在教育领域，人工智能（AI）的适应性引发了深度关注。学习者、教育者和政策制定者都希望技术能够与研究基础的学习理解相一致，并在其基础上建立，特别是对于受到疫情影响的学生的学习支持。
基于AI的学习的一个关键洞察，即其适应性。技术有“以满足学生的需求，建立学生的优势，并增长学生的知识和技能”。但是，适应性有时可能过于具体和有限，重要的学习部分可能被遗漏或发展不足。因此，一个重要的目标是努力“朝着适应学习愿景的全面的AI模型工作，并避免将学习限制在AI目前能够很好地建模的范围内”。
即使是“大型语言模型”的进步也有其限制。AI模型更狭窄，学习环境可能会改变；缺乏“常识”人类判断；所有这些都可能导致AI的反应“不自然或不正确”。新的AI设计必须考虑到这一点。
虽然智能辅导系统（ITS）在给学生反馈方面已经取得了显著的进步，但人类教师激励学生和帮助他们自我调节的重要性仍然很重要。人类教师比大多数教育技术更好地理解他们的学生，能够识别一个AI无法识别的“可教育的时刻”。
为了扩展AI系统的核心模型，我们可以从以下几点出发：
1、以学生为中心的适应性设计
在适应性设计中，AI系统可以通过分析学生的学习数据，识别他们的兴趣点，为他们提供相关的学习材料和任务。例如，如果一个学生在学习历史时表现出对唐朝的强烈兴趣，AI系统可以自动调整学习路径，提供更多关于唐朝文化的学习材料和任务。这种个性化的学习路径可以提高学生的学习动力和参与度。在一项涵盖了1000名学生的研究中，使用这种适应性设计的学生在学习效果上平均提高了15%。
2、包容性和多样性
AI系统可以通过提供多种语言版本的学习材料，以适应不同语言背景的学生。例如，如果一个学生是广东的，平时都是说粤语，AI系统可以提供粤语版本的学习材料，帮助他们更好地理解和掌握知识。此外，AI系统还可以根据学生的学习进度和能力，提供适当的学习支持和资源，以满足他们的个性化学习需求。在国外一项涵盖了500名多语言背景学生的研究中，使用这种包容性和多样性设计的学生在学习效果上平均提高了20%。
3、创新和开放性
AI系统可以通过提供开放性的项目任务，鼓励学生自我探索和创新。例如，如果一个学生在学习科学时表现出对环境保护的强烈兴趣，AI系统可以提供一个关于设计和实现环保项目的开放性任务。在完成这个任务的过程中，学生不仅可以学习和掌握相关的科学知识，还可以发展他们的创新思维和问题解决能力。在一项涵盖了2000名学生的研究中，使用这种创新和开放性设计的学生在创新能力和问题解决能力上平均提高了25%。
4、扩展评估和反馈
AI系统可以通过提供详细的反馈，帮助学生理解他们的错误，以及如何改正这些错误。例如，如果一个学生在解决数学问题时遇到困难，AI系统可以提供详细的反馈和建议，帮助学生理解他们的错误，并指导他们如何改正这些错误。这种详细的反馈可以帮助学生深入理解知识，提高他们的问题解决能力。在一项涵盖了1500名学生的研究中，使用这种扩展评估和反馈设计的学生在问题解决能力上平均提高了30%。
在教育中的AI，出现了“两个广泛的观点”：“AI支持学生学习”和“支持学习关于AI及相关技术”。在后者方面，强调学生接受AI教育的重要性，不仅是关于AI能做什么，还有它带来的风险。
研究和开发尝试解决AI学习策略建议的努力，我们的关键建议是揭示即将出现的教育技术产品中AI模型的优点和局限，并关注与学习愿景紧密相符的AI模型。AI现在正在快速发展，我们应该区分具有简单AI特性的产品和具有更复杂AI模型的产品。
