近日，在2018全球AI智适应教育峰会上，来自国内外四大人工智能自适应教育机构的专家、学者对智适应教育的缘起以及前景、智适应平台的构建、以及人工算法等方面的技术等问题进行了友好的切磋和探讨。

智适应学习系统依赖于人工智能底层技术的发展，这方面来自ALEKS前首席数据科学家的 Dan Bindman有着自己独到的见解，并从技术角度解答了智适应学习系统构建的相关问题。他认为：“高质量的内容、智能AI给所有学生绘制知识转化的状态图谱，以及量身定做的选择材料”，是智适应学习系统的重要支撑点。

ALEKS前首席数据科学家Dan Bindman

Dan Bindman说：“最开始处理知识图表，要检查数据是否正确，系统是否奏效。当时真的是到了疯狂的地步，几千几万个链接，要看到每一个点、线连接绘图方面的问题。但是，这样的系统分年级却并不适用，所以需要我们建立一套模型，不完全依赖于知识点的知识图表，能够处理绘图中大部分能处理的问题。”

究竟什么样的算法模型最合适呢？Dan Bindman认为，与传统的IRT和KST等其他模型相比，多轨道模型更有优势，“通过对学生的知识状态PKS评估可以分析出学生的情况，确定他掌握知识的程度，并跟学生产生互动，继而产生的数据预测精准度就比较高。”“根据模型，可以了解在任何时候学生回答问题有三个因素，一个是学生在知识轨道的能力，二个是问题的权重，第三个是问题的中心概率值。我们通过等式就可以了解学生在某一个知识轨上，他掌握的问题权重，就可以得到他所回答的问题来。”由此看来，多轨道算法模型通过大数据、机器学习算出来的准确度更高，并且能够不断根据学生的成长度来调整学习状态，对智适应学习平台的构建具有十分重要的意义。

以下是 Dan Bindman演讲全文：

各位好！我会跟大家做一个报告，这个报告我给大家介绍一个多维的模式，用于知识评估和学习，我是来自于ALEKS的博士。

一、智·适应学习首先要有强大的内容才行，如果内容不够强大，智·适应系统就不会强。即使你体系别的内容是最好的，也不会够强大。

二、我们现在是智能AI，给所有学生绘制高知识转化的状态图谱，然后了解他们掌握了什么，没有掌握什么。

三、利用高清化图谱了解知识，这样给他量身定做选择学习素材。

在我报告当中会利用到一个新的模型，是解决第二、第三个内容。这里给到大家的模型，像可以提供代数一在线的学习，里面有成千上万的学生，这当中有很多问题在里面。这样有一个向量，可以了解学生在什么时候回答对问题，我们简称为学生的知识状态PKS，比如说有两个学生，两个学生的PKS在下面状态。学生1的PKS状态在回答问题是0.29到0.74；学生2在某一个时间回答第一个问题他的PKS0.53，到回答第四个问题时是PKS是0.35。