“互聯網+”環境下大學生深度學習影響因素及模型建構研究

□ 王 娟，李 涵，李卓珂

“互聯網+”作為一種新型生產力正深刻改變著經濟社會的各個領域，推動各行業的轉型、優化與創新。同時，在“互聯網+”環境中教育以互聯網為基礎設施和創新要素，結合人工智能與大數據等新興技術將互聯網與傳統教育深度融合，創新教育的組織模式、服務模式、教學模式，進而構建數字時代的新型教育生態體系。[1]《教育信息化2.0行動計劃》指出，要建成“互聯網+教育”大平臺，構建“互聯網+”環境下人才培養的新模式，發展基于互聯網的教育服務新模式。[2]但“互聯網+”環境中大量碎片化知識導致大學生的認知無法遷移應用，部分學習活動僅停留在淺層學習層面。[3]這并非“互聯網+”教育的本質，其目的要培養大學生的深度加工知識信息、深度理解復雜概念，建構個人認知體系，并遷移運用以解決現實問題等一系列深度學習能力。因此，探究“互聯網+”環境大學生深度學習的影響因素具有重要的意義和價值，本文通過文獻梳理將深度學習劃分為知識遷移和能力培養兩個維度，使用調查問卷收集數據，構建深度學習影響因素模型，提出相應解決方案，為“互聯網+”環境大學生的深度學習提供借鑒和參考。

一、“互聯網+”環境中深度學習的內涵

深度學習研究的興起，源自人們對教育本質的深入理解，是學習者追求優質學習質量與回應時代需求培養全面人才的結果。近年來，《地平線報告(高等教育版)》多次將深度學習列為高等教育領域中期趨勢和長期趨勢，指出深度學習對高等教育的影響日益深遠，培養大學生創新創造、問題解決、合作交流等21世紀必需的能力。[4-5]目前，學術界對深度學習已開展較多的理論研究與實踐檢驗，不同的研究機構和學者對深度學習的概念從不同角度進行闡釋。

1976年，Marton和Saljo發現學生完成閱讀任務時采用不同的認知方式，首次提出淺層學習和深度學習的概念。[6]Biggs對學生閱讀實驗的過程和結果進行分析，認為深度學習是學生的有意義學習，淺層學習是學生的機械學習。[7]Bloom在教學目標分類中指出，淺層學習停留在知識的簡單識記和復述，深度學習關注學生對知識的理解、遷移和運用。[8]2010年美國休利特基金會發起深度學習的研究，在美國不同地區的500余所學校開展深度學習實驗，將深度學習界定為學生在21世紀必備的掌握核心知識、批判性思維和復雜問題解決、團隊協作、有效溝通、學會學習、學習毅力等6個維度的基本能力。[9]黎加厚教授首先引進并介紹深度學習的概念，提出深度學習是在理解學習的基礎上，學生能夠批判性地學習新的思想和事實，將它們融入原有認知結構，能夠在眾多思想間進行聯系，并能夠將已有的知識遷移到新的情境中，做出決策和解決問題的學習。[10]張浩等學者認為，深度學習是一種主動的、批判性的學習方式，區別淺層學習中把知識作為獨立的概念來被動接受和機械記憶，深度學習需要對知識進行深層理解并可用于解決實際問題。[3]祝智庭等學者在智慧教育環境中從三方面闡釋深度學習的內涵：在學習結果上表現為認知、自我、人際等方面的高階能力，在學習方法上表現為復雜問題的解決，在學習參與上表現為學生主動學習。[11]鄭葳等學者在我國核心素養的基礎上指出，深度學習是一系列相互關聯的素養，包括掌握精確嚴密的學科內容、學習如何批判性思考和解決問題、有效協作與交流、自我指導學習，以及形成學科思維。[12]

綜上，深度學習符合“互聯網+”環境下人才培養的新要求，“互聯網+教育”需要培養大學生的創造力、交流能力等21世紀必備技能。因此，本研究將深度學習劃分為2個層面，一是指向知識的遷移，二是指向能力的培養。即在知識遷移上，學生主動分析、理解知識，將新知識融入原有認知結構，并可以遷移運用以解決復雜的實際問題；在能力培養上，培養學生創新思維、團隊協作、有效溝通、學習毅力等21世紀所需的能力，如圖1所示。[13]

