谈到教育，“因材施教”或许最能体现大众对理想教育的描述。近年来，随着大数据、人工智能技术的进步和逐渐成熟，自适应学习在教育领域应用的呼声也越来越高。在技术的加持下，真正的“因材施教”不再是憧憬。

　　自适应学习是什么?

　　维基百科中对自适应学习(Adaptive learning)这样描述：这是一种教育方法，通过计算机算法与学习者进行智能交互，并且为每个学习者的独特需求，提供定制化的学习内容和学习活动。其中，按照学习者对问题、任务和体验的反馈，计算机按照他们的学习需求，推荐学习资料。这一过程中涉及到多种学科和技术，包括计算机科学、人工智能、心理测验学、教育、心理学和大脑科学。

　　早在 20 世界 70 年代，自适应学习开始在业内流行。当时，业内达成的共识是，计算机实现的自适应学习最终会达到人脑的学习能力。不过，由于计算机体积庞大，成本高，以及早期的智能系统的实用性低，对整个学习过程没有起到有效的作用，自适应学习并没与得到广泛应用。

　　如今，提起自适应学习，Knewton 无疑是排在前几位的明星公司。国内着手自适应学习的公司陆续出现，该领域也获得了较高的资本关注。

　　自适应学习获得高关注度并不是没有道理的。在国内应试教育的大环境下，学生考高分是明确的目标。自适应学习能帮每个学生找到知识弱点，实现因材施教，达到提分的目标。显然，国内的 K12 教育是一个巨大的市场。另外，优秀教师资源稀缺，一直是教育行业资源分配不均的难题，自适应学习让机器模拟老师，使更多学生享受优质的教育成为可能。

　　论答怎么做自适应学习

　　现阶段，国内有不少涉足自适应学习的公司，论答具有一定的代表性。该公司以大数据为切入点，自研了以算法为核心的学习引擎，并基于引擎开发了完整的人工智能学习系统，将自适应学习用于实实在在的教学中。

　　从论答人工智能学习系统中，可一窥自适应学习到底是如何进行的。论答人工智能学习系统包括智能测评、智能学习和智能课堂。

　　智能测评

　　论答团队针对国内中小学课程体系，开发了以国际顶尖算法技术为核心的人工智能学习引擎。基于该引擎，智能测评可从百亿级知识状态中，迅速精准定位每一位学生的薄弱知识点，并生成直观的测评报告。

　　值得一提的是，论答采用的算法是快速、精准定位学生薄弱知识点的关键。基于算法，地智能测评在平均 2.5 个小时(50个题目)，可以定位所有初中 181 个知识点的掌握情况，精准度 90% 以上。如果不用算法，采用传统的测评方式，则至少需要 27 个小时(150个题)。不管是知识点的针对性，还是测试效果，这比传统的考试要好得多。

　　智能学习

　　了解知识薄弱点后，进入智能学习，算法会实时检测每一位学生的当前知识状态，并对比系统中海量学习数据，为每一位学生智能推荐和优化学习路径，实现循序渐进的高效学习提分。

　　一般来说，对于同一个知识点，可能出现多个学生没有掌握的情况，但学生自身的学习情况有差异。因为各个知识点具有关联性，有的学生可能只是单一的知识点没掌握，有的则是因为其他基础知识没掌握，导致学的越多，掌握的知识点越少。

　　针对这种情况，智能学习会为每个学生规划相应的学习路径。根据每个学生的当前能力，匹配专项练习，攻克知识薄弱点。

　　智能课堂

　　尽管自适应学习能提升了学习效率和效果，但论答没有放弃老师。在论答创始人兼 CEO 王枫博士看来，如果仅仅就学习知识来说，老师比不过机器，但是学生和老师还需要有情感交流，知识的讲解也需要由老师完成。在智能课堂部分，论答人工智能学习系统加入了学习任务智能匹配、在线直播平台、专属课程内容和学习数据分析系统等模块。

　　更重要的是，从开始的测评，到学习路径规划，再到智能课堂，学生在整个学习中的点滴以数据的形式被系统保存。即便之后遇到不同的老师，通过数据，新老师也能快速掌握学生的学习情况和特点。

　　论答人工智能学习系统一方面能够实现个性化教学，“因材施教”，另一方面希望解决优秀老师的供给问题，让更多的学生有机会接受到优质教育。

　　在线教育行业人士胡天硕在文章中，用无人驾驶技术的等级来类比自适应学习：

　　Level 0 无自动化——由真人老师做自适应

　　Level 1 基于简单规则——通过决策树来推送课程

　　Level 2 基于难度等级——根据学生水平动态调整难易度

　　Level 3 基于知识图谱——推测学生知识图谱掌握情况

　　Level 4 基于自动推理——自动批改带有多步骤的大题

　　目前论答身处 Level 3 的阶段，已经看到“因材施教”的效果，未来 Level 4 的自适应学习确实值得期待。

    新财网对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。读者应详细了解所有相关投资风险，并请自行承担全部责任。本文内容版权归新财网投稿作者所有