AI自適應教育持續火爆，將改變線上教育格局。3月15日，英途邀請美國領頭羊Knewton前首席產品官、現合作與發展高級副總裁Jason Jordan 先生，分享“北美高等教育市場自適應學習現狀與未來”。

Jason Jordan在教育領域有著超過20年的豐富從業經歷，自2016年起在Knewton擔任高等教育市場的副總裁，2017年擔任首席產品官。加入Knewton之前，他曾擔任培生教育（Pearson Education）數字戰略、英語與數學的高級副總裁，藝術與科學、數字戰略與分銷的高級副總裁, 培生教育Allyn&Bacon/Longman的副總裁，美國出版商Addison Wesley出版經濟學、金融學、計算機科學副總裁，出版數學副總裁等。

他從北美高等教育市場自適應教育學生體驗，自適應教育領先公司的優勢比較，自適應學習的宏觀與微觀比較，自適應教育模式，和自適應學習的未來發展趨勢等5大方面，深入分享和探討了自適應學習的發展現狀和前景。以下為分享實錄，enjoy。

自適應教育領先公司的優勢比較

目前每年大約有1700萬學生通過高等教育考試進入北美高學就讀，在通識教育和公共課階段是自適應學習應用最多的階段。

預計未來大三或大四的學生們開始選專業時，甚至在研究生階段會更多使用自適應學習的工具和軟件。自適應教育剛剛起步但會向更高的階段蔓延。

北美8大自適應教育領先公司中，培生教育自2012年起就開始涉及自適應學習領域，最初與Knewton進行合作，后來也開發了自己的自適應學習平臺。

麥格勞-希爾與Area 9合作開展自適應學習業務，雖然不是最早開始的，但在自適應學習和市場營銷方面都做的很出色，是目前北美市場做的最知名的。

約翰威力在北美自適應學習領域排名第五。通過與印度初創企業Snapwiz進行合作，不僅在自適應學習，而且在自適應實踐和自適應作業領域做的比較領先。

自適應學習方面注重科技的5家公司包括：Knewton、Area 9、 Junctions、Cogbooks、Smart Sparrow。

Knewton不光服務于企業還服務于學生；Area 9與麥格勞-希爾有過合作后來自己運作；Junctions、Cogbooks、Smart Sparrow與北美不同的高校在自適應學習教育科技領域進行合作。

自適應學習的宏觀與微觀

微觀自適應學習主要聚焦需要解決的問題，比較細分；宏觀自適應學習根據學生的知識掌握程度來調整后面所接觸到的內容。

自適應測試是微觀層面的自適應學習體現，比如根據學生在答題時的情況，如果連續答錯幾題，后面的考題則會自動降低難度來匹配這個學生當前的水平。

宏觀層面上則更多是對學生進行概念型后，有針對性的推薦視頻、動畫、文本等學習內容來彌補學生知識的不足。

北美高等教育市場的領先公司在微觀和宏觀層面的工作都會做，會借助上述這些工具和能力來了解學生到底掌握了哪些知識以及哪些知識的漏洞需要鞏固，之后再推薦新的內容。

在了解學生知識掌握方面進行診斷性測驗非常重要，Area 9和Cogbooks在給學生推薦內容之前就進行20-30個問題的診斷型測試，而Knewton是在學生學習的全過程中都進行診斷型測試，比如說在開始之前會給學生出6個問題來考察學生當前掌握程度。

項目反應理論是上述提供自適應學習公司的基礎理論，根據學生做題的反應來判斷他的情況，對做錯的部分會了解更多并且也對答對的部分有所幫助。對做錯部分進行分析，找出知識的薄弱環節在哪里，原因出于哪個部分。

知識曲線圖是上述的自適應學習公司都需要掌握的關鍵能力，簡單來說就是不同學習內容的一張圖表，會列出不同學習的前置內容有哪些，比如在掌握一元二次方程前需要解鎖哪些能力。

