向郝祥軍 顧小清

【摘要】? 自適應(yīng)學(xué)習(xí)承載著個(gè)性化教育的夢(mèng)想，在教育領(lǐng)域的應(yīng)用日益繁榮。但技術(shù)引發(fā)的學(xué)習(xí)時(shí)空分離特性弱化了社會(huì)互動(dòng)，而且多數(shù)自適應(yīng)學(xué)習(xí)只針對(duì)學(xué)習(xí)內(nèi)容進(jìn)行拓展，不同程度忽視了學(xué)習(xí)者的情感互動(dòng)，缺少對(duì)社會(huì)性的關(guān)切。為了充分發(fā)揮學(xué)習(xí)者的自主性和提升學(xué)習(xí)者的自我調(diào)節(jié)能力，在系統(tǒng)控制與學(xué)習(xí)者控制的博弈之間，基于協(xié)商的自適應(yīng)學(xué)習(xí)方式被推崇并走進(jìn)實(shí)踐，在此基礎(chǔ)上學(xué)伴支持將成為彌補(bǔ)社會(huì)性不足的可行路徑。為此，本研究構(gòu)建了“基于協(xié)商的學(xué)伴推薦”自適應(yīng)框架，從學(xué)習(xí)者、推薦過(guò)程、學(xué)伴三個(gè)層面對(duì)框架進(jìn)行了解構(gòu)，對(duì)其技術(shù)路線和具體規(guī)則進(jìn)行了介紹。最后，研究基于來(lái)源、對(duì)象、時(shí)間、方法四維視圖，探討了自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展行動(dòng)路徑，為更快推進(jìn)社會(huì)性發(fā)展進(jìn)程提供可靠的行動(dòng)依據(jù)和指引。

【關(guān)鍵詞】? 自適應(yīng)學(xué)習(xí);社會(huì)性發(fā)展;協(xié)商;學(xué)伴推薦;因材施教;智能技術(shù);個(gè)性化學(xué)習(xí)

古往今來(lái)，“因材施教”可謂是教育者的夢(mèng)想追尋，但受限于人力、資源等各因素，夢(mèng)想一直在路上。隨著信息技術(shù)的發(fā)展以及與教育教學(xué)的深度融合，個(gè)性化學(xué)習(xí)正在成為現(xiàn)實(shí)。國(guó)外學(xué)者在追溯自適應(yīng)學(xué)習(xí)時(shí)認(rèn)為自適應(yīng)學(xué)習(xí)是達(dá)成教育個(gè)性化的上策（佩特·約翰內(nèi)斯， 等， 2018）。因?yàn)樽赃m應(yīng)學(xué)習(xí)技術(shù)能夠識(shí)別學(xué)習(xí)者的個(gè)性特征，了解學(xué)習(xí)者的學(xué)習(xí)傾向，幫助學(xué)習(xí)者明確怎么學(xué)，以數(shù)據(jù)分析的方式真正做到因材施教。尤其云計(jì)算、大數(shù)據(jù)、人工智能、學(xué)習(xí)分析等新興技術(shù)的教育應(yīng)用，將打破傳統(tǒng)教育的束縛，搭建自適應(yīng)學(xué)習(xí)系統(tǒng)，借助數(shù)據(jù)挖掘、學(xué)習(xí)分析和智能嵌入等技術(shù)將學(xué)習(xí)的知識(shí)內(nèi)容進(jìn)行關(guān)聯(lián)和非線性組合推薦，在學(xué)習(xí)資源的呈現(xiàn)上做到實(shí)時(shí)的個(gè)性化響應(yīng)，為不同學(xué)習(xí)風(fēng)格、認(rèn)知水平的學(xué)習(xí)者提供與其能力相適應(yīng)的學(xué)習(xí)路徑，實(shí)現(xiàn)在特定時(shí)刻為特定學(xué)習(xí)者提供特定知識(shí)的實(shí)踐應(yīng)用。

但在教育領(lǐng)域，專注于智能輔導(dǎo)系統(tǒng)和自適應(yīng)學(xué)習(xí)環(huán)境的研究人員一直在使用知識(shí)跟蹤等算法向?qū)W習(xí)者推薦內(nèi)容，如練習(xí)題、學(xué)習(xí)策略和路徑（Potts， et al.， 2018a）。他們總體上未能意識(shí)到學(xué)習(xí)是一個(gè)社會(huì)性的過(guò)程，未能將真實(shí)的人際交互式學(xué)習(xí)與在線自主學(xué)習(xí)做到優(yōu)勢(shì)互補(bǔ)。所以在自適應(yīng)學(xué)習(xí)應(yīng)用中似乎在不同程度上忽略了學(xué)習(xí)者的社會(huì)性體驗(yàn)，缺乏情感互動(dòng)過(guò)程，這與未來(lái)教育培養(yǎng)社交情感、溝通能力、情商與批判性思維等高階技能的目標(biāo)難以切合。教育終究是面向具有社會(huì)屬性的人，應(yīng)遵循人的本質(zhì)，將以人為本的思想貫穿到技術(shù)輔助的學(xué)習(xí)設(shè)計(jì)當(dāng)中。因此，本研究以自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展為視角，構(gòu)建了“基于協(xié)商的學(xué)伴推薦”自適應(yīng)框架進(jìn)行社會(huì)性發(fā)展切入，助力當(dāng)前自適應(yīng)學(xué)習(xí)應(yīng)用的拓展，彌補(bǔ)自適應(yīng)學(xué)習(xí)落地實(shí)踐過(guò)程中的社會(huì)性不足。

一、相關(guān)研究

（一）自適應(yīng)學(xué)習(xí)社會(huì)性發(fā)展的現(xiàn)實(shí)必要性

自適應(yīng)學(xué)習(xí)是一種自適應(yīng)技術(shù)支撐的在線學(xué)習(xí)方式，是在線學(xué)習(xí)的范式變遷（吳南中， 2016）。學(xué)習(xí)者借助自適應(yīng)學(xué)習(xí)系統(tǒng)自我組織和開展學(xué)習(xí)內(nèi)容，并且控制和支配整個(gè)學(xué)習(xí)過(guò)程，對(duì)學(xué)習(xí)進(jìn)行自我評(píng)價(jià)，對(duì)學(xué)習(xí)完全負(fù)責(zé)。在線學(xué)習(xí)中學(xué)習(xí)者與教育者、學(xué)習(xí)者與學(xué)習(xí)者之間存在時(shí)空與心理上的準(zhǔn)分離狀態(tài)，會(huì)導(dǎo)致學(xué)習(xí)者在網(wǎng)絡(luò)環(huán)境下社會(huì)性支持不足、即時(shí)互動(dòng)性不強(qiáng)而產(chǎn)生學(xué)習(xí)焦慮。社會(huì)互動(dòng)是學(xué)習(xí)者成功學(xué)習(xí)的重要因素，社會(huì)分離是重要負(fù)面因素（Wilcox， et al.， 2005）。尤其在疫情等特殊時(shí)期，居家線上自主學(xué)習(xí)模式更是降低了學(xué)習(xí)者的人際交互學(xué)習(xí)可能而增強(qiáng)了時(shí)空分離。自適應(yīng)學(xué)習(xí)由于當(dāng)前一些教學(xué)困境，主要服務(wù)于K12教育全科目的在線學(xué)習(xí)輔導(dǎo)，并未較多涉及人機(jī)、人人的社會(huì)互動(dòng)學(xué)習(xí)層面。Lipman在Thinking in education論著中曾說(shuō)，減輕技術(shù)增強(qiáng)學(xué)習(xí)潛在負(fù)面影響的一種方法是采用探究式教學(xué)共同體（community of inquiry pedagogy），在共同體形成過(guò)程中同伴學(xué)習(xí)軟件系統(tǒng)著重于為學(xué)習(xí)者提供借助群體的內(nèi)在力量來(lái)改善其學(xué)習(xí)的能力（Zhao & Kuh， 2004）。這表明，自適應(yīng)學(xué)習(xí)技術(shù)在日益繁榮的教育應(yīng)用中需要向社會(huì)互動(dòng)拓展，關(guān)注學(xué)習(xí)者的社交情感和交互式學(xué)習(xí)體驗(yàn)，應(yīng)用適合的技術(shù)補(bǔ)充學(xué)習(xí)社區(qū)的發(fā)展，設(shè)計(jì)更具互動(dòng)性、創(chuàng)新性和靈活性的學(xué)習(xí)選擇，增加學(xué)習(xí)者之間的社會(huì)互動(dòng)頻率，將學(xué)習(xí)者的個(gè)體學(xué)習(xí)過(guò)程與社會(huì)學(xué)習(xí)過(guò)程進(jìn)行融合。

