AI赋能“个性化-合作”学习模型构建及应用

【摘  要】个性化学习作为教育改革的重要方向，近年来倍受瞩目。随着全球AI与教育融合趋势的日益加强，AI技术为个性化学习的实施开辟了新路径。在此背景下，本文回顾并分析个性化学习的内涵及AI赋能个性化学习的相关研究成果，并从学习画像精准化、学习内容合理化、学习方式科学化和学习评价动态化四个方面，详细阐述AI赋能个性化学习的实施路径。

【关键词】人工智能；个性化学习；实施路径

AI技术的迅猛发展推动了教育领域课堂学习模式的变革，其中，学生学习方式的转变尤为明显。AI从教师、学伴、课程、资源等方面为课堂教学赋能，促使学生的学习方式从“个体化”学习走向“个性化”学习，并向“个性化-合作”学习转变。如何在个性化学习过程中有效融合合作学习手段呢？笔者借助AI技术构建了“个性化-合作”学习模型，并深入探讨其实践应用方式，以推动智慧教育与传统教育优势深度融合。

一、AI背景下“个性化-合作”学习的产生

在传统课堂教学模式中，学习过程的个体化特征显著，学生常被鼓励独立完成学习任务。随着AI技术的兴起和数据资源的丰富，研究者开始关注学生认知起点、学习态度、个性特征等个性因素对学习效果的影响。尽管个体化学习特征依然存在，但此时的学习是在教师精心指导下进行，教师可借助智能工具评估学生的学习特征为其提供定制化的学习计划和资源，学生可依据自身兴趣和能力自主选择学习内容、调整学习进度。AI为个体学习者提供了诸多工具和技术，如交互式学习、虚拟现实和增强现实技术（需要多人协同合作）等[1]，使学习的“个性化-合作”特征日益明显。

“个性化-合作”学习既关注学生个人成长目标，又强调小组目标和成就对个体的影响[2]。该模式融合了个体化学习的自主性、个性化学习的独特性和合作学习的互动性，能识别和适应学生的独特需求，促进学生间的有效互动和协作。

在现行课堂教学实践中，教师在关注个性化需求时，有时会忽视学生间的合作互动，而在强调合作学习时又可能忽略学生的个体差异性。在“个性化-合作”学习模式下，教师的角色转变为指导者和促进者，他们借助AI技术分析学习数据，为每名学生定制学习路径和资源，并设计和引导合作学习活动，确保学生在小组中发挥自身所长，学习他人优点。这种融合的学习方式不仅有助于学生发展个人能力，还能培养学生的团队合作能力和社交能力，为他们未来的职业发展打下坚实基础。

二、AI赋能“个性化-合作”学习模型的构建

通过AI技术赋能，传统的教学模式正在逐步向智能化、个性化方向变革。在AI赋能的课堂中，教师角色由课堂的主讲人转变为辅助者，课堂中还同时配备AI教师讲解知识内容、指导学生学习、组织课堂活动[3]；合作学习可以是学生与“智慧学伴”AI机器人共同参与学习活动，也可以是学生与在线或线下真实同伴开展学习互动[4]；课程方面，教师能够借助AI平台为学生提供优质的课程资源、个性化学习路径以及针对性教学反馈；资源由单一教学资源转变为数字化、互动式的个性化AI学习资源[5]。基于此，笔者构建了如图1所示的AI赋能“个性化-合作”学习模型（AI-PCL）。

AI-PCL模型围绕学生的学习过程设计相关要点：一是以“个性化学习”为核心，根据学生的个体特征、兴趣风格、学习动机开展学习活动；二是以“合作学习”为主要手段，即学生需通过团队协作和小组活动进行交互；三是学生在“个性化-合作”学习模式下逐渐掌握知识，实现知识的意义建构（螺旋曲线上由小变大的小球表征的就是这层含意）；四是“人类教师+AI教师”“同桌学伴+AI学伴”“普通课程+AI课程”“学习资源+AI资源”共同作用，形成统一体，真正促进AI赋能“个性化-合作”学习的实现。

三、AI赋能“个性化-合作”学习模型的应用

AI赋能“个性化-合作”学习模型的应用指向教师、学伴和资源等维度，旨在构建一个更加高效、互动和个性化的学习环境，以促进学生深度学习、全面发展。其应用策略如下。

1.AI赋能“双师”：动态反馈“个性化-合作”学习数据

在AI-PCL模型中，“人类教师+AI教师”组合通过动态反馈机制，实时获取学生在“个性化-合作”学习过程中的数据。AI教师凭借大数据分析技术实现课前、课中、课后的全流程数据分析，包括学生的兴趣偏好、认知水平、掌握情况等，同时综合分析学生的互动行为、学习成果和反馈信息，动态采集学生学习资源的大数据，以制定个性化的教学路径和内容，满足不同类型学生的学习需求。这为人类教师提供了精准的教学决策支持，使其能及时调整教学策略，确保教学活动与学生个体化需求的精准对接，进而提升教学效果。如，在数学教学中，AI教师可以根据学生在解决几何问题时的错误类型和频率调整教学重点，提供针对性练习题和生动的视觉辅助（如动画展示图形比例的大小或变化），以强化学生对几何概念的理解和技巧运用。同时，人类教师根据AI教师反馈的数据，组织和开展个性化的小组合作讨论，帮助学生理解知识、探究问题，确保学生在“个性化-合作”学习中提高解决问题的能力。

