網絡深層學習的發展研究

劉宇　邱慧敏

【摘要】大學生及成人網絡學習處于淺層學習，他們的網絡深層學習能力有待提高。文章首先簡要給出了深層學習的一般過程；結合國內外高校的科研項目和技術工具的開發情況，介紹了網絡環境下深層學習的研究進展及技術現狀；借鑒MOOC（大規模網絡開放課程）等學習技術手段，就如何改善網絡學習的效果給出了一些策略和建議。

【關鍵詞】深層學習；學習過程；認知性存在；認知需求；學習分析

【中圖分類號】G434

【文獻標識碼】A

【文章編號】1001-8794（2014）02-0014-04

【收稿日期】2013-10-16

【基金項目】江蘇省教育廳高校哲學社會科學研究項目“創新價值取向下的高校數字化課程研究”，項目編號為2011SJD880061

【作者簡介】劉宇（1971-），女，長春人，在讀博士，副教授，碩士生導師，研究方向為數字化學習、課程與教學論；邱慧敏（1989-），女，安徽宿州人，碩士研究生，研究方向為網絡時代的教育與心理學。

隨著信息技術的迅猛發展，教育范式正在發生變遷，網絡學習、混合式學習、移動學習等數字化學習手段進入了大學生以及成人的學習生活。由于學習價值觀以及對新型學習工具、技術的認識偏差，許多學習活動僅停留在淺層學習層面。[1]然而社會對成人在思維、實踐和創新能力方面提出了很高的要求，要求他們能夠深入理解復雜概念和加工知識信息，自主建構知識間的連接，將所學知識融入到自身的知識結構體系并創造性地解決現實問題。

一、深層學習的研究

“深層學習”（deep learning），也譯作“深度學習”，其概念起源于20世紀50年代以來費爾倫斯·馬頓和羅杰·賽爾杰所做的一系列實驗研究，并提出了淺層學習（surface learning）和深層學習兩個相對的概念。與機械、被動地記住沒有關聯的知識或細節的淺層學習相比，深層學習更加注重理解，強調意義并關注主動學習。恩特威斯爾和拉姆斯登認為在不熟悉的情境下的問題解決中，新的學習與原有知識相結合，通過復雜問題解決與探究顯示出深層的學習和理解。[2]沃倫·霍頓認為深層學習是通過探究學習的共同體促進知識及元認知發展的學習。[3]

我們認為，深層學習是一種主動、積極和反思性的學習方式，是在識記和理解的基礎上，將新知識靈活地遷移并創造性地應用于實際問題研究中的高水平學習。它超越被動地接受學習，更注重淺層學習過程中的意義建構、反思和元認知生成，其目標是使學生能夠運用所學知識創造性地解決復雜的現實問題。

二、深層學習的過程

布盧姆認知目標分類修訂的二維框架（2001）包括六個認知過程（記憶、理解、應用、分析、評價和創造）。[4]景紅娜和陳琳（2011）把深層學習歸納為七種主要的過程：淺層學習、理解、領會、方法與技能、遷移與應用、評價、創造。[5]本文在借鑒相關研究的基礎上，認為由淺層到深層的學習是一個連續的過程，深層學習的一般過程包括：動機、獲取新知、深入理解、遷移應用、反思評價、創造六個階段。前兩個階段屬于淺層學習階段，后四個階段屬于深層學習階段。

三、網絡環境下深層學習的相關研究和技術進展

目前，高等教育信息化發展很快，國內外大學開展了許多有關學習技術的研究與實踐。一些與深層學習相關的最新研究和技術現狀，對改進大學生和成人的深層學習具有借鑒作用。

1.“認知性存在”、“認知需求”與深層學習的關系研究

安德森（1999）提出了遠程學習的“網絡社區調查框架”（Community of Inquiry（CoI）Framework），[6]之后它得到不斷的發展和較為廣泛的引用及應用，成為指導教師進行網絡教學實踐和評估教學效果的重要工具。在“認知性存在”、“教學性存在”和“社會性存在”三個構成要素中，認知性存在（Cognitive presence）是首要要素，體現了學生在網絡論壇交互中獲得的學習體驗，直接反映其網絡學習中認知思維的發展水平和意義建構的深度。但是網絡社區中的交互本身并沒有促進學生的深度學習（比格斯，1987），學生的高水平感知學習才與學習社區的認知性存在密切相關（阿卡育，加里森， 2011）。[7]網絡學習環境下，認知性存在要求教師重視學生深層學習和問題解決等高階認知策略，而非淺層學習。

