习的当前分数。例如，如果用户超越了预定义的正确答案阔值，那么用 户可W被确定为精通、或已经得到了对主题的掌握、至少是到继续前进到另一挑战的可接 受的水平。在其它实施例中，诸如在教室设置中的教师的管理员可W确认用户可W继续前 进至另一挑战。如果在块310中的确定的结果是肯定的，那么过程够可W前进至块312,其中 可W开始下一练习（例如，直到在块314处的练习 n)、水平、学习对象、或单元。如果块310的 结果是否定的，那么过程可W与适配模块124合作W确定要关于用户采取的适当的行动，并 且过程可W前进至块316。在块316处，可W分析用户状态数据W确定参与度水平。可W通过 上面参考图2讨论的方法中的任何来完成运点。一旦确定了参与度水平，过程就可W前进至 块318,其中可W将用户状态数据并入到进化的用户状态模型。也可W如上面参考图2描述 的方式的相同的或类似的方式来完成运点。在块320处，可W进行关于所确定的参与度水平 是否高于阔值的确定。此外，可W通过与在图2中描述的方式相同的或类似的方式来完成运 点。如果用户的参与度水平不高于阔值，那么过程可W前进至块322,其中适配模块124可W 在块321处与教育模块128合作W适配被呈现给用户的练习 W通过高亮、加下划线、粗体或 W其它方式唤起对练习的部分注意；教导用户注意练习；或W其它方式试图增加用户关于 手头练习的参与度水平来强调练习的一个或多个部分。例如，如果W否定的方式呈现练习， 诸如下中的哪一个不属于?"，那么适配模块124可W与教育模块128合作来W上面提及 的方法之一强调"不"。
[0046] 如果用户的参与度水平高于阔值，那么过程可W前进至块324,其中可W选择一种 类型的支架或辅导。如上面讨论的那样，该选择可W是基于用户简档，或者可W是基于进化 的用户状态模型。例如，针对各个用户的进化的用户状态模型可W指示用户对专家辅导响 应良好并且可W作为结果选择专家辅导。另外，支架类型还可W依赖于使用的先前支架类 型。例如，如果用户先前针对该练习接收到了机器辅导，那么适配模块124可W确定同龄辅 导人或专家辅导人将是更适当的，因为对该用户或该练习来说机器辅导可能已经无效了。
[0047] 一旦确定了支架类型，过程就可W移动到所确定的支架类型W在块326-330处开 始支架。可W由适配模块124自动地开始机器辅导。对于同龄辅导或专家辅导，适配模块可 W向用户通知要联系的同龄辅导人或专家辅导人或可W向所选择的同龄辅导人或专家辅 导人发送消息或通知。在一些实施例中，如上面讨论的那样，可W通过用户的用户简档预定 义适当的同龄辅导人。在其它实施例中，可W基于在练习时的同龄表现或所指示的对讨论 中的主题和/或当前内容的掌握动态地确定同龄辅导人W便所开始的辅导可W补充被呈现 给用户的教育性内容。在完成辅导之后，过程可W返回至块304,其中用户可W在该练习、类 似练习处进行另一尝试，并且过程可W重复。
[0048] 图4描绘根据各种实施例的用于建造个性化进化的用户状态模型的例证性机器分 类方法。在实施例中，适配模块124可W被配置成通过基于基于凝视的参数计算学生对内容 的"兴趣度（interestingness)"来给教育性内容对学生的参与度的影响打分。下面表2中见 关于参数的细节。该信息与先前讨论的用户状态数据一起可W被用作用于计算和/或学习 进化的用户状态模型的原始材料，所述进化的用户状态模型也可W被定制成教育性内容的 兴趣或类型。
[0049] 表2数字式内容对参与度的影响
[0050] 在一些实施例中，可W基于在上面的数据收集和传感器讨论中描绘的原始数据学 习进化的用户状态模型。在实施例中，适配模块124可W被配置成例如使用机器学习回归方 法来学习进化的用户状态模型。在其它实施例中，适配模块124可W被配置成使用机器学习 分类方法。可W通过过程400完成该机器学习分类。过程400可W在块402处开始，其中适配 模块124可W确定输入数据、输出数据、W及要被优化的参与度函数。在块404处，适配模块 124可W基于现有技术中已知的各种信号处理技术执行各种特征提取过程W从输入数据信 号中提取特征。