根據(jù)前文的梳理可知，機(jī)器學(xué)習(xí)能夠結(jié)合學(xué)生的知識(shí)、行為和情緒等有效地支持個(gè)性化自適應(yīng)學(xué)習(xí)平臺(tái)的構(gòu)建。其中，在知識(shí)維度，機(jī)器學(xué)習(xí)支持學(xué)生建模，能夠?qū)γ總€(gè)學(xué)生的知識(shí)進(jìn)行建模和跟蹤，支持生成形成性評(píng)價(jià)，為學(xué)習(xí)者推薦自適應(yīng)的課程和資源。在行為維度，機(jī)器學(xué)習(xí)支持學(xué)習(xí)行為建模，根據(jù)學(xué)生不同學(xué)習(xí)表現(xiàn)的行為模式對學(xué)生自動(dòng)分組，提供相應(yīng)的學(xué)習(xí)支持;通過分析學(xué)習(xí)歷史(如，活動(dòng)日志、學(xué)習(xí)結(jié)果等)和人口特征等數(shù)據(jù)，來預(yù)測學(xué)生的學(xué)習(xí)表現(xiàn)和成績。在情感維度，機(jī)器學(xué)習(xí)能夠發(fā)現(xiàn)學(xué)習(xí)者情緒狀態(tài)與學(xué)習(xí)行為、結(jié)果的相關(guān)性，從而根據(jù)學(xué)生的情緒狀態(tài)推薦課程資源。
目前，Knewton、DreamBox、ALEKS、Gooru等個(gè)性化自適應(yīng)學(xué)習(xí)平臺(tái)，結(jié)合機(jī)器學(xué)習(xí)技術(shù)已經(jīng)得到了廣泛應(yīng)用。其中，Knewton作為目前影響力最大的自適應(yīng)學(xué)習(xí)平臺(tái)，能夠?yàn)閷W(xué)習(xí)者提供自適應(yīng)學(xué)習(xí)體驗(yàn)和預(yù)測分析，來提高學(xué)生的學(xué)習(xí)成就。在技術(shù)層面，平臺(tái)使用機(jī)器學(xué)習(xí)方法作為核心技術(shù)，構(gòu)建了分析引擎和推薦引擎，分析引擎結(jié)合內(nèi)容數(shù)據(jù)和學(xué)生響應(yīng)數(shù)據(jù)實(shí)時(shí)地對學(xué)生能力進(jìn)行推斷，然后，推斷結(jié)果與學(xué)生學(xué)習(xí)結(jié)果結(jié)合，支持預(yù)測學(xué)生的學(xué)習(xí)表現(xiàn)，從而為學(xué)習(xí)者生成下一步的個(gè)性化學(xué)習(xí)路徑。
隨著收集的數(shù)據(jù)越來越多，基于機(jī)器學(xué)習(xí)的推薦引擎和分析引擎模型和參數(shù)會(huì)不斷修改與更新，讓預(yù)測更加精準(zhǔn)。Knewton在學(xué)習(xí)過程中主要提供三種工具和三種核心服務(wù)，其中，工具包括個(gè)別化指導(dǎo)、預(yù)測分析和學(xué)習(xí)報(bào)告;服務(wù)包括為學(xué)生提供個(gè)性化推薦、為教師和學(xué)生提供分析、為應(yīng)用和內(nèi)容創(chuàng)建者提供內(nèi)容解讀。通過使用Knewton自適應(yīng)學(xué)習(xí)平臺(tái)，學(xué)生的通過率、退出率、提早完成率均有顯著變化。
五、機(jī)器學(xué)習(xí)應(yīng)用于智慧教育的幾點(diǎn)建議
機(jī)器學(xué)習(xí)作為人工智能的核心技術(shù)作用于教育大數(shù)據(jù)，將幫助我們更好地理解數(shù)據(jù)、信息、知識(shí)與智慧之間的關(guān)系。但機(jī)器學(xué)習(xí)教育應(yīng)用在技術(shù)方面尚不成熟，在教育框架下也沒有規(guī)?；?。因此，基于智慧教育框架，對機(jī)器學(xué)習(xí)的教育應(yīng)用提出以下建議：
(一)跨界方面——支持智慧教育與機(jī)器學(xué)習(xí)的融合創(chuàng)新
