背景：Knewton是一個(gè)“適應(yīng)性學(xué)習(xí)”工具，由約瑟·費(fèi)雷拉（Jose Ferreira）在2008年創(chuàng)辦。創(chuàng)始人費(fèi)雷拉是一個(gè)喜歡折騰的人，從1991年從卡爾頓學(xué)院畢業(yè)后在卡普蘭（Kaplan）當(dāng)了一名SAT輔導(dǎo)老師（卡普蘭（Kaplan）是舊金山最大的應(yīng)試培訓(xùn)機(jī)構(gòu)）。幾年后辭職，到哈弗商學(xué)院讀了MBA，1997年，獲得工商管理碩士的費(fèi)雷拉在令人神往的高盛做了三年金融衍生品交易員。之后又先后創(chuàng)辦過(guò)一家制圖軟件公司DizzyCity，擔(dān)任過(guò)約翰·克里（John Kerry）總統(tǒng)競(jìng)選團(tuán)隊(duì)的戰(zhàn)略師，做過(guò)風(fēng)險(xiǎn)投資人。就像佛洛依德的夢(mèng)魘一般，出于對(duì)生產(chǎn)線式的傳統(tǒng)教育的不認(rèn)同，2008年費(fèi)雷拉決定回歸教育行業(yè)，毅然創(chuàng)辦了Knewton來(lái)重構(gòu)學(xué)習(xí)方式——Knewton誕生了。

（一）Knewton適應(yīng)性學(xué)習(xí)：是一種課程必須適用每個(gè)用戶的思想的教學(xué)方法

適應(yīng)性學(xué)習(xí)是一個(gè)以課程應(yīng)該適應(yīng)每一個(gè)用戶的思想為前提的教學(xué)方法。Knewton認(rèn)為，適應(yīng)性學(xué)習(xí)指的是一個(gè)連續(xù)的適應(yīng)性系統(tǒng)。對(duì)于每個(gè)用戶在Knewton系統(tǒng)上的表現(xiàn)和活動(dòng)都進(jìn)行實(shí)時(shí)的響應(yīng)。系統(tǒng)通過(guò)在正確的時(shí)間對(duì)每個(gè)學(xué)生提供正確的指導(dǎo)，從而使得學(xué)生達(dá)到所制定的學(xué)習(xí)目標(biāo)的可能性最大化。換句話說(shuō)，適應(yīng)性測(cè)試回答兩個(gè)基本問(wèn)題：一個(gè)是如何通過(guò)特定數(shù)量的試題精確的掌握學(xué)生對(duì)于知識(shí)的掌握程度；另一個(gè)是既然我們已經(jīng)知道一個(gè)學(xué)生的當(dāng)前的知識(shí)水平和學(xué)習(xí)狀態(tài)，那么這個(gè)學(xué)生從現(xiàn)在開始應(yīng)該學(xué)習(xí)哪些新的知識(shí)。

為了提供連續(xù)適應(yīng)性學(xué)習(xí)，Knewton分析了基于成千上萬(wàn)的數(shù)據(jù)點(diǎn)的資料，包括概念、結(jié)構(gòu)、不同層次以及媒體格式數(shù)據(jù)，還采用復(fù)雜的計(jì)算不斷地把每個(gè)學(xué)生的最有效的數(shù)據(jù)內(nèi)容拼接起來(lái)，系統(tǒng)通過(guò)分析收集的所有學(xué)生的效果數(shù)據(jù)，提煉出推薦結(jié)果，用來(lái)給每個(gè)學(xué)生優(yōu)化學(xué)習(xí)方法。

（二）Knewton推薦原理基礎(chǔ)--采用路徑規(guī)劃技術(shù)和學(xué)生能力模型保證學(xué)生學(xué)習(xí)的不斷進(jìn)步

Knewton假設(shè)沒(méi)有兩個(gè)學(xué)生是完全一樣的，他們以不同的速率學(xué)習(xí)和忘記，來(lái)自不同的教育背景，有著不同的智力程度，注意力范圍和學(xué)習(xí)方式。所以，設(shè)計(jì)一個(gè)對(duì)于每一個(gè)學(xué)生的特點(diǎn)都敏感的實(shí)時(shí)推薦引擎是一個(gè)非常巨大的工程。Knewton是通過(guò)采用教育路徑規(guī)劃技術(shù)和學(xué)生能力高級(jí)模型，以保證每個(gè)學(xué)生都通過(guò)課程材料以最大化的學(xué)習(xí)方式來(lái)實(shí)現(xiàn)不斷的進(jìn)步。