圖1 深度學習概念的圖示

二、“互聯網+”環境下深度學習的影響因素及模型構建

1.深度學習的影響因素

目前，國內外較多學者對深度學習的影響因素開展實證研究。Groves等通過課堂觀察和測驗發現，學生年齡、閱歷和課程評估方式影響深度學習。[14]Papinczak等指出，深度學習與自我效能感有關，自我效能感高的學生能夠達到較高的深度學習水平。[15]Offir等對比遠程同步和異步教學系統中學生的表現和成績發現，學習活動影響深度學習，教師線上指導和反饋影響深度學習。[16]Leung等發現，學生的學習能力、反思能力、溝通能力、個人價值觀與合作學習等影響深度學習。[17]Dolmans等發現，基于問題的學習活動對淺層學習的影響較小，但對深度學習產生較大的影響，教師使用的評估方式影響深度學習。[18]Bonsaksen分析了深度學習的影響因素，即學生的年齡和性別、自我效能感、學習能力、自我評估。[19]Lee等探究增強現實環境下深度學習的影響因素，發現學生的自我效能感和評估方式影響深度學習水平。[20]

趙宗金等通過調查發現，年齡、性別、成長環境、健康情況、學業挑戰度和主動合作學習水平等因素影響學生的深度學習，其中學業挑戰度是最重要因素。[21]王永花提出，學習目標、學生分析、學習氛圍、學習評估等因素促進深度學習。[22]胡航通過課堂實驗指出，深度學習的重點是厘清學習方式、學習內容及學習資源三者的關系。[23]馮琳認為，學生的主動合作能力、信息素養能力及院校提供的支持環境和實踐活動影響深度學習。[24]錢薇旭通過課程案例發現，學習活動中學生的交流合作、參與度，采用的學習策略影響深度學習。[25]吳亞婕通過文獻內容分析，從個體(包括自我調節、學習動機、學習方法、學習投入)、交互(包括生生交互、師生交互、學生與學習內容的交互)和環境(包括網絡課程的目標、組織結構、學習活動、評價類型、技術工具)3個方面分析深度學習的影響因素。[26]綜上，目前研究者從不同方向分析深度學習的影響因素，但深度學習的本質是學習的一種高階狀態，其影響因素包含傳統學習的因素，需要以發展的眼光進行審視。

為明確“互聯網+”環境下大學生深度學習具有較強影響力的影響因素，首先，研究在梳理現有文獻的基礎上，設計“‘互聯網+’環境大學生深度學習影響因素”調查問卷，采用李克特五點量表的形式設置分值。其次，選取國內深度學習領域期刊發文量較多的研究者21人，以郵件的形式征求意見，最終回收有效答卷13份，問卷有效率為62%。最后，提取研究者普遍認為影響力較強的影響因素，分別為學習動機、學習投入、學習反思、學習活動、合作學習、學習評估和學習資源等因素。具體分析如下：

(1)學習動機。學習動機分為內在動機和外在動機，內在動機是個體尋求挑戰和滿足好奇心參與學習的傾向；外在動機是個體追求學習之外的其他因素，如獎勵、他人認可等參與學習的傾向。[27]激發學生的學習動機，學習成為積極應用知識解決實際問題的過程，將超越淺層學習走向深度學習。[28]多項研究表明，學習動機影響學生深度學習的知識遷移。Vos從教育游戲中證明學習動機影響知識的遷移運用，影響學習者的深度學習。[29]Biggs指出，具有強學習動機的學生，使用深度學習策略，具有高效的知識遷移和運用。[30]陳明選發現，學習動機的增強有效保障深度學習目標的達成，學生不斷深化深度學習策略的應用，加強深度學習的知識遷移。[31]張琪發現，高學習動機的學生擁有較強的判斷力和信念，有助于知識的遷移運用。[32]因此，本研究認為學生的學習動機與深度學習的知識遷移具有正相關關系。

