復雜任務下的深度學習：作用機制與優化策略*

劉哲雨 王 紅 郝曉鑫

?

復雜任務下的深度學習：作用機制與優化策略*

劉哲雨 王 紅 郝曉鑫

（天津師范大學 教育科學學院，天津 300387）

文章基于“任務復雜度增加時，深度學習是否更加困難”這一問題進行研究，首先從主觀感受與客觀表現兩方面辨析深度學習中的任務復雜度；然后從深度學習的早期階段、晚期階段和情感體驗三個維度，探討復雜任務對深度學習的作用機制。此外，文章還構建了復雜任務中深度學習的實現途徑與優化策略，如目標表征、學習動機、認知負荷和學習控制等。最后，文章進行了任務復雜度與目標表征影響深度學習的實驗研究，并驗證了主要結論：①在中—高復雜度任務中，隨著深度學習程度的增加，目標表征的積極作用愈加凸顯；②在高水平目標表征下，任務復雜度對深度學習的影響力降到最低，同時以學習者有效提取目標中的加工策略為前提。

任務復雜度；深度學習；目標表征

一 確定研究問題

目前，深度學習評估主要包括深度學習過程評估[1]和深度學習結果評估[2]。其中，深度學習結果包括知識技能與能力素養，而知識技能又可以進一步細分為深度與廣度兩個維度。面對中低復雜度學習內容或任務，研究者一般都會將深度加工后的知識狀態與呈現之初的知識原始狀態進行比對，即從知識自身形態和知識網絡結構兩個維度出發，考察知識發生的變化，以此來反映深度學習的程度。但是，當遇到復雜任務時，隨著知識技能的節點增加，知識網絡聯結密度加大，多樣化的知識形態和動態生成的新變式交織在一起，而且新變式產生的概率和速率很可能超出預期，導致認知資源、認知負荷以及工作記憶能力等方面也隨之發生波動[3]，這一系列反應都會對復雜認知加工過程產生影響，也會為深度學習增加一定的難度甚至引起阻滯。然而，人類深度學習的原始價值就在于批判性思維和復雜問題解決，因此本研究對“任務復雜度增加時，深度學習是否更加困難”這一問題展開研究，即分析任務復雜度在深度學習過程中的作用機制，尋找中—高復雜度任務中有效促進深度學習的解決途徑和優化策略。

二 分析作用機制

1 深度學習中任務復雜度的界定

任務復雜度是對任務提出先驗知識的需求度、完成任務所需要的支持度、任務的不確定性及可分析性等進行綜合性描述，它與任務結構化、任務緊迫性等共同構成任務的重要屬性。一方面，可以基于問題或任務的類型理解任務復雜度，如在深度學習中，復雜型的問題任務涉及多重路徑選擇；決策型的任務往往隱藏著多個預期結果；而模糊型的任務則兼而有之[4]。另一方面，可以基于主觀度量與客觀度量的差異，辯證地理解任務復雜度，如表1所示。

Robinson提出“多重資源注意力模型”（Multiple Resources Attentional Model），將任務復雜度分為資源指引方向（Resource-directing Dimension）和資源消耗方向（Resource-dispersing Dimension），兩個方向對學習過程和學習結果（任務完成情況）產生不同要求[5]。資源指引對應概念要求，將注意力資源導向結構和形式（如復雜成分、需要推理等），使學習結果更加準確且多元化；而資源消耗產生程序要求（如時間限定、缺少準備等），消耗更多的注意力，工作記憶資源受到限制。

表1 深度學習視角下任務復雜度的客觀、主觀度量

2 復雜任務與深度學習的相互作用研究

（1）復雜任務影響深度學習的早期階段

注意和提取、記憶和理解是深度學習發生的基礎與前提。在深度學習的早期階段，復雜任務影響了信息的提取速度、記憶和保持以及新知理解。因此，任務復雜度將對個體能否進入深度學習階段產生影響。同時，復雜任務涉及不同的腦加工區域，也帶來了多通道負載，當這些資源負載同步發生時，注意力資源分配會發生較大調整，目標定向時間會增加，概念協商會變得更加多元復雜，知識網絡節點數呈指數級增長，直接限制了深度學習早期階段對信息的提取速度，但同時也提高了語義加工產出的數量和質量。任務復雜度還直接影響了任務內容之間以及任務內容與原有認知結構之間的聯系，而有意義關聯的復雜材料更利于元記憶與記憶效果[6]。但在時間有限、加工資源有限的情況下，無意義關聯的材料越復雜，認知加工占用的資源越多，留給意義存儲的資源越少。

