ALEKS

-
开发公司 ALEKS (McGraw-Hill)
地区 美国
官网 https://www.aleks.com/

ALEKS（Assessment and LEarning in Knowledge Spaces）是 McGraw-Hill 旗下的AI学习网站自适应评估与学习系统，覆盖数学、化学、统计学等学科，从 K-12 到高等教育阶段。

ALEKS 产品界面

ALEKS：AI 自适应评估与学习系统的教育科技常青树

ALEKS 的核心参数与统计

参数 值
产品定位 K-12 与高等教育的 AI 自适应评估与个性化学习系统
核心形态 Web 应用（云端 SaaS）
目标用户 K-12 学生、大学生、教师、学校/学区、家庭教育用户
核心技术 知识空间理论（Knowledge Spaces Theory）、机器学习、自适应评估算法
覆盖学科 数学（K-12 至大学微积分）、化学（普通化学至 AP 化学）、统计学、商业数学/会计
支持语言 英语、西班牙语
部署方式 云端 SaaS，无本地部署选项
母公司 McGraw-Hill Education（2013 年收购）
累计用户数 超过 5000 万学生
商业启动年份 1999 年
核心技术起源 1994 年加州大学欧文分校（UC Irvine），获 NSF 资助
学习成功率 ALEKS 推荐的"就绪学习"知识点，学生掌握成功率 ≥90%，多门课程达 95%+
高校覆盖 ALEKS PPL 被全美 2000+ 大学用于数学分班评估
行业奖项 CODiE 奖（2004, 2019, 2020）、EdTech Breakthrough（2022）、Educators Pick Best of STEM（2023）

ALEKS 的核心参数揭示了一个关键事实：它是市面上极少数经过 25 年以上真实教学数据持续训练的自适应学习系统。其知识状态空间可达数万亿种组合，每次初始评估只需 20-30 个问题即可将学生定位到精确知识状态——这得益于知识空间理论对知识点之间依赖关系的数学建模，而非简单的正确率统计。

平台依赖：ALEKS 完全基于 Web 运行，不存在离线模式或原生移动 App。学生需要通过浏览器访问，且要求持续联网。对于网络基础设施薄弱的地区或场景，这是一个不可忽视的硬约束。

ALEKS 的用户与市场认可

5000 万学生基数：ALEKS 官方公布的数据显示，其累计服务学生已超过 5000 万，覆盖全美数千所 K-12 学校以及大学。这个数字在教育科技自适应学习赛道中属于头部梯队。

可量化的教学效果提升：McGraw-Hill 官网公布的案例数据显示——克莱姆森大学使用 ALEKS 后通过率提升 20%；北亚利桑那大学退课率下降 11%；阿马里洛学院通过率提升 22%；俄勒冈大学 DFW 率（不及格/退课率）下降 4%。这些数据来自不同院校类型与学科背景，说明 ALEKS 的效果并非个例。

行业评选认可：ALEKS 曾在 2004、2019、2020 年三度获得 CODiE 奖（软件与信息产业协会颁发），2022 年获 EdTech Breakthrough 的"最佳高等教育教学 STEM 解决方案"，2023 年获 Educators Pick Best of STEM 自适应技术奖。奖项跨度近二十年，说明产品持续迭代能力得到行业认可。

学术研究背书：围绕知识空间理论与 ALEKS 的学术论文数以百计，出版了三本专著（Knowledge Spaces、Learning Spaces、Knowledge Spaces: Applications in Education）。ALEKS 的评估逻辑有完整的数学认知科学理论支撑，而非纯工程经验驱动。

市场覆盖特征：ALEKS 在美国 K-12 和高等教育市场渗透率较高，但在美国以外市场的覆盖有限。目前仅支持英语和西班牙语，缺少对其他语言和课程标准的本地化适配。中国市场、欧洲市场、亚太市场基本处于空白状态。

