AI驱动的智适应学习系统设计何以有效——基于对近十五年来国际前沿研究成果的元分析.pdfVIP

XDIYISVol.35No.102025

AI驱动的智适应学习系统设计何以有效？*

基于对近十五年来国际前沿研究成果的元分析

马志强1,2张冰儿1,2[通讯作者]

JingNing3

（1.江南大学教育学院，江苏无锡214122；

2.江南大学“互联网+教育”研究基地，江苏无锡214122；

3．江南大学设计学院，江苏无锡214122）

摘要：智适应学习系统能够实时追踪学情状态、动态调整学习内容与活动路径并同步提供适应性反馈，为规模化教育

环境中的个性化学习实践提供了有力支撑。当前，由于新的AI技术与动态推送策略正加速迭代演进，有必要对智适

应学习系统关键技术路径与推送策略的有效性进行阶段性梳理和总结。基于此，文章以近十五年（2010～2024年）

来关于智适应学习系统的国际前沿研究成果为研究对象，采用元分析方法探索了智适应学习系统中技术框架、推荐策

略、研究情境对学习效果的影响，发现：智适应学习系统实现的关键在于构建学习内容与学习者画像关联的非线性模

型；相较于导航智适应，使用工具智适应和内容智适应的推荐策略能更精准地匹配学习者的需求；研究学段与研究学

科的有效适配是智适应学习系统设计和优化的重点。基于此结论，文章提出AI驱动的智适应学习系统的有效设计建

议，以期构建更为智能、精准且具有广泛适应性的新一代学习支持环境。

关键词：智适应学习；学习系统；人工智能；元分析

【中图分类号】G40-057【文献标识码】A【论文编号】1009—8097（2025）10—0099—09【D0I

当前，随着人工智能与教育加速融合，人智协同共育正成为推动教育范式革新的关键路径。在人智共

育路径中，“智”的早期表现形态是自适应学习系统。随着AI技术的发展，AI驱动的智适应学习系统突

破了传统自适应学习系统在诊断精度、反馈深度及服务广度上的局限，将教育的价值内核从以往的“数据

主义”转向“智能主义”[]，使大规模教育场景中的深度个性化成为可能[2]。然而，智适应学习系统对学习

效果有何影响，学术界尚未就此问题达成共识，如颜珊珊[3]在初中数学中运用人工智能技术支持的智适应

学习系统辅助教学，得出此系统能够显著提高学生成绩的结论；Dogan等[4]开发了一种基于概念图模型的

技术框架，认为使用该技术框架的学生在学习成绩上优于使用传统技术框架的学生一一然而，Chou等[5]发

现，上述框架在大学化学课程中对学生从简单到中等复杂程度概念的学习没有显著影响。究其原因，主要

在于研究者对技术框架与推荐策略的效用范围缺乏足够了解。因此，研究者需了解智适应学习系统中的哪

些技术框架与推荐策略能够显著影响学习效果，以及研究情境对上述效果的中介影响机制是什么，从而为

后续系统性实践提供路径指引。综上，本研究采用元分析方法，选取近十五年来关于智适应学习系统的国

际前沿研究成果进行分析，旨在对比智适应学习系统中技术框架、推荐策略和研究情境对学习效果的影响。

一编码框架的构建

智适应学习系统的技术框架决定了系统算法逻辑如何根据输入的学习者的行为和指令编排教学内容

与活动，而推荐策略决定了系统推荐的学习内容、工具或活动路径组合方式。此外，教育研究的场景与对

象作为中介要素，也可能会影响系统的实际使用效果。结合研究目标，本研究构建的编码框架主要关注智

适应学习系统的技术框架、推荐策略和研究情境三个部分。

99

Vol.35No.102025XDIYIS

1技术框架

智适应学习系统的技术框架体现了系统在分析学习者特征、预测学习表现等方面的逻辑与规则，是智

适应学习技术的重要内核。根据技术实现方式的不同，智适应学习系统的技术框架可以分为三类：

①基于规则的系统，其依赖于预定义的规则与逻辑来调整学习内容和路径。这些规则通常由教育专家

设计，系统根据学习者的表现触发相应的规则。Brusilovsky[6]指出，基于规则的系统通过条件规则和触发机

制实现个性化学习。VanLehn[7]认为这类系统通过模拟教师的行为，能够有效提供个性化指导。

②基于模型的系统，其使用形式化的计算模型来预测学习者的学习