Robinson[7]的研究指出，任務復雜度越高，執行者對復雜任務輸入信息的深度理解效果越明顯，這一現象要歸結于執行者對復雜任務的特殊評估。執行者往往會主動上調注意力，更多地關注輸入信息，以尋求更多的幫助，因而會對信息傳遞系統的功能與結構提出更高的需求。來自二語學習研究領域的證據也表明，復雜任務的理解率和完成率均高于簡單任務[8]。綜上所述，復雜任務本身阻礙了深度學習，但有效加工復雜任務卻促進了深度學習。

（2）復雜任務影響深度學習的晚期階段

復雜任務給深度學習帶來的困難與挑戰，使研究者容易錯誤地認為，通過“降維”或減少變量的方法使復雜任務變成簡單任務會有利于深度學習的發生。實際上，遷移作為深度學習中最重要的評價標準，需要復雜任務中多元化的信息關聯作為支撐。同時，高復雜度的知識加工依賴于內隱學習，而內隱學習中的規則性與策略性的知識最有利于遷移，可以直接體現為復雜任務的內隱加工促進深度學習[9]。因此，復雜任務帶來的挑戰對深度學習的過程和結果產生了積極作用，復雜問題簡單化或簡單問題復雜化都不利于深度學習。

（3）復雜任務影響深度學習的情感體驗

任務復雜度與學習過程中的情感策略密切相關。遇到復雜任務時，學習者將會感受到困難與挑戰，學習動機、自我效能感等學業情緒受到影響，積極情緒被抑制，取而代之的是負向情緒。與此同時，有研究表明復雜任務下不同情緒對個體注意與學習結果的影響差異并不顯著[10]，也就是說，任務復雜度在情緒與學習結果之間起到了調節作用[11]。

三 構建優化策略

1 優化目標表征

優化目標表征，可以調節任務復雜度對深度學習的影響。在復雜任務中，目標定向通過臨場動機影響元認知監控策略，進而影響深度學習策略選擇；同時，目標表征本身可以承載深度加工策略，學習者成功捕捉并運用這些隱含在目標中的策略，實現目標表征對深度學習的促進作用。遇到特殊情況時，如被限定學習時間或先前經驗準備不足等，就更需要掌握型目標。

2 優化學習動機

學習動機是影響復雜任務中深度學習水平的重要因素。作為一個復合型因素，學習動機與是否感興趣、是否有價值以及是否能勝任關系密切。深度學習代表較高階的思維技能，任務復雜、難度高、失敗或遭遇風險的可能性大，會降低學生的學習動機。要改善這種現狀，必須使促進深度學習的教學模式始終能夠激發學習動機。優化動機改變了學習者對復雜任務的主觀評估，改變學習投入意愿。一種極端的假設是，當學習者的動機足夠充分，任務復雜度就不再成為深度學習的影響因素。

3 優化認知負荷

當任務復雜度較低時，學習者通常利用自動化的知識完成任務，此時認知負荷較低，知識結構的變化程度也未達到深度學習的水平。任務復雜度較高時，學習者將會啟動更多的策略性知識，深度學習績效水平提升，但也帶來了認知負荷的增加。因此，可以優化認知負荷、調控任務復雜度對深度學習抑制作用的做法是，借助與任務要素的交互操作，引入更多的支持相關認知負荷的加工策略。

4 優化學習控制

在不同任務復雜度下，學習控制對學習效果的影響作用不同[12]。步調控制原理指出，單一步調的控制程度低，不會增加外在認知負荷，并且學習者自我調控的學習進度與任務復雜度的匹配程度更高，在最復雜的節點上可以投入較多的時間用于深度理解和知識整合，而時間投入又為降低內在認知負荷提供保障。通常，交互型學習控制還會帶有支持反饋和提供策略的功能。有效的、適度的學習控制是調節復雜度對深度學習影響的有效途徑。