（二）基于協(xié)商的自適應(yīng)學(xué)習(xí)方式走進(jìn)實(shí)踐

技術(shù)輔助學(xué)習(xí)甚至主導(dǎo)學(xué)習(xí)進(jìn)程的特征，在信息技術(shù)發(fā)達(dá)的今天顯得較為突出。有研究表明，系統(tǒng)完全控制的自適應(yīng)學(xué)習(xí)過(guò)程，忽視了學(xué)習(xí)者的自主學(xué)習(xí)與調(diào)節(jié)能力;受到推崇的是共同控制的模式，即讓自適應(yīng)系統(tǒng)來(lái)輔助學(xué)習(xí)者的學(xué)習(xí)控制，為學(xué)習(xí)者提供自適應(yīng)的支持和決策，允許他們接受或拒絕來(lái)自系統(tǒng)的學(xué)習(xí)建議（Corbalan， et al.， 2009）。而且，學(xué)習(xí)系統(tǒng)也應(yīng)該采取雙向適應(yīng)性方法來(lái)提供個(gè)體學(xué)習(xí)支持，基于協(xié)商的適應(yīng)就是一種混合的雙向適應(yīng)，可實(shí)現(xiàn)學(xué)習(xí)者和系統(tǒng)之間的共同調(diào)節(jié)（Roll， et al.， 2014）。在Chou等人（2015）提出的基于協(xié)商的自適應(yīng)學(xué)習(xí)序列調(diào)節(jié)中，當(dāng)學(xué)習(xí)者自我評(píng)估與系統(tǒng)評(píng)估不一致時(shí)，系統(tǒng)提示學(xué)習(xí)者與系統(tǒng)協(xié)商，以就其績(jī)效評(píng)估達(dá)成一致，然后系統(tǒng)要求學(xué)習(xí)者提交下一主題學(xué)習(xí)的選擇，并將學(xué)習(xí)者的選擇與系統(tǒng)建議進(jìn)行比較;當(dāng)學(xué)習(xí)者的選擇與系統(tǒng)建議沖突時(shí)，學(xué)習(xí)者需要與系統(tǒng)協(xié)商達(dá)成內(nèi)容選擇的協(xié)議。自然語(yǔ)言處理技術(shù)的發(fā)展使得人機(jī)對(duì)話越來(lái)越自然，人機(jī)協(xié)商的方式已轉(zhuǎn)向了對(duì)話形式。Chou等人（2018）從調(diào)節(jié)學(xué)習(xí)者求助行為的目的出發(fā)，設(shè)計(jì)了一種基于協(xié)商的自適應(yīng)學(xué)習(xí)系統(tǒng)，實(shí)現(xiàn)系統(tǒng)控制與用戶控制的結(jié)合，系統(tǒng)還能進(jìn)行諸如“您需要幫助嗎”等形式的對(duì)話。所以，在自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)用上，基于協(xié)商的雙向適應(yīng)、人機(jī)協(xié)同模式逐漸走進(jìn)實(shí)踐。

（三）學(xué)伴支持成為彌補(bǔ)社會(huì)性不足的途徑

學(xué)習(xí)是一種社會(huì)活動(dòng)，情感的互動(dòng)對(duì)于教育非常重要。正如梁茜等人（2019）所言，無(wú)論教育與技術(shù)的融合發(fā)展到哪個(gè)階段，都應(yīng)該明確未來(lái)教育不是冷冰冰的機(jī)器教育，而是更復(fù)雜、更具互動(dòng)性和情感性的“人”的教育活動(dòng)，所有的教育活動(dòng)都是為了人本身。國(guó)內(nèi)慕課平臺(tái)“學(xué)堂在線”意識(shí)到社會(huì)情感互動(dòng)的重要性，以機(jī)器人作為學(xué)習(xí)伴侶，打開增強(qiáng)交互式學(xué)習(xí)體驗(yàn)的一個(gè)突破口，開發(fā)機(jī)器人“小木”作為個(gè)性化學(xué)習(xí)伴侶嵌入其中，提供交互式答疑解惑等支持（中國(guó)商業(yè)電訊， 2018）。機(jī)器人學(xué)伴在學(xué)習(xí)上的應(yīng)用逐漸成熟，很多聊天機(jī)器人系統(tǒng)可以提供即時(shí)反饋，通過(guò)會(huì)話界面自然響應(yīng)學(xué)習(xí)者需求，利用這些互動(dòng)還可以提升學(xué)習(xí)者參與度（Fryer， et al.， 2019）。這種虛擬學(xué)習(xí)伴侶在學(xué)習(xí)輔助上作用凸顯，為機(jī)器人學(xué)伴的設(shè)計(jì)提供了借鑒與啟示，從技術(shù)層面看具有可行性。同時(shí)，Potts等人（2018b）開發(fā)了一個(gè)RiPPLE（同伴個(gè)性化學(xué)習(xí)推薦系統(tǒng)）平臺(tái)，不僅可以按照個(gè)性學(xué)習(xí)需求進(jìn)行私人定制，還可以依據(jù)學(xué)習(xí)者的知識(shí)狀態(tài)為學(xué)習(xí)者推薦學(xué)習(xí)同伴，建構(gòu)學(xué)習(xí)者之間的聯(lián)系。這種允許學(xué)習(xí)者找到同伴并建立學(xué)習(xí)會(huì)話的社會(huì)性方式，非常契合以適合的技術(shù)補(bǔ)充學(xué)習(xí)社區(qū)發(fā)展的目的。這不僅可以增加學(xué)習(xí)者之間的互動(dòng)與情感交流，還可以使他們認(rèn)識(shí)到同伴學(xué)習(xí)的價(jià)值，在與同伴進(jìn)行有意義、有目的的交流中改善學(xué)習(xí)效果（Dawson， 2006）。綜合而言，借助技術(shù)實(shí)現(xiàn)學(xué)伴支持的人際交互協(xié)作學(xué)習(xí)將成為自適應(yīng)學(xué)習(xí)增強(qiáng)交互式學(xué)習(xí)體驗(yàn)的有益補(bǔ)充，是彌補(bǔ)自適應(yīng)學(xué)習(xí)中社會(huì)性不足的重要途徑。從已有應(yīng)用來(lái)看，自適應(yīng)學(xué)習(xí)中的學(xué)伴類型可以是虛擬機(jī)器人，也可以是真實(shí)的自然人。

二、社會(huì)性發(fā)展切入：基于協(xié)商的學(xué)伴推薦

教育的關(guān)鍵在于發(fā)展學(xué)習(xí)者與他人互動(dòng)和合作的能力，而且學(xué)習(xí)最終是一種社會(huì)經(jīng)驗(yàn)，它使人們能夠提升社交技能、更好地參與社會(huì)并成為更加成熟的社會(huì)參與者。自適應(yīng)學(xué)習(xí)在人工智能背景下轉(zhuǎn)向提供學(xué)伴推薦服務(wù)，是促進(jìn)人的社會(huì)屬性發(fā)展的重要體現(xiàn)。

（一）基于協(xié)商的學(xué)伴推薦框架

在社會(huì)生活中，推薦“人”的操作大多數(shù)重點(diǎn)都放在了網(wǎng)上約會(huì)、求職就業(yè)、導(dǎo)師學(xué)徒匹配（mentor-mentee matching）等社交平臺(tái)上（Pizzato， et al.， 2013），但其實(shí)這些互惠推薦系統(tǒng)的總體框架可以成功地應(yīng)用在社會(huì)學(xué)習(xí)的教育環(huán)境。前文提到的同伴個(gè)性化學(xué)習(xí)推薦系統(tǒng)RiPPLE的應(yīng)用體現(xiàn)了遷移可行性。該系統(tǒng)不僅可以根據(jù)每個(gè)人的學(xué)習(xí)需求完成量身定制，還可以根據(jù)學(xué)習(xí)者的知識(shí)狀態(tài)推薦建構(gòu)學(xué)習(xí)者之間的聯(lián)系，以及根據(jù)學(xué)習(xí)偏好和需求推薦學(xué)習(xí)同伴。但其推薦的學(xué)伴僅限于一個(gè)班級(jí)集體，也局限于自然人的推薦，未將虛擬機(jī)器人學(xué)伴納入，并且以列表的方式供學(xué)習(xí)者選擇，而缺乏人機(jī)協(xié)商確認(rèn)的過(guò)程。本研究將人機(jī)協(xié)商的過(guò)程納入系統(tǒng)設(shè)計(jì)當(dāng)中，是為了避免學(xué)習(xí)者盲目求助而造成消極效果，以及常識(shí)性問(wèn)題解答造成的資源利用率低等問(wèn)題。同時(shí)，當(dāng)下許多自適應(yīng)學(xué)習(xí)系統(tǒng)使學(xué)習(xí)者能夠在他們決定需要幫助時(shí)從系統(tǒng)中尋求幫助，賦予學(xué)習(xí)者學(xué)習(xí)的控制力和責(zé)任感。但即使如此，學(xué)習(xí)者在控制適應(yīng)性方面也還可能會(huì)與系統(tǒng)發(fā)生沖突，而基于協(xié)商的適應(yīng)是一種混合的雙向適應(yīng)，以實(shí)現(xiàn)學(xué)習(xí)者和系統(tǒng)之間的共同調(diào)節(jié)（Chou， et al.， 2015）。利用自適應(yīng)學(xué)習(xí)技術(shù)的知識(shí)跟蹤與診斷等功能，可以構(gòu)建一種基于協(xié)商的支持方式，整合虛擬機(jī)器人與真實(shí)自然人兩種類型的學(xué)伴來(lái)源。本研究基于此提出“基于協(xié)商的學(xué)伴推薦”自適應(yīng)框架（見圖1），將學(xué)伴的類型擴(kuò)展至同伴學(xué)習(xí)者、專業(yè)教學(xué)者和答疑機(jī)器人三類。同伴學(xué)習(xí)者與專業(yè)教學(xué)者屬于真實(shí)自然人學(xué)伴類型，答疑機(jī)器人屬于虛擬學(xué)伴類型，這在一定程度上能夠滿足不同學(xué)習(xí)風(fēng)格與特征的學(xué)習(xí)者在尋求學(xué)伴問(wèn)題上的需求。