(2)學習投入。學習投入包括行為、情緒和認知等3個維度。行為投入指積極地參與專業性和社會性活動；情緒投入指對學業的未來憧憬與學校的歸屬感；認知投入指主動掌握復雜的學習內容并在學習過程中高度專注。[33]行為投入具體表現為學生對學習高度投入，積極地交流協作，專注地解決問題，培養創造和協作能力，是達到深度學習的必要條件。劉哲雨等提出，行為投入可以降低認知負荷對學生的負面影響，避免造成淺層次學習的現象，促進學生的協作能力、元認知能力的發展等，完成深度學習的能力培養。[34]趙金宗發現，學習投入促進批判思維與合作交流，達到深度學習。[21]馮琳指出，學習投入從學生行為和院校條件兩方面影響學生的創新思維。[24]郭元祥認為，學習投入是深度學習的基本條件，包括批判性和創造性等思維品質的改善。[35]因此，學習投入影響協作交流、批判思維、創造思維等深度學習的能力培養。

(3)學習反思。學習反思是學生以已有的經驗、經歷、行為過程或自身身心結構為對象，以反身性的自我觀察、分析、評價、改造和修煉等方式進行的學習活動。[36]學習反思是深度學習的必要條件，盧瑞玲等指出，學習反思使思維由表層走向深刻，邁向深度學習。[37]學習反思使學生在不斷思考知識高階內涵的進程中實現思維品質的提升。學習反思對深度學習的知識遷移有直接影響，吳秀娟等認為，學習反思貫穿深度學習的整個過程，易于促進知識理解、應用及遷移，強化深度學習的知識遷移。[38]劉哲雨等指出，學習反思對深度學習的能力培養無顯著影響，但促進知識遷移和拓展，優化深度學習的知識遷移。[39]余勝泉認為，學習反思有助于學生在陳述性知識和程序性知識的基礎上對知識深化，促進遷移和運用。[40]因此，研究認為學習反思對深度學習的知識遷移有積極影響。

(4)學習活動。學習活動是學生掌握辯證思維從實踐到本質，把握問題的根基，借助理論性知識介入社會實踐的過程。[41]學生在深度學習的活動中進行復雜的教學交互，成為實踐活動的主體，完成高水平的認知。[42]學習活動是深度學習的重要環節，Biggs指出學習活動幫助學生調整學習方法，對知識深度加工，獲得深度理解。[43]多項研究證明學習活動提升學生對知識遷移的運用能力。傅鋼善等指出，學生通過學習活動將知識和技能運用到新情境，解決復雜問題，進一步領悟和思考，加深理解。[44]李利指出，學習活動幫助學生發展學科知識的框架結構，獲得意義豐富和靈活多變的知識組織形式[45]；吳亞婕認為，學習活動促進知識遷移和運用，鼓勵學生獨立思考，強化深度學習的知識遷移。[26]綜上可知，學習活動促進知識的遷移和運用，對深度學習的知識遷移具有正向影響。

(5)合作學習。合作學習是基于心理學和社會學，以師生、生生、師師合作為基本動力，以小組活動為教學方式，以團體成績為評價標準，以提升學生成績和良好社會技能為目標的教學理論與策略體系。[46]在合作學習中學生是主體，積極互賴的組織結構可以激發學生的責任和興趣，實現深度學習。已有研究證實合作學習對深度學習有積極影響，Pun運用合作學習的教學模式，發現學生的創造性思維能力和溝通能力提升，完成了深度學習的能力培養。[47]崔向平闡釋了合作學習對深度學習能力中團隊協作能力、溝通能力等高階思維能力的培養。[48]Hamilton發現，合作學習與競爭學習可以促進學生對知識的遷移和運用。[49]胡航等指出，合作學習是促進學生深度學習，實現有效學習的重要形式。[50]因此，合作學習對深度學習的知識遷移和能力培養呈現正相關關系。