四 檢驗優化策略：以目標表征的實驗研究為例

對優化策略進行實驗研究，首先需要選定優化策略并基于該策略設計干預實驗。多種策略之間的取舍主要基于時間序列原則，其中，目標表征是學習過程中最先啟動的優化策略。本研究將呈現優化目標表征策略影響深度學習的實驗研究。

1 實驗目的

不同任務復雜度下、不同水平的優化策略影響深度學習的實驗研究，旨在發現復雜任務影響深度學習的規律，探究如何優化復雜任務下的學習策略以促進深度學習。以目標表征的實驗研究為例，優化策略實驗研究主要包括：在不同復雜度的任務中，隨著優化策略水平的提升，不同階段的深度學習效果發生了怎樣的變化？在不同水平的優化策略干預下，隨著任務復雜度的增加，深度學習的深入加工過程會受怎樣的影響？在深度學習的不同階段，隨著優化策略水平的提升，復雜任務的完成效果如何？

2 實驗設計

本實驗采用兩因素2×3實驗設計，即自變量1（任務復雜度）包含中復雜度和高復雜度；自變量2（目標表征）包含無目標、文字表征目標（下文簡稱文字目標）和多媒體表征目標（下文簡稱媒體目標）。因變量（深度學習效果）包括內部關聯遷移效果和外部拓展遷移效果。

實驗選取陳述性知識、程序性知識與策略性知識常態化融合的學習內容，符合本課題系列研究的價值定位：促進深度學習的常態化發展。從資源消耗和資源指引兩個層面分析任務復雜度：一方面，本實驗材料努力控制因資源消耗造成的個體差異，如選取“血液循環”單一任務內容背景知識、不控制學習時間等；另一方面，通過資源指引（如材料規模、推理路徑長度、知識點數量及關聯等）調控任務復雜度。評估實驗材料的任務復雜度（中、高兩個水平）和編制深度學習結果測量工具（內部關聯遷移效果和外部拓展遷移效果，每個維度測試題各10分），均由3位醫學院專業教師與2位深度學習專家（未參加實驗）共同完成，努力保障內容效度和表面效度。

本實驗的被試為天津地區三所高校本科二年級和三年級學生（其中男生42名，女生48名），均自愿參與實驗。通過實驗前嚴格限定被試條件（實驗內容興趣過高過低、相關專業學科背景等）、剔除不合格數據（由于實驗態度、突發事件等原因造成）等，確保各組性別比例相同。

3 實驗分析

本實驗中的被試共分為6組，每組隨機分配30名學生，每位被試學生參與同一目標表征水平下的兩種復雜度實驗，共180次實驗。深度學習效果基本情況表2所示.

表2 深度學習效果基本情況統計（M±SD）

（1）在中—高復雜度任務中，優化策略之目標表征的水平影響深度學習效果的研究

目標表征影響深度學習的具體效果如圖1所示，主要包括：①在中復雜度下，內部關聯遷移成績為無目標最低，文字目標次之，媒體目標最高，三者之間呈現出階梯狀、非顯著性上升（P=0.401>0.05）的特點；外部拓展遷移成績與內部關聯遷移成績高低趨勢一致，三者之間出現了非常顯著的差異（P=0.000<0.001）；目標表征作用的差異從不顯著到非常顯著。②在高復雜度下，內部關聯遷移成績表現為無目標最低，文字目標次之，媒體目標最高，三者水平比較接近（P=0.936>0.05）；外部拓展遷移成績高低排序與內部關聯遷移成績排序一致，三者之間出現了顯著性差異（P=0.032<0.05）；目標表征作用的差異從非常不顯著到顯著。

圖1 目標表征影響深度學習效果統計

圖2 任務復雜度影響深度學習效果統計

（2）在優化策略之目標表征的不同水平下，任務復雜度影響深度學習效果的研究

任務復雜度影響深度學習的具體效果如圖2所示，主要包括：

①在無優化策略下，中復雜度任務中的內部關聯遷移與外部拓展遷移之間的差異極其顯著（P=0.000<0.001）；高復雜度任務中的內部關聯遷移與外部拓展遷移之間的差異極其顯著（P=0.000<0.001）。隨著深度學習程度的增加，復雜任務的阻礙作用凸顯。

