ALEKS是一款基于網(wǎng)絡(luò)的人工智能評估和學習系統(tǒng)，被稱為有史以來最有效的學習系統(tǒng)。知識空間的評估和學習（Assessment and Learning in Knowledge Spaces）是ALEKS的全稱。ALEKS基于知識空間理論，通過適應(yīng)性提問，快速準確的定位學生所掌握的知識和沒有掌握的知識。之后ALEKS選擇該學生最應(yīng)該學習的知識點進行教學。而學生在學習的過程中ALEKS不斷地重新評估學生所學，鞏固所學，保證學生不會忘記學習過的內(nèi)容。ALEKS的課程覆蓋面很廣，并且在評估中避免多項選擇題。另外，ALEKS還提供一對一線上家教。

ALEKS是怎么做到適應(yīng)性學習的？

ALEKS基于“知識空間理論”，該理論由紐約大學和加州大學歐文分校的數(shù)學家和認知學家們創(chuàng)建。ALEKS與其他學習系統(tǒng)最大的不同就是其核心的人工智能具有個性化和連續(xù)性兩大特征，能夠評估每一個學生的知識狀態(tài)。

我們舉個簡單的例子來介紹ALEKS的科學原理。如果9年級的Sam運用ALEKS來學習基礎(chǔ)代數(shù)，ALEKS是怎么操作的呢？

首先，ALEKS要評估Sam在初級代數(shù)這一學科的“知識狀態(tài)”，也就是已經(jīng)學會的知識點。 我們假設(shè)初級代數(shù)只有五個知識點（分別是(A)四則運算、(B)分數(shù)、(C)因式分解、(D)一次方程、(E)不等式），那么對于某個學生來說就會有32種可能的知識狀態(tài)。再去除一些不可能的情況，假設(shè)這五個知識點，對某一個學生來說就有13種可能的知識狀態(tài)。而ALEKS創(chuàng)建的知識空間，就是建立這些不同知識狀態(tài)之間的通路。換句話說在某種知識狀態(tài)，最適合學得下一個知識點是什么，以通往下一個知識狀態(tài)。如上圖，Sam在知識狀態(tài)ABC，最適合他學習的通路就是D或者E這兩個新知識，讓他通往下一個知識狀態(tài)ABCD或ABCE；而如果Sam在知識狀態(tài)ABD，最適合他學習的通路就是C，也就是他需要鞏固舊知識C。

當然這只是一個簡化的知識空間，我們知道就基礎(chǔ)代數(shù)來說，就有上百個知識點。對于ALEKS的某個學科，都是上萬億個知識點所形成的知識空間。 而ALEKS可以準確定位每個學生所處的知識狀態(tài)。

基于此，ALEKS給學生提供的學習內(nèi)容是最適合這個學生當下學習的，不會因為內(nèi)容太難而讓學生感到學不會的挫敗，也不會因為內(nèi)容重復(fù)過于簡單而讓學生感到不用學的無聊。

本次Connecting the World美國之行，我們走進McGraw Hill 與ALEKS的創(chuàng)建者們聊聊適應(yīng)性學習。