（二）框架組件與運(yùn)行流程解讀

1. 請(qǐng)求支持用戶（學(xué)習(xí)者）

很多研究都表明自適應(yīng)學(xué)習(xí)的即時(shí)反饋會(huì)減少學(xué)習(xí)者的思考與自我調(diào)節(jié)行為，應(yīng)賦予學(xué)習(xí)者自我啟動(dòng)與控制的權(quán)限（Azevedo， et al.， 2016）。在自適應(yīng)學(xué)習(xí)推薦中應(yīng)充分考慮學(xué)習(xí)者的意愿與主動(dòng)性，將選擇權(quán)賦予主體自身，以最大限度地促進(jìn)自我診斷和自我調(diào)節(jié)。請(qǐng)求支持用戶，即在學(xué)習(xí)過(guò)程中需要援助的一類學(xué)習(xí)者群體，但為了充分發(fā)揮學(xué)習(xí)者的自我調(diào)節(jié)能力，系統(tǒng)必須給予學(xué)習(xí)者相應(yīng)時(shí)間進(jìn)行思考、分析與選擇，而不是在遇到問(wèn)題時(shí)輕易地伸出“援手”。所以，基于協(xié)商的學(xué)伴推薦自適應(yīng)系統(tǒng)考慮了學(xué)習(xí)者的自主性，將其個(gè)人學(xué)習(xí)過(guò)程歸納為“自我開展學(xué)習(xí)”“自我診斷表現(xiàn)”“選擇支持類型”等階段。

“自我開展學(xué)習(xí)”是學(xué)習(xí)者個(gè)人獨(dú)立學(xué)習(xí)知識(shí)的階段。系統(tǒng)首先會(huì)通過(guò)一些測(cè)試來(lái)對(duì)學(xué)習(xí)者偏好、學(xué)習(xí)風(fēng)格等數(shù)據(jù)進(jìn)行獲取和分析，在深度學(xué)習(xí)技術(shù)支撐下刻畫學(xué)習(xí)者個(gè)性特征，之后在其學(xué)習(xí)過(guò)程中采集學(xué)習(xí)行為數(shù)據(jù)，借助知識(shí)跟蹤算法分析學(xué)習(xí)者的認(rèn)知水平，以及運(yùn)用情感識(shí)別、眼動(dòng)追蹤和情感計(jì)算等技術(shù)來(lái)提取學(xué)習(xí)者情緒、環(huán)境等非認(rèn)知特征值，從行為、認(rèn)知和情感等方面對(duì)多個(gè)模態(tài)的數(shù)據(jù)進(jìn)行整合分析，最終建構(gòu)學(xué)習(xí)者模型，完成學(xué)習(xí)者特征的綜合提取?！白晕以\斷表現(xiàn)”是學(xué)習(xí)者自我調(diào)節(jié)學(xué)習(xí)的過(guò)程。學(xué)習(xí)者在遇到學(xué)習(xí)困難時(shí)會(huì)進(jìn)行相應(yīng)的自我分析、評(píng)估和診斷，主動(dòng)思考和設(shè)計(jì)相應(yīng)的問(wèn)題解決方法，在自我調(diào)節(jié)解決無(wú)果之時(shí)會(huì)獲得相應(yīng)的自適應(yīng)學(xué)習(xí)提示，最后進(jìn)入向系統(tǒng)請(qǐng)求提供學(xué)習(xí)支持的階段。自適應(yīng)學(xué)習(xí)支持在內(nèi)容層面上有資源、策略、路徑等多種類型，與現(xiàn)有的自適應(yīng)學(xué)習(xí)服務(wù)無(wú)異，而只有選擇學(xué)伴支持時(shí)系統(tǒng)才會(huì)進(jìn)入?yún)f(xié)商環(huán)節(jié)。在自主學(xué)習(xí)過(guò)程中，學(xué)習(xí)者自我學(xué)習(xí)行為、情感與環(huán)境數(shù)據(jù)將連續(xù)被自適應(yīng)學(xué)習(xí)系統(tǒng)感知、收集和分析，一是輔助系統(tǒng)進(jìn)行動(dòng)態(tài)學(xué)習(xí)者建模，二是為后續(xù)學(xué)伴匹配與推薦提供關(guān)鍵依據(jù)，也是作為用特征值計(jì)算相似度的數(shù)據(jù)來(lái)源。此外，請(qǐng)求支持的學(xué)習(xí)者在得到學(xué)伴支持后得到能力的顯著提升，可以向系統(tǒng)申請(qǐng)轉(zhuǎn)而加入“提供支持用戶”的行列，以為相同問(wèn)題請(qǐng)求的同伴分享經(jīng)驗(yàn)。

2. 基于協(xié)商的學(xué)伴推薦過(guò)程

自適應(yīng)學(xué)習(xí)系統(tǒng)作為基于協(xié)商的學(xué)伴推薦過(guò)程的重要承擔(dān)者，是基于其強(qiáng)大的特征識(shí)別能力、知識(shí)跟蹤能力和學(xué)習(xí)預(yù)測(cè)能力。該過(guò)程是在學(xué)習(xí)分析、教育數(shù)據(jù)挖掘、協(xié)同過(guò)濾推薦和自然語(yǔ)言處理等技術(shù)支撐下進(jìn)行四個(gè)階段的活動(dòng)內(nèi)容：“系統(tǒng)診斷學(xué)習(xí)表現(xiàn)”“協(xié)商確認(rèn)學(xué)伴請(qǐng)求”“協(xié)商確認(rèn)學(xué)伴類型”“確認(rèn)選擇學(xué)伴”。其中，“系統(tǒng)診斷學(xué)習(xí)表現(xiàn)”是系統(tǒng)對(duì)學(xué)習(xí)者進(jìn)行學(xué)情分析，是系統(tǒng)與學(xué)習(xí)者進(jìn)行協(xié)商的重要基礎(chǔ)。這四個(gè)階段可以用學(xué)習(xí)者與系統(tǒng)交互協(xié)商的兩個(gè)環(huán)節(jié)來(lái)進(jìn)行串聯(lián)介紹（見圖2）。

第一個(gè)是“協(xié)商確認(rèn)學(xué)伴請(qǐng)求”，其目的是為了避免學(xué)習(xí)者的盲目請(qǐng)求行為，系統(tǒng)在利用學(xué)習(xí)者學(xué)習(xí)過(guò)程數(shù)據(jù)進(jìn)行用戶建模的基礎(chǔ)上，運(yùn)用教育數(shù)據(jù)挖掘和學(xué)習(xí)分析等技術(shù)對(duì)其綜合表現(xiàn)、問(wèn)題可靠性和請(qǐng)求合理性展開完整而精準(zhǔn)的評(píng)估與診斷。如果診斷結(jié)果與學(xué)習(xí)者自我診斷結(jié)果不一致或相差較大，系統(tǒng)與學(xué)習(xí)者會(huì)進(jìn)入“協(xié)商確認(rèn)學(xué)伴請(qǐng)求”環(huán)節(jié)。兩者借助自然語(yǔ)言處理技術(shù)，采取窗口對(duì)話的方式進(jìn)行交互協(xié)商。系統(tǒng)在協(xié)商過(guò)程中會(huì)分析學(xué)習(xí)者的相關(guān)數(shù)據(jù)來(lái)反饋問(wèn)題診斷結(jié)果、原因剖析和學(xué)習(xí)建議;學(xué)習(xí)者對(duì)反饋內(nèi)容予以確認(rèn)與質(zhì)疑，向系統(tǒng)提供更多無(wú)法被捕獲的數(shù)據(jù)信息，互相協(xié)商以達(dá)成一致。最終，兩者確認(rèn)是進(jìn)入學(xué)伴選擇環(huán)節(jié)還是推薦其他學(xué)習(xí)支持（駁回學(xué)伴請(qǐng)求）。學(xué)伴選擇環(huán)節(jié)是第二輪協(xié)商階段，而推薦其他學(xué)習(xí)支持是基于學(xué)習(xí)材料提供個(gè)性化學(xué)習(xí)策略與路徑規(guī)劃，在此不贅述。