②在文字目標下，中復雜度任務中的內部關聯遷移與外部拓展遷移之間的差異非常顯著（P=0.001<0.01）；高復雜度任務中的內部關聯遷移與外部拓展遷移之間的差異非常顯著（P=0.005<0.01）。與無目標情況相比，文字目標縮小了差異；但是，進入深度學習的高級階段，復雜任務的阻礙作用仍然明顯。

③在媒體目標下，中復雜度任務中的內部關聯遷移與外部拓展遷移之間的差異顯著（P=0.096＞0.05）；高復雜度任務中的內部關聯遷移與外部拓展遷移之間的差異顯著（P=0.490＞0.05）。在媒體目標下，中、高復雜度的任務中內部關聯遷移與外部拓展遷移之間的差異顯著性消失，深度學習的外部拓展遷移階段保持了與內部關聯遷移階段基本一致的水平。

（3）在不同層次的深度學習階段、不同復雜度的任務中，優化策略之目標表征的不同水平影響學習效果的研究

①在內部關聯遷移階段，中復雜度任務的三種目標表征水平下的學習效果之間存在非顯著性差異（P=0.401>0.05）；在高復雜度任務中，三種目標表征水平下的學習效果之間差異縮小，三者水平接近（P=0.936>0.05）。②在外部拓展遷移階段，中復雜度任務的三種目標表征水平下的學習效果之間差異極其顯著（P=0.000<0.001）；在高復雜度任務中，三種目標表征水平下的學習效果之間的差異有所上浮，但仍處于顯著水平（P=0.032<0.05）。深度學習的不同階段，中復雜度差異都低于高復雜度差異。

4 實驗結果

（1）在中—高復雜度的任務中，隨著深度學習程度的增加，目標的積極作用愈加凸顯

目標從無到有、目標表征水平從低到高，對內部關聯遷移效果和外部拓展遷移效果產生不同水平的影響。在中復雜度下，影響差異的顯著性從無到有的變化，充分呈現出在中等復雜度下，隨著內部關聯遷移向外部拓展遷移的深入發展，目標表征促進深度學習的作用逐漸凸顯。在高復雜度下，目標作用的差異從非常不顯著到顯著，充分呈現出在高復雜度下，隨著內部關聯遷移向外部拓展遷移的深入發展，目標表征促進深度學習的作用也逐漸顯現。

（2）隨著目標表征水平的提升，任務復雜度對深度學習程度的影響逐漸最低

在無優化策略下，中—高復雜度的任務都會在很大程度上阻礙外部拓展遷移繼續保持內部關聯遷移的水平，任務難度對深度學習程度的影響十分明顯。令人欣慰的是，優化策略的出現，降低了任務難度對深度學習的中—高階段的阻滯作用，同時，由于優化策略的水平較為初級，復雜任務對深度學習的外部拓展遷移階段的阻礙作用仍然十分明顯。深度學習高階段中的高水平優化策略，將任務復雜度對深度學習層次的影響降到最低。借助高水平的優化策略，即使是在復雜的任務中，深度學習仍然可以順利進入外部拓展遷移階段。

（3）在中復雜度下，優化策略的促進效果更明顯，目標表征與復雜任務情境的適切程度決定深度學習效果

目標表征水平越高，攜帶的支持策略越明顯，無論是內部關聯遷移階段還是外部拓展遷移階段，伴隨著優化策略水平的提升，學習效果都呈現出階梯式上升。與高復雜度相比，中復雜度任務中三種優化策略干預下的深度學習效果差異更大，說明在中復雜度下，表征水平高的優化策略的促進作用更加顯著。其原因在于，復雜任務中有限的注意資源優先用于意義加工，對媒體目標表征的形式加工不足，因此媒體目標表征中的策略在尚未被學習者完全捕捉和吸收的情況下，就會對深度學習效果造成異化作用——此異化作用體現為在高水平的目標表征下，高復雜度內容對應的內部關聯遷移和外部拓展遷移的成績不升反降，如圖3所示。因此，在中復雜度下優化策略的促進效果更明顯，證實了優化策略只有和內容復雜度相匹配時，才能最大程度地發揮促進作用，一旦復雜度超出匹配范圍，優化策略的使用效果會受到限制。

