2024年1月3日，麦可思《中国-世界高等教育趋势报告（2023）》正式发布。报告聚焦近年来中国高等教育呈现出的重大变化趋势，以及全球大学的办学实践。从真实的数据、实例出发，归纳趋势，展现案例，总结经验，旨在为中国高校带来启示，迎接即将到来的全新挑战。以下全文摘自《中国-世界高等教育趋势报告（2023）》：
有机构预测，到2025年，全球范围内将有超过50%的高校采用AI驱动的自适应学习技术。未来，人工智能驱动的自适应学习平台有望为高等教育领域带来深远变革。
随着“互联网+”和教育信息化时代的快速发展，学习信息资源正以指数形式增长。学习者需要在大量而庞杂的信息中快速有效地找到适合自己的学习资源，因此，个性化学习应运而生。
自《斯坦福大学2025计划》提出“以学生为中心”，为学生的发展提供“自适应”的引领和支撑体系以来，越来越多的大学开始推广个性化的学习策略，并结合教育数字化技术使用自适应学习平台提高学生的学习效率。我国从2012年的《教育信息化十年发展规划（2011—2020年）》中就提出，教学变革要在改变学生的多样性、个性化学习方面取得突破，为所有学生提供个性化学习的信息化环境和服务。
美国高等教育信息化协会EDUCAUSE发布的2023年十大高等教育趋势（2023HigherEducationTrendWatch）中，有三个趋势都提到了高等教育数字化的扩大应用以及使用更多的在线学习工具进行高等教育转型。2022年，人工智能和大型语言模型（LargeLanguageModel）的跨越式发展也为自适应学习平台注入了新的变革力量，这类个性化学习的数字系统，正在逐渐改变着高等教育的未来。
自适应平台成“新老师”
在互联网技术高速发展的21世纪，教育数字化的出现给个性化学习提供了一位量身定制的“私人教师”。由于在传统的课堂教学模式下教师很难做到兼顾每一位学生的个性，借助一种智能学习平台，帮助其因材施教，解决学生个性化学习的问题就显得尤为必要。
一些海外权威机构也对自适应学习平台在未来的使用趋势进行了预测和分析。例如，著名咨询公司CapgeminiConsultant发布的《数字化转型：十亿美元教育机构的路线图》（Digitaltransformation:Aroadmapforbillion-dollareducationorganizations）报告指出，全球高等教育自适应平台市场呈现出快速增长的趋势，预计未来几年将继续保持快速增长的态势。报告还指出，自适应学习技术能够根据学生的个体差异和需求提供个性化的学习方案，提高学生的学习效果和学习体验。此外，德勤的报告中也指出，自适应学习技术能够提高教师的教学效率和质量，会为高等教育领域带来巨大的变革和影响。
自适应学习平台被多方看好，并不仅是因为科技和个性化教育的简单结合，实际上，高等教育中适应性学习的有效性已经在许多研究中得到了证实。适应性学习在改善学习效果、提高学生参与度、提高课程保留率、满足学生的多维度学习需求上都有着更多的优势。
2022年昆士兰科技大学（QueenslandUniversityofTechnology）的一项追踪学生三年使用适应性学习平台的研究表明，适应性学习可以公平地满足所有学生的需求，还可以改善成绩之外的教育行为。研究指出，该校一些课程在适应性学习平台介入后，学生的参与度和学习效果以及课程保留率都有了显著提升，认真完成适应性学习后的学生在考试中表现更好。一项亚利桑那州立大学（ArizonaStateUniversity）的研究也表明，一些课程实施自适应学习工具后，学生及格率提高了约18%，学生退学率下降了47%。这个自适应学习项目已帮助该大学保住了12,000,000美元的学费损失。
AI驱动高速迭代潮
随着ChatGPT等生成式人工智能的面世，这类基于人工智能（AI）驱动的大型自然语言处理模型的强大功能，给许多领域都注入了新活力。这也让一些研究者意识到，将人工智能集成到自适应学习系统中，让教育者可以通过机器学习和预测分析来实现个性化教育，并且为学习者提供高效、定制的和精简的学习体验，将成为未来数字教育的一股变革力量，有着彻底改变教育的潜力。
根据权威IT咨询公司Gartner的报告，到2025年，全球范围内将有超过50%的高校采用AI驱动的自适应学习技术。这种技术的广泛应用将为高等教育带来巨大的变革，并为学生提供更加个性化的学习体验。
现有的许多研究都证明了人工智能在自适应学习中对学生的有益应用影响和对改善教育实践的帮助。当学生使用人工智能支持的适应性学习平台分析和实时分析时，他们会表现得更好并理解更多知识。
其他自适应学习平台的创新模式各不相同。Knewton以“智能适应”为核心，通过分析学生的学习数据和行为来提供定制化的学习路径和反馈，Knewton的一项研究还发现，与未使用该程序的学生相比，使用人工智能驱动的自适应学习程序的学生的考试成绩提高了62%；Duolingo作为一个多语言学习平台，利用人工智能算法来改变指令的速度和内容，通过使用基于游戏的结构进行个性化语言教学；Udacity以“职业导向”为核心，提供职业导向的课程和培训；而Coursera则以“开放式在线课程”为基础，提供在线的自适应学习课程和混合式教学模式。这些自适应学习平台都注重个性化、实用性和便捷性等方面的创新，并通过利用人工智能、大数据等技术不断优化学习路径、提高学习效果和改善学习体验。同时，这些平台也在校企合作等方面进行布局，来扩大自己的影响力和市场份额。
人工智能驱动的自适应学习平台使教育机构能够有效地分析大型数据集，完善评估和反馈机制，并为不同偏好的学生群体优化学习路径，这些功能都可以为教师减轻负担，并提高评估的效率和质量。例如，一些平台通过分析学生的作业完成情况、测试成绩、讨论参与度等数据，为每个学生提供定制化的学习方法和反馈，不断优化自适应学习算法和课程设计。同时也可以预测学生的学业表现和学习困难点，及时调整学习计划和提供各个阶段的个性化辅导。一些平台还提供了学生自我评估的选项，让学生可以更好地了解自己的学习进度和能力水平，还能通过整合丰富的学习资源和交流平台，激发学生的学习兴趣和动力。