ALEKS 的成本优势

ALEKS 的成本结构需要分层拆解，因为 C 端个人B 端学校、企业学区的采购逻辑完全不同。

C 端/个人订阅

ALEKS 面向家庭教育、自学和学生个人提供独立订阅，定价方案如下：

订阅方案 时长 参考价格 说明
个人月度 按月自动续费 未公开（以官网实时价格为准） 可随时取消，无退费
个人年度 按年自动续费 未公开（以官网实时价格为准） 比月付更经济
家庭折扣 多孩共享 未公开（需咨询官网） 同一家庭多个孩子可享折扣
  • 免费的真相：ALEKS 提供免费试用期（通常为 48 小时或首次知识评估免费），但完整功能必须付费订阅。没有真正的免费层级，这与大多数 SaaS 教育工具不同。
  • 隐性成本：个人订阅自动续费且不提供部分退费。如果学生在一个学期内提前完成课程，剩余订阅期无法退款。切换到不同课程虽允许，但同一时间只能修一门课程。

B 端/K-12 学校

K-12 学校采用按学生数收取年费的模式，包含：

  • 教师账户与课程管理权限
  • 所有课程内容访问
  • 技术支持与教师培训
  • 与 Common Core 等课程标准的对齐

定价未公开：学校端定价需联系 McGraw-Hill 销售代表获取报价，通常按学区规模、学生数量和合同年限协商。相比个人订阅，学校批量采购的单生成本有显著折扣。

高等教育/大学

高等教育用户通常通过 McGraw-Hill Connect 平台捆绑购买 ALEKS 访问码，定价逻辑与 C 端独立订阅不同：

  • 与课程教材捆绑时，ALEKS 访问码通常包含在教材费用中，单学期约 50-80 美元（以 McGraw-Hill 官方定价为准）
  • ALEKS 360 是针对高等教育教学的增强版本，包含更多课程集成功能
  • 学校也可购买 ALEKS PPL（分班考试模块）用于新生数学水平评估

企业/学区

大规模学区或大学系统一采购时，可协商多年合同折扣，包含：

  • SSO 单点登录集成
  • 自定义课程映射与内容对齐
  • 教师培训与技术支持
  • SLA 服务等级协议

隐性成本提示：ALEKS 的采购决策中容易被忽视的成本包括——教师培训时间成本（教师需要学习如何解读 ALEKS 报告并将数据融入课堂决策）、技术集成本（SSO/LMS 集成可能需要 IT 部门介入）、以及学生对纯 Web 界面的适应成本（相比移动优先的现代教育 App，ALEKS 的界面风格偏传统）。

ALEKS 的主要功能

  • 初始知识评估（Initial Knowledge Check）：学生首次进入课程时，系统通过约 20-30 道自适应题目快速推断其完整知识状态。与传统摸底考试不同，ALEKS 不给出"分数"，而是生成一张圆形知识状态图（ALEKS Pie），用不同颜色标注已掌握、未掌握和部分掌握的知识点。每道题的学生作答方式也不是选择题——ALEKS 使用自定义输入工具（图形绘制、公式输入、数值拖拽等）来避免猜题。

  • 个性化学习路径（Personalized Learning Paths）：系统基于知识状态图，动态维护一个"就绪学习"（Ready to Learn）知识点列表，只推送"学生已具备前驱知识但尚未掌握"的内容。这个列表随着学生的学习进度实时更新。ALEKS 的学习路径不是预置的线性课程序列，而是基于知识空间拓扑结构的自适应导航。协同效应：知识评估与学习路径形成闭有——评估结果直接决定学习路径的起始点，而学习过程中的知识检查又会不断修正知识状态，反向验证评估准确性。

  • 即时反馈与分步指导（Immediate Feedback & Step-by-Step Explanations）：每道练习题提供即时纠错反馈，学生答题后立即知道正误并看到解题步骤。被标记为"未掌握"的知识点需要经过多轮不同题型的验证（通常需要连续正确回答多个变体题目）才能转为"已掌握"。ALEKS 的反馈机制避免了"猜对答案但不会做"的假性掌握。

  • 周期性知识检查（Knowledge Checks）：系统会自动安排周期性的知识巩固检查（通常每学习 5-10 个新知识点后触发），验证学生的知识留存情况。研究发现，检索练习（retrieval practice）是促进短期记忆向长期记忆转化的最有效方式之一。ALEKS 将这种认知科学原理直接嵌入产品机制，而非作为外部复习建议。