第二個(gè)是“協(xié)商確認(rèn)學(xué)伴類型”，即系統(tǒng)與學(xué)習(xí)者協(xié)商確認(rèn)學(xué)伴類型與人選，其目的是發(fā)揮學(xué)習(xí)者與系統(tǒng)雙向自適應(yīng)混合調(diào)節(jié)的作用。學(xué)習(xí)者會(huì)根據(jù)自身問(wèn)題和個(gè)性特征選擇某個(gè)類型的學(xué)伴，但其是經(jīng)驗(yàn)主導(dǎo)的，缺乏科學(xué)的數(shù)據(jù)分析決策過(guò)程;系統(tǒng)依據(jù)教學(xué)模型和領(lǐng)域知識(shí)模型，遵循一定的教學(xué)規(guī)律和基于專業(yè)領(lǐng)域知識(shí)內(nèi)容，綜合診斷與評(píng)估學(xué)習(xí)者學(xué)習(xí)表現(xiàn)，借助協(xié)同過(guò)濾推薦等算法技術(shù)來(lái)推薦適合的學(xué)伴類型與人選，最終在學(xué)習(xí)者與系統(tǒng)協(xié)商對(duì)話過(guò)程中做出共同決定和選擇。這個(gè)階段同樣是互相提供信息與分析診斷的協(xié)商過(guò)程。最后，兩者達(dá)成一致，學(xué)習(xí)者確認(rèn)選擇學(xué)伴，系統(tǒng)得到確認(rèn)后根據(jù)學(xué)習(xí)者的主觀需求和客觀表現(xiàn)會(huì)在“學(xué)伴庫(kù)”中搜索和喚醒滿足條件的相應(yīng)在線用戶，發(fā)出邀請(qǐng)。

3. 提供支持用戶（學(xué)伴）

首先，安排“同伴學(xué)習(xí)者”是發(fā)揮同齡人之間平等交流、互相促進(jìn)的有效策略。尤其是在信息技術(shù)繁榮發(fā)展、以技術(shù)為媒介的協(xié)作學(xué)習(xí)方式日益受到重視和推廣的今天，同伴協(xié)作對(duì)提升學(xué)習(xí)效率、發(fā)展學(xué)習(xí)者“軟技能”、增進(jìn)人與人之間的社會(huì)聯(lián)結(jié)具有明顯作用（Tinto， 2003）。在基于協(xié)商的學(xué)伴推薦自適應(yīng)系統(tǒng)中，“同伴學(xué)習(xí)者”是推薦的主要學(xué)伴類型。他們由來(lái)自相同課程活動(dòng)或有經(jīng)驗(yàn)的學(xué)習(xí)者群體組成，一般依據(jù)知識(shí)水平、認(rèn)知需求匹配推薦，提供共同學(xué)習(xí)、問(wèn)題討論、朋輩指導(dǎo)等學(xué)習(xí)支持。他們的學(xué)習(xí)背景具有相似性，在相同學(xué)習(xí)問(wèn)題上同伴的經(jīng)驗(yàn)支持比灌輸式的教授更有效果，而且在個(gè)性化推薦中協(xié)同過(guò)濾推薦模式就是尋找鄰近用戶群的最優(yōu)學(xué)習(xí)路徑來(lái)進(jìn)行推薦，理念上高度一致。

其次，“專家教學(xué)者”由領(lǐng)域?qū)I(yè)教師組成。目前學(xué)校與教育輔導(dǎo)機(jī)構(gòu)在關(guān)系上是分離的，但不可否認(rèn)的是他們具有彼此不具備的優(yōu)勢(shì)，倘若通過(guò)平臺(tái)整合，建立合作關(guān)系將能便捷學(xué)習(xí)者。希望通過(guò)基于協(xié)商的學(xué)伴推薦自適應(yīng)系統(tǒng)，能夠整合資源，使得“專業(yè)教學(xué)者”既可以是學(xué)校相關(guān)課程的權(quán)威教師，也可以是教育機(jī)構(gòu)的輔導(dǎo)名師。畢竟在學(xué)科課程學(xué)習(xí)上學(xué)校教師的知識(shí)權(quán)威性無(wú)法替代，而教育機(jī)構(gòu)的技術(shù)與資源優(yōu)勢(shì)是學(xué)校所不及的。通過(guò)學(xué)伴系統(tǒng)集成學(xué)校與教育機(jī)構(gòu)的優(yōu)質(zhì)師資，以平臺(tái)為媒介更好地對(duì)接課內(nèi)學(xué)習(xí)與課外輔導(dǎo)，提供“一對(duì)一”個(gè)性化服務(wù)，將能較好地將學(xué)校教育與“影子教育”進(jìn)行結(jié)合。

最后，“答疑機(jī)器人”是內(nèi)嵌在系統(tǒng)之中的智能學(xué)習(xí)助手，集成了系統(tǒng)中的學(xué)習(xí)資源庫(kù)，能夠與學(xué)習(xí)者進(jìn)行語(yǔ)音對(duì)話，為學(xué)習(xí)者提供快速的知識(shí)檢索服務(wù)和常規(guī)問(wèn)題的答疑反饋等，如學(xué)堂在線平臺(tái)的“小木”書童或者參見Bozkurt等人（2018）在慕課課程中利用機(jī)器人作為互動(dòng)反饋策略而未被學(xué)習(xí)者察覺，有效促進(jìn)了學(xué)習(xí)者的互動(dòng)和學(xué)習(xí)效果。這類應(yīng)用在技術(shù)和實(shí)踐上都非常成熟，也是目前一些系統(tǒng)為了增強(qiáng)互動(dòng)環(huán)節(jié)、減少人工對(duì)話支持的一項(xiàng)普遍性措施，如購(gòu)物平臺(tái)中的機(jī)器人客服。

當(dāng)系統(tǒng)與學(xué)習(xí)者協(xié)商達(dá)成一致，解決某個(gè)學(xué)習(xí)問(wèn)題需要建立學(xué)伴協(xié)作關(guān)系時(shí)，系統(tǒng)會(huì)依據(jù)學(xué)習(xí)者模型、領(lǐng)域知識(shí)模型和教學(xué)模型的推理和與學(xué)習(xí)者的協(xié)商結(jié)果，在學(xué)伴庫(kù)中檢索合適的在線學(xué)伴人選進(jìn)行匹配和推薦。學(xué)伴庫(kù)中被邀請(qǐng)的學(xué)伴在接受請(qǐng)求后，系統(tǒng)會(huì)為他們搭建學(xué)伴空間，以便快速、高效地提供學(xué)習(xí)支持。學(xué)伴空間類似于社交軟件的對(duì)話窗口，是學(xué)習(xí)者與學(xué)伴進(jìn)行協(xié)作的地方，兼具文本討論、音視頻對(duì)話、共同編輯文檔和點(diǎn)播室（教學(xué)視頻同步播放）等功能，圖3所示為同伴學(xué)習(xí)者之間圍繞數(shù)學(xué)問(wèn)題的討論互動(dòng)過(guò)程示例。

（三）技術(shù)路線與具體規(guī)則介紹

通過(guò)對(duì)以上理論框架組件與流程的解讀，學(xué)伴推薦過(guò)程可用圖4來(lái)進(jìn)行概括。首先，系統(tǒng)分別運(yùn)用動(dòng)態(tài)學(xué)習(xí)者模型、教學(xué)模型和領(lǐng)域知識(shí)模型分析和提取學(xué)習(xí)者的靜態(tài)個(gè)性特征（學(xué)習(xí)風(fēng)格、偏好等）、學(xué)習(xí)表現(xiàn)（學(xué)習(xí)行為、情緒等）和外部學(xué)習(xí)情境（室內(nèi)、室外等）等信息。然后，系統(tǒng)將這些數(shù)據(jù)進(jìn)行表征和轉(zhuǎn)換為分值矩陣形式，調(diào)用相應(yīng)算法或規(guī)則進(jìn)行學(xué)伴類型與人選搜索與匹配，搜索與匹配的條件是計(jì)算“系統(tǒng)推薦的學(xué)伴特征”與“學(xué)習(xí)者的特征”之間的相似度或契合度，這個(gè)值綜合個(gè)性特征、知識(shí)結(jié)構(gòu)、學(xué)習(xí)環(huán)境等多方面的相似度;這個(gè)相似度的計(jì)算是基于一定的規(guī)則，實(shí)際上就是不同的推薦模式，后面將具體闡述。最后，根據(jù)計(jì)算多維的相似度向?qū)W習(xí)者推薦適合真實(shí)需求的學(xué)伴類型與人選，進(jìn)入系統(tǒng)與學(xué)習(xí)者協(xié)商確認(rèn)的環(huán)節(jié)。從這一過(guò)程看，可以發(fā)現(xiàn)其主要經(jīng)歷兩個(gè)階段，即“用戶（學(xué)習(xí)者）特征提取”和“系統(tǒng)推薦學(xué)伴”。

