國內深度學習研究述評

☆ 楊艷瑜 劉樹林

（1.浙江師范大學，浙江金華 321000；2.中山大學，廣東廣州 510275）

一、引言

隨著教育信息化的不斷普及，人們的思維方式、生活方式以及學習方式都在發生著日新月異的變化。淺層學習中對知識的簡單記憶與理解已滿足不了信息時代下人們對知識的探索欲望，深度學習逐漸被挖掘出來。深度學習是更高層次的、學習者對知識進行內化理解的過程。目前，國內關于“深度學習”的研究文獻繁多，如何快速的對國內深度學習這一領域的研究現狀進行深入了解，并對其研究領域進展作簡要的判斷，是本研究要解決的問題。了解一個領域的研究現狀，實際上就是要對該領域已產生的和新產生的知識有一個較為全面的把握，文獻資料中蘊含著某個研究領域的豐富知識和研究成果，因此，有必要將這些知識從文獻中挖掘出來。[1]本文借助BICOMB2、UCINET等可視化分析軟件對“深度學習”的相關研究進行分析，從而對該領域的研究有一個總體的把握，并探討現階段的研究熱點、預測未來的研究方向。

二、概述

深度學習這一概念起源于國外，最早由外國學者Ference Marton和Roger Saljo于20世紀70年代提出，他認為深度學習是一種主動的、批判性的學習方式，強調理解性的學習、批判性的高階思維、主動的知識建構、有效的知識遷移及真實問題的解決。[2]2005年是上海師范大學黎加厚教授在《促進學生深度學習》一文中最早在我國引入深度學習的概念，他指出深度學習是指在理解的基礎上，學習者批判性地學習新思想和新知識，將他們與原有認知結構相融合，將眾多思想相互關聯，將已有的知識遷移到新的情境中去，做出決策并解決問題的學習。[3]深度學習的典型特征是：①能夠進行新舊知識的整合，即實現概念之間交互；②學習過程中有反思和元認知的參與；③深度學習意味著高水平思維。[4]筆者通過閱讀文獻及結合自身的理解，認為深度學習是建立在淺層學習之上，能夠幫助學習者進行有意義的學習，用于培養學習者高階思維能力、促進知識記憶與遷移、解決非結構化問題的能力、方法和策略。

三、研究過程

1.研究樣本的選取

隨著信息技術的不斷發展，人們的學習方式不斷發生著變革。有關深度學習的研究文獻數量繁多，為了保證數據分析的全面性，本研究主要從中國知網（CNKI）數據庫中調取相關文獻進行研究。

2.研究樣本信息的收集與處理方法

本研究的數據主要來源于中國知網CNKI全文數據庫，采用高級檢索的方式對該主題進行信息檢索，將檢索條件設置為篇名“深度學習”或“深層學習”，檢索時間條件設置為2005.01-2017.10（截止到寫稿期），共檢索到1792條結果。為保證數據的有效性與可靠性，本研究選用了被引頻次前500名的文獻進行研究，以期獲得最佳數據。在文獻數據信息處理方面，本研究主要采用BICOMB2、UCINET等社會網絡分析軟件進行可視化分析。

四、研究結果與分析

1.國內文獻年度計量分析

筆者按2005-2017年對國內深度學習相關文獻進行檢索與統計，得到國內各年度的相關主題發文量并進行可視化處理，結果如圖1 所示。圖中橫軸代表年份，縱軸代表歷年發文量，折線上的數字代表是該年份有關深度學習主題的發文量。2005年，上海師范大學黎加厚教授在《促進學生深度學習》一文中首次引入深度學習概念，至此，有關深度學習的研究逐漸步入研究者的視野。由圖1 分析可知，2012年以后，研究者對其越來越重視，特別是2016年深度學習的有關研究已經達到了最高峰，這也證實了新媒體聯盟《地平線報告》中提出的深度學習方法將是未來發展趨勢的論斷，深度學習日益成為研究者研究的重點與焦點。[5]

