『自适应学习』是一个营销上的统称，底下涵盖了几种真正不同的技术路径——了解它们大致的工作原理，能让你更容易分辨出真的自适应产品和一份重新包装过的练习卷。 这里面没有任何魔法。每一种方法，都对自己在追踪什么、以及如何决定给学生下一步看什么内容，作出了一个具体的、可以被检验的主张。

项目反应理论：给题目打分，而不只是给学生打分

项目反应理论（Item Response Theory，简称IRT）是大多数计算机化自适应测试背后的统计基础。它不只是单纯统计学生答对了多少题，而是同时估算两件事：学生的潜在能力，以及每一道题自身的难度和「区分度」（这道题在多大程度上能把不同能力水平的学生区分开）。

一旦题库有了这些估算值，系统就能实时挑选出下一道最能揭示学生真实能力的题目——通常是一道学生在当前能力估算下大约有50%把握答对的题。答对了，能力估算就上升，下一道题随之变难；答错了，能力估算下降，下一道题随之变简单。这正是大多数正规的自适应测试——包括各类分级测试——背后的机制。

贝叶斯知识追踪：追踪对某一项具体技能的掌握程度

贝叶斯知识追踪（Bayesian Knowledge Tracing，简称BKT）由科比特和安德森在1994年提出，运作方式不太一样。它不是估算一个笼统的整体能力数值，而是针对一项具体技能，追踪一个「学生是否已经真正掌握它」的概率，并在每一次作答之后，用四个参数更新这个概率：学生此前就已经会了的概率、这次作答让他学会的概率、他不会却蒙对的概率，以及他明明会却失手答错的概率。

一旦这个掌握概率越过某个门槛（通常大约是95%），系统就会让学生进入下一项技能。这种方式，更接近一位好的人类导师的思考方式——「这个具体的学生，这项具体的技能，到底掌握了没有」——而不是IRT那种笼统的能力估算，也是卡内基学习公司「认知导师」等知名系统背后的核心技术。

知识空间理论：把逻辑上可能的路径画成一张地图

ALEKS是一款被广泛使用的数学平台，它采用了一种结构上完全不同的方法，叫做知识空间理论。它不是用单一的难度数值，而是把整个知识领域建模成一个知识空间——根据先修关系（比如，要先会加分数，才能掌握含分数的方程求解），标出所有逻辑上可能达成的技能组合。一次简短的自适应测评——通常25到30道题——就能定位出学生在这张知识空间中的确切位置，不仅能判断「下一题该多难」，还能具体指出，在从这个位置出发逻辑上可以到达的所有技能中，哪些已经准备好可以学习了。

Duolingo到底是怎么做的（以及一个值得澄清的常见误解）

网上常有说法称Duolingo用的是国际象棋式的Elo等级分系统来调整难度。更准确的说法是：Duolingo的分级测试用的是真正的IRT，它内部的难度引擎——代号Birdbrain——用的是一种受IRT启发的逻辑回归方法，同时估算题目难度和学习者能力，目标是团队内部所说的「恰到好处的难度」。另外，一个叫「半衰期回归」的独立模型，会预测某个具体学习者对某个具体知识点的遗忘速度，用来决定这个知识点什么时候该重新出现供复习——这是一个衰减模型，而不是难度模型。如果你听过Elo这种说法并信以为真，值得知道：这是一个合理的简化说法，但并不是底层真正在运行的机制。

为什么这些区别对家长来说真的重要

这些不是换了个说法、其实彼此可以互换的技术——它们回答的是不同的问题。IRT回答的是「这个学生此刻整体能力大概如何」。BKT回答的是「这个学生是不是已经掌握了这一项具体技能」。知识空间理论回答的是「在所有逻辑上可以达成的技能里，这个学生现在具体处在什么位置，下一步该学什么」。任何一款建立在这些技术之上、并且做得扎实的产品，都是在做真实、可以被检验的工作。而一款连自己用的是不是这些技术（如果有的话）都说不清楚的产品，值得你保持一份合理的怀疑——参见信任这个标签之前，值得先问的三个问题。

常见问题

自适应学习软件到底是怎么决定下一题给什么的？

大多数系统会用到项目反应理论（估算能力，挑选信息量最大的下一题）、贝叶斯知识追踪（追踪某项具体技能的掌握概率）、或知识空间模型（对逻辑上可能的技能组合建图，定位学生所在的位置）。

『自适应学习』是不是单一的一种技术？

不是——这是一个统称，底下涵盖了几种真正不同、运作方式也相当不同的机制，都被统一叫做「自适应」。

Duolingo是不是用国际象棋那种Elo等级分系统？

并不完全是。它的分级测试用的是项目反应理论，难度引擎（Birdbrain）用的是受IRT启发的逻辑回归，另有一个独立的半衰期回归模型用于安排复习间隔。

相关阅读

Duke Harewood 于 aitutors.me 撰写方法论。2026年7月11日更新。