自21世纪初以来，许多国家（如英国）开始推动以公民为中心的社会体系建设，使其更加灵活并能响应个人需求。在教育领域，这演变为个性化学习（Personalized Learning）。自2004年该术语出现以来，它已成为重塑学校核心教育模式的关键元素，旨在根据每个学生的需求、兴趣和抱负创造教育路径。
人工智能（AI）辅助系统的日趋成熟是推动个性化学习政策的重要因素，许多国家已将AI纳入其国家战略，例如新加坡的“智慧国”计划利用AI驱动的学生学习平台（SLS），以及韩国计划在2025年推出的AI数字教科书倡议。
今天我们分享的这个研究，基于对全球20项政策文件的分析，发现，虽然多国启动了相关政策（如美国的ESSA法案、沙特的2030愿景），但在实际操作中，对个性化学习的理解仍存在偏差。许多政策未能提供明确的数据收集、分析或实施准则，导致个性化学习在提高学习成绩方面的实际影响有限。
英国是该领域的先行者，但全球90%的个性化学习政策是在2012年之后推出的，这与人工智能技术的成熟和普及时间点相吻合。政策的地理分布极为有限，英国、美国、新加坡等国走在前列，而非洲等地区则完全缺位。研究涉及的20个文件如下：
这体现了教育界的一种“理想与现实的差距”：一方面，全球各国都希望通过AI和个性化政策来实现教育公平和卓越；另一方面，政策制定者在如何将这些宏大愿景落地为具体、可评估的策略方面仍处于摸索阶段。

一、全球个性化学习 (PL) 政策格局

通过对全球20项国家级政策文件的综合审查，可以清晰地勾勒出个性化学习政策的地理与时间分布特征，并识别出关键国家的代表性举措。

1.1 地理与时间分布

  • 地理分布：英国是拥有个性化学习政策最多的国家（3项），其次是美国、印度、新加坡和比利时（各2项）。研究发现，在所审查的政策中，非洲国家完全缺席，显示出明显的地理分布不均。
  • 时间分布：英国于2001年率先发起相关讨论，成为该领域的开拓者。然而，绝大多数（90%）的个性化学习政策是在2012年以后制定的。这一时间上的集中趋势，可能与人工智能辅助系统在这一时期技术日趋成熟并被迅速采用有关。

1.2 重点国家政策实例

  • 英国 (UK)：作为先行者，英国在2001年、2004年和2007年相继推出政策，如《学校取得成功》（Schools achieving success）。其核心理念是“以适合学生的方式和节奏进行教育”，并为此投入巨额资金。例如，其《儿童与学习者五年战略》宣布为个性化学习拨款总计9.9亿英镑。
  • 美国 (US)：2015年通过的《每个学生成功法案》（Every Student Succeeds Act, ESSA）成为推动个性化学习的重要催化剂，促使33个州采纳相关原则，支持技术与线下学习的融合、实时数据使用以及基于能力的进阶模式。
  • 新加坡 (Singapore)：新加坡通过2020年的“学科分班制”（Subject-Based Banding）和2023年的《教育科技总体规划2030》（EdTech Masterplan 2030），战略性地利用人工智能平台（如自适应学习系统）提供灵活的、与学生优势相匹配的定制化教学。
  • 新西兰 (New Zealand)：2013年推出的《Ka Hikitia—加速成功》倡议，旨在为毛利学生提供文化响应式教学，包括双语课堂等个性化路径。
  • 韩国与爱沙尼亚 (South Korea & Estonia)：两国在2025年启动的新倡议，如韩国的“人工智能数字教科书”和爱沙尼亚的“人工智能飞跃计划”（AI Leap, 2025），均深度依赖人工智能技术，旨在提供自适应学习内容，以减少对私人补习（Hakwons）的依赖并促进教育公平。

二、个性化学习的“内容”与“依据”分析

深入分析政策文本后发现，对于个性化学习究竟要改变“什么”以及基于“什么”来改变这两个核心问题，大多数政策的阐述都相当模糊。

2.1 个性化学习的组成部分

政策文件中提到的个性化学习要素分布极不均衡，具体如下：
分析与批判：“学习路径”以55%的压倒性比例成为最常被提及的要素。然而，这恰恰反映了政策制定者对个性化学习的理解可能过于笼统和表面化。“学习路径”是一个通用概念，它未能揭示学习作为一个复杂系统所涉及的多种交织变量，如学习理论、师生特质、学习情境等。有效的个性化需要更深层次的剖析，而非停留在路径规划上。

2.2 个性化的依据参数

  • 核心发现：绝大多数政策文件没有明确指出个性化应基于哪些参数进行。换言之，它们提出了个性化的目标，却没有定义实现这一目标的输入变量。
  • 关键疏漏：政策文件几乎完全忽略了学生的个体差异，特别是心理和认知因素。大量研究已证实，心理特质（如动机、情绪）和社会认知因素是影响学生如何学习和处理知识的关键变量。对这些因素的忽视，是当前个性化学习政策的一大短板。

