適應型學習
Adaptive Learning
什麼是適應型學習?
- 依程度與弱點即時調整內容與難度
- 熟悉的部分跳過,弱點多練習
- AI 加速個人化
導入適應型學習,教學設計的最小單位也會跟著改變。不再是一門 8 小時的課程,而是每一個 5~10 分鐘的學習物件與每一道題目都成為組裝的對象,決定何時進入下一段的權限,也從講師轉移到回應資料上。因此實質上的變化在於結業標準從修課時數轉向熟練程度。同一門課,有人需要 40 分鐘,有人要 3 小時,公司能否把這種情況視為正常,是導入的第一道關卡。
適應發生的層次通常分為三種:調整題目難度的評量適應(CAT)、改變下一個要看內容順序的路徑適應,以及把說明方式換成影片、文字或實作的表現適應。前兩者可以用「答對率未達 70% 就加上補充模組」這類規則式設計來實現,第三種則需要資料累積到一定量才有意義。這與讓學習者自行選擇的個人化推薦界線不同——推薦是在課程之外決定要聽什麼,適應型學習則是在課程之中由系統即時調整。現實上的限制在於內容數量,要把一個模組做成適應型,題目需要 3~5 倍、替代路徑至少 2 條。
現場最常出錯的地方,就是以為只要買了解決方案,適應型學習就會自動開始。若直接把既有的線上學習內容套上去,因為沒有知識元素標籤與先修、後續的關係,演算法只能停留在'重新顯示答錯題目'的層次。學習者若只是不斷重複答錯的題目,常會因為覺得'為什麼總是我在做同樣的題目'而離開。把個人化學習路徑資料直接連到人事考核也很危險。被分配到簡單路徑的人一旦開始被視為低績效者,下一輪起大家都會假裝懂、隨便猜答案,診斷本身就會失效。最好先以文件明定「診斷資料僅用於學習輔助」的原則再開始,這樣比較安全。
源自程式化學習與智慧型教學系統(ITS),隨著 AI 與學習分析的發展,個人化功能已大幅進化。
以下以虛構案例說明。A 公司是生產半導體設備零件的企業,員工 840 人,年營收規模 KRW 190,000,000,000 (≈ US$142,209,200)。生產技術職務教育採8 小時一次修完的方式,10 年資的工程師覺得「又要聽這個」,只把視窗開著、忙別的事;入職 3 個月的新人則從第 3 次起就跟不上。教育團隊於是進行了為期 6 個月的適應型試辦。
- 教育組長把 8 小時的課程切成 34 個 12 分鐘的模組,並依'油壓・氣壓基礎'、'圖面公差解讀'等內容為每個模組貼上知識標籤,光是貼標籤這件事就花了 7 週。
- 事前診斷 40 題施測後,62 名經歷五年以上的人中,有 41 人已經通過前 12 個模組,組長在會議上承認:'讓這些人再學一次基礎,根本是浪費。'
- 設定答對率未達 70% 就加上 2 個補充模組,達 90% 以上則跳到下一單元,同一內容另外準備影片型與圖面實作型兩條路線。
- 生產技術團隊的組長問:'路徑較短的人在考核上會不會吃虧?'教育訓練團隊因此對全公司發出公告,明定診斷結果不交給人事,僅本人與教育訓練團隊可以查閱的原則。
- 6 個月後,平均修課時間從 8 小時縮短為 4 小時 50 分鐘,中途退出率從 23% 降至 9%,最終熟練評量的通過率也從 71% 提升到 88%。
Seung-tae Park
金鍾赫