智適應(yīng)學(xué)習(xí)系統(tǒng)對學(xué)習(xí)的促進(jìn)作用還有很大提升空間,在未來的開發(fā)中應(yīng)多關(guān)注如何培養(yǎng)學(xué)生的自主學(xué)習(xí)能力,教師應(yīng)認(rèn)識自身的角色轉(zhuǎn)變、提升自身能力。如何充分發(fā)揮智適應(yīng)學(xué)習(xí)系統(tǒng)的優(yōu)勢,使其在鞏固基礎(chǔ)教育水平、促進(jìn)教育公平方面發(fā)揮重要作用,是未來一項重要的研究課題。
[1][3][5][8]汪維富,毛美娟,閆寒冰.智能導(dǎo)師系統(tǒng)對學(xué)業(yè)成就的影響研究:量化元分析的視角[J].中國遠(yuǎn)程教育,2019(10):40-51.
[2]MITROVIC A,MARTIN B,SURAWEERA P.Aspire:An Authoring System and Deployment Environment for Constraint-Based Tutors[J].International Journal of Artificial Intelligence in Education, 2009,19(2):155-188.
[4]VIECHTBAUER W.Publication Bias in Meta-Analysis:Prevention,Assessment and Adjustments[J].Psychometrika,2007,72(2):269-271.
[6]宋偉,孫眾.數(shù)字化學(xué)習(xí)資源有效性的元分析[J].中國電化教育,2013(11):81-85.
[7]顧小清,胡夢華.電子書包的學(xué)習(xí)作用發(fā)生了嗎?——基于國內(nèi)外39篇論文的元分析[J].電化教育研究,2018,39(5):19-25.
[9]MAYER R E.The Cambridge Handbook of Multimedia Learning:In-? troduction to Multimedia Learning[J].Information Design Journal,2005,? 16(1):81-83.
[10]李振,周東岱,劉娜,等.人工智能應(yīng)用背景下的教育人工智能研究[J].現(xiàn)代教育技術(shù), 2018,28(9):19-25.
[11]黃振中,張曉蕾.自主學(xué)習(xí)能力對在線學(xué)習(xí)效果的影響機(jī)制探究:兼論在線學(xué)習(xí)交互體驗的中介作用[J].現(xiàn)代教育技術(shù),2018,28(3):66-72.
[12]熊才平,何向陽,吳瑞華.論信息技術(shù)對教育發(fā)展的革命性影響[J].教育研究,2012,33(6):22-29.
(責(zé)任編輯 孫興麗)