Adaptiv og personaliseret undervisning kender vi fra “i gamle dage” som differentieret undervisning. Med digital- og dataforstærkning kan vi identificere hver enkelt studerendes styrker og manglende forudsætninger for at få det bedste ud af undervisningen mod specifikke læringsmål. Det sparer den studerende for tid nu ved “kun” at skulle aflære misforståelser og lære helt specifik viden og færdigheder og ikke at skulle gennemgå “hele fundamentet”. Det sparer den studerende for tid senere ved at sikre, at den studerende kommer videre med så få misforståelser og huller i viden/færdigheder som muligt. Computeren udregner hvad hver enkelt skal tilbydes som supplement til den “ordinære” undervisning.
Et andet aspekt af adaptiv og personaliseret undervisning er det Bloom kalder “mastery learning”. Computeren kan give individualiseret summativ feedback på træning og dermed spare værdifuld tid for den studerende.
Adaptiv og personaliseret undervisning kan også dække over didaktiske valg: Når fx fagprofessionelle skal lære om det samme emne og har forskellige fagfaglige forudsætninger, man materialet og øvelserne reflektere det.
“We are moving away from mass production to mass personalization,” said Dale Johnson, director of adaptive-learning initiatives with EdPlus at ASU. “We used to teach everyone the same thing at the same time. Now, we’re connecting the right student to the right lesson. We are changing the structure of higher education from static to dynamic.”
“To appreciate the power of adaptive technology, it helps to focus on the importance of making connections when we are learning,” Thompson said. “We build new learning by making connections to what we already know and by using this existing knowledge and skill set. If we are struggling to learn a new skill or concept, it is most likely because we are missing key prior learning. Effective adaptive learning identifies these gaps or misconceptions and helps resolve them.”