項(xiàng)目反應(yīng)理論（Item Response Theory (IRT)）

在傳統(tǒng)的評(píng)分方法中，在一次包含10個(gè)測(cè)試題的測(cè)試中，有兩個(gè)學(xué)生回答對(duì)了9道題，那么兩個(gè)學(xué)生的測(cè)試分是一致的。但是題目的難易程度沒(méi)有區(qū)分的話，如果第一個(gè)學(xué)生回答錯(cuò)了一個(gè)非常簡(jiǎn)單的問(wèn)題，另外一個(gè)學(xué)生回答錯(cuò)了一個(gè)非常困難的問(wèn)題，這樣就暴露出這種評(píng)價(jià)學(xué)生能力的測(cè)試方法缺乏針對(duì)性。項(xiàng)目反應(yīng)理論不是假設(shè)每個(gè)試題都有相同的貢獻(xiàn)度來(lái)實(shí)現(xiàn)對(duì)學(xué)生能力的掌握，而是通過(guò)設(shè)定試題難度，級(jí)別區(qū)分和“猜測(cè)性”， 將學(xué)生能力與正確回答一個(gè)試題的可能性聯(lián)系起來(lái)，從而對(duì)學(xué)生的能力進(jìn)行建模，對(duì)于每一個(gè)學(xué)生的每一個(gè)試題都提供信息的細(xì)微差別的觀察，這種測(cè)試包含了一個(gè)人的潛在特性、能力和試題特征。

概率圖形模型（Probabilistic Graphical Models）

Knewton采用的PGMs包含了貝葉斯神經(jīng)網(wǎng)絡(luò)和馬爾科夫隨機(jī)場(chǎng)等統(tǒng)計(jì)方法，使得數(shù)據(jù)學(xué)家能夠在多維空間中通過(guò)成百上千的參數(shù)分析和操作概率分布。換句話說(shuō)，PGMs使得Knewton分析師能夠建立復(fù)雜的效果模型，將眾多觀測(cè)到的學(xué)習(xí)活動(dòng)與對(duì)系統(tǒng)推薦有用的評(píng)估聯(lián)系起來(lái)。Knewton應(yīng)用PGMs的一種方法是通過(guò)使用學(xué)生已知的掌握程度來(lái)決定他可能已經(jīng)有能力學(xué)習(xí)的知識(shí)。例如，這樣的模型能夠幫助平臺(tái)發(fā)現(xiàn)一個(gè)學(xué)生對(duì)于分?jǐn)?shù)達(dá)到怎樣的掌握程度才能夠幫助學(xué)生掌握小數(shù)，以及對(duì)小數(shù)怎樣的掌握程度能夠幫助學(xué)生掌握指數(shù)。Knewton的數(shù)據(jù)學(xué)家能夠決定對(duì)于分?jǐn)?shù)的掌握和對(duì)于指數(shù)的掌握之間的聯(lián)系。最終，這些類型聯(lián)系的發(fā)現(xiàn)使得Knewton適應(yīng)性學(xué)習(xí)平臺(tái)能夠持續(xù)地提煉推薦結(jié)果。

凝聚層次聚類（Hierarchical Agglomerative Clustering）

在數(shù)據(jù)挖掘中，層次聚類是一種分析方法，被用來(lái)構(gòu)建類的層次或者結(jié)構(gòu)。在Knewton系統(tǒng)中，這個(gè)技術(shù)被用來(lái)檢測(cè)大的分組內(nèi)的潛在結(jié)構(gòu)和建立如何決定學(xué)生應(yīng)該怎樣分組以及根據(jù)哪些特征將學(xué)生分組的算法。Knewton數(shù)學(xué)準(zhǔn)備（Knewton Math Readiness）提供了一個(gè)分組面板，使得老師可以對(duì)使用相同教材的學(xué)生根據(jù)學(xué)生對(duì)概念理解的級(jí)別進(jìn)行分組。

（三）Knewton效果機(jī)制：通過(guò)推薦理論科學(xué)，有效促使符合Knewton適應(yīng)性能力的規(guī)律性知識(shí)范圍擴(kuò)大，實(shí)用性增強(qiáng)。

Knewton適應(yīng)性功效通過(guò)推薦理論科學(xué)，對(duì)每一個(gè)學(xué)習(xí)者的學(xué)習(xí)軌跡進(jìn)行追蹤，高效地將帶有規(guī)律性的知識(shí)范圍擴(kuò)大和實(shí)用性增強(qiáng)。Knewton系統(tǒng)將連續(xù)適應(yīng)性的，學(xué)生長(zhǎng)期學(xué)習(xí)層級(jí)和巨大的網(wǎng)絡(luò)效果結(jié)合起來(lái)，建立起一個(gè)跨學(xué)科的知識(shí)圖譜，對(duì)每一個(gè)參加Knewton課程的學(xué)生形成一個(gè)強(qiáng)大的個(gè)性化學(xué)習(xí)方案。

1、知識(shí)圖譜將交叉學(xué)科知識(shí)架構(gòu)連接起來(lái)