在块406处，适配模块124可W基于数据互相关联或两片数据的相互依存(在 现有技术中也被称为相互信息或传递信息）的测量来选择一个或多个特征。计算可W基于 时间序列数据，或在时间中可W W统一间隔隔开的连续的点处测量的数据点的序列。特征 选择算法可W是基于任何适当的特征选择算法，诸如但不限于最小冗余最大相关(mRMR)、 基于快速互相关联的过滤器(FCB巧等。在块408处，适配模块124可W通过利用例如Gestalt 分组暗示作为特征基于从好的和坏的示例中的学习来学习模型分类，并且还可W是基于统 计学马尔可夫链或马尔可夫链蒙特卡洛范例。一旦学习了进化的用户状态模型，就可W通 过重复过程400从一个学习会话到下一学习会话精炼进化的用户状态模型。
[0051] 图5图解根据本公开的各种实施例的适应性学习环境的管理控制板500的示例呈 现。可W向适应性学习环境的管理员（诸如在教室设置中的教师）呈现控制板500。控制板 500可W使管理员能够监控每个个体学习者或学生的参与度水平与其它相关信息一起，W 及提供对班级的理解的整体表示。在一些实施例中，控制板可W被配置成呈现与每个学习 者相关联的视觉元素（例如，视觉元素508)。视觉元素可W利用诸如学习者名字510的识别 符来识别每个学习者，并且还可W呈现学习者的参与度水平512的实时指示符。在一些实施 例中，视觉元素还可W包括学习者的图像W使管理员能够更快速地识别与在各个视觉元素 内包括的信息相关联的学习者。
[0052] 在一些实施例中，控制板可W被配置成使管理员能够访问与个体学习者相关联的 更多深度教育性信息，诸如在视觉元素502中呈现的更多的深度信息。控制板500可W被配 置成提供该深度信息作为任何类型的交互的结果，诸如例如传统的鼠标按钮的双击或仅在 所期望的视觉元素上悬停指针504。控制板500还可W被配置成(例如，通过与按钮506交互） 为用户提供到简档(诸如本文其它地方讨论的用户简档）的管理员访问。控制板500还可W 呈现上下文信息（例如，同龄辅导指定514和516)或学习者需要专家辅导的通知（例如，通知 518)。在一些实施例中，如果管理员需要采取关于学习者的行动（例如，专家辅导），那么可 W W某一方式区别视觉元素，诸如通过被添加到视觉元素边缘的粗体或强调(例如，被加粗 的边缘520)、或任何其它可W唤起管理员对该视觉元素注意力的机制。
[0053] 在一些实施例中，控制板500还可W呈现班级的理解的整体表示。在运样的实施例 中，可W通过单元和学习对象来分解该整体表示。例如，控制板500可W被配置成呈现与所 选择的单元522相关联的学习对象的列表524,并且可W将该学习对象列表524与对应的精 通百分比列表526相互关联。在一些实施例中，管理员可能能够从学习对象列表524中选择 个体学习对象并观看与所选学习对象相关的针对每个个体学习者的统计数据，诸如个体精 通指示符、完成百分比等。
[0054] 图6图解根据本公开的各种实施例的具有管理控制板的适应性学习环境600。适应 性学习环境600可W包括管理计算设备，诸如膝上型电脑602。适应性学习环境600还可W包 括与个体学习者相关联的多个学习者计算设备，诸如平板606-616。管理计算设备可W包括 控制板模块604,其被配置成向管理员呈现诸如图5的控制板500的控制板。控制板模块604 可W经由任何类型的有线或无线数据连接被通信地禪合到个体学习者计算设备，所述数据 连接诸如例如WiFi、蓝牙、无线USB、W太网、互联网、局域网等。控制板模块604可W被配置 成从学习者计算设备中的每一个接收教育性数据，诸如例如参与度水平、对教育性内容的 理解水平、对教育性内容的完成水平等。控制板模块604可W被配置成聚集该教育性数据并 使管理员能够监控与每个个体学生相关联的教育性数据W及针对班级作为一个整体的教 育性数据的整体表示。