1. 用戶（學(xué)習(xí)者）特征提取

用戶（學(xué)習(xí)者）特征提取階段是對(duì)學(xué)習(xí)者的個(gè)性特征數(shù)據(jù)、學(xué)習(xí)行為數(shù)據(jù)和學(xué)習(xí)情境數(shù)據(jù)進(jìn)行采集與處理，形成對(duì)學(xué)習(xí)者全方位、綜合性的動(dòng)態(tài)識(shí)別、分析與診斷，奠定學(xué)伴推薦基礎(chǔ)，具體技術(shù)框架如圖5所示。在自適應(yīng)學(xué)習(xí)系統(tǒng)的幾大組件中，學(xué)習(xí)者模型具有最核心與基礎(chǔ)的作用，該系統(tǒng)對(duì)學(xué)習(xí)者建模的數(shù)據(jù)主要采集于靜態(tài)的個(gè)性特征數(shù)據(jù)、動(dòng)態(tài)的學(xué)習(xí)行為數(shù)據(jù)和學(xué)習(xí)情境數(shù)據(jù)。基于這三類數(shù)據(jù)，利用深度學(xué)習(xí)、知識(shí)跟蹤、情感計(jì)算等成熟算法對(duì)用戶個(gè)性特征、學(xué)習(xí)表現(xiàn)、學(xué)習(xí)狀態(tài)和學(xué)習(xí)情境進(jìn)行分析、推理和特征提取，實(shí)現(xiàn)對(duì)學(xué)習(xí)者的內(nèi)部個(gè)性、學(xué)習(xí)表現(xiàn)以及外部環(huán)境等全面的學(xué)習(xí)者圖像刻畫。在該階段，自適應(yīng)系統(tǒng)提取出學(xué)習(xí)風(fēng)格與偏好等個(gè)性特征，診斷出學(xué)習(xí)者學(xué)習(xí)表現(xiàn)，分析出學(xué)習(xí)者知識(shí)結(jié)構(gòu)等方面的詳細(xì)內(nèi)容，這些是自適應(yīng)學(xué)習(xí)系統(tǒng)實(shí)現(xiàn)對(duì)學(xué)習(xí)者個(gè)性化推薦的必要條件，也是學(xué)伴匹配與推薦的關(guān)鍵依據(jù)。系統(tǒng)在接收到學(xué)習(xí)者的學(xué)伴請(qǐng)求之后，調(diào)用學(xué)習(xí)者的畫像數(shù)據(jù)與提取特征，在與學(xué)習(xí)者第一次協(xié)商達(dá)成一致之后（見圖2），調(diào)用學(xué)習(xí)者相關(guān)學(xué)習(xí)數(shù)據(jù)和特征值填充到“分值矩陣”，自此進(jìn)入系統(tǒng)推薦學(xué)伴階段。

2. 系統(tǒng)推薦學(xué)伴

個(gè)性化學(xué)習(xí)推薦一直是自適應(yīng)學(xué)習(xí)發(fā)展致力提升的領(lǐng)域。目前從推薦技術(shù)層面上來(lái)看，系統(tǒng)所采用的推薦算法主要有K均值聚類算法、蟻群算法、Memetic算法、協(xié)同過(guò)濾算法和混合算法等，從常見的推薦模式來(lái)看有協(xié)同過(guò)濾推薦、基于內(nèi)容推薦、基于關(guān)聯(lián)規(guī)則推薦和混合推薦（對(duì)前三種的綜合）（趙學(xué)孔， 等， 2015）。不同推薦模式下的核心算法不同，比如基于關(guān)聯(lián)規(guī)則推薦中應(yīng)用較多的算法是Apriori算法和FP-Tree算法。本研究從拓展自適應(yīng)學(xué)習(xí)推薦內(nèi)容出發(fā)，設(shè)計(jì)三種學(xué)伴類型，其本質(zhì)上與常規(guī)自適應(yīng)推薦技術(shù)與機(jī)制不同的是將推薦內(nèi)容由學(xué)習(xí)材料轉(zhuǎn)至人這一層面。所以，采取的推薦算法和推薦模式還是與主流的個(gè)性化推薦范式相似。由于學(xué)伴類型不同，其屬性特征也不一樣，基于協(xié)商的學(xué)伴推薦系統(tǒng)采用混合推薦的模式來(lái)綜合三類推薦模式的優(yōu)勢(shì)（見圖6），其對(duì)應(yīng)著推薦流程的“規(guī)則匹配”。

在學(xué)伴推薦過(guò)程中，首先，基于關(guān)聯(lián)規(guī)則推薦的模式主要適用于“答疑機(jī)器人”類型的學(xué)伴，因?yàn)榛陉P(guān)聯(lián)規(guī)則的推薦會(huì)頻繁遍歷學(xué)習(xí)者在系統(tǒng)平臺(tái)上的學(xué)習(xí)行為數(shù)據(jù)，通過(guò)分析學(xué)習(xí)者與學(xué)習(xí)資源之間的行為數(shù)據(jù)，挖掘隱藏的規(guī)則來(lái)產(chǎn)生推薦。而“答疑機(jī)器人”是對(duì)系統(tǒng)學(xué)習(xí)資源的內(nèi)嵌整合，能夠結(jié)合學(xué)習(xí)者行為序列發(fā)現(xiàn)一些操作上的問(wèn)題以及與資源應(yīng)用相關(guān)的問(wèn)題進(jìn)行解答，以自然語(yǔ)言處理技術(shù)為支撐，以對(duì)話交互方式向?qū)W習(xí)者提供帶有社會(huì)互動(dòng)性質(zhì)的學(xué)習(xí)支持。其次，基于內(nèi)容推薦的模式是對(duì)推薦資源內(nèi)容的結(jié)構(gòu)性特征屬性進(jìn)行相似度計(jì)算而產(chǎn)生的推薦，而“專業(yè)教學(xué)者”是某學(xué)科領(lǐng)域的知識(shí)集成者，能夠結(jié)合學(xué)習(xí)者知識(shí)結(jié)構(gòu)性缺陷問(wèn)題進(jìn)行系統(tǒng)性教學(xué)支持。最后，協(xié)同過(guò)濾推薦模式是該系統(tǒng)的重點(diǎn)推薦模式，它的原理非常契合“同伴學(xué)習(xí)者”的推薦。因?yàn)閰f(xié)同過(guò)濾推薦是通過(guò)尋找與學(xué)習(xí)者相似的鄰居群實(shí)現(xiàn)學(xué)伴的推薦。這里的“鄰居”就是與學(xué)習(xí)者具有相同或相似問(wèn)題或經(jīng)驗(yàn)的學(xué)習(xí)者群體（Bobadilla， et al.， 2012）。根據(jù)趙學(xué)孔等（2017）的研究，協(xié)同過(guò)濾推薦的實(shí)現(xiàn)有三個(gè)階段：系統(tǒng)建模、獲取鄰居用戶和產(chǎn)生推薦路徑。其階段描述與本研究提出的學(xué)伴推薦流程高度一致，系統(tǒng)從學(xué)習(xí)者的認(rèn)知水平、個(gè)性特征和學(xué)習(xí)行為等多維度構(gòu)建學(xué)習(xí)者模型，以認(rèn)知與知識(shí)相關(guān)內(nèi)容作為判定標(biāo)準(zhǔn)對(duì)學(xué)習(xí)者進(jìn)行特征提取，并從“同伴學(xué)習(xí)者”群體中篩選特征相似度較高或一致的同伴作為學(xué)伴推薦人選。無(wú)論哪種推薦模式，其重要依據(jù)都是學(xué)習(xí)者與學(xué)伴資源之間的相似度或者說(shuō)契合度的計(jì)算，據(jù)此來(lái)實(shí)現(xiàn)個(gè)性化精準(zhǔn)推薦。

