基于教育領域的深度學習解析

萬曉容，陳俊，李琴，王錄通

（1.貴州師范大學教育學院，貴陽550025；2.廣西現代職業技術學院教育系，河池547006）

0 引言

深度學習最早在機器學習領域出現，但近年來在教育領域也掀起熱潮。2017年，由85位國內外知名專家組成的專家委員會發布的新媒體聯盟《地平線報告》中指出，轉向深度學習方法是高校教育的長期趨勢，它將對中國高等教育技術應用的進程施加關鍵的影響[1]。在2019年教育部發布的《關于一流本科課程建設的實施意見》也明確提出課程內容強調廣度和深度，培養學生深度分析、大膽質疑、勇于創新的精神和能力[2]。隨著政策文件的出臺，探究深度學習現狀對學生的學習及院校發展作為關鍵的一步，是推進深度學習的基礎。基于此，研究對當前的深度學習現狀進行研究，期望對后續研究有支撐作用。

1 深度學習的本質把握

深度學習源于人工神經網絡，是機器學習中一個全新的領域，即通過海量數據用以訓練從而構建相關模型來學習特征數據，深度學習能夠發現大數據中的復雜結構[3]。如今逐步應用于人臉識別、語音識別、虛擬現實、傳感技術、圖像分類等多個領域。

在教育領域，深度學習的概念一直沒有明確的界定，以何玲和黎加厚（2005）為代表的學者最新開始研究，他們認為深度學習是在理解的基礎上，學生可以批判性地學習和接受新知識新思想，并將它們與自己原有的認知結構進行有效地整合，形成新的認知結構，在新的情境中遷移已有的知識，做出決策并解決實際問題的學習[4]。近年以北京師范大學郭華（2016）為代表的認為深度學習是指在教師引領下，學生圍繞著具有挑戰性的學習主題，全身心積極參與、體驗成功、獲得發展的有意義的學習過程[5]。依據前面學者而言，深度學習是圍繞學生而進行，強調學生自主學習的過程，目的是在學生原有的知識水平上學習有一個質的提高，在學習中有所收獲和頓悟。

2 深度學習研究設計

2.1 研究工具

研究采用CiteSpace 5.7.R2可視化軟件進行分析，以CiteSpace進行關鍵詞共現、聚類分析，厘清深度學習的研究趨勢及前沿問題。同時利用內容分析對深度學習文獻進行客觀系統的定量分析，內容分析法實際上是一種半定量化的研究方法，基本做法是將媒體上的文字、非量化的有交流價值的信息轉化為定量的數據，建立有意義的類目分解交流內容，并以此來分析文獻的某些特征[6]。

2.2 研究來源

研究以“深度學習”、“學生”或“教育”為主題詞，在中國知網上搜索2015年至2020年（截止2020.12.07）的期刊共計2830篇，其研究數量龐大，因而挑選來源類別為北大核心和CSSCI進行檢索，共計209篇期刊，剔除與研究相關度較弱的18篇期刊，最終選取191篇期刊進行分析，期望在深度學習領域有新的認識，為學者研究提供參考。

2.3 研究編碼

王研莉在《基于內容分析法的非正式學習國內研究綜述》一文，將非正式學習內容分析編碼系統分為：基礎研究、技術研究、應用模式研究、資源建設研究、實踐成果研究[7]。而樊雅琴學者將深度學習編碼為：理論研究、方法研究、應用研究、資源建設、相關技術研究、評價及其他[8]。通過相關學者的研究以及對191篇文獻利用CiteSpace進行關鍵詞共現、聚類分析，研究將深度學習內容編碼分為四個方面進行探討，即基礎研究、方法研究、應用研究和技術研究，并建立深度學習編碼表（表3）。

3 結果解析

3.1 期刊來源解讀

對期刊載文量分析，發現它們分別發表在64家期刊雜志上，載文量大于5的期刊有16種（表1），這些期刊涉及到不同的學科教育領域，如：物理、化學、政治學科等。在《物理教師》的載文量10篇，它主要研究在物理學科領域的深度學習策略。排名第二的是教育技術學科領域的期刊《現代教育技術》，有11篇文獻。而目前載文量最多的是《人民教育》，載文量有12篇，載文占比6.2%，它主要是圍繞教育教學，教育研究熱點等教育相關問題的研究，是反映中國教育現狀的重要窗口。

表1 期刊載文量分布

從期刊年份發文量分析（圖1），從2015年僅有1家期刊到現在的7家期刊，從剛開始的電化教育研究即教育技術領域到地理、政治等學科領域，5年時間，研究領域在逐步拓寬與多元化發展，但是從數量上也證實了近年來研究陷入了穩定發展狀態。

圖1 期刊年份數量分布

3.2 作者結果解讀

為研究作者合作情況，在191篇文獻中，獨立作者發表的論文高達101篇，占比為52.9%，兩人合作發表的期刊有42人，而三人合作以上發表的文章僅48篇。具體如表2所示。由此可見深度學習研究自開展以來，高質量文章主要以獨立研究為主，學者合作較少，還沒有形成團隊意識，在深度學習領域還需進一步開展深層次研究，把各自的知識結構聯結在一起，形成更多高質量文章。

