Системы адаптивного обучения используют различные инновации в сфере ИКТ, таких как искусственный интеллект и машинное обучение для обеспечения персонализации в обучении. Данное направление в образовании в первую очередь направлено на удовлетворение индивидуальных потребностей учащегося, «адаптации» материала и методики под его личностные характеристики (Mavroudi et al., 2017).

Большинство систем адаптивного обучения имеют три основных компонента: модель содержания, которая включает определенные темы, детализированные цели обучения и определение задач, которые необходимо выполнить; модель обучающегося, где система вычисляет возможности и навыки обучающегося в освоении тех или иных тем; модель преподавания, которая определяет как система выбирает ту или иную тему для определенного учащегося в определенное время (Oxman and Wong, 2014).

Отмечается достаточно положительное влияние адаптивного обучения на успеваемость учащихся школ и студентов вузов. Так, Wang et al. (2020) провели исследование в китайских школах. Результаты их исследования показали, что адаптивное обучение было эффективнее обучения в большой группе и обучения в небольших группах, даже с учителями-экспертами.

Опыт США

Офис по образовательным технологиям Департамента образования США предоставил следующее определение адаптивному обучению в 2013: «цифровые системы обучения являются адаптивными в случае, когда они динамично преобразовываются с учетом информации, собранной во время обучения, нежели с учетом заранее определенной информации, такой как пол, возраст и результаты тестирования обучающегося».

На ранних этапах правительство США предоставляло гранты для разработки систем адаптивного обучения в начальных и средних школах. Результатом данной работы стали системы, которые получили коллективное наименование Система интеллектуального репетиторства (Intelligent Tutoring System). Среди них выделяются Cognitive Tutor от Carnegie Learning и ALEKS, которые фокусировались на математике и разрабатывались с использованием когнитивных теорий. Cognitive Tutor насчитывал 600,000 пользователей в 6-12 классах в 2014 году, ALEKS использовался миллионом школьников в более чем 900 школах. Исследование показало, что ALEKS привело к повышению посещаемости уроков математики и результатов учащихся. Адаптивное обучение в школах получило дополнительный виток в развитии с реализацией таких программ, как Race to the Top, Common Core Standards, развитие облачных технологий (Oxman and Wong, 2014).

Опыт КНР

Адаптивное обучение является особенно актуальным решением некоторых сложностей, которые возникают в образовательной системе Китая. Во-первых, страна с самым большим контингентом учащихся также имеет наибольшее количество детей в классе (в среднем 52 учащихся, что гораздо больше 16,7 детей в американских школах). Столь большое количество учащихся означает, что учителям тяжело персонализировать обучение для нужд каждого ребенка в классе, что особенно сильно отражается на учащихся из уязвимых слоев населения. Китайские семьи полагаются на услуги репетиторов с целью решения данной проблемы, однако исследования показывают, что этого может быть недостаточно для улучшения успеваемости. Также в Китае достаточно остро стоит проблема разрыва между городом и селом: разница эквивалентна двум годам обучения согласно исследованиям на национальном уровне. Адаптивное обучение способно восполнить дефицит квалифицированных педагогических кадров в сельских школах (Wang et al., 2020).

Показательным является использование Squirrel AI Learning, которая была запущена 2016 и предоставляет материалы для обучения математике, английскому и китайскому языкам, физике и химии для 2 миллионов китайских учащихся. Результаты исследования показали, что учащихся, отобранные для адаптивного обучения показали более высокие результаты, чем учащиеся, которые обучались в классе, вне зависимости от размера (Wang et al., 2020).

Источники:

Mavroudi, A., Giannakos, M., & Krogstie, J. (2018). Supporting adaptive learning pathways through the use of learning analytics: developments, challenges and future opportunities. Interactive Learning Environments, 26(2), 206-220.

Oxman, S. & Wong, W. (2014). White paper: Adaptive learning systems. Integrated Education Solutions, 2-30.

Wang, S., Christensen, C., Cui, W., Tong, R., Yarnall, L., Shear, L., & Feng, M. (2020). When adaptive learning is effective learning: comparison of an adaptive learning system to teacher-led instruction. Interactive Learning Environments, 1-11.

0
Авторизация
*
*

Регистрация
*
*
*
Пароль не введен
*

5 × 1 =

Генерация пароля