A 个性化学习诊断
B 学习路径图规划
C 个性化学习推荐
D 游戏化学习项目
个性化学习诊断
现在教育领域已经不是你给什么，我就学什么的阶段了。
正因为如此，个性化学习诊断、学习路径规划、个性化学习推荐这些项目才如火如荼的发展着。
学习诊断是啥呢？其实跟医生诊断病人的病情差不多，简单来说，就是确定学习者对知识和技能的掌握情况及薄弱环节，为后续的学习补救、干预或个性化提供依据。
学习诊断的一般流程是：
第一步：梳理知识内容，建构知识体系；
第二步：围绕知识点设计诊断性题目，或者结合实际需求编制诊断性测验；
第三步：实施测验，分析作答结果，得出诊断报告。
这跟我们在培训前做训前调研的流程比较类似，当然训前调研的方式更为丰富，除了测验之外还有问卷式调研、访谈式调研、测评式调研、工作坊式的调研。
听说还有“饭局式调研”、“诱惑式调研”，总之各种调研应有尽有，供君选择。
当前关于适应性学习系统的开发和商业化应用已经成为热点。
Knewton是一家美国公司开发的在线自适应学习系统，它能够通过在线诊断服务分析出每个学习者的优缺点，然后提供个性化的课程安排。
它可以细分每个知识点，对你进行单独的个性化分析，让你可以得到独一无二的学习帮助和学习资料，相当于量身定制啊，有没有？
自从亚利桑那州立大学开始使用由Knewton提供的个性化学习体验课程之后，学生的退课率从13%降至6%，通过率由66%升至75%。
Knewton在08年成立的时候，第一年就获得了250万美元的投资，至今已经获得了1亿美元的融资，资本的眼睛是雪亮的。
另外一个个性化学习诊断系统是Dreambox Learning，它主要面向K12基础教育提供教学教育服务。
Dreambox Learning能够通过精心设计的诊断任务来判别学习者对不同教学知识点的掌握情况，并以此为依据进行个性化资源推送。
就比如抖音或快手，会根据你喜欢刷的节目给你推送相似的短视频来赢得你的芳心一样。
学习路径规划
了解了个性化学习诊断，再来了解学习路径规划，就更容易了。
现在，在线学习的课程非常丰富，琳琅满目、应有尽有，很多人一登录在线学习平台，就不由自主的患了“选择恐惧症”。
而学习路径规划，能够为你推荐符合你自身能力的学习材料，让你在学习路上循序渐进。
它能为你规划符合你认知水平和风格的学习路径，给你提供明晰的学习路线，避免学习迷航，提高学习效率，分分钟治好你的“选择恐惧症”。
像不像是一个专门为你定制的学习指南针？
刚才我们提到过的Knewton，它的学习路径规划就采用了知识图谱、持续自适应、融合记忆曲线等技术来实现个性化学习，还会为每一个学习者建立终身学习档案。
Knewton可以根据学习者在知识图谱中已经掌握的知识和学习者的学习方式来自动生成学习路径。
知识图谱也是现在教育学领域研究的一个热点方向。对了，知识图谱是啥呢？来来来，我们来看图说话。
如果你看过网络综艺《奇葩说》第五季第17期：你是否支持全人类一秒知识共享，你也许会对辩手陈铭的辩论印象深刻。他在节目中区分了信息和知识两个概念：
信息是指外部的客观事实。举例：这里有一瓶水，它现在是7°。
知识是对外部客观规律的归纳和总结。举例：水在零度的时候会结冰。
有了这样的参考，我们就很容易理解，在信息的基础上，建立实体之间的联系，就能形成“知识”。
知识图谱，本质上，是一种揭示实体之间关系的语义网络。
What？这样说太抽象了有没有？
咱们通俗点来说，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，因此知识图谱提供了从“关系”的角度去分析问题的能力。
Facebook 于 2013 年推出了 Graph Search 产品，其核心技术就是通过知识图谱将人、地点、事情等联系在一起，并以直观的方式支持精确的自然语言查询。