表2 論文作者數量分布

同時，在CiteSpace設置時間跨度“2015-2020”，時間切片跨度為一年，節點類型選擇“作者”。通過作者網絡圖譜可知，N=144，E=57，D=0.0055，N代表網絡節點數量，E代表連線的數量，D表示網絡的密度[9]。國內在深度學習教育領域發文量較高的作者有劉瑄、呂林海、文靜等人，其中李粉琴和李志河等人形成研究團隊效應，藥文靜、姜強和趙蔚形成團隊效應，但總體而言，深度學習的學術研究多各自成文，合作較少，具體如圖2所示。

圖2 作者合作圖譜

3.3 關鍵詞結果解讀

關鍵詞共現能反映某個領域的研究主題，為研究深度學習研究熱點，首先利用CiteSpace進行分析，結果如圖3所示，在關鍵詞圖譜中，有222個網絡節點，252條網絡連線，密度為0.0103。從詞頻上看，詞頻較高的關鍵詞有：深度學習、核心素養、人工智能、教學策略等。

圖3 關鍵詞共現視圖

在關鍵詞共現基礎上，對其進行聚類分析（圖4），Modularity是網絡模塊化的評價指標，Modularity的值越大表明網絡聚類效果越佳[9]。其中Modularity Q=0.8547，說明網絡社團結構顯著。Silhouette值在0.7以上表示聚類結果信度較高，圖中Silhouette S=0.9719，聚類結果為高信度。研究凸顯9個聚類結果，這9個聚類可歸為4大類，#8理念演變為基礎研究，包含了關鍵詞教學核心要素、教學邏輯和反思等，曾家延和郭華均對深度學習的內涵進行界定，探討了深度學習的理論價值。#4核心素養和#2學科核心素養為應用研究，它包含的關鍵詞較多，主要關鍵詞有學生核心素養、高階思維能力、核心素養等。#6教學策略、#3高階學習、#0學習分析、#1人工智能為方法研究，包含了關鍵詞人工智能、學習分析、大數據、教學策略和翻轉課堂等，隨著人工智能時代的來臨，對當下的教育領域產生一定影響，越來越多的人將目光放在教育上。#7邊緣系統和#5圖像處理歸類為技術研究，此類關鍵詞較少，主要有關鍵詞多粒度特征蒸餾、卷神經網絡和學習共同體等。

圖4 關鍵詞聚類視圖

3.4 內容編碼解讀

通過CiteSpace關鍵詞的粗略分析，深度學習已經成為當下的研究熱點，但本研究認為對191篇文獻進行具體的內容分析很有必要，通過統計梳理可知，方法研究（36.7%）、應用研究（23.3%）文章最多，其次是基礎研究（22.5%）和技術研究（4.2%）。具體如表3所示。

表3 深度學習內容類目設計

3.4.1 深度學習的基礎研究

深度學習主要有兩個價值取向：一是掌控深度學習的過程定位，強調一個動態過程，學習者利用自身儲備的知識去學習未知的知識，由淺入深、循序漸進進行學習。二是關注深度學習結果的反饋，在課程學習中，學生能運用所學知識去解決實際生活問題，把知識運用到各種情景中，促進自身高階思維的形成，實現知識的自我轉移，對學習有一個質的提高。

在深度學習影響因素方面，其文獻僅有8篇。研究主要是以班杜拉的三元交互理論為基礎，如高子硯等人圍繞“行為”“環境”“個體”等三個維度，梳理出高職院校學生深度學習的具體影響因素及相互作用[10]。還有一種是Biggs的3p模型，如呂林海認為影響學生深度學習方法因素主要有兩類，一是學生對教學情境的感知，二是學生先有的學習觀念、知識觀念和學習基礎，相比較而言，第一類因素的影響更大[11]。最后是基于問卷的研究工具從心理學角度開展，如李志河認為翻轉課堂教學模式下影響深度學習的主要因素是溝通交流、知識加工水平以及反思評價水平[12]。劉哲雨對此進行實證研究，結果證明反思影響人的深度學習。

現狀研究是基礎研究中的側重點，其載文有18篇，何曉萍的《深度學習的研究現狀與發展》及彭紅超的《深度學習研究：發展脈絡與瓶頸》具有一定的代表性，他們從不同的角度對深度學習的研究熱點進行分析，前者運用CiteSpace工具進行分析，后者利用文獻計量和社會網絡中心度分析法進行可視化呈現，進而提出自己的見解，此舉為后來學者的研究奠定了基礎。

3.4.2 深度學習的方法研究

在深度學習的方法研究層面文獻最多，載文量占比為36.7%，主要聚集在策略研究和教學模式上，在教學模式上，曾明星將MOOC與翻轉課堂有機融合，建構了一個由情境、交互、體驗、反思融為一體的深度學習場域[13]。葉冬連在文章中談到基于知識深度模型，對促進課堂深度學習進行了設計、實踐，結果證明該模型是促進學生深度學習、培養學生深度學習能力的一個行之有效的教學與評價工具[14]。

