论文部分内容阅读
摘 要：为了探究我国深度学习现阶段的研究热点和未来的发展趋势，研究者在CNKI数据库中选取了以深度学习为主题的219篇CSSCI来源期刊文献，使用CiteSpace软件对其关键词进行了聚类分析。结果发现，现有的深度学习研究的热点主题有：学习科学视阈下的深度学习教学策略研究、深度学习过程研究、基于深度学习的翻转课堂研究、深度学习技术应用领域及教育影响研究。今后的深度学习研究应该注意拓宽和整合研究视角，拓展与凝练研究主题，创新和转变研究方法，加强和深化实践探索。
关键词：深度学习;热点领域;翻转课堂;可视化分析
中图分类号：G420文献标识码：A文章编号：2095-5995（2019）04-0045-04
作为当代学习科学的重要概念，深度学习最早由美国学者马顿（Ferenee Marton）和萨尔约（Roger Saljo）于1976年在《论学习的本质区别：结果和过程》（On Qualitative Difference in Learning： I-Outcome and Process）一文中首次提出，他们认为深度学习是一种学习状态和学习过程，具有主动性、高投入性、理解性、迁移性的特点，涉及高阶思维能力。[1]在国内，黎加厚教授在2005年率先介绍了国外深度学习的相关研究。[2]目前，深度学习已成了国内外学者关注的热点话题。深度学习是一种与浅层学习相对应的、在深度理解知识内在本质的基础上进行批判创新并有助于发展学习者高级思维能力的学习。本文借助CiteSpace软件，对2007—2018年的国内以深度学习为主题的219篇CSSCI来源期刊文献进行聚类分析，对深度学习相关研究进行展望。
一、研究方法
（一）资料来源
为了保证所选文献数据的质量和代表性，本研究在中国学术期刊网数据库中，将文献来源类别选择为CSSCI，主题词设定为深度学习，时间为2007—2018年，检索时间为2018年1月7日，共得到246篇文献。研究者在认真阅读文献摘要和原文后，排除会议和征稿信息，最終得到和深度学习主题直接相关的有效文献为219篇，它们多发表在《电化教育研究》《中国电化教育》《现代教育技术》《远程教育杂志》等教育技术类期刊上。
（二）研究过程与方法
研究过程主要包括三个阶段：首先，研究者整理各年度发文量，分析预测发文量的变化趋势;其次，研究者对文献的关键词进行聚类分析;最后，研究者依据整理的数据和分析的结果对国内深度学习的研究进行展望。
本研究主要采用了共词分析法。共词分析法主要用于揭示某一研究领域内研究主题的研究方法，这一方法通过对某一研究领域内主题关系的研究，来分析研究主题的发展历史和推断主题未来的发展趋势等。研究者通过对深度学习文献关键词的聚类分析，考察了深度学习研究的发展脉络和热点领域。
二、研究结果与分析
（一）深度学习研究年发文量变化趋势分析
通过分析每年的发文量，我们可以得知深度学习相关主题研究的发展阶段。如图1所示，自2012年之后，深度学习主题的论文年度发表数量增加迅速，呈直线上升趋势，2016—2018年该主题的发文量甚至超过之前10年发文总量的半数以上。可见，深度学习正成为国内研究者关注的热点，并在今后较长的一段时间内仍会保持较高的热度。（二）深度学习研究高频关键词排序及分析
表1显示了深度学习研究文献中的高频关键词。关键词的频率反映出深度学习研究的整体概况，高频关键词的中心性也是衡量关键词重要程度的关键指标。从表1可以看出，在深度学习研究中，学者们多围绕深度学习、学习过程、学习分析、翻转课堂、人工智能等关键词展开研究。
（三）深度学习研究关键词聚类分析
为了更好地展现深度学习文献的聚类情况，研究者对题录信息进行了关键词聚类分析，选择Keyword为节点类型，经过多次调试，设定阈值为top50%，即选取被引次数排序前50%的引文。CiteSpace运行结果显示：Modularity Q=0.6374，数值大于0.3，说明聚类模块性较好，聚类具有显著差异;Mean Silhouette=0.7871，说明聚类内部相似性高。如图2所示，聚类分析形成的4个聚类，分别是学习科学、学习过程、翻转课堂与人工智能，各个聚类关系明晰，聚类高效。