1、機(jī)器學(xué)習(xí)與智慧教育的跨界融合
機(jī)器學(xué)習(xí)與智慧教育的融合存在跨界問題。一般情況下，懂教育的未必懂技術(shù)，懂技術(shù)的則未必深度理解教育。這就容易導(dǎo)致技術(shù)人員對數(shù)據(jù)挖掘結(jié)果無法從教育的本質(zhì)出發(fā)進(jìn)行解讀，而教育者無法從技術(shù)的角度對機(jī)器學(xué)習(xí)應(yīng)用提出準(zhǔn)確需求，對預(yù)測結(jié)果也無法充分理解。因此，研究教育領(lǐng)域與機(jī)器學(xué)習(xí)和人工智能領(lǐng)域如何深度融合非常必要。例如，加大兩個(gè)領(lǐng)域人員的合作、交流和協(xié)同開發(fā)等;在高校中加大機(jī)器學(xué)習(xí)與學(xué)習(xí)科學(xué)的跨學(xué)科人才培養(yǎng);目前，利用可視化技術(shù)開發(fā)人機(jī)界面，可有效幫助教育者理解機(jī)器學(xué)習(xí)和人工智能系統(tǒng)，以促進(jìn)跨領(lǐng)域深度融合。可視化學(xué)術(shù)交互平臺(tái)也能支持教育領(lǐng)域人員更好地理解機(jī)器學(xué)習(xí)，例如，谷歌日前聯(lián)手OpenAI等發(fā)布了一個(gè)交互視覺化期刊平臺(tái)Distill，支持讀者理解機(jī)器學(xué)習(xí)的研究成果。
2、機(jī)器學(xué)習(xí)應(yīng)用的教學(xué)場景提煉
機(jī)器學(xué)習(xí)助力智慧教育發(fā)展的潛力和價(jià)值是毋庸置疑的，但目前缺少機(jī)器學(xué)習(xí)教育應(yīng)用的成熟案例，尤其是在不同教學(xué)場景中的應(yīng)用，這將是機(jī)器學(xué)習(xí)應(yīng)用發(fā)展的一大短板。機(jī)器學(xué)習(xí)雖然本身具有智能性，但是也具有一定局限性，尤其表現(xiàn)為容易被復(fù)雜的場景所迷惑，人們可能很容易完成的場景分析，對于機(jī)器來說卻依舊困難。如果一直強(qiáng)調(diào)機(jī)器學(xué)習(xí)技術(shù)本身，而不直接面向教育應(yīng)用提供整體的解決方案，隨著技術(shù)壁壘越來越低，其教育應(yīng)用的未來價(jià)值可能會(huì)越來越小。因此，基于智慧教育框架梳理和提煉機(jī)器學(xué)習(xí)不同教學(xué)場景應(yīng)用的案例，將有助于體現(xiàn)機(jī)器學(xué)習(xí)的教學(xué)應(yīng)用價(jià)值。
(二)技術(shù)方面——支持智慧環(huán)境的技術(shù)創(chuàng)新
1、教育大數(shù)據(jù)治理
教育大數(shù)據(jù)是機(jī)器學(xué)習(xí)應(yīng)用研究的基礎(chǔ)，其大量的、復(fù)雜的和凌亂的特點(diǎn)，給數(shù)據(jù)的采集和存儲(chǔ)帶來了難度。同時(shí)，在數(shù)據(jù)共享方面通常涉及數(shù)據(jù)隱私和倫理問題，如何保護(hù)人們隱私又最大化地合理利用數(shù)據(jù)支持科學(xué)研究，也是當(dāng)前面臨的挑戰(zhàn)。因此，需要協(xié)同多方開展教育大數(shù)據(jù)治理，以提升教育數(shù)據(jù)質(zhì)量、保障數(shù)據(jù)合理使用、保護(hù)數(shù)據(jù)隱私安全，以及促進(jìn)數(shù)據(jù)合法共享。例如，建立健全的教育大數(shù)據(jù)治理模式，制定教育數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)和管理規(guī)范，規(guī)范化采集和匯聚、共享不同平臺(tái)的數(shù)據(jù)，形成智慧教育數(shù)據(jù)中心等。