学习分析技术是采集与学习活动相关的学习者数据，并运用多种方法和工具全方面解读数据的技术，它能够记录、分析学习环境和学习轨迹，进而发现学习规律，预测学习结果，基于此为学习者提供相应的学习策略和个性化学习资源，促进有效学习。

案例名称：美国Knewton在线学习平台

案例背景：

       传统教育模式下老师与学生是一对多的关系，老师的精力有限决定了其教学只能针对平均水平推进。对 于中位数以上或以下的学生来说，这样的教学都欠缺了一些针对性。因此，个性化教育成为了IBM预测的未来智慧教育趋势之一。Knewton（在线自适应学习系统）是一个“适应性学习”工具，由约瑟·费雷拉在2008年创办。其目标是为学校及全球的学生提供预测性分析及个性化推荐，其涵盖的学生范围包括 K12、高等教育及职业发展教育等。

案例正文：

       Knewton在线学习平台通过对学习者行为数据的收集、预测和建模来支持个性化学习，它基于概念、结构、不同层次以及媒体格式数据等众多数据点的资料，采用适应性学习算法把每个学生的最有效的数据内容拼接起来，收集并分析学习者的效果数据信息以提炼出推荐结果，进而优化不同学习者的学习方法。它能够通过诊断在线服务分析出每个学习者的优缺点，然后提供个性化的课程安排。同时，它可以细分每个知识点，对每个学生进行单独的个性化分析，使学生获得独一无二的学习帮助和学习资料。

       Knewton的学习路径采用了知识图谱、持续自适应、融合记忆曲线等技术来实现个性化学习，为每一个学习者建立终身学习档案。Knewton知识图谱是一个权威的学术概念交叉学科图，其考虑了内容设置定义的概念以及这些概念之间的联系，它基于学生知道什么和学生如何学习来为学习者连接交叉学科。Knewton根据学习者在知识图谱中已经掌握的知识和学习者的学习方式来自动生成学习路径，将知识图谱中的内容定义为“已知”或者“评估”的特殊关系，根据这些决定在既定的时间点应该给学生传递什么样的学习内容。

      Knewton持续适应性学习系统不断地挖掘学生表现数据，对于学生在系统中的活动进行实时的分析和反馈，根据一个给定活动的完成结果，系统将指引学生进入下一个活动。人类记忆曲线具有自适应机制，Knewton数据学家使用了指数增长和衰退曲线，学生学习和忘记的能力曲线，这些曲线建立的前提是：一方面学生接触的是一个给定主题的内容时，他们会收到关于这个主题的真实能力的一个“突然测试”；另一方面，如果他们没有接触其他的主题，他们很有可能会在一段时间后忘记这个主题和内容。Knewton数据家根据学生在何时以及何种方式接触内容等信息，捕获学生知识增长和减少的方式以及学习者学习知识的起伏变化，然后依次判断给学习者提供资料的时间和方式。

      Knewton采用适配学习技术，通过数据收集、推断及建议三部曲来提供个性化的教学。数据收集阶段会建立学习内容中不同概念的关联，然后将类别、学习目标与学生互动集成起来，再由模型计算引擎对数据进行处理供后续阶段使用。推理阶段通过心理测试引擎、策略引擎以及反馈引擎对收集到的数据进行分析，分析的结果提供给建议阶段进行个性化学习推荐使用。建议阶段通过建议引擎、预测性分析引擎为教师和学生提供建议并提供统一汇总的学习历史。

        图1  系统界面图（网页链接：https://www.knewton.com/）

 案例总结：

1.Knewton在线自适应平台有什么特点或者优势？

2.Knewton是如何进行学习分析的？采用了什么分析技术？

3.你还知道哪些学习分析技术，举例说一说。

PS：请在下方讨论区进行讨论，点击活动名称处的“案例分析”即可进入讨论区。

资料来源：

https://www.sohu.com/a/415913708_313572