對于面對需要解決復雜問題的醫學院學生來說，掌握（master）專業知識是一項必備的能力，它意味著能夠回憶和應用知識。為評估此能力，荷蘭格羅寧根大學醫學教育研究所進行了“深度學習實驗研究”，采用開卷（關注知識的應用）與閉卷（專注于回憶和應用基礎知識）進行比較，試驗預計開卷考試會刺激學生采用深度學習方法。但是試驗結果卻顯示，學生在準備閉卷考試時采取了深層學習的方法。個體到底是采用哪種學習模式來加工信息，是由一個相對穩定的特質——“認知需求”（Need for Cognition，NFC）來決定的（佩蒂，卡喬波， 1986）。在心理學中，認知需求是一種反映個體在多大程度上是傾向于有效的認知活動的人格變量（卡喬波，佩蒂， 1982），反映的是個體的認知動機。研究發現：開卷與閉卷的成績都與認知需求正相關，與深度學習和考試準備時間無關；具有高認知需求的學生在開卷和閉卷考試中都表現優異；深層學習卻對兩種考試的成績沒有影響——一個可能的解釋就是認知需求是深度學習的一個必要條件。[8]可見，激勵學生的認知需求對于學生的發展非常重要，它在努力程度、自主性、結果及應用范圍三方面影響個體的信息加工。[9]

2.西爾維亞等人的eTeacher智能導師系統

個性化學習是最受學習者和教育者期待的目標。阿根廷學者西爾維亞、帕特里西奧和阿娜莉亞等人（2008）基于費爾德和西爾弗曼的學習風格模型和框架開發的eTeacher智能導師系統，能夠利用貝葉斯網絡將觀測的學生行為建立成學生檔案，根據感知、處理和理解三個維度把學生分成連續型、整體型、感覺型、直覺型、活躍型和沉思型六種學習風格類型，并為學生提供適合其學習風格的學習建議和資料推薦（參見下表）。[10]endprint

學習風格作為描述學習者個性化差異的一個重要指標，在個性化學習系統中可以對學習者進行更準確的描述和診斷，抓住學習者的學習興趣，激發學習者學習動機，為學習者提供更準確的學習資源和學習建議。

3.張建偉等人的思維線程導圖

由陳美華和張建偉等人（2012）研發的思維線程導圖（Idea Thread Mapper，ITM），可用于解決團體學習的思維可視化問題。如學生在知識論壇里討論并確定主題后，小組選擇一分支作為小組研究問題，每個成員都可以發表主題的相關記錄來構建一個思維線程。一段時間后，會形成基于時間的記錄分布圖，學生可以查找某段時間內的記錄，刪除和添加記錄，標示重要記錄。通過回顧思維線程中的記錄，學生可以在腳手架的幫助下（如想知道什么、已知什么、需要知道什么），總結出其“思維軌跡”。使用者還可以繪制基于同一時間軸的所有小組的思維線程圖，以檢測學生群體的思維發展和聯接，識別富有成效的進步成果，確定學生應當進行更深層次研究的領域。ITM通過成員添加的記錄和記錄之間的關聯，幫助學生拓展思維、了解自身的思維發展歷程。它鼓勵學生共同思考、建構知識，推動學生合作。

4.澳大利亞高校的確保團隊成功過程

2011年，由澳大利亞六所高校開發的“主動確保團隊成功”（Proactively Ensuring Team Success，PETS）項目，目的是創建有效和愉悅的學生學習團隊以消除團隊的學習障礙。它的三個主要組件是：指導手冊、團隊學習網站、Web-PA在線評價工具，[11]包含的資源有：團隊練習、團隊結構模型-實例、音視頻資料。PETS能幫助學生理解團隊學習價值、實踐練習。學生通過同伴評價系統可以參與評價、創建小組以及成員互評。系統采用形成性評價、總結性評價、學生在團隊進程中評價等方式訓練個體的評價能力，可以發現沒有完成學習評價的學生并及時將評價問卷發至郵箱，以確保個體在團隊學習中的積極參與。

5.學習分析技術

2012、2013年度的“地平線報告”（高等教育版）均認為，學習分析（Learning Analytics）技術是未來2-3年內影響高等教育的重要技術之一。它有別于傳統的教學評估模型和評估方法，采用現代化的分析工具和分析方法對數據進行加工、挖掘和分析，并提供可視化的分析結果。復雜的Web跟蹤工具已經可以跟蹤學生精確的行為，記錄各種學習變量。學習分析技術通過對收集的學生信息進行分析，為教師提供了一個了解學生經驗的窗口。如學生學習興趣、學習需求、學習現狀、學習誤區和學習進度等。學習分析的結果能幫助教師發現學生的學習優勢和潛在問題，給予相關的學習指導和有針對性的資源推薦。在學生掌握概念或遇到遷移障礙時，使得教師能提供調整方案和改進的建議，以便學生保持學習積極性和學習動機。