1.聚类一：学习科学视域中深度学习教学策略研究
ID为0的聚类规模最大，标签为学习科学，主要为深度学习的教学策略研究。学者们在学习科学视域下，从把握学习的本质出发，探讨如何提高学生的高阶思维能力，进而不断改进教学。在此基础之上，他们提出了一系列深度教学设计策略：第一，建构式教学策略。李松林强调持续建构的阶梯式教学，提出课堂学习活动设计的三个操作思路，即从独立学习开始，过渡到协作学习，最后进行挑战学习;从经验水平开始向概念水平、方法水平、思想水平、价值水平逐步提升;从感性认识过渡到知性认识、理性认识，最后达到悟性认识。[3]第二，情境化教学策略。教师应先提供类似主题，再拓展到较广的情境，后让学生在主观性的相关情境中自由建立联系。教师可以运用虚拟环境技术，让学生们能在一定的情境下切身感受身体活动，实现深度学习。[4]第三，互动式教学策略。在教学设计中教师综合运用多种教学方式，如问题化教学、项目教学、设计教学等;营造和谐的互动氛围，如提供移动组合的桌椅、张贴清晰的指示标语进行情感激励等。[5]第四，情感化教学策略。比如，在深度教学中，教师要揣摩学生情感，分析教材中的重难点和学生的兴趣点;[6]寻找情感共鸣，设计巧妙合宜的问题;关注学习动机，开展兴趣教学、愉快教学、游戏化教学;[7]着眼于学生学习意义的获得，引导学生敢于创造和想象，进行有画面感和自我感的学习。[8]
2.聚类二：深度学习过程研究 ID为1的聚类规模较大，主要研究深度学习的特点、过程设计、学习模型及其影响因素等。综合学者们的观点，深度学习的主要特点有：关注学习过程，深度理解掌握知识原理，重视学习和自我意义的建构，发展学习者的高水平思维能力等。学者们对深度学习过程进行优化设计，并积极探索、开发在线学习环境中深度学习过程模型。一是深度学习准备。教师要为学习者留出思考空间，使其保持继续学习的动力。[9]教师应创设学习情境，营造积极的学习文化，注重多种心智模式和元认知水平的培育，设计有挑战性和吸引力的任务，合理选用认知工具，发挥学习者的认知风格优势等。[10]学习内容提供者应进行学习分析，了解学习者相关信息，以提供更适切的学习内容，促进学习者深度理解。学习者在深度学习准备阶段应为深度理解掌握知识原理做好准备。王金华提倡教师引导学生进行结构化预习，要求学生按“查、划、写、记、练、思”六字诀预习，引导学生发现问题，并对问题根据难易程度和性质进行归类。[11]三是深度学习方法探究。部分学者提出了深化学习的教学方法，如故事教学法、项目学习法、反思学习法等，旨在创设问题解决的情境，促进知识的迁移和应用，提升学生的创造性和适应社会的能力。四是深度学习过程的影响因素。有学者基于Moodle教学平台探讨了深度学习影响因素，这些影响因素包括学习资源的利用、学习活动的参与度、学习时间分布、师生互动模式等。[12]
3.聚类三：基于深度学习的翻转课堂研究
ID为2的聚类主要为深度学习的翻转课堂教学实践研究。近年来，深度学习理念已逐渐融于课堂教学实践，如翻转课堂、混合式教学等教学实践。我国学者对翻转课堂的具体教学流程进行了设计，包括对学习者进行预评估、营造积极的学习文化、预备与激活先期知识、获取新知识、深度加工知识等。[13]张国荣为建立适合深度学习的环境，根据深度学习路线，对翻转课堂教学的课前、课中、课后三个阶段的教师活动、学生活动进行了设计。[14]李洪修提出了COOC深度学习模式（Coaction of Online and Offline Circle），立足于知识的联结、内化、延伸三个不同阶段，将先学后教拓展为更深层的学教评交互的学习模式，优化了翻转课堂的教学路径。[15]还有学者提出以问题化学习范式设计翻转课堂，保证学生自主学习质量，促进学生思维提升，指向深度学习。[16]学者们还在深度学习路线的指导下探讨了智慧课堂的特点和智慧课堂评价指标的标准、[17]MOOC设计、混合学习模式[18]等。
4.聚类四：人工智能中的深度学习技术应用领域及教育影响