三、自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展行動(dòng)路徑

“基于協(xié)商的學(xué)伴推薦”自適應(yīng)框架運(yùn)行流程和技術(shù)路線雖然為自適應(yīng)學(xué)習(xí)兼顧人的社會(huì)性提供了可行的方案，但在現(xiàn)實(shí)開發(fā)中還存在很多難點(diǎn)，包括全數(shù)據(jù)的獲取與分析問(wèn)題、學(xué)習(xí)者與學(xué)伴的匹配技術(shù)問(wèn)題以及學(xué)伴空間功能搭建問(wèn)題。在數(shù)據(jù)上，目前傳感器技術(shù)雖然發(fā)展迅速，能夠快速感知和捕捉學(xué)習(xí)姿態(tài)與行為，但技術(shù)還不能做到應(yīng)用于無(wú)形，且難以實(shí)現(xiàn)對(duì)學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)的全環(huán)境、全過(guò)程的收集與分析。為了獲得較為詳細(xì)的數(shù)據(jù)還需要組合使用情緒識(shí)別、情感計(jì)算、認(rèn)知計(jì)算等多種算法，還需要進(jìn)一步完善教育數(shù)據(jù)挖掘技術(shù)的支持。在學(xué)伴匹配上，因?yàn)闄C(jī)器始終不能擁有人的情感與常識(shí)來(lái)了解學(xué)習(xí)者的真實(shí)所需，即使算法的規(guī)則匹配和特征提取也只是在可數(shù)據(jù)化和可解釋性的范圍內(nèi)進(jìn)行最優(yōu)化推薦。這一問(wèn)題在未來(lái)可能需要跨學(xué)科、跨領(lǐng)域的知識(shí)與技術(shù)來(lái)解決，比如學(xué)習(xí)分析技術(shù)與腦科學(xué)、心理學(xué)等相融合。在協(xié)作功能上，如何搭建適合學(xué)習(xí)者特征的空間環(huán)境，提供豐富而有效的資源選擇是個(gè)難題，通過(guò)VR/AR技術(shù)增強(qiáng)沉浸感和互動(dòng)性，設(shè)計(jì)更為人性化的協(xié)作活動(dòng)內(nèi)容或許能夠解決。即使前行的道路困難重重，自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展在呼吁聯(lián)結(jié)學(xué)習(xí)、社會(huì)學(xué)習(xí)的時(shí)代顯得尤為重要。以人工智能、大數(shù)據(jù)、學(xué)習(xí)分析為代表的技術(shù)賦能，將會(huì)助力自適應(yīng)學(xué)習(xí)的發(fā)展，為這些難點(diǎn)帶來(lái)破解之方。本研究基于Vandewaetere和Clarebout（2014）提出的關(guān)于自適應(yīng)學(xué)習(xí)四維視圖（見圖7），即來(lái)源（因何適應(yīng)）、對(duì)象（適應(yīng)什么）、時(shí)間（何時(shí)適應(yīng)）和方法（如何適應(yīng)），以“基于協(xié)商的學(xué)伴推薦”自適應(yīng)框架為例，從技術(shù)與內(nèi)容設(shè)計(jì)上為自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展提出以下明確可行的行動(dòng)路徑，剖析智能技術(shù)的賦能作用，加快實(shí)踐落地。

（一）適應(yīng)的來(lái)源：緊密結(jié)合學(xué)習(xí)分析，精準(zhǔn)自適應(yīng)學(xué)習(xí)的起點(diǎn)與過(guò)程

適應(yīng)的來(lái)源可能有兩種，即學(xué)習(xí)者特征參數(shù)（如學(xué)習(xí)風(fēng)格）和學(xué)習(xí)者與系統(tǒng)之間的交互行為數(shù)據(jù)。但目前在自適應(yīng)學(xué)習(xí)來(lái)源數(shù)據(jù)選擇上還沒有統(tǒng)一標(biāo)準(zhǔn)，比如學(xué)習(xí)者特征參數(shù)，Vandewaetere（2011）從布魯姆的分類學(xué)出發(fā)劃分出認(rèn)知類（學(xué)習(xí)風(fēng)格、先驗(yàn)知識(shí)、思維能力等）、情感類（興趣、情緒、態(tài)度等）、行為類（尋求幫助、學(xué)習(xí)者控制、主動(dòng)與被動(dòng)等）。選取的特征參數(shù)不同，自適應(yīng)效果也會(huì)產(chǎn)生差異，如何精準(zhǔn)適應(yīng)是一個(gè)問(wèn)題。學(xué)習(xí)分析技術(shù)可以作為解決這個(gè)問(wèn)題的密鑰。2016年地平線報(bào)告指出學(xué)習(xí)分析和自適應(yīng)學(xué)習(xí)是高等教育未來(lái)采用的技術(shù)，兩者具有推動(dòng)個(gè)性化學(xué)習(xí)的潛力，學(xué)習(xí)分析不僅能夠關(guān)注學(xué)習(xí)者特征，還能收集與分析學(xué)習(xí)過(guò)程數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘?qū)⒂兄诶斫馊耸窃鯓訉W(xué)習(xí)的，從而實(shí)現(xiàn)對(duì)學(xué)習(xí)的適應(yīng)性設(shè)計(jì)。當(dāng)前學(xué)習(xí)分析已經(jīng)開始關(guān)注學(xué)習(xí)者之間、學(xué)習(xí)群體以及人機(jī)交互（吳永和， 等， 2020）。此外，眼動(dòng)技術(shù)、情感計(jì)算等多模態(tài)數(shù)據(jù)分析也助力學(xué)習(xí)分析的發(fā)展?；趨f(xié)商的學(xué)伴推薦自適應(yīng)系統(tǒng)引進(jìn)學(xué)習(xí)分析技術(shù)，通過(guò)挖掘?qū)W習(xí)者學(xué)習(xí)日志，采用眼動(dòng)跟蹤、面部表情識(shí)別以及情景感知與推理技術(shù)獲取情感與環(huán)境數(shù)據(jù)，實(shí)時(shí)捕捉與分析學(xué)習(xí)者的行為模式，實(shí)現(xiàn)對(duì)學(xué)習(xí)者多維特征的動(dòng)態(tài)提取。通過(guò)對(duì)學(xué)習(xí)者特征參數(shù)和學(xué)習(xí)行為數(shù)據(jù)的統(tǒng)籌分析，同時(shí)兼顧情感等非認(rèn)知性因素，能夠降低參數(shù)選擇不同帶來(lái)的效果差異性，更加契合學(xué)習(xí)者個(gè)性化需求。所以，自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展行動(dòng)路徑之一，就是要在適應(yīng)來(lái)源上緊密結(jié)合學(xué)習(xí)分析技術(shù)，避開以往個(gè)性特征選擇上的分歧，動(dòng)態(tài)收集并分析多維的學(xué)習(xí)行為數(shù)據(jù)，精準(zhǔn)自適應(yīng)學(xué)習(xí)的起點(diǎn)和過(guò)程。

（二）適應(yīng)的對(duì)象：推進(jìn)技術(shù)研發(fā)整合，提供更智能更適合的學(xué)習(xí)支持

適應(yīng)的對(duì)象，是自適應(yīng)學(xué)習(xí)系統(tǒng)所能夠適應(yīng)的內(nèi)容、內(nèi)容呈現(xiàn)形式和學(xué)習(xí)支持等。自適應(yīng)學(xué)習(xí)系統(tǒng)目前多數(shù)是推薦學(xué)習(xí)的資源、策略、路徑等，還幾乎未曾涉及推薦學(xué)伴。自適應(yīng)學(xué)習(xí)若要在社會(huì)性層面有所發(fā)展，必須跳出自適應(yīng)對(duì)象的局限，設(shè)計(jì)出更多交互式人機(jī)操作和以技術(shù)為中介的同伴協(xié)作形式，提供更多融合社交情感、人文關(guān)懷的學(xué)習(xí)支持?！盎趨f(xié)商的學(xué)伴推薦”自適應(yīng)系統(tǒng)的設(shè)計(jì)，希望能夠打破各類自適應(yīng)平臺(tái)各自為營(yíng)、各具特色、基于利益與產(chǎn)權(quán)的保護(hù)而競(jìng)爭(zhēng)的局面，朝著構(gòu)建一體化、系統(tǒng)性貫通“人+技術(shù)+教育”全過(guò)程的系統(tǒng)方向努力。此外，系統(tǒng)采用人工智能領(lǐng)域的自然語(yǔ)言處理實(shí)現(xiàn)對(duì)話協(xié)作，借助深度學(xué)習(xí)、情感計(jì)算以及大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘、多模態(tài)分析、腦科學(xué)等技術(shù)，能夠設(shè)計(jì)出更優(yōu)化、更智能、更適合個(gè)性需求的學(xué)習(xí)支持服務(wù)。“基于協(xié)商的學(xué)伴推薦”自適應(yīng)系統(tǒng)，是對(duì)自適應(yīng)學(xué)習(xí)系統(tǒng)的升級(jí)，將適應(yīng)性推薦擴(kuò)展到“人”（虛擬機(jī)器人與真實(shí)自然人），主要適應(yīng)的對(duì)象是“學(xué)伴”。從技術(shù)研發(fā)和整合角度考慮，在實(shí)踐行動(dòng)上有三點(diǎn)努力方向：首先是打破壁壘，整合現(xiàn)有資源，提供一體化服務(wù)，這是互相認(rèn)識(shí)自身不足、相互取長(zhǎng)補(bǔ)短、走向互惠共生的發(fā)展過(guò)程。比如，在學(xué)伴推薦框架中學(xué)伴庫(kù)的建立可將專業(yè)的學(xué)校教師與優(yōu)秀的輔導(dǎo)機(jī)構(gòu)名師聯(lián)系起來(lái)，將正規(guī)教育的權(quán)威教學(xué)與機(jī)構(gòu)教育的個(gè)性輔導(dǎo)強(qiáng)強(qiáng)聯(lián)合起來(lái)，以及為表現(xiàn)較好與需要幫助的學(xué)習(xí)者之間建立學(xué)習(xí)交流的橋梁實(shí)現(xiàn)朋輩互助。其次是推進(jìn)新技術(shù)的融合應(yīng)用，豐富系統(tǒng)功能。比如，將新興的教育機(jī)器人技術(shù)嵌入自適應(yīng)學(xué)習(xí)系統(tǒng)之中，配合自然語(yǔ)言處理技術(shù)、語(yǔ)音識(shí)別技術(shù)和情感計(jì)算等，使人機(jī)會(huì)話交互更加自然，非認(rèn)知性學(xué)習(xí)數(shù)據(jù)捕獲更加及時(shí)，從而擴(kuò)展機(jī)器人學(xué)習(xí)伴侶的教育應(yīng)用。最后是設(shè)計(jì)智能、適合的協(xié)作活動(dòng)，發(fā)揮社會(huì)性價(jià)值?；顒?dòng)是協(xié)作學(xué)習(xí)的載體，本研究提出的學(xué)伴空間雖然為協(xié)作提供了多種方式或途徑，但需要嵌入靈活的協(xié)作活動(dòng)設(shè)計(jì)，如游戲化學(xué)習(xí)活動(dòng)或利用VR、AR技術(shù)設(shè)計(jì)沉浸式學(xué)習(xí)活動(dòng)，以協(xié)作活動(dòng)提升社會(huì)互動(dòng)，增強(qiáng)學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)。