圖3 目標表征適應復雜度影響深度學習效果研究統計

五 結語

針對教育者擔心復雜任務下如何實現深度學習的問題，本研究認為，在復雜任務背景下，學習者體驗的是開放性的、結構不良的加工過程[13]，這為深度學習的批判性、整合性以及創造性的加工行為提供了條件，但也不可避免地帶來了挑戰；當深度學習遇到復雜任務，為復雜任務提供與其復雜度適配的目標表征時，支持學習者獲得策略支架便成為了實現深度學習的有效途徑。

[1]Biggs J. Individual differences in the study process and the quality of learning outcomes[J]. Higher Education, 1979,(4):381-394.

[2]劉哲雨,郝曉鑫.深度學習的評價模式研究[J].現代教育技術,2017,(4):12-18.

[3]劉鵬,呂曦,李志忠.任務復雜度對自動化意識的影響[J].航空學報,2015,(11):3678-3686.

[4]Campbel D J. Task complexity: A review and analysis[J]. Academy of Management Review,1988,(1):40-52.

[5][7]Robinson P. Task complexity, cognitive resources, and syllabus design: A triadic framework for examining task influences on SLA[M]. Cambridge: Cambridge University Press, 2001:287-318.

[6]翟雪松,董艷,胡秋萍,等.基于眼動的刺激回憶法對認知分層的影響研究[J].電化教育研究,2017,(12):51-57+72.

[8]黃騫.任務復雜度對學生英語閱讀理解和詞匯習得的影響[J].外語界,2013,(3):22-30、76.

[9]葛操,白學軍.材料規則難度對內隱與外顯協同學習的影響[J].心理與行為研究,2009,(2):121-126.

[10]Fox E, Yates A, Ashwin C. Trait anxiety and perceptual load as determinants of emotion processing in a fear conditioning paradigm[J]. Emotion, 2012,(2):236-249．

[11]馬元廣.情緒對注意靈活性的影響:任務難度的調節效應[J].心理研究,2016,(3):29-35.

[12]龔少英,張盼盼,上官晨雨.學習者控制和任務難度對多媒體學習的影響[J].心理與行為研究,2017,(3):335-342.

[13]倪其育,劉麗麗.基于認知負荷理論的復雜學習整體任務設計探討[J].現代教育技術,2009,(3):39-41、77.

Deep Learning in Complex Tasks: Mechanisms and Strategies

LIU Zhe-yu WANG Hong HAO Xiao-xin

The focus of this study is to discuss the question—will deep learning become more difficult when task complexity increases? Firstly, the task complexity in deep learning is analyzed from the aspects of subjective feeling and objective performance. Then, the article explores the mechanism of complex tasks on deep learning from the three dimensions of deep learning, including the early stage, late stage, and emotional experience. Meanwhile, the research constructs the realization approaches and optimization strategies of deep learning in complex tasks, such as goal representation, motivation, cognitive load and learning control. Finally, an experimental study is carried out to examine the influence of task complexity and goal representation on deep learning, and some important conclusions are verified: in medium to high complexity level of tasks, the positive role of goals becomes more prominent with the increasing degree of deep learning; in high-level goal representation, the influence of task complexity on deep learning is minimized premised on learners’ effective extraction of the processing strategies in the goals.

task complexity; deep learning; goal representation

G40-057

A

1009—8097（2018）08—0012—07

10.3969/j.issn.1009-8097.2018.08.002

本文為國家社會科學基金“十三五”規劃2017年度教育學課題“信息化教育資源優化設計的語言工具：‘多媒體畫面語言學’創新性理論與應用研究”（項目編號：BCA170079）的階段性研究成果，并得到了北京大學教育學院學習科學實驗室的支持。

劉哲雨，講師，博士，研究方向為深度學習及多媒體畫面語言學，郵箱為zheyuliu@126.com。

2018年5月22日

編輯：小西