原文：Towards AI-powered personalization in MOOC learning. 作者：Han Yu, Chunyan Miao, Cyril Leung and Timothy John White. 来源：Science of Learning. 译者：玉镯. 编辑：尔瑞.
MOOC（慕课）所代表的大规模学习正在改变高等教育的形势。我们专注于新兴的AI技术，包括如何让“知识表示*工具”帮助学生调整学习顺序，以适应自身的需求；优化技术如何有效地将MOOC的主导任务与社区助教相匹配，以便关注到学习者个体；具有人性特征（如好奇心和情感）的虚拟学习伙伴（VLC）如何大规模地提升学习体验。这些新功能将为教育研究人员带来新的机会，分析学生的学习技能，揭示不同背景学生在学习过程中的哪些节点上可能需要不同的帮助。本文亦讨论了在MOOC教育研究中应用AI的道德考量。
（*译者注：“知识表示”是人工智能领域的一个术语，关系到人类应如何储存和处理知识，以让程序能够处理这些知识，并最终达到人类的水准。）
引言
MOOC（即慕课，大规模开放在线课程，以下简称MOOC）是一项挑战传统教育模式的颠覆性技术，它使成千上万的学生能够以极低的价格甚至免费学习大学课程。MOOC能够覆盖世界各地的海量学习者，对开放教育*有着十分积极的影响。 然而，在保持质量的同时扩大班级规模并不容易，也存在许多问题。通过MOOC进行的沟通和信息传播，受限于学习者之间建立的*既包括课堂上的联系，也包括在其他社交网络中建立的联系。学习者经常抱怨当前的MOOC无法提供足够的实践经验，以帮助他们将概念和想法转化为实践技能。许多MOOC的完课率依然很低。
（*译者注：开放教育，即不设录取成绩要求的教育，通常在线上开设。）
如今，众所周知的是，要通过MOOC进行有效学习，就要采用与面对面学习不同的教学法。为了迎合不同背景的学生、实现有效学习，个性化就显得尤为重要。在MOOC课堂上，学生通过与在线学习内容进行互动，会产生丰富的学习行为数据。多年来，人们一直在寻找方法，利用人工智能（Artificial Intelligence，以下简称AI）技术从这些数据中挖掘价值（比如，鉴定出哪些人可能会早早退课，以便把更多精力放在更可能留下来的学生身上）。然而，AI在MOOC中的应用并不总是那么简单。主要原因可能是，目前的MOOC教学更注重标准化，而非个性化。从学习内容到考试，今天的MOOC很大程度上都更像课堂教学，学生只能去适应预定好的参数，留给个性、创造力和批判性思维的空间很小。
Coursera上“deeplearning”（深度学习）课程列表（图源：Coursera官网）
由于MOOC平台（如Coursera和edX）上许多课程的学习行为数据尚未向AI研究人员开放，因此该领域现有的AI研究主要依赖于以特定方式发布的、特定课程的数据集（例如KDD Cup 2015竞赛*数据集）。为了支持MOOC教育领域的开放科学**，MOOC平台需要与教育工作者和AI研究人员共同合作。
（*译者注：KDD Cup，国际知识发现和数据挖掘竞赛，一项数据挖掘研究领域的国际顶级赛事。KDD 的英文全称为Knowledge Discovery and Data Mining。）
（**译者注：开放科学，即旨在推动科学研究和数据向全社会所有人士开放的运动。）
个性化的学习活动
作为电子学习的一种形式，在线资源的使用给了MOOC一条自然的途径，为学生提供个性化的学习机会。例如，使用与课程材料结合的在线小型图书馆，可以让有兴趣的学生深入探索相关话题。目前MOOC具有固定的课程结构，比如，课程设计者会预先规定好视频讲座和相关学习活动的顺序。在有些课程科目中，不同主题间有明确的依存关系（比如数学中通常先学加法，再学减法）。对于这些课程来说，让所有学生都走同样的学习路径是有好处的。然而，对一些进阶课程（如人机交互）来说，不同主题间的依存关系并不是很明确。由于MOOC课程通常是大学水平，许多都属于后一类课程。对于这类课程而言，给学生更多自由，让他们根据个人情况（如背景知识和时间限制）去接触学习内容，而不必严格遵循预定好的顺序，可能更为有利。亦有证据表明，在电子学习环境中，学生接触学习内容的顺序也能让教育工作者获取一些有益的信息。
为了使将来的MOOC学习者能够灵活个性化他们的学习路径，第一步是要将学习内容细化为精细分割、贴好标签的知识单元。逆向设计技术，即由课程教师决定目标、确定评估标准，而后选择学习活动的技术，可用于开发课程，使课程的学习内容精细分割而又连贯一致。微型MOOC是一种在线学习的新兴趋势，它提供的MOOC课堂使教师能够更方便地进行逆向设计。微型MOOC采用了一种新形式的微课程，内容通常是与特定主题相关的短视频，每个视频的时长一般不超过5分钟，并附有简洁的文字说明。一些主要以微型MOOC来传递学习内容的新MOOC平台，如Curious，Everpath和Pathwright，正在吸引那些学习MOOC的时间较短、较为碎片化的学生（如工作人士）。
Curious官网首页；用户可根据空闲时间长度选择视频
有了微型MOOC作为构建学习路径的潜在模块，下一步需要有简单易用的软件来构建和修改学习路径。此类软件可以选择Goal Net和与其配套的多代理开发环境（Multi-Agent Development Environment，MADE）。这是一款AI知识表示工具，可以对逻辑流进行建模，无需编写冗长的程序代码。基于目标设置理论，Goal Net允许用户将复杂的过程（如设置一组学习任务）表示为由目标和活动构成的网络。该软件还能追踪目标之间的转换以及目标的实现。图1是一条由Goal Net构建的学习路径的示例，该路径由学习活动（圆角矩形）和学习目标（圆形）组成，这些活动和目标都是《人机交互导论（Introduction to Human-Computer Interaction）》课程中所涉及的。在该课程中，“应用类型与动机”、“通用可用性”、“行动理论的7个阶段”、“8条黄金法则”和“指导与原则”这些主题之间没有强烈的相互依存关系，可以以不同的顺序进行学习。学习活动的形式可以是微型MOOC、小测验、论坛讨论，以及其他的教学形式。