ID为3的聚类主要为研究深度学习技术的教育应用与影响。近年来，深度学习是人工智能领域下的重要技术之一，深度学习技术在语音识别、图像识别、自然语言处理等领域均有了重大突破，对教育领域也产生了变革性的影响。[19]深度学习技术目前在教育领域的应用主要有学习追踪、智能助教、智能阅卷、智能导学、外语辅导等等。譬如，智能助教能辅助教师答疑，及时回答学生的常规性问题。在外语辅导中，众多英语口语学习软件出现，如“微软小英”可进行情景模拟、口语特训、情景对话、跟读训练、中英互译等。智能导学系统能够帮助学生阅读英文故事。[20]此外，3D技术也正逐渐在深度学习方面彰显优势。3D技术能为学习者提供仿真的学习情境，让其沉浸其中，深度感受。[21]利用深度学习技术的智能搜索引擎的出现，如Semantic Scholar，也极大提高了学习者的搜索效率，让学习者能快速获得所需要的信息。[22]深度学习技术也对教育领域产生了革命性的影响，有助于实现个性化学习，[23]提升学习和工作效率，[24]加速学习型社会的到来。[25]
三、国内深度学习研究展望
未来深度学习的研究应不断开拓和整合研究视角、拓展和凝练研究主题、创新与转变研究方法、加强和深化实践探索，从而推动国内深度学习研究，丰富深度学习研究成果，为深度学习实践创造条件。
（一）开拓和整合研究视角
立足于学习科学，深度学习研究涉及计算机科学、信息管理学、认知心理学等诸多领域。因而深度学习研究应不断拓宽和整合研究视角，确立多元、开放、综合的视角，合理运用多学科理论展开多维度、全方位的审视和观照，创新深度学习研究成果。譬如，从认知心理学角度，研究者可以分析学习科学视域中深度学习发生的条件和规律，深度学习有效路径等;从信息管理学角度，研究者可以借助学习分析方法分析e-Learning环境下学生的学习行为（如谈话行为等），并开展深度学习评价等;从计算机科学角度，研究者可以探讨如何更好地開发语音识别和图像识别等技术以服务教学，以实现个性化的深度学习。
（二）拓展与凝练研究主题
总体而言，虽然深度学习研究涉及翻转课堂、混合学习、人工智能等层面和领域，但国内深度学习研究的深度还有待加强。深度学习研究应加强顶层设计，拓展和凝炼研究主题，以便为深度学习实践提供思想养料。未来研究主题可聚焦如下方面：（1）深度学习的内涵、特点及其架构。研究者应进一步揭示深度学习与高效学习等相关概念和范畴的区别，分析深度学习的构成要素，有效区分不同学习者深度学习的关键特征及其影响因素等。（2）深度学习的跟踪、诊断和分析。研究者可运用大数据方法、学习分析技术和工具对深度学习进行实时跟踪、可视化呈现、精准预测与及时干预，描述和勾勒深度学习行为及其特征。（3）深度学习评价标准研制。深度学习评价能够给学习者提供及时的反馈，以帮助学习者及时调整学习步调和学习状态。那么，深度学习应如何衡量和评价？深度学习评价指标如何构建，具体包括哪些维度或指标？诸如此类问题的研究亟待加强。
（三）加强和深化实践探索
近年来，我国教育学界对深度学习展开了研究，取得阶段性研究成果，这为深度学习研究的开展奠定了基础。然而，教育学领域的深度学习研究略显不足。因此，研究者加强深度学习的教育学解读或本土研究显得尤为迫切和必要。从教育学学科的视角，研究者应深入挖掘深度学习的理念、价值，构建深度学习模型、探索深度学习教学策略、方法，构建深度学习评价体系等，从而为教育教学实践创造条件。此外，研究者还应加强深度学习的实践探索。目前，部分学者根据深度学习路线，设计的深度学习模型缺少有效的实践检验。我国基础教育如何开展深度学习，深度学习存在着哪些问题，遭遇哪些瓶颈，如何突破等，诸如此类的问题也有待深入探索。 （胡怡涵 孙畅，武汉大学教育科学研究院，武汉 430072）
参考文献：
[1] Marton F，Saljo R. On Qualitative Difference in Learning： I-Outcome and Process[J].British Journal of Educational Psychology，1976（46）：4-11.
[2] 何玲，黎加厚.促进学生深度学习[J].现代教学，2005（5）：29-30.