三、个性化学习的战略目标

经审查（Review），各国政策为个性化学习设定了多重战略目标，涵盖从微观的课堂教学到宏观的社会发展（n表示提及该内容的文件数）。
  • 提高学习成果与学业成功 (n=5):这是最普遍的目标。英国、美国（ESSA）、印度（国家教育政策）和比利时的政策都明确将个性化学习作为提升学业成就和减少学业失败的手段。
  • 改善学校或学习空间 (n=4):部分政策旨在利用PL升级教育基础设施。例如，比利时的“i-Learn”项目旨在开发一个集成多种工具的个性化学习平台；新加坡的《教育科技总体规划2030》则致力于增强其“学生学习空间”（SLS）平台的能力。
  • 应用创新教学模式 (n=2):英国和美国的政策均强调，个性化学习是通向创新教学法和新学习模式的途径，能够带来更优质的学习体验。
  • 提供灵活和以学生为中心的学习 (n=2):西班牙的“未来教室”（Aula del Futuro）和爱沙尼亚的《2021-2035教育战略》都将个性化学习视为实现终身学习和动态、学生中心式环境的关键。
  • 减少不平等，实现公平 (n=2):韩国的“人工智能数字教科书”旨在通过提供自适应资源来减少学生对昂贵私人补习的依赖；爱沙尼亚的“人工智能飞跃计划”则通过向所有学生免费提供AI工具来确保教育机会均等。
  • 发展知识型社会与培养人才 (n=2):沙特阿拉伯的《2030愿景》和中国的《教育信息化2.0行动计划》将个性化学习置于更宏大的国家战略中，视其为培养未来创新人才和建设知识型社会的基石。
  • 促进文化响应式教学 (n=1):新西兰的《Ka Hikitia》倡议独树一帜，其目标是为毛利等少数族裔学生提供符合其文化背景的个性化教育。

四、政策文件中的关键缺陷与未来方向

尽管个性化学习的愿景宏大，但政策文件在具体实施层面暴露了若干严重缺陷，这为未来的政策制定指明了改进方向。

4.1 政策的表面化与执行模糊

多数政策对个性化学习的论述停留在概念层面，未能提供清晰的实施指南。例如，政策应明确：需要收集哪些数据？个性化应基于何种学习理论？数据如何存储和分析？这些执行层面的模糊性可能是导致许多大规模荟萃分析（meta-analyses）发现个性化学习对学业成就影响有限的原因之一。

4.2 伦理考量的缺失

这是一个极其严重的疏漏。所有被审查的政策文件都未曾讨论在部署（尤其是基于AI的）个性化学习系统时所涉及的伦理问题，包括：

数据隐私与安全；算法的公平性与偏见；用户的知情同意；决策过程的透明度；学习者自主权（Learner Agency，如何在技术辅助与培养学生自我调节学习能力之间取得平衡）

缺乏伦理护栏不仅会引发公众不信任，还可能导致技术被不负责任地使用，加剧而非消弭教育不公。

4.3 评估机制的空白

政策文件中存在双重评估空白：
1.缺乏对个性化学习有效性的评估：文件没有提出任何评估策略来衡量个性化学习是否达到了预期目标。这需要超越传统测试，采用形成性、实时、自适应的评估方法来捕捉学生的细微进步。
2.缺乏对政策本身有效性的评估：政策本身也需要一套监控和评估机制来衡量其影响。正如联合国教科文组织（UNESCO）所指出的，有效的政策应包含如何追踪进展、收集数据和解释结果的明确计划，以确保透明度、问责制和持续改进。

4.4 未来的政策建议

为使个性化学习从一个“黑箱”转变为可信、有效的教育改革工具，未来的政策制定应遵循以下原则：
  • 建立多层次评估机制：政策应设计能够在学习者、课堂、机构乃至国家层面评估个性化学习效果的综合框架，结合定量和定性数据进行分析。
  • 嵌入伦理护栏：必须将公平、透明、数据隐私和学习者自主权等伦理原则明确写入政策，并作为系统设计和实施的强制性要求。
  • 采用适应性治理模型：鉴于技术的快速发展，政策应具备灵活性和敏捷性。建立能够迭代更新、吸纳多方利益相关者（政策制定者、教育者、技术专家、研究人员）反馈的治理框架至关重要。

短评：这篇文章之前，我最多只看到过四个来自不同地区的教育政策文件比较研究。这篇直接来到了20个，看来Scaling Law在教育研究中才刚刚开始发挥作用。

参考文献：Denden, M., Abed, M. Personalized learning policies and strategies in K–12 education: Where, when, and for what?. Smart Learn. Environ. 12, 71 (2025). https:///10.1186/s40561-025-00425-x

2026新专栏预告：

在教育与人工智能正结合的时代，我们每天都在面对海量的信息冲击：大模型、提示词工程、个性化学习、具身智能……

  • 当我们谈论“AI赋能教育”时，我们是在谈论方法，还是在重复流行语？

  • 当我们争论“AI是否会取代教师”时，我们的底层逻辑是否陷入了二元对立的陷阱？

    K-12教育个性化学习的现状与发展趋势：基于全球20项政策文件比较

  • 面对“十大重要研究”时，我们如何迅速甄别出那有价值的10%？

思考是一项艰难的体力活，就像木匠干活需要锤子和锯子，思考也需要趁手的工具。

这就是我们在“教育学人AIED内参”开设这个新专栏的初衷，2026我们通过100篇左右的文章介绍丹尼尔·丹尼特的《直觉泵和其他思考工具》，2025年内订阅，加量不加价。


#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}