(6)學習評估。學習評估以學習目標為依據，運用觀察、反思、調查、測驗等方法，收集學習過程及學習結果等方面的客觀資料，對學習效果做出鑒定和價值判斷，反思和修訂學習目標的活動。[51]學習評估是深度學習的重要保障，定位學生深度學習程度，指導教學過程調整和學習反思。祝智庭指出，“以評促學”有助于學生了解自身深度學習狀況，培養批判思維和創新思維等能力，達到深度學習的能力培養。[52]張浩等認為，學習評估以提升學生的問題解決、自主學習和知識創新等高階思維能力為目標，培養深度學習的能力。[53]劉哲雨等認為，學習評估促進新知理解，有利于內部知識的實踐運用和外部元認知能力、創新能力的培養，達到深度學習的能力培養。[54]由此可知，學習評估有利于學生批判思維、創新思維等深度學習能力的培養。

(7)學習資源。學習資源是以學生為中心，以有意義學習為最終目的，融合內容、活動、工具及人際智慧在內的資源體。[55]“互聯網+”環境學習資源碎片化造成淺層學習，引起廣大學者的關注。陳琳等認為，學習資源對深度學習起著源頭性作用，為學生提供深度閱讀動力，促進知識的遷移和應用。[56]詹青龍等提出，學習資源使學生有機會解決真實世界的問題，打通學校和社會的壁壘，在實踐中運用知識。[57]研究發現，學習資源有助于知識的遷移運用，能有效提升學業成績，學習內容的分解、數字化資源的重構和開發促進學生對知識的遷移和運用。[23]學校提供的硬件環境、軟件特性及資源豐富度促進學生知識的遷移和運用，優化深度學習的知識遷移。[58]因此，研究認為學習資源正向影響深度學習的知識遷移。

2.研究假設與模型構建

根據上述影響因素分析，研究提出如下假設：

H1：學習動機顯著正向影響深度學習的知識遷移；H2：學習投入顯著正向影響深度學習的能力培養；H3：學習反思顯著正向影響深度學習的知識遷移；H4：學習活動顯著正向影響深度學習的知識遷移；H5：合作學習顯著正向影響深度學習的能力培養；H6：合作學習顯著正向影響深度學習的知識遷移；H7：學習評估顯著正向影響深度學習的能力培養；H8：學習資源顯著正向影響深度學習的知識遷移。

基于上述假設，研究構建了“互聯網+”環境深度學習影響因素模型，如圖2所示。在該模型中，外源潛變量包括學習動機、學習投入、學習反思、學習活動、合作學習、學習評估和學習資源7個方面；內生潛變量包括深度學習的知識遷移和能力培養2個方面。

圖2 “互聯網+”環境深度學習的影響因素模型

三、研究過程

1.調查問卷的設計

為探究“互聯網+”環境深度學習影響因素模型的合理性，研究使用結構方程模型驗證，通過調查問卷收集數據。問卷包括2個部分，第一部分是深度學習的影響因素，借鑒NSSE-CHINA問卷，參考王振宏、陳佑清、呂巾嬌、馬紅亮、盧峰等學者的研究內容及SOLO分類評價法，分別編制學習動機、學習投入、學習反思、學習活動、合作學習、學習資源、學習評估。第二部分為深度學習的知識遷移和能力培養，該部分題目改編自R-2F-SPQ量表的深度學習部分，分別為深度學習的知識遷移(3道題目)和能力培養(6道題目)。問卷兩部分均采用李克特五點量表的形式，共9個維度，42道題目。深度學習各影響因素的題目設置見表1。

表1 深度學習影響因素的題目及來源

2.實施問卷調查

本研究調查對象為江蘇某高校教育技術學專業本科生，調查時間為2019年4—5月，研究在初始問卷形成后，首先進行試調查，根據結論修改定稿。本研究通過當面發放和網絡發放相結合的方式進行問卷發放，共回收問卷241份，剔除多數題目漏答、答案選擇有明顯重復規律的無效問卷20份，最終得到有效問卷221份，有效率為91.7%。