[3][6] 李松林.深度教学的四个基本命题[J].教育理论与实践，2017（20）：7-10.
[4][5][7] 杨南昌，刘晓艳.学习科学融合视域下教学设计理论创新的路径与方法[J].电化教育研究，2016（11）：5-11，24.
[8] 郭元祥.论深度教学：源起、基础与理念[J].教育研究与实验，2017（3）：1-11.
[9] 林卫民.重建“深度学习”的课堂教学[J].人民教育，2014（22）：36-38.
[10] 段金菊.技术支撑下的团队深度学习设计研究[J].中国远程教育，2011（1）：44-48，94.
[11] 王金华，吕霞志.结构化预习：深度学习的开始[J].人民教育，2014（16）：17-19.
[12] 张家华，邹琴，祝智庭.基于Moodle平台的在线学习深度分析研究[J].电化教育研究，2016（12）：46-51.
[13] [美]詹森.深度学习的7种有力策略[M].温暖，译.上海：华东师范大学出版社，2010：11-12.
[14] 张国荣.基于深度学习的翻转课堂教学模式实践[J].高教探索，2016（3）：87-92.
[15] 李洪修，李哨兵.深度学习下翻转课堂的实施路径设计[J].中国电化教育，2017（7）：67-72.
[16] 李利.旨向深度学习的翻转课堂设计[J].现代教育技术，2017（4）：67-73.
[17] 庞敬文，张宇航，唐烨伟，等.深度学习视角下智慧课堂评价指标的设计研究[J].现代教育技术，201（2）：12-18.
[18] 王永花.深度学习理论指导下的混合学习模式的实践与研究[J].中国远程教育，2013（4）：73-77，82，96.
[19][24] 閆志明，唐夏夏，秦旋，等.教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J].远程教育杂志，2017（1）：26-35.
[20] 朱莎，余丽芹，石映辉.智能导学系统：应用现状与发展趋势——访美国智能导学专家罗纳德·科尔教授、亚瑟·格雷泽教授和胡祥恩教授[J].开放教育研究，2017（5）：4-10.
[21][25] 王娟，吴永和，段晔，等.3D技术教育应用创新透视[J].现代远程教育研究，2015（1）：62-71.
[22] 谢智敏，郭倩玲.基于深度学习的学术搜索引擎——Semantic Scholar[J].情报杂志，2017（8）：175-182.
[23] 刘勇，李青，于翠波.深度学习技术教育应用：现状和前景[J].开放教育研究，2017（5）：113-120.
（责任编辑：夏豪杰）
关键词：深度学习;热点领域;翻转课堂;可视化分析
中图分类号：G420文献标识码：A文章编号：2095-5995（2019）04-0045-04
作为当代学习科学的重要概念，深度学习最早由美国学者马顿（Ferenee Marton）和萨尔约（Roger Saljo）于1976年在《论学习的本质区别：结果和过程》（On Qualitative Difference in Learning： I-Outcome and Process）一文中首次提出，他们认为深度学习是一种学习状态和学习过程，具有主动性、高投入性、理解性、迁移性的特点，涉及高阶思维能力。[1]在国内，黎加厚教授在2005年率先介绍了国外深度学习的相关研究。[2]目前，深度学习已成了国内外学者关注的热点话题。深度学习是一种与浅层学习相对应的、在深度理解知识内在本质的基础上进行批判创新并有助于发展学习者高级思维能力的学习。本文借助CiteSpace软件，对2007—2018年的国内以深度学习为主题的219篇CSSCI来源期刊文献进行聚类分析，对深度学习相关研究进行展望。
一、研究方法
（一）资料来源
为了保证所选文献数据的质量和代表性，本研究在中国学术期刊网数据库中，将文献来源类别选择为CSSCI，主题词设定为深度学习，时间为2007—2018年，检索时间为2018年1月7日，共得到246篇文献。研究者在认真阅读文献摘要和原文后，排除会议和征稿信息，最終得到和深度学习主题直接相关的有效文献为219篇，它们多发表在《电化教育研究》《中国电化教育》《现代教育技术》《远程教育杂志》等教育技术类期刊上。