通過項目反應理論和知識曲線圖結合可以更好地診斷學生的學習情況，上述自適應學習公司都會通過項目反應理論來推薦相關的學習內容來幫助學生強化相關的知識和技能。

同時，上述自適應學習公司也會在自適應內容，自適應測驗/小測驗，自適應作業/輔導材料方面突出自己的特色，建立自己的競爭比較優勢。

另一方面，Knewton只提供標準化測試，不提供自適應測試。但在自適應內容和自適應作業/輔導材料方面Knewton有自己的競爭比較優勢。

此外，Knewton在跨學科自適應方面也有自己獨特的優勢。比如學生的化學學不好是可能是因為忘記了一部分數學方面的知識，所以Knewton會給學生推薦相關的數學內容進行知識補習。

Cogbooks的獨特競爭優勢在于其自信區間，簡而言之就是學生在解決問題之前對掌握知識的信心進行打分，做完相關問題后再對難度進行打分。

自適應教育模式

自適應教育模式不光匯集了教師和學生，對出版商的出版決策也能起到一定程度的幫助作用。

Knewton會借助自適應引擎采集的數據來分析相關教學材料和教學內容的有效性。通過教學價值的標簽對教學內容進行不斷提升和改進。上述自適應學習公司都有自己的預測引擎，預測引擎的準確率決定了會有多大的學生群體在使用。

Knewton的自適應學習引擎預測率大約是87%。舉例來說，老師會以學生的期中和期末考試作為標準，預期有多大概率可以通過。實時數據會給自適應學習起到幫助，在Knewton的平臺上數據是每0.13秒就可以刷新一次，所以老師可以實時看到哪些學生在學這些知識時是否比較困難，如果需要額外的幫助再進行輔導。

在長時間的數據采集與畫像方面，大一的學生就能通過Knewton的平臺系統進行學習，其學習數據包括實習數據也會保存，數據可以體現出該學生的優勢在哪，可以進行長時間的數據累計和畫像。

傳統的教育測試可以體現出學生在學術方面的表現，但通過Knewton自適應學習平臺采集了大量的數據后可以評估該學生的21世紀技能和軟技能，比如批判性思維、團隊協作能力、溝通技巧等。

學生進入職場之后，雇主也希望了解這些情況，彌補學生在教育端和職場需求之間的差距，培養學生具備這些軟實力。

通過Knewton的平臺學習兩周之后，可以預測學生是否能通過測試。Knewton希望未來根據學生的軟技能來推薦相應的專業及職業發展選項，這是Kenwton可以利用其自適應數據創造的價值，能為整個教育的生態當中的不同參與者帶來好處，能匯集學生也能匯集教育機構及未來職場當中的雇主，提供長期價值的解決方案。

自適應學習的未來趨勢

Jason強調通過Knewton 人工智能技術所驅動的自適應學習，關鍵競爭優勢是能夠通過項目反應理論不斷優化和調整教學內容，這個工作目前還是通過專家來進行，根據平臺上采集的學生反饋數據找出規律來對教學材料進行調整，但以后會由AI引擎來自動完成。

知識曲線圖可以繪制出不同學科及不同內容之間的聯系，關于聯系也需要做相關的實驗進行驗證來證明是否存在或不存在一定的聯系，未來希望由人工智能來實時進行驗證。更快速地找出不同知識點之間的聯系，更快的摸索出整張知識曲線圖。

同時他也預計在北美高等教育市場，自適應學習更加個性化的趨勢有新的發展。自適應科技公司的數字產品比如Alexia，Siri等可以為大學所用，為學生更好的提供個性化學習的體驗。

自適應的工具在未來會成為一種軟件即服務的方式，就目前來看如果想獲得自適應學習體驗需要通過比如Kenwton, Area 9, Cogbooks等平臺，這會造成一定的局限性，但未來應該會像我們桌面上的任意一款軟件一樣方便使用。

Jason描繪了一個未來使用場景：學生們在用備忘錄，做圖表或解決問題時自適應學習的軟件即服務工具可以檢測到當前任務，并給出推薦，比如當前的教學內容對學生會有所幫助。

他預計5年之后北美地區的自適應學習可能成為一種普遍學習的方式，學生們會非常適應并享受到這種自適應學習服務。

由此可見，美國高校老師對個性化教學有著比較強的需求，而自適應教育公司也更愿意與高校進行合作，從學校中獲得學習數據。所以在未來，擁有豐富學習數據的自適應教育公司，才更有可能真正實現教育的個性化。