圖1 國內深度學習各年度發文量

2.期刊載文量分析

利用BICOMB2軟件對檢索到的信息進行分析處理，以期刊為關鍵字段對信息進行提取分析，結果如表1所示。表1中提取了以期刊為關鍵字段的出現頻次大于等于4的有效數據，其中，出現頻次位居前10位的期刊有：《遠程教育雜志》、《計算機應用研究》、《中國電化教育》、《自動化學報》、《計算機科學》、《電化教育研究》、《華南理工大學》、《江蘇教育研究》、《江蘇教育》、《人民教育》。由期刊載文量出現頻次可知，深度學習研究領域主要集中于信息科技領域與教育技術學科領域，如在信息科技領域中的期刊主要有《計算機應用研究》、《自動化學報》、《計算機科學》、《北京郵電大學》等信息科技類核心期刊；在教育技術領域中的期刊主要有《遠程教育雜志》、《中國電化教育》、《電化教育研究》等教育技術類核心期刊。有關深度學習的研究領域還涉及到社會科學領域，如《物理教師》、《中學化學教學參考》等期刊。

表1 期刊載文量

3.研究熱點分析

研究主題的關鍵詞足以反映該研究領域的研究熱點，特定研究領域一段時間內大量研究成果的關鍵詞集合，有助于確定該領域的發展脈絡、熱點前沿以及發展趨勢等。[6]因此，本文借助BICOMB2軟件對深度學習相關文獻的關鍵詞進行了提取，共得到總關鍵詞2550個。為避免重復計算工作，筆者將關鍵詞“深度學習”與“深層學習”進行合并同類項統計分析，繼而提取出現頻次大于等于7的高頻關鍵詞，共計27個關鍵詞，如表2所示。由表2分析可知，高頻關鍵詞排在前10位的分別是：深度學習（374次）、卷積神經網絡（49次）、學習過程（37次）、神經網絡（22次）、機器學習（21次）、深度信念網絡（20次）、特征提取（18次）、淺層學習（18次）、人臉識別（16次）、教學策略（14次）。排在前10名高頻關鍵詞充分體現了深度學習研究領域的研究熱點和研究方向。關鍵詞“卷積神經網絡”、“特征提取”、“神經網絡”等可以視為深度學習的神經網絡領域；關鍵詞“學習過程”、“教學策略”等可以視為深度學習在教育領域的研究。學習者的學習過程由填鴨式教學、接受式學習逐漸向自主性學習、研究性學習發展，雖然學習者的學習方式在不斷地發生變化，但仍存在淺層學習狀況，因此，對于教育領域的深度學習研究也是必不可少的。與深度學習相對立的是淺層學習，因此淺層學習進入研究者的視野也是有據可循的。

表2 有關深度學習高頻關鍵詞分析

4.社會網絡分析

共詞分析是對關鍵詞共現現象進行研究的一種重要方法。它是對一組詞兩兩統計它們在同一篇文獻中出現的次數，以此為基礎對這些詞進行聚類描述，發現它們之間的親疏關系，進而分析這些詞所代表學科和主題的結構變化。[7]為了更準確地分析深度學習各研究熱點之間的內部關系，本研究在對深度學習高頻關鍵詞進行統計分析的基礎上，利用BICOMB2構建高頻關鍵詞（出現頻次大于等于6的高頻關鍵詞）的共現矩陣，如表3所示。其中，對角線上的數字代表該關鍵詞出現的總次數，非對角線上的數字說明兩個關鍵詞共同出現的次數。通過社會網絡分析軟件對收集數據進行可視化分析，形成深度學習高頻關鍵詞社會網絡關系圖譜，如圖2所示。正方形代表高頻關鍵詞節點，其中心度和中心勢是節點的兩個特征，節點的中心性是指圖2網絡中每個關鍵詞在網絡中處于什么地位；中心勢是反應整個關鍵詞網絡中各個節點的差異性程度。[8]從圖2可以看出，除核心關鍵詞“深度學習”外，34個高頻關鍵詞構成了以“卷積神經網絡”、“學習過程”、“機器學習”、“深度信念網絡”、“特征提取”等為核心的社會關系網絡，具體分析如下：①從節點的中心性來看，卷積神經網絡、深度信念網絡、自然編碼器等關鍵詞處于關系圖的中心位置，且這些關鍵詞與其他關鍵詞都有相互聯系，表明了深度學習的研究熱點與研究方向傾向于神經網絡領域的深度學習研究。②從節點的中心勢來看，學習過程處于社會網絡分析圖中的核心位置，表明了學習者的學習過程將是深度學習的主要研究方向；其次是淺層學習、問題解決等關鍵詞與其他關鍵詞之間的相互聯系也較為緊密，反應出深度學習在教育領域的研究將是持續熱點。③從整個社會網絡分析圖可以看出，圖像識別、計算機視覺、高中物理等關鍵詞處于網絡分析圖的邊緣地區，且與其他關鍵詞之間的相互聯系較少，反應出深度學習在此方面的研究相對較少。

