適應性演算法帶嚟睇得見嘅優勢，背後有幾十年智能教學系統研究撐住

一對一教學嘅成效遠遠好過課堂教學，呢個唔係靠估——而係教育研究入面幾十年嚟最經得起考驗嘅發現之一。問題從來都唔係個人化教學有冇用，而係佢好難規模化：好嘅補習老師本身已經供不應求，就算搵到都所費不菲。智能教學系統就係為咗填補呢個缺口而出現，而背後嘅研究都已經累積咗好多年，夠晒成熟。

「適應性」真正嘅意思

適應性演算法唔止係向唔同學生顯示唔同題目咁簡單——嗰種只係隨機派發。真正有適應性嘅系統，會為每個學生建立一套「掌握程度模型」，隨住新嘅答題證據不斷更新，再決定呢個學生跟住應該睇到啲乜：邊個課題、邊個難度、邊種形式。個模型起得唔準，系統就只會浪費學生時間喺錯嘅內容上；起得準嘅話，每一分鐘練習都會直接對準真正拖慢呢位學生進度嘅嗰個缺口。

呢個喺EdSpark入面係點樣體現

呢個對我哋嚟講唔係得個講字，而係成個平台嘅骨幹。我哋嘅知識圖譜會將每一條題目對應返實際課程內容，唔係靠語言模型自己亂估相關性；我哋嘅錯題簿會將學生每個錯誤，直接反映喺下一步要畀佢哋嘅內容入面。結果就係一個完整嘅回饋循環：評估、搵出缺口、針對缺口練習、再評估——唔係一堆學生要自己慢慢篩選嘅練習卷。

• 每次作答，系統都會更新佢對呢位學生「識啲乜、唔識啲乜」嘅判斷
• 練習會自動重新排序，優先聚焦最弱嘅部分，唔係跟死一個次序
• 表現儀表板令教育工作者都可以睇到系統掌握嘅資訊，唔止係演算法自己「知道」

點解呢個比單純嘅內容數量更重要

用內容數量去衡量一個AI教學平台，係好易中嘅陷阱。但冇左適應性，只重複返舊有嘅問題——一大堆資源，學生仍然要自己摸索由邊度開始。適應性系統嘅優勢，在於佢唔係比教科書多題目，而係佢知道呢一刻對呢位學生嚟講，邊十條題目最緊要，其餘嘅唔會嘥佢時間。