3.問卷的信效度分析

研究使用SPSS20對問卷數據進行信度分析，采用項目分析中的克隆巴赫α值檢驗。克隆巴赫α值檢驗用于判斷問卷內部一致性系數α值，通過題目刪除后量表α值的變化來判斷量表題目的質量，若題目刪除后該題目的α值增加則說明應該剔除。經SPSS數據處理，發現題目5、7、37項在刪除后α值增加，因此問卷最終刪除這3項不符合判斷標準的題項。之后使用克隆巴赫信度系數(Cronbach α)和組合信度(CR值)對修正后的問卷進行信度檢驗，當克隆巴赫系數α值位于0.6至0.8之間，說明測量題項具有較好的內部一致性；當組合信度(CR值)大于0.7時，說明問卷題目的內部一致性較好。表2顯示，問卷的克隆巴赫系數α為0.946，所有維度的信度系數α>0.6，說明問卷具有較好的信度。同時，組合信度(CR值)均在0.7以上，說明問卷信度良好，調查數據的內部一致性良好。

表2 調查問卷信度分析(N=221)

研究采用KMO和Bartlett球形檢驗分析問卷的結構效度，如表3所示。KMO檢驗系數為0.918(>0.5)，巴特利特球檢驗的顯著性概率P<0.01，說明問卷具有較高的結構效度，適合進行結構方程模型分析。之后使用平方差萃取量(AVE值)對問卷的收斂效度進行分析，AVE值一般用來說明潛在變量對題目的解釋能力，當AVE值大于0.5時，說明模型的收斂效度較好。

由表4可知，各潛在變量的AVE值除合作學習外均在0.5以上，考慮到合作學習的AVE值為0.499，較為接近0.5，因此將其歸為合格范圍，各潛在變量的AVE值表明問卷的收斂效度合格，潛在變量可以解釋它對應的題目。

4.建構結構方程模型

研究使用AMOS20軟件對研究假設驗證，建立“互聯網+”環境深度學習影響因素的模型，依次執行模型擬合、模型評價和模型修正。研究使用CMIN/DF(卡方自由度比)、GFI(擬合優度指數)、CFI(比較擬合指數)、NFI(規范擬合指數)、IFI(遞增擬合指數)、TLI(Tucker-Lewis指數)和RMSEA(近似誤差均方根)等指標，一般而言，CMIN/DF最優值<3；GFI、NFI、IFI、TLI和CFI最優值>0.90，RMSEA最優值<0.05。[59]由表5知，模型經過修正后的各項擬合指標均達到標準，模型的擬合較為理想。

表5 模型的各項擬合指標表

5.路徑分析結果

觀察各變量的路徑系數及相應的P值統計表。由表6知，假設H1中學習動機對深度學習知識遷移的正向影響，路徑系數為-0.103，P值為0.234，P值>0.05，未達到顯著水平，該假設不成立；假設H4中學習活動對深度學習知識遷移的正向影響，路徑系數為0.126，P值為0.122，P值>0.05，未達到顯著水平，該假設不成立；假設H6中合作學習對深度學習知識遷移的正向影響，路徑系數為0.139，P值為0.169，P值>0.05，未達到顯著水平，該假設不成立。

表6 變量路徑系數與假設檢驗

根據分析結果發現：在知識遷移方面，學習動機、學習活動及合作學習對深度學習知識遷移的路徑系數未達到顯著水平，說明其對深度學習的知識遷移未產生顯著影響；學習反思、學習資源與深度學習知識遷移的路徑系數分別為0.273、0.241，達到顯著水平，說明學習反思、學習資源顯著正向影響深度學習的知識遷移。在能力培養方面，學習投入、合作學習、學習評估與深度學習能力培養的路徑系數分別為0.229、0.241、0.191，均達到顯著水平，說明學習投入、合作學習、學習評估對深度學習的能力培養產生顯著正向影響。