（二）研究过程与方法
研究过程主要包括三个阶段：首先，研究者整理各年度发文量，分析预测发文量的变化趋势;其次，研究者对文献的关键词进行聚类分析;最后，研究者依据整理的数据和分析的结果对国内深度学习的研究进行展望。
本研究主要采用了共词分析法。共词分析法主要用于揭示某一研究领域内研究主题的研究方法，这一方法通过对某一研究领域内主题关系的研究，来分析研究主题的发展历史和推断主题未来的发展趋势等。研究者通过对深度学习文献关键词的聚类分析，考察了深度学习研究的发展脉络和热点领域。
二、研究结果与分析
（一）深度学习研究年发文量变化趋势分析
通过分析每年的发文量，我们可以得知深度学习相关主题研究的发展阶段。如图1所示，自2012年之后，深度学习主题的论文年度发表数量增加迅速，呈直线上升趋势，2016—2018年该主题的发文量甚至超过之前10年发文总量的半数以上。可见，深度学习正成为国内研究者关注的热点，并在今后较长的一段时间内仍会保持较高的热度。（二）深度学习研究高频关键词排序及分析
表1显示了深度学习研究文献中的高频关键词。关键词的频率反映出深度学习研究的整体概况，高频关键词的中心性也是衡量关键词重要程度的关键指标。从表1可以看出，在深度学习研究中，学者们多围绕深度学习、学习过程、学习分析、翻转课堂、人工智能等关键词展开研究。
（三）深度学习研究关键词聚类分析
为了更好地展现深度学习文献的聚类情况，研究者对题录信息进行了关键词聚类分析，选择Keyword为节点类型，经过多次调试，设定阈值为top50%，即选取被引次数排序前50%的引文。CiteSpace运行结果显示：Modularity Q=0.6374，数值大于0.3，说明聚类模块性较好，聚类具有显著差异;Mean Silhouette=0.7871，说明聚类内部相似性高。如图2所示，聚类分析形成的4个聚类，分别是学习科学、学习过程、翻转课堂与人工智能，各个聚类关系明晰，聚类高效。
1.聚类一：学习科学视域中深度学习教学策略研究
ID为0的聚类规模最大，标签为学习科学，主要为深度学习的教学策略研究。学者们在学习科学视域下，从把握学习的本质出发，探讨如何提高学生的高阶思维能力，进而不断改进教学。在此基础之上，他们提出了一系列深度教学设计策略：第一，建构式教学策略。李松林强调持续建构的阶梯式教学，提出课堂学习活动设计的三个操作思路，即从独立学习开始，过渡到协作学习，最后进行挑战学习;从经验水平开始向概念水平、方法水平、思想水平、价值水平逐步提升;从感性认识过渡到知性认识、理性认识，最后达到悟性认识。[3]第二，情境化教学策略。教师应先提供类似主题，再拓展到较广的情境，后让学生在主观性的相关情境中自由建立联系。教师可以运用虚拟环境技术，让学生们能在一定的情境下切身感受身体活动，实现深度学习。[4]第三，互动式教学策略。在教学设计中教师综合运用多种教学方式，如问题化教学、项目教学、设计教学等;营造和谐的互动氛围，如提供移动组合的桌椅、张贴清晰的指示标语进行情感激励等。[5]第四，情感化教学策略。比如，在深度教学中，教师要揣摩学生情感，分析教材中的重难点和学生的兴趣点;[6]寻找情感共鸣，设计巧妙合宜的问题;关注学习动机，开展兴趣教学、愉快教学、游戏化教学;[7]着眼于学生学习意义的获得，引导学生敢于创造和想象，进行有画面感和自我感的学习。[8]
2.聚类二：深度学习过程研究 ID为1的聚类规模较大，主要研究深度学习的特点、过程设计、学习模型及其影响因素等。综合学者们的观点，深度学习的主要特点有：关注学习过程，深度理解掌握知识原理，重视学习和自我意义的建构，发展学习者的高水平思维能力等。学者们对深度学习过程进行优化设计，并积极探索、开发在线学习环境中深度学习过程模型。一是深度学习准备。教师要为学习者留出思考空间，使其保持继续学习的动力。[9]教师应创设学习情境，营造积极的学习文化，注重多种心智模式和元认知水平的培育，设计有挑战性和吸引力的任务，合理选用认知工具，发挥学习者的认知风格优势等。[10]学习内容提供者应进行学习分析，了解学习者相关信息，以提供更适切的学习内容，促进学习者深度理解。学习者在深度学习准备阶段应为深度理解掌握知识原理做好准备。王金华提倡教师引导学生进行结构化预习，要求学生按“查、划、写、记、练、思”六字诀预习，引导学生发现问题，并对问题根据难易程度和性质进行归类。[11]三是深度学习方法探究。部分学者提出了深化学习的教学方法，如故事教学法、项目学习法、反思学习法等，旨在创设问题解决的情境，促进知识的迁移和应用，提升学生的创造性和适应社会的能力。四是深度学习过程的影响因素。有学者基于Moodle教学平台探讨了深度学习影响因素，这些影响因素包括学习资源的利用、学习活动的参与度、学习时间分布、师生互动模式等。[12]
