美国教育巨头McGraw Hill的适应性学习系统ALEKS

ALEKS是一款基于网络的人工智能评估和学习系统，被称为有史以来最有效的学习系统。知识空间的评估和学习（Assessment and Learning in Knowledge Spaces）是ALEKS的全称。ALEKS基于知识空间理论，通过适应性提问，快速准确的定位学生所掌握的知识和没有掌握的知识。之后ALEKS选择该学生最应该学习的知识点进行教学。而学生在学习的过程中ALEKS不断地重新评估学生所学，巩固所学，保证学生不会忘记学习过的内容。ALEKS的课程覆盖面很广，并且在评估中避免多项选择题。另外，ALEKS还提供一对一线上家教。

ALEKS是怎么做到适应性学习的？

ALEKS基于“知识空间理论”，该理论由纽约大学和加州大学欧文分校的数学家和认知学家们创建。ALEKS与其他学习系统最大的不同就是其核心的人工智能具有个性化和连续性两大特征，能够评估每一个学生的知识状态。

我们举个简单的例子来介绍ALEKS的科学原理。如果9年级的Sam运用ALEKS来学习基础代数，ALEKS是怎么操作的呢？

首先，ALEKS要评估Sam在初级代数这一学科的“知识状态”，也就是已经学会的知识点。

我们假设初级代数只有五个知识点（分别是(A)四则运算、(B)分数、(C)因式分解、(D)一次方程、(E)不等式），那么对于某个学生来说就会有32种可能的知识状态。再去除一些不可能的情况，假设这五个知识点，对某一个学生来说就有13种可能的知识状态。

而ALEKS创建的知识空间，就是建立这些不同知识状态之间的通路。换句话说在某种知识状态，最适合学得下一个知识点是什么，以通往下一个知识状态。

如上图，Sam在知识状态ABC，最适合他学习的通路就是D或者E这两个新知识，让他通往下一个知识状态ABCD或ABCE；而如果Sam在知识状态ABD，最适合他学习的通路就是C，也就是他需要巩固旧知识C。

当然这只是一个简化的知识空间，我们知道就基础代数来说，就有上百个知识点。对于ALEKS的某个学科，都是上万亿个知识点所形成的知识空间。 而ALEKS可以准确定位每个学生所处的知识状态。

基于此，ALEKS给学生提供的学习内容是最适合这个学生当下学习的，不会因为内容太难而让学生感到学不会的挫败，也不会因为内容重复过于简单而让学生感到不用学的无聊。

本次Connecting the World美国之行，我们走进McGraw Hill 与ALEKS的创建者们聊聊适应性学习。

文章来源：芥末堆 - 小帆