21世纪的个性化适应性学习

一百多年来，正规教育一直遵循相同的模式。从幼儿园到大学，故事都是一样的：有些人是“ A”类学生，而另一些人则失败。在固定的时间分配内，有些人掌握材料并获得能力，而另一些人则不同程度地没有。

21世纪的适应性学习

个性化方法的自适应学习，从性能分配开始改变了格局。学习者被认为是熟练或不完全的技能培养，而不是通过或失败，并且需要额外的发展。

支持人工智能（AI）的自适应学习包含这样一个假设：只要有足够的时间和适当的支持，几乎任何人都可以精通。在此模型中，性能是固定的，变量则是时间。

如果我们的目标，是使所有工人都能在21世纪的工作场所取得成功，那么需要重新从根本上考虑，我们在学习上施加的限制。适应性学习计划表明，速度更快的学习者，熟练程度是中位数学习者的两倍，而需要最多帮助的学习者，学习速度大约是中位数学习者的两倍。

通过适应性学习，完成学习的时间因学习者而异，但每个人都能熟练掌握。

个性化学习为竞争环境创造条件

通过个性化的自适应学习，可以创造一个更加公平的竞争环境，所有人都可以充分发挥自己的潜力。但当前大多数L＆D模型并未实现通用水平，因为它们不能为学习者提供个性化的帮助。

当L＆D程序使用一种自定进度的在线学习方法，该方法允许学习者以自己的速度工作时，它们将无法为那些人提供帮助。仅靠提供足够的学习时间，没有个性化的支持，并不能有效地弥补技能差距。

从理论上讲，讲师可以提供个性化的支持，但从实践角度来看，由于班级规模和内容量的原因，小组环境中的个性化通常会受到影响。不幸的是，关于当前的培训，通过内容是课堂或在线的主要目标，而不是确保每个学习者都能熟练掌握。

对于当今迫切需要新技能的人来说，这种传统方法无法满足要求。根据麦肯锡的研究，由于数字化、自动化和人工智能，多达3.75亿工人（约占全球劳动力的14％）可能需要改变职业（或需要新技能）。

此外，随着“ 智能机器 ” 普遍应用于工作场所，几乎每个人的工作方式都可能发生变化。

自适应再训练

再培训不仅对工人有帮助，并且对依靠雇佣的雇主也有利。现在，普遍的技能短缺使组织对现有员工的再培训，变得更具优势和成本效益。

适应性学习特别适合于培训完成工作所需的技术“硬”技能和“软”技能，如沟通、批判性思维、协作和创造力。通过个性化方法，自适应学习系统可以适应每个学习者，并侧重于每个人胜任工作需要提高的能力。

这种方法不仅使学习者更感兴趣，而且对组织更有效和更具成本效益。对于公司的L＆D而言，这种效率转化为一种能力，使员工能够花更少的时间来提高自己的技能和熟练程度。每个人都有更多机会精通新职位，通过更多的工作机会来增加成功机会。

为满足21世纪工作场所的需求，每个人都必须可以胜任其他工作，而不仅仅是某些人。随着机器的普及、接管大多数工作任务，并完全消除一些工作，必须要为全体工人配备更高水平的技能。

这是一个艰巨的任务，但完全在掌握之中，这要归功于自适应学习能够大规模提供个性化方法的能力。