比如你输入的查询是：“我朋友喜欢的餐厅”“住在纽约并且喜欢篮球和中国电影的朋友”等，知识图谱会帮助用户在庞大的社交网络中找到与自己最具相关性的人、照片、地点和兴趣等。
好了，对于知识图谱的科普先暂告一段落。咱们继续来说学习路径规划。
Knewton融合了人类记忆曲线，具有自适应机制，能够捕捉学习者学习知识的起伏变化，然后依此判断给学习者提供资料的时间和方式。
没错，它能自主决定你下一步应该学什么。
比如你和隔壁老王同时学习一门课程，但是由于你们俩的学习风格不同、知识储备不同，所以系统给你们规划的学习路径也不同。
因此当你们同时在自己的电脑上打开Knewton的时候，呈现在你们眼前的学习内容可能是完全不一样的。
学习路径规划
接下来就涉及到个性化学习推荐了。
通过个性化学习推荐，能减少你查找学习资料的时间，发现你潜在的学习兴趣，从而为你提供个性化的推送服务。
比如你学习一个知识点，学得口干舌燥眼冒金星，觉得快要学疯的时候，Knewton就会从你的学习进度或者阶段测试中提取到你的情绪信息，然后特别善解人意的给你提供一些额外资料供你参考，降低你的学习难度或者提升你的学习兴趣.
像不像是一个低配版的哆啦A梦呀？
美国犹他州立大学就采用了学习过滤技术来实现学习资源的精准匹配，它的个性化学习推荐系统会自动搜集学校里面各种学习者使用学习资源的记录。
假设，你是新一批入学的，系统通过建模发现，你和之前的某位学生Z在认知水平、学习兴趣、学习风格上属于同一种类型，它就会把Z之前的学习资源，在合适的场景下直接推送给你。
它认为，你们俩既然那么惊人的相似，那么适合他的学习资源应该也适合你。
喜当接盘侠的感觉有没有？
当然也有更加科学的推荐方式，比如Degree Compass，是由美国奥斯汀皮耶州立大学开发的系统，主要功能是推荐学生选择课程。
它可以利用你的入学数据和成绩记录，通过预测分析技术，预测出你可能在哪些课程中取得好成绩，然后对课程进行排序，最后为你推荐特定的课程组合。
这套系统会综合考虑课程与学生专业的匹配度，课程在整个大学课程系统中的重要程度、课程对学生毕业的影响程度等诸多因素。考虑相当的全面啊！
有些系统会利用学习分析技术，追踪学习者的学习轨迹，对学习者的学业表现进行预测。
如果系统显示学习者的学习状态不佳，系统会发送自动提醒以督促学习者；如果结果显示学习者已经严重偏离轨道，系统会通知老师来对学习者进行人工干预。
也许你会有疑问，这个学习分析技术是依据哪些数据，对学习者的表现做出预测的呢？
举例来说，Course Signal系统的数据来源于学习者的个人信息系统、课程管理系统、以及每个节点测验的分数，通过一个算法来判断学习者当前的学习表现。
它会根据学习者在这门课的当前成绩、学习时长以及学习者过去的学业表现，来判断学习者的风险级别。
Course Signal把学习者的学业表现分为三种状态：低风险（正常）、中度风险和高度风险，在系统中能可视化显示，分别用绿色、黄色和红色来表示。
这不就是红绿灯吗？
美国普渡大学引入Course Signal之后，发现学生的成绩有普遍而明显的提高。估计是因为教师在“风险期”及时进行了干预和帮助的原因。
总之，学习分析技术是采集与学习活动相关的学习者数据，并运用多种方法和工具全方面解读数据的技术。
它能够记录、分析你的学习环境和学习轨迹，进而发现你的学习规律，预测你的学习结果，为你提供相应的学习策略，促进有效学习。
当然，学习分析技术不仅仅包括我们刚刚提到的个性化学习诊断、学习路径规划、个性化学习推荐，随着大数据和个性化学习需求的发展，学习分析技术会越来越丰富和智能。
未来，学习分析技术在教育领域会有很广泛的运用，感兴趣的朋友现在就可以开始布局了。
联系客服