在策略研究方面，載文量為19.3%，比例是二級編碼下最多的，說明在策略上推進深度學習是關鍵所在，但策略研究大多是一些宏觀的策略。例如圍繞如何構建課堂教學來促進學生的深度學習，要通過教師的深度教學、合理“增負”和“以學生為中心”構建學習共同體來引導學生深度學習[15]。居津提出在物理課堂上深度學習的五個策略，并且這五個策略互為一體，共同促進學生的深度學習[16]。不同于前兩個學者，顧愛勤認為可以通過學生制作微課，這種基于有意義的學習、活動與體驗的學習、任務的整體性學習，會利于學生高級思維的形成，從而促進深度學習的發生[17]。但有的學者從側面提出深度學習策略，分析了深度學習理論和反思性學習理論，構建了深度學習的過程模型，闡述了在深度學習的導入、主體以及評價等階段中反思活動的方式及其作用[18]。

在環境設計方面，與策略研究層面有些許共通之處，主要是在網絡學習空間環境、云計算、雙線混合環境、MOOC環境下這種基于大數據的計算機教學環境，以此來促進學生的深度學習。

3.4.3 深度學習的應用研究

深度學習的應用研究比例為23.3%，比例相對較高，主要涉及到群體領域和學科領域，深度學習的群體領域主要集中在高校和中小學，職業院校文獻較少，這也在一定程度上說明職業院校學生學習處于淺層狀態，學習意識不高。在高校，面對新時代發展境況，人工智能將對大學理念、大學文化與精神產生沖擊，必須抓住大學教育的本質，運用新一代人工智能技術實施良好的教育[19]。而在中小學，深度學習主要涉及到物理、化學、政治、語文和數學等學科領域，大部分集中討論學科核心素養問題，翟磊討論了教師如何在物理學科核心素養視角下設計課堂活動，引導學生進行深度學習[20]。林雪微認為要將教學過程由以知識為中心轉向以學生發展為中心，從而實現學生素養的提升[21]。

3.4.4 深度學習的技術研究

深度學習技術研究的二級編碼主要是軟件設備和硬件基礎，期刊僅有8篇，比例4.2%，這方面研究有待提高。文靜在分析氣體摩爾體積的教學目標、內容、現狀和化學學科素養的前提下，研發了指向深度學習、促進學生化學學科核心素養發展的課堂教學軟件，通過該軟件實現了深度學習[22]。而何聚厚分析了虛擬現實技術支持的學習特征，構建了一個基于虛擬現實技術的深度學習場域模型，并以“人體骨骼”虛擬現實學習系統為例展開研究，提出了深度學習場域模型的構建方法與策略[23]。

4 建議策略

4.1 基礎研究之上加強深度學習實踐研究體系

整體而言，國內在深度學習的基礎研究較為詳細，對深度學習的理論、內涵及意義都做了一系列研究，但我國起步較晚，相關的理論還不夠深入，缺乏創新。當下需結合我國基本國情，繼續深化理論研究，從教育教學或學生學習方式著手，扎實開展深度學習。關于深度學習影響因素的實踐研究僅有8篇，這方面單獨成文的較少，更多的是在某一小節或篇章出現，現狀研究僅有18篇，針對當前國內實踐研究較少，教學模式設計風格類似問題，必須將理論應用到實際教學中，構建

深度學習物理環境或虛擬環境，借助傳感器設備搭建深度學習實驗室、實訓基地和實驗平臺等，使學生能充分運用設備進行自主學習，此外，鼓勵學生參加技能比賽，在實踐技能中觸發深度學習。

4.2 拓寬深度學習應用領域凸顯多元化發展

在研究群體上，大多是針對高校學生或者中小學群體的深度學習，對于職業院校的學生相對較少，隨著社會的發展進程，社會必將對職業院校學生提出更高的要求，無論是職校還是高校，都需要深度學習相關知識，努力塑造自身高水平、高階思維的產生。在學科領域的研究頗為豐富，涉及研究的有化學、物理、數學等，但卻偏重某一學科，特別是主課與副課，專業與非專業課之間的研究，深度學習注重過程和結果的反饋，要重視編程、建模實訓課的開設，以此拓寬學科研究領域。

4.3 重視深度學習技術研究緊跟現代化進程

目前研究大多是對深度學習的策略及學科領域的研究，雖然當下教育信息化盛行，但運用在深度學習上的技術研究較少，大部分學校的教學模式沒有改變，顯然國內在教育領域關于深度學習的技術支持力度不夠，技術作為教學的支撐，我們應加強計算機技術層面的支撐，運用人工智能技術，虛擬現實技術或虛擬仿真技術等優化教學、創新教學，杜絕學校計算機設備設施浪費現象，加強設備設施建設發展，以此推進深度學習進程。