自适应学习(Adaptive Learning)强调不同学习者能力、背景、学习风格、学习目标的差异性，即使是同一个学习者，在学习的进行过程中其认知水平也在不断地变化。自适应学习强调提高学习者自主解决问题和获取知识的能力，不建议设置固定的学习目标和学习进度，提倡通过个性化的学习方法和内容对学生进行分类指导，从而有效地贯彻了因材施教的原则。自适应学习通过对学习者的学习需求进行精确定位，在学生学习和测验的过程中实时评估学生的学习状况、对知识点的熟悉程度以及对解题方法的掌握程度，结合因材施教的理念，创造具有个性化的学习内容。
“互联网＋”时代的自适应学习更加注重学习者学习风格、学习特点、学习需求、学习基础和学习行为的掌控，这些数据的挖掘来源于用户模型的细化和知识模型的构建。自适应学习要求全面地记录、跟踪、掌握和可视化学习者的不同，为不同的学生建立学习模型并为不同类型的学习者打造个性化的学习路径，并且通过学习者自觉在学习过程中总结发现自身的问题，最终形成自我认知并强化自主解决问题的能力。基于“互联网＋”的自适应学习必须从个性化学习的角度出发，融合机器学习、语义网络、数据挖掘、人机交互等技术，定位学习者的学习需求，实时推送合适的学习内容，计算出最佳学习路径。
自适应学习表达的是通过学习系统来自动调节学习内容，使之与学习者的水平能力达成动态匹配，自动调节知识的力度和难度，从而使之与学习者的水平能力动态匹配，进而使得学习效率得以提升。自适应学习首先需要建立用户模型，用户模型为每个学习者构建了具备学习背景、兴趣偏好、学习风格、知识水平等信息的用户本体，从而为实现学习内容自适应性调节提供基础；其次是建立知识模型，在知识模型中需要以语义的方式对知识概念进行定义与推理描述；然后利用数据挖掘等手段，提取用户模型与知识模型的关联规则，根据用户的需求与认知水平的定位进行适应性的内容呈现。(www.xing528.com)
图6-3 自适应学习建模与机制
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