（三）適應(yīng)的時(shí)間：優(yōu)化系統(tǒng)用戶建模，抓住實(shí)施個(gè)性化干預(yù)的好時(shí)機(jī)

適應(yīng)的時(shí)間，指的是自適應(yīng)發(fā)生的時(shí)間或者情境，通常是由系統(tǒng)用戶建模所決定的，模型包含的相關(guān)信息越多，系統(tǒng)的適應(yīng)性就越好，采取的干預(yù)就越個(gè)性化。一般的自適應(yīng)系統(tǒng)用戶建模在學(xué)習(xí)者進(jìn)入自適應(yīng)學(xué)習(xí)環(huán)境之前屬于靜態(tài)建模，在第一次測(cè)量學(xué)習(xí)者特征之后系統(tǒng)進(jìn)行首次調(diào)整，隨后基于學(xué)習(xí)者交互參數(shù)持續(xù)進(jìn)行建模和調(diào)整，即動(dòng)態(tài)建模。但目前系統(tǒng)建模的知識(shí)存在局限性，很多自適應(yīng)工具都可以視為一種基于知識(shí)的系統(tǒng)，都認(rèn)為知識(shí)是以陳述性和程序性兩種方式存在，然后基于學(xué)習(xí)者的知識(shí)水平和個(gè)性特征進(jìn)行建模和學(xué)習(xí)推薦。本研究提出的“基于協(xié)商的學(xué)伴推薦”自適應(yīng)系統(tǒng)設(shè)計(jì)，從理念上兼顧了學(xué)習(xí)環(huán)境、學(xué)習(xí)者情緒等多種非認(rèn)知性因素，打破了傳統(tǒng)的用戶建模的局限。在基于協(xié)商的學(xué)伴推薦流程中，系統(tǒng)不僅會(huì)對(duì)學(xué)習(xí)者的個(gè)性特征和學(xué)習(xí)行為進(jìn)行特征提取，還會(huì)對(duì)學(xué)習(xí)情境進(jìn)行感知與推理。而且，系統(tǒng)在學(xué)習(xí)者動(dòng)態(tài)特征提取中還會(huì)識(shí)別學(xué)習(xí)者情緒上的需求以及利用深度學(xué)習(xí)、知識(shí)跟蹤等算法對(duì)學(xué)習(xí)者進(jìn)行全面畫像。借助新的算法和技術(shù)優(yōu)化系統(tǒng)用戶建模尤為必要。在Vandewaetere 和Clarebout（2014）的研究中就指出運(yùn)用AI和機(jī)器學(xué)習(xí)來(lái)創(chuàng)建動(dòng)態(tài)學(xué)習(xí)者模型，利用軟計(jì)算（Soft computing）技術(shù)，如模糊邏輯（Fuzzy logic），捕獲特定的學(xué)習(xí)者行為，預(yù)測(cè)學(xué)習(xí)者的反應(yīng)來(lái)提供自適應(yīng)學(xué)習(xí)路徑?，F(xiàn)在面部表情識(shí)別、情感計(jì)算及眼動(dòng)技術(shù)已經(jīng)運(yùn)用于生活中，與自適應(yīng)系統(tǒng)的融合將能幫助識(shí)別更多非認(rèn)知因素，開發(fā)出更具適應(yīng)性和智能化的學(xué)習(xí)環(huán)境，抓住精準(zhǔn)施策時(shí)機(jī)，實(shí)現(xiàn)個(gè)性化教與學(xué)。所以，自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展行動(dòng)路徑在適應(yīng)時(shí)間上，應(yīng)融合新的技術(shù)優(yōu)化系統(tǒng)用戶建模，將更多的社會(huì)性、非認(rèn)知因素考慮在內(nèi)，采集并分析相關(guān)數(shù)據(jù)，幫助系統(tǒng)或教學(xué)者抓住實(shí)施個(gè)性化干預(yù)的好時(shí)機(jī)。

（四）適應(yīng)的方法：注重人機(jī)協(xié)同調(diào)節(jié)，回歸以人為本的適性學(xué)習(xí)設(shè)計(jì)

適應(yīng)的方法，主要是區(qū)別學(xué)習(xí)者控制的適應(yīng)、系統(tǒng)控制的適應(yīng)以及兩者的組合（共同控制）。未來(lái)的在線學(xué)習(xí)形態(tài)將是人機(jī)共同控制，進(jìn)一步凸顯個(gè)性化、自適應(yīng)的特征，在人與技術(shù)的雙向適應(yīng)過(guò)程中實(shí)現(xiàn)關(guān)系整合。“基于協(xié)商的學(xué)伴推薦”自適應(yīng)系統(tǒng)設(shè)計(jì)，就是要進(jìn)一步推進(jìn)人機(jī)交互向人際交互發(fā)展，回歸以人為本的適性學(xué)習(xí)設(shè)計(jì)。從學(xué)習(xí)設(shè)計(jì)的角度考慮，系統(tǒng)需要賦予學(xué)習(xí)者自我控制和選擇的權(quán)利，提升學(xué)習(xí)者自我診斷和自我調(diào)節(jié)的學(xué)習(xí)能力;要為專業(yè)教學(xué)者提供更多的與學(xué)習(xí)者交流的途徑與平臺(tái)，賦予他們自主權(quán)開展靈活教學(xué)的權(quán)利。因?yàn)閷W(xué)習(xí)者作為學(xué)習(xí)主體，自身具備一定的自主性，會(huì)根據(jù)自身需求、特征來(lái)選擇適合的學(xué)習(xí)資源，或者在自我調(diào)節(jié)認(rèn)知、情感和行為中適應(yīng)不同的學(xué)習(xí)環(huán)境，以成就學(xué)習(xí)和發(fā)展。但完全依賴學(xué)生的自身適應(yīng)性對(duì)于成功學(xué)習(xí)有很大挑戰(zhàn)，若輔助技術(shù)的自適應(yīng)，助力學(xué)習(xí)過(guò)程與目標(biāo)的優(yōu)化與調(diào)節(jié)，將事半功倍地實(shí)現(xiàn)人與技術(shù)的雙向適應(yīng)性整合。所以“基于協(xié)商的學(xué)伴推薦”自適應(yīng)系統(tǒng)，在理念上為切實(shí)推進(jìn)自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展，應(yīng)從兩方面來(lái)優(yōu)化人機(jī)協(xié)同的方式。其一在學(xué)習(xí)者使用層面，賦予學(xué)習(xí)者適當(dāng)程度的控制權(quán)，發(fā)展學(xué)習(xí)者的自我調(diào)節(jié)能力，運(yùn)用智能技術(shù)使機(jī)器快速適應(yīng)學(xué)習(xí)者的特征;在采用協(xié)商的方式來(lái)協(xié)調(diào)人與機(jī)器之間的認(rèn)知矛盾時(shí)，應(yīng)尊重學(xué)習(xí)者的主體地位，注重整合人與技術(shù)的關(guān)系，在人機(jī)協(xié)商過(guò)程中實(shí)現(xiàn)人與技術(shù)的關(guān)系平衡。其二在教學(xué)者使用層面，為教學(xué)者提供新的學(xué)習(xí)援助途徑，在更為智能的平臺(tái)上為真正有需要的學(xué)習(xí)者提供專業(yè)支持與指導(dǎo)，以學(xué)伴角色增進(jìn)與學(xué)習(xí)者的交流互動(dòng)、改善師生關(guān)系。同時(shí)，專業(yè)教學(xué)者還可以借助自適應(yīng)學(xué)習(xí)系統(tǒng)的分析診斷功能和學(xué)伴空間協(xié)作功能設(shè)計(jì)多樣化的學(xué)習(xí)活動(dòng)來(lái)實(shí)施個(gè)性化教學(xué)，而不是灌輸式講授。