3.聚类三：基于深度学习的翻转课堂研究
ID为2的聚类主要为深度学习的翻转课堂教学实践研究。近年来，深度学习理念已逐渐融于课堂教学实践，如翻转课堂、混合式教学等教学实践。我国学者对翻转课堂的具体教学流程进行了设计，包括对学习者进行预评估、营造积极的学习文化、预备与激活先期知识、获取新知识、深度加工知识等。[13]张国荣为建立适合深度学习的环境，根据深度学习路线，对翻转课堂教学的课前、课中、课后三个阶段的教师活动、学生活动进行了设计。[14]李洪修提出了COOC深度学习模式（Coaction of Online and Offline Circle），立足于知识的联结、内化、延伸三个不同阶段，将先学后教拓展为更深层的学教评交互的学习模式，优化了翻转课堂的教学路径。[15]还有学者提出以问题化学习范式设计翻转课堂，保证学生自主学习质量，促进学生思维提升，指向深度学习。[16]学者们还在深度学习路线的指导下探讨了智慧课堂的特点和智慧课堂评价指标的标准、[17]MOOC设计、混合学习模式[18]等。
4.聚类四：人工智能中的深度学习技术应用领域及教育影响
ID为3的聚类主要为研究深度学习技术的教育应用与影响。近年来，深度学习是人工智能领域下的重要技术之一，深度学习技术在语音识别、图像识别、自然语言处理等领域均有了重大突破，对教育领域也产生了变革性的影响。[19]深度学习技术目前在教育领域的应用主要有学习追踪、智能助教、智能阅卷、智能导学、外语辅导等等。譬如，智能助教能辅助教师答疑，及时回答学生的常规性问题。在外语辅导中，众多英语口语学习软件出现，如“微软小英”可进行情景模拟、口语特训、情景对话、跟读训练、中英互译等。智能导学系统能够帮助学生阅读英文故事。[20]此外，3D技术也正逐渐在深度学习方面彰显优势。3D技术能为学习者提供仿真的学习情境，让其沉浸其中，深度感受。[21]利用深度学习技术的智能搜索引擎的出现，如Semantic Scholar，也极大提高了学习者的搜索效率，让学习者能快速获得所需要的信息。[22]深度学习技术也对教育领域产生了革命性的影响，有助于实现个性化学习，[23]提升学习和工作效率，[24]加速学习型社会的到来。[25]
三、国内深度学习研究展望
未来深度学习的研究应不断开拓和整合研究视角、拓展和凝练研究主题、创新与转变研究方法、加强和深化实践探索，从而推动国内深度学习研究，丰富深度学习研究成果，为深度学习实践创造条件。
（一）开拓和整合研究视角
立足于学习科学，深度学习研究涉及计算机科学、信息管理学、认知心理学等诸多领域。因而深度学习研究应不断拓宽和整合研究视角，确立多元、开放、综合的视角，合理运用多学科理论展开多维度、全方位的审视和观照，创新深度学习研究成果。譬如，从认知心理学角度，研究者可以分析学习科学视域中深度学习发生的条件和规律，深度学习有效路径等;从信息管理学角度，研究者可以借助学习分析方法分析e-Learning环境下学生的学习行为（如谈话行为等），并开展深度学习评价等;从计算机科学角度，研究者可以探讨如何更好地開发语音识别和图像识别等技术以服务教学，以实现个性化的深度学习。
（二）拓展与凝练研究主题
总体而言，虽然深度学习研究涉及翻转课堂、混合学习、人工智能等层面和领域，但国内深度学习研究的深度还有待加强。深度学习研究应加强顶层设计，拓展和凝炼研究主题，以便为深度学习实践提供思想养料。未来研究主题可聚焦如下方面：（1）深度学习的内涵、特点及其架构。研究者应进一步揭示深度学习与高效学习等相关概念和范畴的区别，分析深度学习的构成要素，有效区分不同学习者深度学习的关键特征及其影响因素等。（2）深度学习的跟踪、诊断和分析。研究者可运用大数据方法、学习分析技术和工具对深度学习进行实时跟踪、可视化呈现、精准预测与及时干预，描述和勾勒深度学习行为及其特征。（3）深度学习评价标准研制。深度学习评价能够给学习者提供及时的反馈，以帮助学习者及时调整学习步调和学习状态。那么，深度学习应如何衡量和评价？深度学习评价指标如何构建，具体包括哪些维度或指标？诸如此类问题的研究亟待加强。
