当大模型落地教育场景，技术为学生提供自适应学习新路径

发布日期：2024-09-03 15:49:25  浏览次数：1461 来源：环球网

随着深度学习技术的不断进步和计算能力的显著增强，大模型成为人工智能领域的重要支柱，也在迅速的落地到不同的领域。在教育领域，个性化和创新能力的培养比以往任何时候都更为重要，而大模型技术和应用正推动着教育模式的深刻变革。这些技术通过提供个性化学习体验、智能辅导和精准评估，来因材施教，进而提升学生的自主学习能力，激发学生的创造力和探索精神。

近日，在华东师范大学，一场关于“科技赋能教育 探索大规模个性化学习”的研讨会，针对智能技术赋能大规模个性化进行深入讨论，并推广广泛的实践，即如何在大规模教学中应用科技手段赋能教育，实现个性化、精细化的学习体验，因材施教成为亟待解决的核心问题。

智适应学习：从小闭环到大闭环

近年来，随着科技的发展，教育模式也发生革命性变化，传统的一刀切模式不再适合。另外，新课标新教材的施行，使得学生全面的素养发展越来越受关注。

业界除了对静态知识点的掌握之外，通过各种技术手段更加全面地测量学生的学习模型、学习过程等，对数据进行建模并诊断当前所处学习阶段及背后影响因素，成为因材施教的基础。

华东师大教育学部教育信息技术学系主任、上海数字化教育装备工程技术研究中心主任顾小清长期以来持续关注人工智能等技术能力在教育领域的应用。她认为，自适应教育作为一种利用技术来促进学生个性化学习体验的样态，核心在于个性化学习路径规划、数据驱动决策、及时反馈支持以及学习内容个性化。

目前，随着AIGC等新兴技术的累积融合，自适应教育正在进化为更加智能化的“智适应学习”，进一步提高教育的质量和效率。

在顾小清看来，智适应学习一般有一大一小两个闭环，当前的智适应学习产品更多是小闭环，围绕某一学科的某一个知识点进行测量、诊断和干预。但在宏观教育变革下，越来越关注学生的素养发展，需要更关注大闭环——在课程结构层面实现对学习状态的测量、诊断和干预。

具体来看，智适应学习的研究涉及到三个方面的问题：一是有哪些关键指标和数据来衡量测量学生的素养和发展；二是需要技术来实现基于数据的测量、诊断和干预；三是需要模型跟学生的学习场景相结合，形成具体的可落地的产品。

学然后知不足，教然后知困

在《礼记·学记》中，有这样一句话“学然后知不足，教然后知困”，就强调了学习和教学的动态发展过程，这种理念至今仍然具有重要的现实意义。

正如顾小清所说，智适应学习实际上是通过对学习者的学习数据的测量、诊断和干预来实现的，需要持续积累学习者的行为和结果数据，通过对这部分数据进行建模，才能够获得对学习者的干预。

“首先，我们需要利用智能技术去获得对学生学习状态的测量。”顾小清指出，在这个阶段，AI技术则起到了很好的辅助作用。

为此，顾小清团队与作业帮硬件于2023年底启动“基于认知负荷的自适应学习机制研究”，在重庆人和街小学选择在一所小学不同班级使用带有自适应学习机制设计的作业帮学习机，展开为期16周的课题研究。

在这个过程中，自适应学习机制能够通过学习机的“诊断规划”功能比较精准地识别学生知识薄弱点，管理学生的认知负荷，通过给学生提供个性化的学情反馈制定学习路径和学习计划，推送适合当前水平的学习内容。

在学习内容方面，作业帮硬件教研团队基于分析新课标、新考纲等要求，围绕知识点，进行重新组织，以初中数学为例，将所有知识拆解成1600+个知识节点并实现100%匹配讲解视频。在精准学的场景下，每个视频时长5-10分钟，在学生有限的注意力集中时段提供更高效的学习方式。

研究结果显示，参与实验的学生在每天有限的时间内实现知识掌握度的大幅提升。其中，学习的进度相对较慢的学生在使用学习机后学习效果提升更明显，约有15.2%的提升幅度。

此外，无论是学习机使用时长的差异还是学习效果提升差异，均凸显了在自适应学习机制中的差异化教学、学习路径可以满足不同学习者的学习需求从而帮助其更快提升。随着学生对学习机熟悉程度加深，对学习机陌生感带来的外在认知负荷持续减少，而伴随交互数据的积累，学生对课程内容等相关负荷会持续增加，也就意味着知识掌握程度在持续提升。

大模型技术践行“因材施教”

值得关注的是，本次研究结合了认知负荷理论（CLT）等认知科学与心理学、智能技术，通过分析学习机脱敏交互行为数据，对教师、家长和学生进行问卷调查及访谈等方式，在学校、家庭场景中为学生营造更加个性化的学习支持与辅导，探索提升学生学习成效的同时，增加学习兴趣，减少学习中不必要的负担。

据悉，基于华东师大与作业帮硬件的联合课题研究，此次研讨会还发布了《基于认知负荷的自适应学习机制研究报告”》（以下简称为“报告”）。报告显示，以AI学习机为代表的自适应学习机制能够识别学生知识薄弱点并实现个性化精准学习，同时在课后辅导、作业设计方面具备一定优势，对学生的学习效果和自主学习能力培养有较为明显的提升。

根据报告，作业帮学习机进行系统升级并引入大模型后，可以更加动态地追踪学习数据，帮助学生提升其高阶思维，助力实现项目式学习和协作式的合作学习。

华东师大教信系博士后刘婧韡表示，此次系统的迭代，使学习机具备了更加个性化的反馈和学习路径，有助于深度培养学生的自主学习能力。

“理想的教育是因材施教，是让每个孩子的潜能都能够得到发挥和成长。”顾小清表示，对于智适应学习来说，我们都是试图以学习者为中心去追踪他，了解他，为他提供量身定制的学习工具、学习资源、学习服务。

作为本次研究实际落地的学校，重庆市人和街小学课程中心主任邓江华表示，此次课题研究让教师的课堂教学方式更加多元化，让数学学习更加有趣，激发了学生的数学学习兴趣。利用带自适应机制的学习机辅助学生巩固练习，不仅提升了学生的学习效率和自主学习能力，也推动了教师的差异化教学，真正做到了分层练习，减负提质。教师的角色也从教学工作者转向了学习设计体验者，可以基于学情数据及时给予针对性、个性化的指导，显著提升课堂效率。

在全球教育领域不断探索创新的今天，大模型这项突破性技术正以其独特的智能化优势，为传统教育模式带来变革。大模型的引入为智适应学习系统带来了更深层次的个性化和智能化，使得学习系统能够更好地适应每个学习者的独特需求和能力，从而实现真正意义上的个性化学习。