  • 教师与管理员报告系统（Powerful Reports）：ALEKS 提供班级级、学生级和知识点级的多维度实时报告，包括掌握度热力图、时间投入分析、与课程标准对齐情况、标准化考试成绩预测等。教师可以在一个视图中看到整个班级的知识薄弱区域分布，并据此调整课堂讲授重点。隐藏联动：报告系统与学习路径数据共享同一知识状态数据库——教师无需额外布置测验即可了解全班学情，这是 ALEKS "评估与学习一体"设计理念的关键体现。

  • ALEKS QuickTables：针对 K-8 学生的数学基本运算（加减乘除）速算训练模块，内置于数学课程中，通过游戏化方式帮助学生建立计算流畅度。免费随附于多数 ALEKS 数学课程。

  • ALEKS Adventure（K-5 数学）：面向幼儿园到五年级学生的沉浸式数学学习体验，将 ALEKS 自适应引擎融入角色扮演和探险场景，降低低龄学生的学习门槛。目前仅支持英语和西班牙语。

ALEKS 的模型与版本演进

ALEKS 作为一个 SaaS 产品，没有传统意义上的"大版本号"，其迭代以课程内容更新、评估算法优化和功能模块扩展为脉络。以下是可追溯的公开里程碑：

时期 关键事件 说明
1994 年 项目启动 加州大学欧文分校（UC Irvine），获 NSF 资助，Falmagne 团队开始构建知识空间理论的教学应用
1997 年 授权许可 ALEKS Corporation 与 UC Irvine 签署独家永久全球许可协议
1999 年 商业上线 ALEKS 正式进入社区大学数学市场
2004 年 首获 CODiE 奖 获"最佳高等教育教学解决方案"奖
2013 年 被 McGraw-Hill 收购 与 McGraw-Hill Education 合并，获得更大发行渠道与内容资源
2016 年 ALEKS PPL 广泛推广 ALEKS Placement, Preparation and Learning 成为全美大学数学分班主流工具
2019 年 ALEKS Insights 上线 获 Digital Edge 50 奖，引入学生预警机制（基于行为数据预判学习风险）
2020 年 CODiE 双奖 ALEKS for Chemistry 获最佳科学教学方案；ALEKS PPL 获最佳形成性评估方案
2022 年 EdTech Breakthrough 获"最佳高等教育 STEM 解决方案"奖
2023 年 Educators Pick Best of STEM 获 Bridging the Gap 类别自适应技术奖
2026 年 Sharpen + ALEKS 发布 推出与 ALEKS 集成的 AI 备考学习应用 Sharpen（2026 秋季上线）

版本脉络说明：ALEKS 的版本演进不像消费级软件那样有明确的 v1/v2/v3 标签，而是以"持续交付"模式运作。McGraw-Hill 每学期会发布课程内容更新、评估算法微调和功能优化。对于采购者而言，更应关注的是 ALEKS 当前是否支持所需课程的最新版本（如 Common Core 标准更新后的课程对齐情况），而非"版本号"。

ALEKS 的技术优势

知识空间理论（Knowledge Spaces Theory）：ALEKS 的技术基石不是通用的深度神经网络，而是数学认知科学中的知识空间理论。该理论由 Jean-Claude Falmagne 和 Jean-Paul Doignon 创立，将学科知识点建模为带有依赖关系的组合结构。每个知识点（topic）不是孤立存在的，而是与其他知识点存在前驱关系（prerequisite relation）——学生必须先掌握 A 才能理解 B。系统维护的是"该学生已知的知识集合"，而非"该学生的分数"。

亿万级知识状态空间：一门典型 ALEKS 课程包含数百个知识点，它们的组合可能产生数万亿种可行知识状态。ALEKS 的自适应评估算法能在 20-30 道题内准确判断学生当前处于哪个状态——这相当于从数万亿可能性中定位到唯一的精确位置。机制->效果：这种定位方式使得 ALEKS 的"就绪学习"推荐准确率达到 90-95%+，远高于基于简单题库正确率追踪的竞品。

