什么是自适应学习？
基于我们的研究, 我们将自适应学习工具定义为, 自动为学生提供个性化支持, 实时响应学生的行为的教育技术。
自适应学习工具的内容
包括内容自适应，评估自适应，以及序列自适应。
内容自适应（Adaptive Content）
自适应内容能够通过有针对性的反馈、提示、额外的学习资源和脚手架支持来响应学生。
反馈和提示
某些工具可以提供与学生的特定误解相一致的纠正反馈, 以便纠正误解 (例如 fulcrum 实验室)。另一些人根据学生以前的回答 (例如 masparksping、smartbook) 就如何回答问题提供建议或提示。
其他学习资源
除了提供特定的反馈和提示, 一些工具还提供额外的学习资源--如视频或文本--学生可以立即使用这些资源来复习技能 (如掌握、学习博客)。此外, 一些工具提供了深入、逐步的补习教学, 学生可以根据需要获得这些教学 (例如 knowre), 而另一些工具则允许学生从活动中联系导师, 要求额外的辅导 (例如, 通过数学思考, mylab)。
内容脚手架或分支
自适应内容最复杂的特征是脚手架或分支。这个功能最类似于老师和个别学生一起学习单一的技能或概念, 而在练习的时候, 通过将练习分解成几个部分来构建练习, 直到学生能够把零件重新放在一起, 并展示原来的技能。
评估自适应（Adaptive Assessment）
理解适应性评估的关键是要记住, 这些工具会根据学生对前一个问题的回答, 改变学生看到的问题。当学生准确地回答问题时, 问题的难度会增加。如果学生挣扎, 问题就会变得更容易。
有两种方法可以使用适应性评估: 作为练习引擎;或作为监测学生进步的基准评估。
练习引擎
用作练习引擎的自适应评估包括不同难度级别的问题池，这些问题与学生刚刚审阅的内容一致。 这些评估通常在课程结束后进行，学生回答问题以证明掌握技能。例如，一个工具可能有一组内容供学生学习，然后是一个自适应练习引擎来证明他或她学到了什么。
学生继续解决练习引擎中的问题，直到他或她正确回答了足够的难题。 一旦学生达到掌握目标，他或她就会继续学习序列中的下一个技能（例如Fulcrum Labs，LearnSmart）。
基准评估
作为基准工具的适应性评估通常是一种更长、更正式的测试, 每隔几个月进行一次, 以衡量学生的学习程度。这些评估通常是作为独立测试进行的。
例如, 学生可能每三四个月进行一次在线适应性评估, 以衡量他们学到的东西。结果通常通过数据仪表板和报告 (例如 i-jedy 诊断、lexia 快速、nwea) 进行传达。此外, 一些工具分析结果, 并为每个学生创建学习路径, 直到教育工作者管理下一次适应性评估 (例如, i-ready 诊断)。
由于其中一些评估被用来衡量学术进步, 因此采取了额外的步骤, 以确保它们是高质量的测试。数学模型用于分析大一组学生在不同部分的考试表现, 以确保项目的可靠性和有效性。
次序自适应（Adaptive Sequence）
次序自适应是连续收集实时性能数据并使用这些数据自动更改学生学习体验的能力。
我们发现, 具有次序自适应的工具参与了一个三步过程。首先, 该工具收集数据；然后, 对数据进行分析；最后，该工具调整学生接下来会收到的内容。
搜集
更改序列过程的第一步是收集数据。
收集的数据有三个关键特征：数据类型，难度级别和项目粒度，以及学习者的历史记录。
分析
收集此类信息后，该工具会对其进行分析，以确定学生知道和不知道的技能。 工具通过分析性能，为每个学生选择适当的技能，以及选择最适合他们的特定内容来完成此任务。
调整
在该工具收集和分析信息后, 它将调整内容的传递方式以及为学生提供的内容数量。大多数工具都会自动执行此操作, 并为学生提供新的所需作业或新的可选支持资源。