因此，在模型中剔除假設H1、H4和H6，最終得到圖3的最終模型。

圖3 “互聯網+”環境深度學習影響因素的最終模型

四、研究結論

在深度學習影響因素研究中，研究者往往將深度學習視為一個整體。通過文獻梳理發現，“互聯網+”環境下深度學習的內涵隨著時代變遷融入了新含義，深度學習在早期研究中僅指學生對知識的深層次理解，對知識進行遷移和運用以解決復雜問題。[7]伴隨時代發展，深度學習的內涵擴展為在學習結果上表現為認知、自我、人際等方面的高階能力，在學習方法上表現為復雜問題的解決，在學習參與上表現為學生主動學習。[11]基于此，本研究將“互聯網+”環境下的深度學習劃分為知識遷移和能力培養2個層面，在知識遷移上學生主動地分析、理解知識，將新知識融入原有認知結構，并可以遷移運用以解決復雜的實際問題；在能力培養上學生培養創新思維、團隊協作、有效溝通、學習毅力等能力，通過構建“互聯網+”環境下深度學習的影響因素模型，更為細致地探討深度學習中影響知識遷移和能力培養的因素。

1.學習反思、學習資源顯著正向影響深度學習的知識遷移

“互聯網+”環境下，大學生通過反思自身學習策略和重復思考已學的知識內容，對深度學習的知識遷移產生積極影響，實現知識的深層加工，可以遷移、運用與解決復雜的實際問題。同時，目前學習資源已成為深度學習的重要組成部分，大學生使用學習平臺、MOOC資源與遠程會議直播等學習資源，實現了學習時間、地點及內容的靈活化，學習途徑增加有助于知識的深入理解和遷移運用，影響大學生深度學習的知識遷移。因此，加強學習反思與高校學習資源建設是促進大學生深度學習知識遷移的關鍵。

2.學習動機、學習活動及合作學習對深度學習的知識遷移無顯著影響

研究發現，學習動機、學習活動及合作學習未對大學生深度學習的知識遷移產生顯著影響。究其原因：學習動機受外在動機和內在動機影響，大學生在高校缺少升學壓力、教師監管力度低及高校課程內容難度較大等原因，削弱了學習動機，造成其更傾向選擇淺層次學習過程，如簡單理解、識記，最終導致學習動機與知識遷移的影響關系不明顯。學習活動對深度學習知識遷移的影響不顯著，反映出知識遷移是個體的內部認知建構，是大學生對知識的理解和運用，不易受外部教學模式和學習形式的影響，說明教師采用的教學方式對大學生的知識遷移未產生顯著影響，教師應關注大學生的內部認知過程，通過強調學習反思和提供高質量的學習資源以強化知識遷移。合作學習對學習者的知識遷移未產生顯著影響，但顯著影響學習者的能力培養，說明學習者的高階思維能力的發展是社會性相互作用內化的結果，每位學習者具有獨特的知識結構，通過相互溝通與團隊互助等合作形式實現了知識的流通，有效培養了學習者的交流能力、責任意識等高階思維能力，而學習者能否將知識遷移運用以解決實際問題則更多地依賴個人的努力。合作學習只是為學習者提供了良好的學習氛圍和學習支持，無法從外力上提升學習者的知識遷移和運用。

3.學習投入、合作學習、學習評估顯著正向影響深度學習的能力培養

深度學習能力指高校大學生在“互聯網+”環境下應具備的核心競爭能力，包括批判性思維能力、團隊協作能力、溝通能力，以及創造性思維能力等高階能力。[60]研究結果發現，學習投入、合作學習、學習評估對深度學習的能力培養均具有顯著正向影響。首先，學習投入分為行為投入、情感投入和認知投入，均對深度學習的能力培養具有正向影響，其中行為投入促進大學生主動回答問題和敢于質疑，培養批判性思維；情感投入促進大學生對學校生活的熱愛，豐富其精神世界；認知投入提升大學生的思維水平，培養面對困難的勇氣與工作學習的責任感。其次，在合作學習中成員提出對問題的見解，在協作交流中得出創造性的問題解決方案，培養溝通合作能力的同時提升創造性思維能力，進而形成深度學習能力。最后，學習評估對學習過程監控，指導教學內容設計和教學開展，大學生根據評估結果判斷學習狀態，及時調整學習方式。大學生借助學習評估的相應指標，明晰學習中存在的不足并加以改善，培養批判性思維等能力，完善深度學習的能力培養。可見，教師應從行為、情感和認知等方面提升大學生的學習投入，構建合作學習的交流環境，為其提供全方位、個性化的學習評估。

