本月在Edtech，我们将探讨自适应学习平台（ALP）的世界。 美国研发公司Gartner预测，自适应学习平台的“受益等级”为“变革性”，这是任何新兴教育技术都能获得的最高收益等级。 据Gartner称，ALP将为整个教育行业提供新的经商方式，并将导致行业动态发生重大变化。
简要历史-智能辅导系统
现代适应性学习平台的发展可以追溯到第二次世界大战之后开发的智能辅导系统。 著名的密码破解者，数学家和计算机科学家艾伦·图灵（Alan Turing）概述了现在著名的“图灵测试”，这种假设是人类对两个主体提出相同的问题。 一个是人，另一个是计算机，并收到两个答案。 如果此人无法推断出哪个答案来自计算机，则说明计算机已通过了图灵测试。 在过去的五十年中，这种理论上的计算机开发方法有效地影响了智能辅导系统的发展，通过“程序化指令”交付了教育领域的早期实施，并且“计算机辅助教学”作为一个领域得到了广泛应用。计算机科学本身。
基本组件控制着适应性学习平台的开发，如果将其分解为四个基本阶段，它并不难掌握。 运作方式如下。
首先， 领域模型 。 可以认为它包含了培训对象能够识别的所有可能的正确答案。
其次， 学生模型通过计算机跟踪学生与课程的交互，将这些交互叠加在领域模型上，然后跟踪学生模型与领域模型之间的所有差异。 这些差异反映出学生仍需教授的知识和能力方面的差距。
第三，也是最有趣的是导师模型，该模型接收所获得的有关学生知识差距的信息，然后主动选择哪种辅导策略将最有效地弥合这些差距。 值得注意的是，每当学生能够成功纠正过去的错误时，自适应学习平台都会记录学习策略，成功程度以及是否应将其重新用于下一个学习成果。 这样，计算机开始创建学生的个人资料。 她知道什么，如何学习，在学习过程中什么有效，什么无效。
第四是用户界面模型 ，该组件集成了这三个不同的过程，因此它们可以最大程度地促进渐进式对话，使用从大型数据集中收集的计算机知识来发展与学生的有意义的交流。 将最后一个模型视为创建可能能够通过图灵著名测试的系统的神奇要素。 不仅拥有关于如何教学生的信息，而且还能够以有意义和清晰的方式传达该信息。
这样的模式可以提供的效率应该立即显而易见。 传统教室（由一群学生组成，所有学生都吸收同一个老师提供的相同课程）通常只能以学习速度最慢的速度进步。 那些处于领先地位的人被迫有效地拖延已经掌握的材料。 那些落后者有可能被完全抛在后面。 学习者与计算机之间的一对一互动有可能消除双重学习的浪费，同时消除了学生因没有资格要求的技能而辍学或毕业的风险。 确实是转型的。
现在和将来的应用
诸如Acrobatiq之类的公司已经开发了采用上述原则的系统，例如Learning Dashboard和Smart Author。 更多后续行动只是时间问题。 但是，在将该技术正确引入主流之前，仍有许多问题需要解答。
转变为真正的适应性学习计划并非易事。 开发课程内容和自适应编程既昂贵又复杂。 开发人员需要专注于编写复杂的算法，并彻底测试不同数据如何影响算法。 教育者需要找到扎实的，经过同行评审的学习理论，这些理论是所实施的任何自适应算法的基础。 目前，学者们对于适应性学习计划是否可以代替甚至补充某些学科的一对一人际交往存在分歧。 测试表明，适应性学习在教授数学或科学研究方面特别强大，但它是否会在英语或历史等人道主义学科中得到应用尚待观察。
用自适应学习程序可以捕获的新型数据来协调现代隐私法也将很困难。 企业界将对获取有关潜在客户的想法的数据感兴趣，并且在21世纪如何存储，传输和商品化信息方面存在严重的道德问题。 决策者将需要准确考虑可以收集哪些数据以及应销毁哪些数据。
除了这些小问题之外，现在有一条明确的路要走，以便将集成的自适应学习平台开发到现代教育环境中。 Gartner建议教育和技术提供者的首席信息官将适应性学习制度纳入所有以后的提案申请中。 这样可以为将来的项目提供更多潜在的投标人，并且在此过程中必须让教职人员和讲师参与。 通过增加学生的参与度和减少学生获得资格的时间，可以预测自适应学习将减少学生的辍学率。 预计后者将使学生的总体费用降低，从而反过来增加了整个社会的教育机会。