（三）加强和深化实践探索
近年来，我国教育学界对深度学习展开了研究，取得阶段性研究成果，这为深度学习研究的开展奠定了基础。然而，教育学领域的深度学习研究略显不足。因此，研究者加强深度学习的教育学解读或本土研究显得尤为迫切和必要。从教育学学科的视角，研究者应深入挖掘深度学习的理念、价值，构建深度学习模型、探索深度学习教学策略、方法，构建深度学习评价体系等，从而为教育教学实践创造条件。此外，研究者还应加强深度学习的实践探索。目前，部分学者根据深度学习路线，设计的深度学习模型缺少有效的实践检验。我国基础教育如何开展深度学习，深度学习存在着哪些问题，遭遇哪些瓶颈，如何突破等，诸如此类的问题也有待深入探索。 （胡怡涵 孙畅，武汉大学教育科学研究院，武汉 430072）
参考文献：
[1] Marton F，Saljo R. On Qualitative Difference in Learning： I-Outcome and Process[J].British Journal of Educational Psychology，1976（46）：4-11.
[2] 何玲，黎加厚.促进学生深度学习[J].现代教学，2005（5）：29-30.
[3][6] 李松林.深度教学的四个基本命题[J].教育理论与实践，2017（20）：7-10.
[4][5][7] 杨南昌，刘晓艳.学习科学融合视域下教学设计理论创新的路径与方法[J].电化教育研究，2016（11）：5-11，24.
[8] 郭元祥.论深度教学：源起、基础与理念[J].教育研究与实验，2017（3）：1-11.
[9] 林卫民.重建“深度学习”的课堂教学[J].人民教育，2014（22）：36-38.
[10] 段金菊.技术支撑下的团队深度学习设计研究[J].中国远程教育，2011（1）：44-48，94.
[11] 王金华，吕霞志.结构化预习：深度学习的开始[J].人民教育，2014（16）：17-19.
[12] 张家华，邹琴，祝智庭.基于Moodle平台的在线学习深度分析研究[J].电化教育研究，2016（12）：46-51.
[13] [美]詹森.深度学习的7种有力策略[M].温暖，译.上海：华东师范大学出版社，2010：11-12.
[14] 张国荣.基于深度学习的翻转课堂教学模式实践[J].高教探索，2016（3）：87-92.
[15] 李洪修，李哨兵.深度学习下翻转课堂的实施路径设计[J].中国电化教育，2017（7）：67-72.
[16] 李利.旨向深度学习的翻转课堂设计[J].现代教育技术，2017（4）：67-73.
[17] 庞敬文，张宇航，唐烨伟，等.深度学习视角下智慧课堂评价指标的设计研究[J].现代教育技术，201（2）：12-18.
[18] 王永花.深度学习理论指导下的混合学习模式的实践与研究[J].中国远程教育，2013（4）：73-77，82，96.
[19][24] 閆志明，唐夏夏，秦旋，等.教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J].远程教育杂志，2017（1）：26-35.
[20] 朱莎，余丽芹，石映辉.智能导学系统：应用现状与发展趋势——访美国智能导学专家罗纳德·科尔教授、亚瑟·格雷泽教授和胡祥恩教授[J].开放教育研究，2017（5）：4-10.
[21][25] 王娟，吴永和，段晔，等.3D技术教育应用创新透视[J].现代远程教育研究，2015（1）：62-71.
[22] 谢智敏，郭倩玲.基于深度学习的学术搜索引擎——Semantic Scholar[J].情报杂志，2017（8）：175-182.
[23] 刘勇，李青，于翠波.深度学习技术教育应用：现状和前景[J].开放教育研究，2017（5）：113-120.
（责任编辑：夏豪杰）