Knewton知識(shí)圖譜是一個(gè)權(quán)威的學(xué)術(shù)概念交叉學(xué)科圖。Knewton知識(shí)圖譜考慮進(jìn)了內(nèi)容設(shè)置定義的概念以及這些概念之間的聯(lián)系，將Knewton課程連接起來(lái)。為了完成最終學(xué)習(xí)目標(biāo)， Knewton推薦系統(tǒng)專門個(gè)性化地引導(dǎo)學(xué)生學(xué)習(xí)，知識(shí)圖譜基于學(xué)生知道什么和學(xué)生如何學(xué)習(xí)來(lái)為學(xué)習(xí)者連接交叉學(xué)科。教授的內(nèi)容越多，或者被加入到系統(tǒng)的每個(gè)概念的評(píng)價(jià)越多，適應(yīng)性學(xué)習(xí)體驗(yàn)就變得更加準(zhǔn)確。當(dāng)可視化以后，知識(shí)圖譜通過(guò)課程材料可以向?qū)W生提供潛在發(fā)展路徑的判斷。在知識(shí)圖譜內(nèi)，由于Knewton是通過(guò)課程來(lái)定義一個(gè)學(xué)生的學(xué)習(xí)路徑，多個(gè)概念之間有著先決條件的關(guān)系。Knewton將知識(shí)圖譜中的內(nèi)容定義為“已知”或者“評(píng)估”的特殊關(guān)系，根據(jù)這些決定在既定的時(shí)間點(diǎn)應(yīng)該給學(xué)生傳送什么樣的學(xué)習(xí)內(nèi)容。

2、連續(xù)性學(xué)習(xí)系統(tǒng)不斷地挖掘?qū)W生表現(xiàn)數(shù)據(jù)

單點(diǎn)適應(yīng)性學(xué)習(xí)系統(tǒng)會(huì)在一個(gè)單獨(dú)的時(shí)間點(diǎn)評(píng)估學(xué)生的表現(xiàn)，然后從這個(gè)時(shí)間點(diǎn)決定他將要收到的內(nèi)容類型，很少或者沒(méi)有更進(jìn)一步的個(gè)性化數(shù)據(jù)挖掘。與此不同，Knewton連續(xù)適應(yīng)學(xué)習(xí)系統(tǒng)不斷地挖掘?qū)W生表現(xiàn)數(shù)據(jù)，對(duì)于學(xué)生在系統(tǒng)中的活動(dòng)進(jìn)行實(shí)時(shí)的分析和反饋。根據(jù)一個(gè)給定活動(dòng)的完成結(jié)果，系統(tǒng)將指引學(xué)生進(jìn)入下一個(gè)活動(dòng)。例如，當(dāng)一個(gè)學(xué)生對(duì)于一個(gè)特殊的試題組受到困擾的時(shí)候，Knewton系統(tǒng)就會(huì)知道這個(gè)學(xué)生的特殊不足，并快速反應(yīng)哪些內(nèi)容與這些試題考核的概念相關(guān)聯(lián)，然后給學(xué)生推送相關(guān)內(nèi)容讓學(xué)生增強(qiáng)對(duì)于這些概念的掌握。通過(guò)這種方法，連續(xù)適應(yīng)性系統(tǒng)每時(shí)每刻都能為每個(gè)學(xué)生提供一個(gè)個(gè)性化的學(xué)習(xí)大綱。

3、空間強(qiáng)化不斷累積學(xué)生能力

一般來(lái)講，所謂強(qiáng)化訓(xùn)練是要求學(xué)生在較短時(shí)間內(nèi)學(xué)會(huì)應(yīng)用新的概念或方法，直到他們能夠熟練應(yīng)用或者精通。然而，空間強(qiáng)化（也可以理解為分布式強(qiáng)化）是指不僅在教學(xué)的過(guò)程中新的概念或方法被吸收，同時(shí)以往的概念和方法被強(qiáng)化。因?yàn)樾碌牟牧媳徊粩嗟脑黾舆M(jìn)知識(shí)圖譜系統(tǒng)中來(lái)并編織成用戶熟悉的材料，空間強(qiáng)化強(qiáng)調(diào)的是知識(shí)在時(shí)間上的延伸分布和篩選抽取?？臻g強(qiáng)化使得Knewton推薦系統(tǒng)能夠幫助學(xué)生通過(guò)不斷累積的方式培養(yǎng)學(xué)生的能力，并且一旦接觸到就能反復(fù)學(xué)習(xí)。