全新的潜力股：创新与挑战
高等教育领域在线学习的市场潜力巨大。MarketResearch发布的预测显示，到2026年，全球电子学习产业预计将达到3369.8亿美元；Statista的最新研究也表明，39%的美国本科生和52%的美国研究生认为在线大学教育优于课堂学习。因此，AI驱动的自适应学习平台或能因为其独有优势为教育带来深远变革。
在未来，人工智能驱动的自适应学习平台可以基于大数据训练出更有效和深入的学习模式，根据每个学生独特的兴趣、能力、进度和目标等，提供定制化的学习服务，满足学生的个性化需求。此外，还可以通过收集和分析学生大量的学习数据，识别学生的优劣势，推荐更个性化的资源和策略，调整难度和速度，激发学生的潜力和创造性。同时，自适应学习平台可以基于大型语言模型（LargeLanguageModel）训练并自动批改作业、检测剽窃、预测成绩，减轻教师负担，提高评估的效率和质量。例如目前正在研发的自动论文评分（AEG）和自动简答评分（ASAG）模型。
另外，自适应学习平台还可以提供多媒体、多模态、多语言的学习支持，满足不同学习者的个性化需求，同时通过虚拟现实（VR）、增强现实（AR）、混合现实（MR）等技术，创造出沉浸式、情境式、模拟式的学习环境，让学生在虚拟与现实之间自由切换，感受不同领域和文化的知识与体验。
然而，人工智能驱动的自适应学习在实践中还可能会面临若干挑战。
首先，自适应学习平台在运作中需要大规模收集并分析学生数据，这可能会引发严重的隐私和安全问题。
其次，自适应学习平台的实施需要较高的技术投入，且技术难度较大。如何降低技术成本并提高实施效率，是一个重大的挑战。
第四个问题是，尽管人工智能在自适应学习领域具有巨大的潜力，但仍然存在局限性。例如，人工智能无法完全取代人类的判断力和创造力，对于一些复杂的问题和情境，人工智能的应对能力还有待提高。
在我国，人工智能驱动的在线学习平台总体上还处于前期的高速发展阶段。随着人工智能的发展和应用深入，以及教育数字化趋势加强，人工智能驱动的自适应学习也将更为普遍，在此过程中我们需要不断探索和创新，克服挑战，以实现人工智能在自适应学习领域的更广泛应用和发展。
主要参考文献：
[1]付宇博,曾致中.个性化在线学习系统的发展现状及前景分析[J].中国教育信息化,2018(4):9-14.
[2]韩建华，姜强，赵蔚，刘东亮，BISWASG.智能导学环境下个性化学习模型及应用效能评价[J].电化教育研究，2016(7)：66-73.
[3]周海波.基于自适应学习平台促进学生个性化学习的研究[J].电化教育研究,2018,39(04):122-128.DOI:10.13811/j.cnki.eer.2018.04.018.
[4]Alam,A.(2022).Employingadaptivelearningandintelligenttutoringrobotsforvirtualclassroomsandsmartcampuses:reformingeducationintheageofartificialintelligence.InAdvancedComputingandIntelligentTechnologies:ProceedingsofICACIT.2022(pp.395-406).Singapore:SpringerNatureSingapore.
[5]Alqahtani,T.,Badreldin,H.A.,Alrashed,M.,Alshaya,A.I.,Alghamdi,S.S.,binSaleh,K.,...&Albekairy,A.M.(2023).Theemergentroleofartificialintelligence,naturallearningprocessing,andlargelanguagemodelsinhighereducationandresearch.ResearchinSocialandAdministrativePharmacy.
[6]Fang,Y.,Ren,Z.,Hu,X.,&Graesser,A.C.(2019).Ameta-analysisoftheeffectivenessofALEKSonlearning.EducationalPsychology,39(10),1278-1292.
[7]Joshi,M.(2023).AdaptiveLearningthroughArtificialIntelligence.AvailableatSSRN4514887.
[8]Vincent-Ruz,P.,&Boase,N.R.B.(2022).Activatingdisciplinespecificthinkingwithadaptivelearning:Adigitaltooltoenhancelearninginchemistry.PloSone,17(11),e0276086.
[9]Westerman,G.,Calmejane,C.,Bonnet,D.,etal.,(2020).“DigitalTransformation:ARoadmapforBillion-DollarOrganizations,”CapgeminiConsultingandMITCenterforDigitalBusiness,Nov.17,2020,www.capgemini.com.
[10]Waters.J.K.(2020).CampusTechnology:TheGreatAdaptiveLearningExperiment.MountainView,CA.
[11]Yanckello,R.&BrownM.(2023)“HypeCycleforHigherEducation,2023”,Gartner.