目前國內外許多大學開展學習分析的研究與實踐，如澳大利亞臥龍崗大學開發的學習網絡可視化評估工具（SNAPP），從學習管理系統和論壇中提取學習者的學習行為信息和互動數據，如在線時間、發表帖數量、交流次數等，并繪制可視化的學生學習網絡，幫助教師掌握學生的學習情況和向學生提供合適的指導建議。[12]比利時魯汶大學的學生活動監控系統，可以提供學生的網上學習時間、文件的使用數量和完成任務時間等數據的多種可視化圖標分析，如折線圖、平行坐標圖以及柱狀圖等，通過與其他學生的比較，提高學生和教師的自我反思水平。[13]云南大學與洛杉磯加州大學（UCLA）醫學院合作開發的“學習能力提升課程”，通過記錄學生問題選擇的先后順序，并探知學生的思維過程和采用的思維策略，從而開展評價：從正確率的時效圖可分析出學生對該知識點掌握的熟練程度；從得分統計圖可分析出學生進步歷程和學習發展趨勢；從解題的策略路徑可測出在解題時，學生是否知道該收集什么信息，以及思維策略是否清晰。[14]

可見，學習分析被視為評估學生體驗、提供及時反饋和調整內容傳遞方法的高效方式。[15]盡管學習分析技術在高等教育領域中的采納和實施仍處于初期階段，但其發展結果必然會影響高等教育信息化的發展進程，有效地支持和改善學生的網絡學習的體驗與學習深度。

四、網絡環境下深層學習的策略與建議

身處數字時代中，大學生及成人喜歡的學習方式已不同于以往。網絡教育要變革教學理念、采用新技術和新方法進行教育教學的創新。

1.激發學習者的內部學習動機

個體的認知需求主要源于個體的價值觀、能力反饋、自我滿意度和此前認知任務完成情況，與好奇心、內在動機等呈正相關（卡喬波，1996）。[16]根據其特點及其一般過程，深層學習要求提高學習者的認知需求和學習動機。內部動機是深層學習的基礎，相比外部動機它對于學習的作用更加穩定和持久。激發內部學習動機，需要采取合適的激發策略：一是網絡教學信息的呈現方式多樣化。信息的呈現方式直接影響著學習者的關注點和學習興趣，多種信息呈現方式能促進學生的知識表征。二是學習風格預測和自適應推薦。當學生偏好的學習方式與教學策略相匹配時，學生的學習結果才是最佳的。網絡課程采用學習跟蹤技術，記錄學習者的交互信息，分析出學習者的學習風格偏好和學習需求，可有效地維持學生的學習動機，提高其網絡學習的效果。三是鼓勵學生承擔挑戰性學習任務。有效的知識遷移及真實問題和任務的解決，能強化學生學習的內部動機，增加學習投入，這是進行深層學習的必要條件。

2.運用可視化認知工具

深層學習是有意義的學習，注重知識的關聯和意義建構。教師在網絡教學中可以將新知識置于一定的概念網絡中，幫助學生能自主地探究意義、理解與運用知識。可視化認知工具有良好的知識表征、表達復雜概念和原理的能力，可將知識以可視化、結構化的方式直觀地表現出來。這些認知工具還能有效影響學習者對信息的編碼過程和信息加工的精細程度，改變個體與知識的“對話”水平，縮短其意義建構和掌握復雜概念的時間。endprint

3.構建網絡學習共同體

教師應努力使學習者從獨立學習向協作學習轉變，以提高他們的網絡學習的“認知性存在”。遠程教學必須為學習者提供交流協作平臺，建立網絡學習共同體、課程論壇。與CoI的三要素相同，張建偉（1999）指出學習共同體具有“學術性支持”、“認知性支持”和“人際性支持”三方面的作用。這些學習共同體或課程論壇強調團體共同信念和愿景，分享知識與見解。視角的差異會促使學生反思，重新組織自己的理解和思路并不斷探究，實現對學習內容的深層理解。目前網絡教學新技術發展很快，如MOOC（大規模開放網絡課程）利用維基空間（Wiki Spaces）、YouTube、谷歌視頻群聊（Google Hangouts）和其他的云服務來促進討論、創建和分享視頻。[17]云計算、移動計算和SNS（Social Networking Services，社會性網絡服務）三者也正走向交融，學習者可以采用web2.0技術和虛擬社區，以及上述有關方式建立網絡學習共同體進行交流、分享與知識共建，使個體能更深入地理解和反思所學知識。