2.AI赋能“双伴”：自主挑选“个性化-合作”学习伙伴

在AI-PCL模型中，学生可根据自身学习需求自主选择同桌学伴和AI学伴。同桌学伴有助于促进学校课堂中的合作学习活动。学生在选择同桌学伴时会充分考虑个人学习目标和团队合作需求，从而在“个性化-合作”学习模式下实现最优团队组合。AI学伴的选择则依赖智能技术，即通过分析学生的学习风格、知识结构和合作倾向，推荐合适的协作伙伴。AI学伴可以及时了解学生的学习习惯和学习进度等实际情况，为学生提供个性化的学习陪伴和情感激励[6]，AI学伴和同桌学伴共同作用能有效提高学生在课前、课中和课后的学习效果。如在项目式学习中，学生可根据各自在项目管理、研究设计和数据分析方面的特长，选择互补的同桌学伴形成团队，共同完成复杂的项目任务。在课后自主学习阶段，AI学伴可智能分析课上项目式活动的不足及未完成的任务，鼓励学生将其当作可靠的学习伙伴进行沟通，克服真人同伴学习时可能遇到的空间限制或其他因素的影响，对学习者状态和学习环境进行全程、实时地感知和支持。

3.AI赋能课程：精准适配“个性化-合作”学习过程

AI-PCL模型能基于AI技术精确捕捉学习者群体特性，准确阐释“个性化-合作”学习的构成要素与体系结构，并科学构建积极的、互相依赖的成员关系。在此过程中，AI需关注学生个体的学习效果，同时兼顾学生群体的合作学习进展，以便在课程实施中精准地将各学科知识内容分配给不同层次的学生。在AI的辅助下，教师可以将学生科学分组，实施组内依次翻转、组间交叉轮询等小组学习策略，帮助学生不断适应各阶段的学科学习内容并深度研讨。这既能个性化地夯实学生的学习基础，又能确保合作实践的有效落地。如在信息技术课“个性化-合作”学习中，学生需整合计算机科学、数据科学、城市规划等学科知识完成“智慧城市”项目学习。项目学习中，AI-PCL模型的作用体现在两方面：一是赋能组内同质化合作——AI系统能分析学生的优势学科，为其推荐个性化学习资源，如编程教程、数据分析和可视化工具等，并推荐同等能力的学习伙伴，共同探讨项目问题，在发现小组讨论不够深入时提示教师介入；二是赋能组间异质化合作，如安排编程困难的学生与擅长编程的同学互助合作。通过AI的精准适配，学生能够与合作伙伴共同形成整体化的创新方案，解决“智慧城市”项目学习中的实际问题。

4.AI赋能资源：智能生成“个性化-合作”学习资料

在AI-PCL模型中，AI能自动生成和整合丰富的课程和学习资源，满足学生的多样化发展需求和个体发展需求，以更好地提升学生“个性化-合作”学习效果。

一是AI可以赋能资源的生成。通过深度学习和自然语言生成技术，AI能够根据学生的学习进度和兴趣，自动生成个性化的学习资源包和相关课程微课。这不仅包括传统的文本和图像，还可以是互动式的问题、模拟实验和视频讲解，以适应不同学生在小组合作过程中的学习偏好。如在学生参加小组合作学习时，AI会根据每组学生的兴趣生成不同的项目主题，同时创建一个虚拟的协作空间，其中包含各种工具和资源，如在线白板、文档共享、实时聊天和视频会议功能，以支持小组成员之间的互动和合作。

二是AI可以赋能资源的整合。AI可以整合和分享各种个性化学习资源，如在线课程、教学视频、学习社区等，以支持学生的合作学习。同时，AI系统能够自动识别最新的学术研究和行业动态，及时将这些信息整合到已有学习资料中，确保在合作学习过程中根据学生的个性化学习进度和反馈，动态调整学习内容的难度和深度，使学习内容更加符合学生的实际水平。如在学生“个性化-合作”学习的过程中，AI可以通过语音和文本分析技术评估学生的参与度和沟通质量，及时提供反馈和建议，动态整合资源的难度和深度，生成适配性的课后习题和小组任务，以保证该任务对小组成员具有一定的挑战性和趣味性。

参考文献

[1][5]谷伟，董玉琦，陈兴冶，等.基于认知起点的互动式个性化学习资源设计——以小学数学“中位数与众数”为例[J].全球教育展望，2023，52（07）：71-81.

[2]胡航，董玉琦.技术促进深度学习：“个性化-合作”学习的理论构建与实证研究[J].远程教育杂志，2017，35（03）：48-61.

[3]曾淑真，王苗，林泳岑，等.AI全科教师主讲课堂的学习动机增强效应探析——基于一项对比试验的实证研究[J].现代教育技术，2024，34（09）：80-90.

[4]卢宇，薛天琪，陈鹏鹤，等.智能教育机器人系统构建及关键技术——以“智慧学伴”机器人为例[J].开放教育研究，2020，26（02）：83-91.

[6]屠明将，吴南中.“智慧学伴”何以改进学习：在线教育的交互危机与理念再造[J].电化教育研究，2023，44（04）：65-71.

文字编辑  严芳