[0055] 图7图解根据本公开的各实施例的诸如控制板模块604的控制板模块的过程流程 700。过程可W在操作702处开始，其中可W建立诸如上面参考图6讨论的数据连接的通信连 接。在块704处，控制板模块可W从个体学习者计算设备(例如，图6的平板606-616)接收或 获取教育性数据。在块706处，可W聚集并分析教育性数据W生成对个体学习者理解水平W 及学习者作为一个整体的整体视图。在块708处，控制板模块604可W格式化教育性数据和 块706的分析结果用于向管理员输出。
[0056] 现在参考图8,其中图解根据各种实施例的适合于实现适应性学习平台108或控制 板500的示例计算设备。如所示的那样，计算设备800可W包括一个或多个处理器或处理器 内核802, W及系统存储器804。在实施例中，多个处理器内核802可W被部署在一个管忍上。 为了本申请、包括权利要求的目的，术语"处理器"和"处理器内核"可W被考虑成同义的，除 非上下文明确地另外要求。另外，计算设备800可W包括(一个或多个)大容量储存设备806 (诸如磁盘、硬驱动、紧凑盘只读存储器(CD-ROM)等）、（一个或多个)输入/输出（I/O)设备 808(诸如显示器、键盘、指针控制等）、W及通信接口 810(诸如网络接口卡、调制解调器等）。 在实施例中，显示单元可W是触摸敏感屏并且可W包括显示屏、一个或多个处理器、储存媒 体、W及通信元件。另外，其可W是从具有键盘的基础平台可移除地对接或不对接。元件可 W经由可W表示一个或多个总线的系统总线812被禪合到彼此。在多个总线的情况中，它们 可W通过一个或多个总线桥(未示出)被桥接。
[0057] 运些元件中的每一个都可W执行本领域中已知的常规功能。特别地，系统存储器 804和(一个或多个)大容量储存设备806可W被用于存储编程指令的工作副本和永久副本， 所述编程指令实现早先描述的操作，例如但不限于与适应性学习平台108和/或控制板500 相关联的操作，其通常被称为计算逻辑822。可W通过由（一个或多个)处理器802支持的汇 编程序指令或高级语言诸如例如可W被编译成运样的指令的C实现各种操作。
[0058] 编程指令的永久副本可W在工厂中或在现场中通过例如分布媒体(未示出，诸如 紧凑盘(CD))或通过通信接口 810(从分布服务器(未示出））被放置到（一个或多个)永久大 容量储存设备806中。即，具有适应性学习平台108或控制板500的实现的一个或多个分布 媒体可W被用于分布适应性学习平台或控制板并编程各种计算设备。
[0059] 运些元件810-812的数目、性能和/或容量可W依赖于所意图使用的示例计算设备 800而改变，例如，示例计算机800是否是智能电话、平板、超级笔记本、膝上型电脑、或台式 机。运些元件810-812的构造是另外已知的，并且因此将不进一步被描述。
[0060] 图9图解根据各种实施例的具有被配置成实践与早先描述的适应性学习平台108 和/或控制板500相关联的操作中的所有或所选择的操作的指令的示例非暂时性计算机可 读储存媒体。如所图解的那样，非暂时性计算机可读储存媒体902可W包括多个编程指令 904。编程指令904可W被配置成使例如计算设备800的设备能够响应于编程指令的执行来 执行参考图1-7描述的过程中的一个或多个操作。在替换实施例中，编程指令904可W替代 地被部署在多个非暂时性计算机可读储存媒体902上。在仍其它实施例中，编程指令904可 W被编码在暂时性计算机可读信号中。
[0061] 参考回到图8,对于一个实施例，处理器802中的至少一个可W被与计算逻辑822- 起封装(代替存储在存储器804和/或大容量储存806中），所述计算逻辑822被配置成执行参 考图1-7描述的过程中的一个或多个操作。对于一个实施例，处理器802中的至少一个可W 与计算逻辑822-起被封装，所述计算逻辑822被配置成实践参考图1-7描述的方法的方面 W形成系统级封装(SiP)。对于一个实施例，处理器802中的至少一个可W与计算逻辑822被 集成在相同的管忍上，所述计算逻辑822被配置成执行参考图1-7描述的过程中的一个或多 个操作。对于一个实施例，处理器802中的至少一个可W与计算逻辑822-起被封装，所述计 算逻辑822被配置成执行参考图1-7描述的过程中的一个或多个操作W形成片上系统 (SoC)。运样的SoC可W被利用于任何适当的计算设备。
[0062