表3 部分深度學習高頻關鍵詞共現矩陣

圖2 深度學習社會網絡分析關系圖

五、國內深度學習在教育領域的研究現狀

通過以上對深度學習有關研究進行多維度的分析可知，深度學習的研究領域涉及到神經網絡領域、教育領域以及其他研究領域。筆者著重對深度學習在教育領域的研究進行分析，并根據文獻中的內容陳述、邏輯架構、價值取向將有關深度學習的研究總結提煉為以下三個層面，筆者將對這三個研究層面進行較為詳細的闡述。

1.內涵研究層面

談到深度學習就不得不說淺層學習，作為兩種不同形式的學習方式，卻表現出對立統一的關系，淺層學習是深度學習的基礎，深度學習是淺層學習的升華。淺層學習是建立在外力驅動的基礎上，是一種外在動機的學習，也是一種基于記憶的學習，主要包括對知識簡單的記憶與理解。深度學習是建立在內部動機驅動下的學習，是一種內在的學習動機，學習者將已有的知識經驗與新知識相聯系并進行遷移運用，是一種基于知識建構、遷移應用、面向問題解決的學習方式。研究者在淺層學習與深度學習的比較研究中大多會引證布魯姆在認知領域的教育目標類：識記、理解、應用、分析、綜合、評價。其中，將識記與理解歸為淺層學習過程，是對知識的簡單記憶，像短時記憶容易被學習者遺忘，屬于低階思維層面；應用、分析、綜合、評價歸為深度學習過程，是有學習者自身的參與和思考過程，屬于高階思維層面。除了上文提到的黎加厚教授對深度學習的概念界定外，其他研究者對深度學習也有著自身的理解。如：曾明星、李桂平、周清平等人從學習者主動性視角總結了對深度學習的理解，認為深度學習是一種主動探究性的學習方式，要求學生進行深度的信息加工、主動的知識建構、批判性的高階思維、有效的知識轉化與遷移應用及問題的解決。[9]又如：張琪從實踐的視角總結了對深度學習的理解，提出深度學習是以“促進有效學習”、踐行“知行合一”為目的的特殊研究領域，是在學習者強烈內在動機指引下的積極學習，是通過學習者、環境、人工制品的相互交流和作用，引發以概念轉變、整合理解與創造性認知重組為特征的“意義生成”性學習。[10]

2.教學策略研究層面

如前文所述，筆者認為深度學習是建立在淺層學習之上，能夠幫助學習者進行有意義的學習，用于培養學習者高階思維能力、促進知識記憶與遷移、解決非結構化問題的能力、方法和策略。雖然在時間上深度學習與淺層學習之間存在著延續性，但在實際的教育實踐應用中，教育者對學習者的培養還是側重于深度學習層面。目前的研究表明，學習者的學習更多地停留在淺層學習層面上，只是對知識的簡單記憶、背誦、了解，并未對其進行分析、運用、綜合與評價，這使得深度學習的教學策略研究顯得迫在眉睫。深度學習層次的提高依賴于教育者與學習者雙方之間的共同努力。在教育者層面，安富海以學習者的視角提出了教育者在教育教學時可以采取的一些策略：①建立高階思維發展的教學目標，引導學生深度理解；②整合意義聯接的學習內容，引導學生批判建構；③創設真實的深度學習情境，引導學習者積極體驗；④落實過程性評價，引導學生深度反思。[11]張發信也提出構建學習共同體、創建真實的深度學習環境與即時評價學習者的表現對促進學習者深度學習至關重要。[12]在學習者層面，學習者不應被動地接受知識的傳遞，對于知識、問題解答要有自己的理解與思想，充分激發自身的創造性思維；與同伴之間建立良好的交互關系，建立學習共同體，進行思維碰撞，不斷發展自身的高階思維能力。