四、結(jié)語(yǔ)

發(fā)展是一個(gè)立足當(dāng)下、放眼未來(lái)的創(chuàng)新過(guò)程，自適應(yīng)學(xué)習(xí)在新的技術(shù)浪潮之下必將進(jìn)一步發(fā)展，在優(yōu)化已有的功能和架構(gòu)基礎(chǔ)上向更加人性化的學(xué)習(xí)服務(wù)拓展。自適應(yīng)學(xué)習(xí)的教育應(yīng)用日益繁榮，人們更是將其視為大規(guī)模教育之中實(shí)現(xiàn)個(gè)性化學(xué)習(xí)的重要路徑。然而，在繁榮的表象之下，卻是對(duì)學(xué)習(xí)者社會(huì)性情感體驗(yàn)的忽視與缺失，致使自適應(yīng)學(xué)習(xí)始終無(wú)法突破社會(huì)性發(fā)展的瓶頸。值得欣慰的是，專注于此領(lǐng)域的研究者們已經(jīng)開始意識(shí)到，借助技術(shù)中介開展人際交互，尤其是整合技術(shù)與人的關(guān)系，對(duì)于拓展自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展十分重要。基于此，本研究提出了“基于協(xié)商的學(xué)伴推薦”自適應(yīng)框架并進(jìn)行了解讀，在自適應(yīng)學(xué)習(xí)四維視圖下提出了行動(dòng)路徑，以啟示未來(lái)自適應(yīng)學(xué)習(xí)的社會(huì)性發(fā)展路向。

教育的本質(zhì)始終是人的教育，而非冰冷的機(jī)器教育。所以，無(wú)論技術(shù)與教育怎樣融合，我們需要時(shí)刻尊重學(xué)習(xí)者的主體地位。為了彌合人類對(duì)技術(shù)的不必要的擔(dān)憂以及完善技術(shù)促進(jìn)人類發(fā)展的不足，我們需要探索更多的人與技術(shù)的關(guān)系整合切入點(diǎn)，讓技術(shù)服務(wù)人的發(fā)展，而不是替代或弱化人的自然、社會(huì)等本質(zhì)屬性。

[參考文獻(xiàn)]

梁茜，皇甫林曉. 2019. 國(guó)外自適應(yīng)學(xué)習(xí)技術(shù)的研究主題及趨勢(shì)——基于Web of Science文獻(xiàn)關(guān)鍵詞的可視化分析[J]. 中國(guó)遠(yuǎn)程教育（8）：47-58.

佩特·約翰內(nèi)斯，拉里·拉格斯多姆，張永勝，等. 2018. 自適應(yīng)學(xué)習(xí)：溯源、前景與誤區(qū)[J]. 中國(guó)遠(yuǎn)程教育（7）：43-53，80.

吳南中. 2016. 論在線學(xué)習(xí)范式的變遷：從自主學(xué)習(xí)到自適應(yīng)學(xué)習(xí)[J]. 現(xiàn)代遠(yuǎn)距離教育（2）：42-48.

吳永和，程歌星，劉博文，等. 2020. LAK十周年：引領(lǐng)與塑造領(lǐng)域之未來(lái)——2020學(xué)習(xí)分析與知識(shí)國(guó)際會(huì)議評(píng)述[J]. 遠(yuǎn)程教育雜志，38（4）：15-26.

趙學(xué)孔，徐曉東，龍世榮. 2015. B/S模式下自適應(yīng)學(xué)習(xí)系統(tǒng)個(gè)性化推薦服務(wù)研究[J]. 中國(guó)遠(yuǎn)程教育（10）：71-78，80.

趙學(xué)孔，徐曉東，龍世榮. 2017. 協(xié)同推薦：一種個(gè)性化學(xué)習(xí)路徑生成的新視角[J]. 中國(guó)遠(yuǎn)程教育（5）：24-34.

中國(guó)商業(yè)電訊. 2018-04-26. AI當(dāng)“書僮”“小木”機(jī)器人讓在線教育更智能[EB/OL]. [2020-09-06]. http：//www.prnews.cn/press_release/364349.htm

Azevedo， R.， Martin， S. A.， Taub， M.， Mudrick， N. V.， Millar， G. C.， & Grafsgaard， J. F. （2016， June）. Are pedagogical agents external regulation effective in fostering learning with intelligent tutoring systems？. In international conference on intelligent tutoring systems （pp. 197-207）. Springer， Cham.

Bobadilla， J.， Ortega， F.， & Hernando， A. （2012）. A collaborative filtering similarity measure based on singularities. Information Processing & Management， 48（2）， 204-217.

Bozkurt， A.， Kilgore， W.， & Crosslin， M. （2017）. Bot-teachers in hybrid massive open online courses （MOOCs）： A post-humanist experience. Australasian Journal of Educational Technology， 34（3）， 39-59.

Chou， C. Y.， Lai， K. R.， Chao， P. Y.， Lan， C. H.， & Chen， T. H. （2015）. Negotiation based adaptive learning sequences： Combining adaptivity and adaptability. Computers & Education， 88， 215-226.

Chou， C.， Lai， K. R.， Chao， P.， Tseng， S.， & Liao， T. （2018）. A negotiation-based adaptive learning system for regulating help-seeking behaviors. Computers in Education，126：115-128.

Corbalan， G. ， Kester， L. ， & Merrienboer， J. J. G. V. . （2009）. Combining shared control with variability over surface features： effects on transfer test performance and task involvement. Computers in Human Behavior， 25（2）， 290-298.

Dawson， S. （2006）. A Study of the Relationship between Student Communication Interaction and Sense of Community. The Internet and Higher Education， 9（3）， 153-162.

Fryer， L. K. ， Nakao， K. ， & Thompson， A. . （2019）. Chatbot learning partners： connecting learning experiences， interest and competence. Computers in Human Behavior， 93（APR.）， 279-289.

Pizzato， L. A.， Rej， T.， Akehurst， J.， Koprinska， I.， Yacef， K.， & Kay， J. （2013）. Recommending people to people： the nature of reciprocal recommenders with a case study in online dating. User Modeling and User-adapted Interaction， 23（5）， 447-488.

Potts， B. A.， Khosravi， H.， & Reidsema， C. （2018a）. Reciprocal Content Recommendation for Peer Learning Study Sessions. International Conference on Artificial Intelligence in Education， 462-475.

Potts， B. A.， Khosravi， H.， Reidsema， C.， Bakharia， A.， Belonogoff， M.， & Fleming， M. （2018b）. Reciprocal peer recommendation for learning purposes. learning analytics and knowledge. Proceedings of the 8th International Conference on Learning Analytics and Knowledge， 226-235.

Roll， I.， Wiese， E. S.， Long， Y.， Aleven， V.， & Koedinger， K. R. （2014）. Tutoring self-and co-regulation with intelligent tutoring systems to help students acquire better learning skills. Design recommendations for intelligent tutoring systems， 2， 169-182.

Tinto， V. （2003）. Learning better together： The impact of learning communities on student success. Higher Education monograph series， 1（8）， 1-8.

Vandewaetere， M. ， Desmet， P. ， & Clarebout， G. . （2011）. The contribution of learner characteristics in the development of computer-based adaptive learning environments. Computers in Human Behavior， 27（1）， 118-130.

Vandewaetere， M.， & Clarebout， G. （2014）. Advanced technologies for personalized learning， instruction， and performance. In Handbook of research on educational communications and technology （pp. 425-437）. Springer， New York， NY.

Wilcox， P.， Winn， S.， & Fyviegauld， M. （2005）. It was nothing to do with the university， it was just the people： the role of social support in the first‐year experience of higher education. Studies in Higher Education， 30（6）， 707-722.

Zhao， C. M.， & Kuh， G. D. （2004）. Adding Value： Learning Communities and Student Engagement. Research in Higher Education， 45（2）， 115-138.

收稿日期：2020-09-15

定稿日期：2021-01-04

作者簡(jiǎn)介：郝祥軍，博士研究生;顧小清，博士，教授，博士生導(dǎo)師，本文通訊作者。華東師范大學(xué)教育信息技術(shù)學(xué)系（200062）。

責(zé)任編輯 張志禎 劉 莉