机器学习 + 大数据双引擎：ALEKS 收集了 26 年以上、数十亿次的匿名学生交互数据点，用这些真实数据训练其评估与推荐模型。与纯规则引擎的自适应系统不同，ALEKS 的机器学习模型能够从海量学生学习轨迹中发现隐藏模式：例如，某些看似不相关的知识点之间可能存在未被教材显性标注的统计相关性。

非选择题输入工具：ALEKS 在几乎所有题目类型中避免了选择题，而是使用自定义的交互式输入工具——数学表达式编辑器、坐标系绘图工具、数值滑块、化学结构绘制等。效果：这大幅降低了"猜对答案"的概率，提高了知识状态评估的精度。同时也抬高了内容开发门槛，ALEKS 每个知识点的题目设计都需要投入学科专家和交互设计资源。

闭有评估-学习循有：初始评估 -> 知识状态图 -> 个性化学习路径 -> 知识点学习与练习 -> 周期性知识检查 -> 知识状态更新 -> 学习路径动态调整。这个闭有是 ALEKS 与大多数"题库+视频"式在线学习平台的本质区别。知识检查不仅是巩固手段，也是下一次评估的输入——评估与学习在产品机制层面合二为一。

ALEKS 的使用方法

ALEKS 的使用路径因用户角色不同而分为三类入口：

学生/个人用户入口

  1. 访问 https://www.aleks.com/，点击"Sign Up"注册账户
  2. 选择使用场景：K-12 学校学生（需教师提供课程代码）、高等教育学生（需通过 Connect 平台）、独立使用/家庭教育
  3. 完成初始知识评估（首次约 20-30 分钟，不可跳过）
  4. 查看 ALEKS Pie 知识状态图，系统自动生成个性化学习路径
  5. 按系统推荐的"就绪学习"知识点逐个学习、练习、巩固
  6. 定期完成自动触发的知识检查（Knowledge Check），更新知识状态

教师/学校管理员入口

  1. 联系 McGraw-Hill 销售或通过教育机构采购创建教师账户
  2. 创建课程、设置课程参数（年级、课程标准对齐、学习目标）
  3. 添加学生（可通过 CSV 批量导入LMS 集成或课程代码邀请）
  4. 设定每周学习目标（如每周掌握 5 个知识点）、布置特定知识点作业
  5. 通过报告面板监控全班学情：掌握度分布、时间投入、进度预警
  6. 基于 ALEKS 报告调整课堂教学重点

系统集成注意事项

  • LMS 集成：ALEKS 支持与 Canvas、Blackboard、D2L Brightspace、Schoology 等主流 LMS 集成，支持 LTI 1.3 标准
  • SSO 单点登录：学区/学校可通过 SAML 2.0 实现 SSO
  • 浏览器要求：最新版本的 Chrome、Firefox、Safari、Edge，需启用 JavaScript 和 Cookie
  • Respondus LockDown Browser：ALEKS 支持与 Respondus 集成，用于高安全性考试场景
  • 网络要求：建议带宽 ≥ 1 Mbps，不支持离线使用

ALEKS 的产品定价

ALEKS 的定价体系按用户类型分为三个层次，各自的采购逻辑和价格结构差异显著：

个人独立订阅（C 端）

面向家庭教育、自学学生、成人学习者。订阅包含：

  • 全部课程访问权限（但同一时间只能学习一门课程）
  • 学生账户 + 家长/监督者（Master Account）账户
  • 支持随时切换课程
  • 家庭折扣：同一家庭多个孩子可使用优惠方案

实际定价：以 ALEKS 官网实时标价为准。订阅自动续费，按月度或年度计费。

高等教育（学生通过 Connect）

  • 与教材捆绑：通过 McGraw-Hill Connect 平台购买课程访问码，价格随教材套餐浮动，通常在 50-80 美元/学期
  • ALEKS 360：增强版高等教育数学与科学订阅，包含更多评估功能和课程管理工具
  • ALEKS PPL：分班考试模块，高校按考试次数购买或按年订阅