4.以問題解決為核心，以創造為目的

“問題”是創造的重要源泉，個體的思維必然要在問題的解決過程中獲得發展才能達到“創造”的高階思維階段。深層學習要求學生深入理解學習材料，將先前知識與復雜問題、未來職業相關聯（馬頓，比蒂，1993）。從“認知性存在”的角度來看遠程教學，應增加學生質疑和探究的環節。因此，教師要為遠程學習者創造逼真的問題情境，努力將課程內容與學習者的工作實際相結合，采取案例教學、基于問題的學習（PBL）、頭腦風暴等教學策略，提高其遷移應用能力、創新思維能力。此外，教師還需要增加自己在網絡論壇、學習社區的“教學性存在”，拿出足夠的時間與學生進行交流、組織討論，引導他們進行意義建構與反思。高校要創建創新的教育氛圍，激發學生的“認知需求”，鼓勵他們進行深層學習。

5.網絡學習的評價方式要多元化

借助網絡學習技術，教師應注重將過程性評價與結果性評價、質性評價和量化評價結合起來，使用電子檔案袋、在線測評、項目評價等方法綜合評價學習者的學習水平和認知層次，引導他們的元認知監控和反思能力發展。同時，評價主體可以多元化，可以包括師評、自評和互評。借鑒PETS的方法能促使學生積極參與團隊學習，從而引導他們深入學習。

【參考文獻】

[1]張浩，吳秀娟.深度學習的內涵及認知理論基礎探析[J].中國電化教育，2012，（10）：7-11，21.

[2]Entwistle，N.&Ramsden，P.Understanding Student Learning[M].London：Croom Helm，1983.

[3]Warren Houghton.Deep and Surface Appraoches to Learning[EB/OL].http：//www.engsc.ac.uk/er/theory /learning.asp.

[4]Lorin W.Anderson.布盧姆教育目標分類學：分類學視野下的學與教及其測評[M].北京：外語教學與研究出版社，2009.

[5]景紅娜，陳琳，趙雪萍.基于Moodle的深層學習研究[J].遠程教育雜志，2011，（3）：27-33.

[6]Garrison D R， Anderson T， Archer W.Critical inquiry in a text-based environment： Computer conferencing in higher education[J].The internet and higher education， 1999， 2（2）： 87-105.

[7]Akyol Z， Garrison D R.Understanding cognitive presence in an online and blended community of inquiry： Assessing outcomes and processes for deep approaches to learning[J].British Journal of Educational Technology， 2011， 42（2）： 233-250.

[8]HeijnePenninga M， Kuks J， Hofman W H， et al.assessment： Influences of deep learning， need for cognition and preparation time on open‐and closed‐book test performance[J].Medical education， 2010， 44（9）： 884-891.

[9][16]徐潔，周寧.認知需求對個體信息加工傾向性的影響[J].心理科學進展，2010，（4）：143-148.

[10]Silvia Schiaffino， Patricio Garcia， Analia Amandi.eTeacher： Providing personalized assistance to e-learning students[J].Computers & Education，2008，（51）： 1744–1754.

[11]John Cokley.Developing and disseminating team skills capacities using interactive online tools for team formation，learning，assessment and mentoring[EB/OL].http：//www.olt.gov.au/system/files/resources/CG7_531_Kavanagh_Report_2011.pdf.endprint

[12]李青，王濤.學習分析技術研究與應用現狀述評[J].中國電化教育，2012，（8）：129-133.

[13]Sten Govaerts.Visualizing Activities for Self-reflection and Awareness[EB/OL].https：//lirias.kuleuven.be/bitstream/123456789/283362/1/icwlSten.pdf.

[14]馮菲，劉薩，汪瀅等.下一代的學習：愿景、創新和可能性——第七屆亞洲地區數字化學習國際研討會紀實[J].遠程教育雜志，2012，（4）：3-19.

[15][17]Johnson，L.，AdamsBecker，S.，Cummins，M.，Estrada，V.，Freeman，A.，Ludgate，H.，張鐵道，殷丙山，殷蕾，白曉晶.國際教育信息化2013地平線報告（高等教育版）[J].北京廣播電視大學學報，2013，（2）：7-29.

【Abstract】The college students and adult students are engaged in a surface level in distance education and the capability of their deep learning should be improved.In brief， a process model of deep learning approach is first presented in this paper.Then the research progress and technology status quo of deep learning in online education are recommended.Finally strategies and suggestions are given to improve the deep learning effect by referencing MOOCs，etc.

【Key words】deep learning；learning process；cognitive presence；need for cognition；learning analysis

（編輯/樊霄鵬）endprint