首次發佈 / 近側發展區間 2019 人工智慧 / 機器學習【適性學習系統 3 大類技術】適性學習系統 (Adaptive Learning System, ALS, 或是 Intelligent Tutoring System, ITS) ，適性學習系統 ITS 的定義核心是系統會隨時收集學習者的行為與評量結果，自動動態地調整下一步，提供給學習者最適當的內容、反饋、提示、練習或測驗題目，以提升學習者的學習成效、動機，節省時間，並保持學習者在【最適的挑戰範圍內 — 近側發展區間】 (Zone of Proximal Development, ZPD)適性學習系統 3 大類技術如下：
1.適性學習平台 Adaptive Sequence: 這種系統的提供者都是工具平台業者，通常與內容出版商合作，或者讓教師、作者自行建立上傳內容，系統會根據學習者的先備知識與對各知識點的精熟度不同而調整學習路徑。
2.適性學習內容 Adaptive Content:設計互動內容提供即時反饋或提示，需要將傳統內容重新改製成顆粒度較小的設計以提供階段性支持與評量，可將評量題目嵌入學習內容中以點測學習理解，內容改製成本高，效果較佳，分析較能入微。顆粒化內容應與學習課綱標準正確對齊。單純的這種產品其學習路徑是不變的，只根據能力而加速或重複學習，但是有些產品也結合了 Aadaptivce Sequence。此型態最適合學習內容出版業者發展。
3.適性學習評量 Adaptive Assessment: 目前被用在自我練習或正式評量上，當學習者回答測驗題時，根據答對/錯或部分答對/錯，下一個題目會動態調整，只提供適合使用者程度的題目。其目的是有效率地測出學習者的能力定位，可依據不同標準化量尺來表示。題目的品質非常重要，題目與標準能力量尺的定位也最好有大量統計數據較有可信度。 此型態最適合題庫型產品業者發展。（摘自 Classroom Aid 2018 ）＃區塊鏈機器學習 ＃人工智慧大數據 ＃心理與教育統計學教甄 ＃教育新興議題 ＃教甄口試自介
