个性化学习的三个前提

本文性质： 模型 + 假设（Model / Hypothesis）　证据标签： 观察 Observation／模型 Model／假设 Hypothesis／实证 Evidence

本篇涉及的证据类型：模型 Model／假设 Hypothesis／实证 Evidence／观察 Observation。凡属本院课堂观察与教学模型的部分，均不作效果承诺。

个性化学习是每份教育科技材料里都会出现的词。但在教室里，它经常被简化成一个动作：学得快的人做难一点的题，学得慢的人做简单一点的题。这只是分层，不是个性化。

个性化不是把进度调快调慢

本院教师在使用练习系统的过程中发现，真正省时间的不是题目难度自动调整，而是系统能指出是哪一步断了：是词不认识，是句子结构没看懂，还是会做但速度不够。同样是做错三道题，原因不同，下一步完全不同。如果诊断不成立，难度调节只是在错误的层级上反复试错，学生的时间被消耗在寻找原因上，而不是在练。

没有诊断就没有个性化

个性化学习的想法并不新。Bloom 1984 年提出的两西格玛问题，设想在个别辅导条件下学生的平均水平会显著提高，此后长期被用作追求个别化的理由。VanLehn 2011 年对人工辅导、智能导学系统与其他教学形式的对比研究表明，智能导学系统确实优于常规课堂教学，但仍明显低于有经验的人类辅导。Pane 等 2017 年的随机评估也发现，个性化学习平台的效果存在，但幅度有限且依实施条件而变。这些结果支持有条件的改进，不支持飞跃式的承诺。

三个前提的检查清单

本院课程研发部把个性化拆成三个前提，缺一个都不成立：第一，有可描述的诊断，能定位断在哪一步；第二，有对应诊断的下一步动作，而不是只换难度；第三，有记录，能看出这一步之后有没有变化。三个前提齐备，个性化才是一个可运转的循环；缺第三条时，它只是一次性的调整。

规模化个性化的现实边界

第一，诊断本身需要时间与专业判断，完全依赖系统给出的诊断容易把学习问题简化成知识点问题。第二，规模化之后，个性化往往退化为分层，这是现实约束而非设计失误。第三，任何方案都要保留人的复核，因为学生状态、动机与情境无法被完整读入数据。

今天就能开始

下一次拿到错题时，先只做一件事：写下这道题断在哪一步，再决定练什么。

本文依据

• 观察来源： 本院教师使用练习系统的记录：难度自动调整无法指出断裂点，仍需人工定位——属使用观察，未做统计检验。
• 模型出处： 诊断／对应动作／记录三个前提，为本院课程研发部内部设计检查清单，非外部研究成果。
• 待验证项： 三前提齐备时个性化的增益幅度，本院尚无对照数据。
• 外部文献： Bloom 1984（Educational Researcher）；VanLehn 2011（Educational Psychologist）；Pane et al. 2017（RAND 随机评估报告）。