五、研究建議

1.加強高校學習資源建設

學習環境是深度學習得以實現的保障，特別是“互聯網+”環境的深度學習必須為學生提供環境支持，包括學習平臺、智慧教室等。[61]首先，高校要建設“互聯網+”環境的基礎硬件設施，架構網絡教學平臺，設計統一的數據標準和完善的軟件支持服務，保障學習資源底層軟/硬件系統的連通和運作。其次，學習資源要與時俱進，強調學習資源的多元化、標準化及智能化，開發移動化學習資源及虛擬仿真學習資源，增強學習資源的交互性和情境性，為大學生提供個性化的學習支持，提升認知過程的深度。最后，“互聯網+”環境下高校教師應充分應用MOOC、SPOC等新興教學方式，注重教學方式的創新，為大學生提供更好的學習體驗，調動學習積極性。

2.教學中設計合作學習環節

“互聯網+”環境下人際交流與合作的重要性逐漸顯現，深度學習在能力培養方面也提出要加強大學生的協作和溝通能力。面對“互聯網+”環境的新要求，高校教學中應設計合作學習環節，構建積極互賴的組織結構和平等民主的學習氛圍，這有助于大學生學習動機和責任意識的激發。同時，教師在合作學習中應轉變角色，借助現代化教學手段，作為組織者、監督者、指導者和評價者參與整個合作學習，在多個角色中靈活轉換，為合作學習搭建腳手架和技術支持，促進大學生自主學習能力的提升。為增強小組內的合作關系，教師應根據“組內異質，組間同質”的原則對小組成員進行劃分，明確個體在合作學習中的責任和角色，加強組內合作的效率。

3.注重培養學習反思能力

“互聯網+”環境的教學中，教師應注重大學生反思能力的培養，教師可以在教學的不同階段設計不同的反思方式。在課前導入階段，教師可以利用互聯網技術為學生傳遞課程預習和導學材料，要求學生提前學習知識并記錄存在的疑惑，促進學生在已有知識經驗的基礎上進行總結和思考，激發學習注意力和興趣。在課中學習階段，教師需要對教學過程進行監控和調節，及時發現、解決問題，幫助學生不斷改善學習策略和方法，促進知識的遷移和運用。在課后階段開展多元化的學習反思，可以借助自我評價量表、學習總結表等形式，引導學生總結學習經驗，進而創造新知。[38]總之，“互聯網+”環境中學習是周期性的活動，需要學生不斷審視和反思以往的學習經驗，并與自身的認知結構相適應，最終才能控制和管理學習過程，達到深度學習。[62]

4.利用大數據技術助力學習評估

“互聯網+”環境下教育與技術結合，教育過程中產生了龐大且類型復雜的數據，可以借助大數據技術對教育數據進行分析、挖掘和預測。通過大學生行為數據的日常采集和技術分析，科學判斷其學習過程存在的優勢和不足，做到個性化與全方位實時評估學習狀態。大學生根據學習評估信息對自身的學習狀態整體把握，實時調節學習進度和策略，促進其深度學習。此外，高校教育者和管理者應重視對學生個性化評估的研究，準確了解大學生的認知結構、個性特征等，設計相應的指標體系，提供個性化、精準化的學習評估。

綜上，研究使用結構方程模型方法分析高校大學生深度學習的影響因素，但研究樣本量局限于教育技術專業，后續研究可進行更大規模的實證研究，結合訪談等方法開展更為詳細的質性研究。期望后續研究可以在此研究基礎上借鑒和改善，深入分析“互聯網+”環境下高校大學生深度學習影響因素，以促進深度學習研究的發展，改善大學生的學習狀況。