4、記憶力和學(xué)習(xí)曲線檢測(cè)學(xué)習(xí)者的真實(shí)能力

Knewton推薦引擎需要將知識(shí)遺忘或者遺忘方式加入到系統(tǒng)中來(lái)，同時(shí)能夠檢測(cè)出類似情況并提供可解決的推薦。受到艾賓浩斯在記憶保持力和學(xué)習(xí)曲線方面的工作的啟發(fā)，Knewton數(shù)據(jù)學(xué)家使用了指數(shù)增長(zhǎng)和衰退曲線、學(xué)生學(xué)習(xí)和忘記的能力曲線，這些曲線建立的前提是一方面每次學(xué)生接觸的是一個(gè)給定主題的內(nèi)容時(shí)，他們會(huì)收到關(guān)于這個(gè)主題的真實(shí)能力的一個(gè)“突然測(cè)試”；另一方面如果他們沒(méi)有接觸其他的主題，他們很有可能會(huì)在一段時(shí)間后忘記這個(gè)主題的內(nèi)容。Knewton數(shù)據(jù)學(xué)家根據(jù)學(xué)生在何時(shí)以及何種方式接觸內(nèi)容等信息，捕獲學(xué)生知識(shí)增長(zhǎng)和減少的方式。最終通過(guò)這個(gè)過(guò)程使得Knewton數(shù)據(jù)學(xué)家能夠測(cè)試控制學(xué)生在課程中的成長(zhǎng)路徑。

5、學(xué)生學(xué)習(xí)概覽讓學(xué)生更好的審視自己

在Knewton系統(tǒng)中，學(xué)生能夠獲得持續(xù)更新的學(xué)習(xí)概覽，包括這個(gè)學(xué)生學(xué)習(xí)到的知識(shí)以及他如何學(xué)習(xí)效率最高的信息。這個(gè)概覽是不斷變化的，隨著學(xué)生在Knewton平臺(tái)上學(xué)習(xí)的時(shí)間越長(zhǎng)，這個(gè)概覽變得更加的智能。一個(gè)學(xué)生使用Knewton課程的時(shí)間越多，平臺(tái)對(duì)于服務(wù)目標(biāo)學(xué)習(xí)材料的效率就越高。在這種方式下，Knewton適應(yīng)性學(xué)習(xí)平臺(tái)致力于最小化沮喪、迷惑等不利于學(xué)習(xí)的感覺，以一種自然的方式培養(yǎng)學(xué)生的能力。

6、利用強(qiáng)相關(guān)的教育大數(shù)據(jù)優(yōu)化適應(yīng)性結(jié)構(gòu)

在教育領(lǐng)域，大數(shù)據(jù)展示了強(qiáng)大的創(chuàng)造性，因?yàn)榻逃I(lǐng)域的大數(shù)據(jù)反映了強(qiáng)認(rèn)知，這一點(diǎn)與門戶網(wǎng)站，社交網(wǎng)絡(luò)以及電子商務(wù)網(wǎng)站等產(chǎn)生的數(shù)據(jù)在結(jié)構(gòu)上完全不同。因?yàn)榻逃龜?shù)據(jù)具有高度相關(guān)性，例如例如對(duì)于分?jǐn)?shù)的掌握和對(duì)于指數(shù)的掌握，這樣就為給學(xué)生優(yōu)化的用戶體驗(yàn)和切實(shí)的價(jià)值提供了非常大的可能性。與在線購(gòu)物相比，為了提升分?jǐn)?shù)或努力改變未來(lái)等強(qiáng)烈的學(xué)習(xí)動(dòng)機(jī)，學(xué)生產(chǎn)生的數(shù)據(jù)具有在線參與時(shí)間長(zhǎng)和參與程度高等特征，這樣就產(chǎn)生了巨量有意義的數(shù)據(jù)，這些有價(jià)值的數(shù)據(jù)又可以被連續(xù)的操作處理，實(shí)現(xiàn)每個(gè)學(xué)生的個(gè)性化學(xué)習(xí)。

Knewton平臺(tái)已經(jīng)建立了一個(gè)能夠處理大量學(xué)生數(shù)據(jù)的基礎(chǔ)結(jié)構(gòu)，還設(shè)計(jì)了一個(gè)稱作“AltNode”的框架，這個(gè)框架通過(guò)在計(jì)算機(jī)之間分割工作量來(lái)實(shí)現(xiàn)，并在一個(gè)最小需求量的計(jì)算機(jī)之間發(fā)送連續(xù)更新。所有重大的更新都被存儲(chǔ)在分布式的Cassandra數(shù)據(jù)庫(kù)中。如果一臺(tái)機(jī)器失效，另外一臺(tái)附近的機(jī)器會(huì)取代他的位置，從數(shù)據(jù)庫(kù)中恢復(fù)最近的數(shù)據(jù)然后繼續(xù)工作。AltNode的一個(gè)獨(dú)特的特征是它允許模型從任何狀態(tài)進(jìn)行恢復(fù)并且對(duì)新到來(lái)的數(shù)據(jù)立即作出響應(yīng)。

歡迎繼續(xù)關(guān)注下周的Knewton適應(yīng)性學(xué)習(xí)系列之三：課堂應(yīng)用