K-12 学校/学区（B 端）

  • 按学生数计费：学校按学生数量支付年费
  • 包含服务：教师账户、课程管理、技术支持、培训
  • 定价：未公开，需联系 McGraw-Hill 教育销售代表获取报价
  • 合同条款：通常按学年签约，大规模学区可按多年合同协商折扣

隐性成本汇总

隐性成本项 说明
教师培训投入 教师需要 3-5 小时培训才能熟练使用 ALEKS 报告系统进行数据驱动教学
IT 集成本 SSO、LMS 集成可能需要 IT 部门投入配置与维护时间
学生适应成本 Web 唯一形态要求稳定网络，低龄学生可能需要家长辅助
数据迁移成本 从其他 LMS 或评估系统切换到 ALEKS 时，历史成绩数据迁移存在兼容性挑战
退费限制 个人订阅无部分退费政策，学校合同退出条款需在签署前确认

ALEKS 的应用场景

  • K-12 数学补救与加速：学生从初中升入高中时，ALEKS 的初始评估可快速识别代数基础缺口。学校据此安排暑期补救课程或加速学习计划——对缺口学生推送补救内容，对超前学生推送挑战内容，在同一班级实现差异教学。核验重点：关注 ALEKS 评估结果与教师实际观察的一致性，以及补救周期内知识掌握度的可量化提升。

  • 大学数学分班与预备（ALEKS PPL）：全美 2000+ 高校使用 ALEKS PPL 评估新生数学水平，以此决定学生直接进入微积分还是需要先修预科课程。ALEKS PPL 包含学习模块，允许学生在初次评估后通过自定步调学习提升成绩，然后重考以获得更优的分班结果。核验重点：ALEKS PPL 的分班建议与后续课程实际表现的匹配度。

  • 混合式课堂教学（Blended Learning）：教师采用"ALEKS 课前练习 + 课堂精讲"模式——学生在 ALEKS 上完成指定知识点的自主学习和练习题，系统自动生成全班掌握情况报告。教师课堂时间集中在学生普遍困难的共性问题（报告中的"热点"区域）进行针对性讲解。收益推演：以每周 5 课时数学课为例，传统模式中约 3 课时用于基础练习和纠错，2 课时用于新知识讲授。采用 ALEKS 混合模式后，基础练习移至课外由系统完成，课堂 4 课时都可用于深度讲解和互动——教学效率提升约 40%，但这是基于工作流重组而非时间的简单压缩。

  • 家庭教育与自学：家庭可以订阅 ALEKS 作为主课或辅助学习工具，尤其适用于在家上学（Homeschooling）场景。家长通过 Master Account 查看孩子的学习进度、掌握度变化和每周学习报告，无需具备学科教学能力即可监督学习。

  • 标准化考试备考：ALEKS 提供 SAT 数学ACT 数学GED 数学等标准化考试的专项备考课程，利用知识状态分析找出学生的薄弱有节进行精准提升。相比题海战术，这种方式的知识点覆盖率更高，针对性更强。

ALEKS 的适用人群

  • K-12 数学与科学教师：最适配的场景是已有一定的课堂管理经验、希望实现班级内差异化教学的老师。ALEKS 的自动评估和报告系统能大幅减少批改和诊断时间，让教师专注于教学决策而非事务性工作。不适配边界：如果教师所在学校没有稳定的计算机实验室或 1:1 设备，ALEKS 的纯 Web 形态会成为瓶颈。

  • 高等教育数学与化学教师：ALEKS 的课程内容与大学入门数学和普通化学的教学目标高度匹配。ALEKS PPL 的分班功能尤其适合大型公立大学处理每年数千新生的数学水平评估需求。不适配边界：对高年级专业课程（如实分析、有机化学）或非量化学科（人文、社科），ALEKS 无内容覆盖。

  • 家庭教育家长与学生：对于在家上学的家庭，ALEKS 提供了完整的课程体系、自定步调的学习路径和详细的进度报告，家长无需具备深度学科知识即可监督。前置条件：学生需要具备基本的计算机操作能力和自我驱动力；低年级学生需要家长在初期辅助操作。