3.網絡學習空間研究層面

隨著當今信息技術的迅猛發展，學生的學習空間逐漸延伸到網絡學習，網絡學習空間成為學習者學習的主要活動場域。在教育領域較為活躍的網絡學習空間主要有MOOC在線學習平臺、SPOC小眾私密開放平臺、E-learning在線網絡學習平臺、開源MOODLE平臺、Blackboard平臺等，每一種平臺都有其自身的優越性，因教育者的教學風格、教學習慣的不同而被不同的教師所接受。網絡學習空間在實際的教學應用中，學習者的活動主要停留在交作業、查閱信息等方面，這些活動大多停留在淺層交流的層面上，網絡學習空間也因此一度被稱為“滋生淺層學習的溫床”。[13]為了改變這一現狀，使學習者能夠真正學會學習并且能夠進行有效學習，在E-learning學習環境領域，段金菊提出了“E-learning環境下深度學習的交互層次模型”，該模型將學生的學習分為淺層學習與深層學習兩個層面。其中，學習者的外顯行為如學習者與教學媒體、教學資源、教師以及其他學習者之間的交互是處于較低水平思維階段，因此，將其劃分為淺層學習層面；學習者的認知過程和學習者的學習結果經歷了學習者自身概念的交互與轉化，是學習者的元認知批判性思維，屬于高水平思維，因此，將其劃分為深層學習層面。[14]在MOOC學習環境領域，曾明星、李桂平、周清平等人將MOOC與翻轉課堂進行融合并建構了深度學習場域，其深度學習場域由四個基本要素構成：情境、交互、體驗和反思。情境是深度學習場域中的核心與基礎，向交互、體驗與反思提供活動開展的場域，交互、體驗與反思是深度學習進行知識的建構、遷移應用、問題解決與創造的關鍵要素，它們之間相互交互、溝通、融合，促進學習者深度學習活動的發生。[15]

六、總結

綜上所述，自2005年深度學習引進國內以來，日益受到研究者的關注，通過上述對深度學習進行多維度的可視化分析可以總結概括出目前國內深度學習的研究現狀：①從國內深度學習各年度發文量可以看出，研究者對深度學習的研究日益熱化，文獻發文量呈直線上升趨勢，未來深度學習將繼續成為研究熱點；②從期刊載文量來看，有關深度學習的研究大多發表在信息科技領域與教育技術領域中，其中也涉及到社會科學領域；③從研究熱點來看，卷積神經網絡、學習過程、神經網絡、機器學習、深度信念網絡、特征提取、淺層學習等是深度學習研究領域的熱點；④從社會網絡分析視角，可視化地分析了深度學習的研究熱點與未來的研究方向。深度學習的研究領域涉及到卷積神經網絡領域、教育領域以及其他研究領域。筆者著重對深度學習在教育領域的研究進行分析，通過歸納、總結，將深度學習研究層面分為比較研究層、教學策略研究層、網絡環境研究層。

[1]盧強.國內學習共同體研究現狀與進展分析[J].中國遠程教育,2012,(05):29-35.

[2]楊玉琴,倪娟.促進“深度學習”的教學設計[J].化學教育,2016,(17):1-8.

[3]何玲,黎加厚.促進學生深度學習[J].現代教學,2005,(05):29-30.

[4][14]段金菊.e-Learning環境下促進深度學習的策略研究[J].中國電化教育,2012,(05):38-43.

[5]金慧,胡盈瀅,宋蕾.技術促進教育創新——新媒體聯盟《地平線報告》(2017高等教育版)解讀[J].遠程教育雜志,2017,(02):3-8.

[6]卜彩麗,張寶輝.我國翻轉課堂研究熱點、主題與發展趨勢解析——基于共詞分析的知識圖譜研究[J].教育導刊,2015,(09):48-53.

[7]韓燕娟.我國智慧教育的研究熱點、主題與展望——基于共詞分析的知識圖譜研究[J].中小學電教,2015,(09):6-9.

[8]魏瑞斌.社會網絡分析在關鍵詞網絡分析中的實證研究[J].情報雜志,2009,28(09):46-49.

[9]曾明星,李桂平,周清平,覃遵躍,徐洪智,張彬連,黃云,郭鑫.從MOOC到SPOC:一種深度學習模式建構[J].中國電化教育,2015,(11):28-34,53.

[10][13]張琪.e-Learning環境中大學生自我效能感與深度學習的相關性研究[J].電化教育研究,2015,(04):55-61.

[11]安富海.促進深度學習的課堂教學策略研究[J].課程·教材·教法,2014,(11):57-62.

[12]張發新.談化學教學中“深度學習”的內涵及實施策略[J].現代基礎教育研究,2015,(09):196-201.

[15]曾明星,李桂平,周清平,徐洪智,董堅峰,覃遵躍,郭鑫.MOOC與翻轉課堂融合的深度學習場域建構[J].現代遠程教育研究,2016,(01):41-49.