  • 学区课程与教学主管：ALEKS 的标准化考试预测和课程标准对齐报告，为学区的教学质量评估和干预决策提供数据支撑。ALEKS Insights 的学生预警功能可帮助学区及早发现高风险学生。不适配边界：如果学区的课程设置与 Common Core 差异较大（如采用自主开发的本土化标准），ALEKS 的课程对齐优势会减弱。

  • 不适合人群：需要移动端学习体验的学生（ALEKS 无原生 App）；学科需求在人文、语言、社会科学等领域的学习者；对教育数据隐私有极高合规要求且无法接受云端部署的机构；预算有限且无法通过学校渠道获得补贴的个人用户。

ALEKS 的总结与展望

核心竞争力的不可复制性：ALEKS 最深的护城河不是功能列表，而是 26 年积累的知识空间映射关系和亿级学生学习轨迹数据。知识空间理论本身是公开的学术成果，但要构建一套覆盖 K-12 到大学数理课程、经过千万级学生验证的知识依赖图谱，需要数十年的学科专家投入和真实教学反馈回传——这是后来者难以短期追赶的。

人机协作边界的清晰划分：ALEKS 的 AI 能力边界非常明确——100% 自动化的是「知识状态诊断」和「个性化内容推送」。必须保留人工判断的有节包括：课程内容选择与排序（教师决定学期教学计划）、高风险评估结果判定（ALEKS PPL 的分班建议需要人工复核）、学习干预决策（ALEKS Insights 发出预警后，由教师决定干预方式）。这种边界划定使得 ALEKS 明确定位为"教师增强工具"而非"教师替代品"。

当前限制与不确定项：

  • 学科覆盖仍以数理为主，人文社科完全缺失
  • 产品形态仅有 Web，无原生移动 App，离线使用不可能
  • 仅支持英语和西班牙语，全球化扩展受限于语言本地化成本
  • 界面设计风格偏传统，与现代教育类 App 的用户体验存在代差
  • 不开源，完全依赖 McGraw-Hill 的封闭生态
  • 定价处于市场中上水平，未进入低收入地区市场
  • 个人订阅流程需经过多次页面跳转，购买体验不如消费级产品流畅

采购/采用风险评估：

  • K-12 学校：建议先在一个年级或一个班试用一个完整学期（至少 12 周），对比 ALEKS 班级与非 ALEKS 班级在标准化考试中的成绩差异。重点关注：ALEKS 评估结果与教师日常观察的一致性、学生每周实际使用时长与掌握进度的相关性。合同中需明确：学生数据的隐私保护条款（FERPA 合规）、SLA 可用性保障（建议 ≥99.5%）、合同退出条款（如试用效果不达预期如何处理）。
  • 高等教育机构：ALEKS PPL 的分班验证数据较充足，可以在数学系先做小规模 Pilot（500-1000 新生），追踪这些学生进入正式课程后的表现与 PPL 分班建议的匹配度。重点关注：PPL 的 cut score（分班分数线）是否需要根据本校学生历史数据做校准。
  • 家庭教育个人：可利用免费试用期充分体验，重点关注孩子对 ALEKS 交互方式的接受度和自驱学习能力，不要一次性订阅长期套餐。

未来观察点：Sharpen + ALEKS 的移动备考 App 能否补齐移动端短板；McGraw-Hill 在 AI 领域的投资是否会推动 ALEKS 引入更现代的交互体验和自然语言能力；ALEKS 是否有计划扩展语言支持进入国际市场。

限制与不适配场景

该工具在以下场景中存在使用限制：

场景适配边界 需要高度行业专业知识的任务、对输出格式有严格规范的场景、需要零错误的自动化流程可能效果不达预期。AI 输出应作为初稿或辅助参考，最终结果需人工核验。

技术限制 上下文长度有限、复杂推理准确性可能不足、免费版有使用额度。建议在正式采用前通过试用验证核心场景的可用性。

版本信息

  • ALEKS 最新版 ：暂无官方精确日期，持续更新课程内容与自适应评估引擎。
  • ALEKS 初版 ：暂无官方精确日期，ALEKS 基于知识空间理论推出自适应数学评估系统。

用户评价

  • 加载评价中...