国内深度学习研究述评

☆ 杨艳瑜 刘树林

（1.浙江师范大学，浙江金华 321000；2.中山大学，广东广州 510275）

一、引言

随着教育信息化的不断普及，人们的思维方式、生活方式以及学习方式都在发生着日新月异的变化。浅层学习中对知识的简单记忆与理解已满足不了信息时代下人们对知识的探索欲望，深度学习逐渐被挖掘出来。深度学习是更高层次的、学习者对知识进行内化理解的过程。目前，国内关于“深度学习”的研究文献繁多，如何快速的对国内深度学习这一领域的研究现状进行深入了解，并对其研究领域进展作简要的判断，是本研究要解决的问题。了解一个领域的研究现状，实际上就是要对该领域已产生的和新产生的知识有一个较为全面的把握，文献资料中蕴含着某个研究领域的丰富知识和研究成果，因此，有必要将这些知识从文献中挖掘出来。[1]本文借助BICOMB2、UCINET等可视化分析软件对“深度学习”的相关研究进行分析，从而对该领域的研究有一个总体的把握，并探讨现阶段的研究热点、预测未来的研究方向。

二、概述

深度学习这一概念起源于国外，最早由外国学者Ference Marton和Roger Saljo于20世纪70年代提出，他认为深度学习是一种主动的、批判性的学习方式，强调理解性的学习、批判性的高阶思维、主动的知识建构、有效的知识迁移及真实问题的解决。[2]2005年是上海师范大学黎加厚教授在《促进学生深度学习》一文中最早在我国引入深度学习的概念，他指出深度学习是指在理解的基础上，学习者批判性地学习新思想和新知识，将他们与原有认知结构相融合，将众多思想相互关联，将已有的知识迁移到新的情境中去，做出决策并解决问题的学习。[3]深度学习的典型特征是：①能够进行新旧知识的整合，即实现概念之间交互；②学习过程中有反思和元认知的参与；③深度学习意味着高水平思维。[4]笔者通过阅读文献及结合自身的理解，认为深度学习是建立在浅层学习之上，能够帮助学习者进行有意义的学习，用于培养学习者高阶思维能力、促进知识记忆与迁移、解决非结构化问题的能力、方法和策略。

三、研究过程

1.研究样本的选取

随着信息技术的不断发展，人们的学习方式不断发生着变革。有关深度学习的研究文献数量繁多，为了保证数据分析的全面性，本研究主要从中国知网（CNKI）数据库中调取相关文献进行研究。

2.研究样本信息的收集与处理方法

本研究的数据主要来源于中国知网CNKI全文数据库，采用高级检索的方式对该主题进行信息检索，将检索条件设置为篇名“深度学习”或“深层学习”，检索时间条件设置为2005.01-2017.10（截止到写稿期），共检索到1792条结果。为保证数据的有效性与可靠性，本研究选用了被引频次前500名的文献进行研究，以期获得最佳数据。在文献数据信息处理方面，本研究主要采用BICOMB2、UCINET等社会网络分析软件进行可视化分析。

四、研究结果与分析

1.国内文献年度计量分析

笔者按2005-2017年对国内深度学习相关文献进行检索与统计，得到国内各年度的相关主题发文量并进行可视化处理，结果如图1 所示。图中横轴代表年份，纵轴代表历年发文量，折线上的数字代表是该年份有关深度学习主题的发文量。2005年，上海师范大学黎加厚教授在《促进学生深度学习》一文中首次引入深度学习概念，至此，有关深度学习的研究逐渐步入研究者的视野。由图1 分析可知，2012年以后，研究者对其越来越重视，特别是2016年深度学习的有关研究已经达到了最高峰，这也证实了新媒体联盟《地平线报告》中提出的深度学习方法将是未来发展趋势的论断，深度学习日益成为研究者研究的重点与焦点。[5]

图1 国内深度学习各年度发文量

2.期刊载文量分析

利用BICOMB2软件对检索到的信息进行分析处理，以期刊为关键字段对信息进行提取分析，结果如表1所示。表1中提取了以期刊为关键字段的出现频次大于等于4的有效数据，其中，出现频次位居前10位的期刊有：《远程教育杂志》、《计算机应用研究》、《中国电化教育》、《自动化学报》、《计算机科学》、《电化教育研究》、《华南理工大学》、《江苏教育研究》、《江苏教育》、《人民教育》。由期刊载文量出现频次可知，深度学习研究领域主要集中于信息科技领域与教育技术学科领域，如在信息科技领域中的期刊主要有《计算机应用研究》、《自动化学报》、《计算机科学》、《北京邮电大学》等信息科技类核心期刊；在教育技术领域中的期刊主要有《远程教育杂志》、《中国电化教育》、《电化教育研究》等教育技术类核心期刊。有关深度学习的研究领域还涉及到社会科学领域，如《物理教师》、《中学化学教学参考》等期刊。

表1 期刊载文量

3.研究热点分析

研究主题的关键词足以反映该研究领域的研究热点，特定研究领域一段时间内大量研究成果的关键词集合，有助于确定该领域的发展脉络、热点前沿以及发展趋势等。[6]因此，本文借助BICOMB2软件对深度学习相关文献的关键词进行了提取，共得到总关键词2550个。为避免重复计算工作，笔者将关键词“深度学习”与“深层学习”进行合并同类项统计分析，继而提取出现频次大于等于7的高频关键词，共计27个关键词，如表2所示。由表2分析可知，高频关键词排在前10位的分别是：深度学习（374次）、卷积神经网络（49次）、学习过程（37次）、神经网络（22次）、机器学习（21次）、深度信念网络（20次）、特征提取（18次）、浅层学习（18次）、人脸识别（16次）、教学策略（14次）。排在前10名高频关键词充分体现了深度学习研究领域的研究热点和研究方向。关键词“卷积神经网络”、“特征提取”、“神经网络”等可以视为深度学习的神经网络领域；关键词“学习过程”、“教学策略”等可以视为深度学习在教育领域的研究。学习者的学习过程由填鸭式教学、接受式学习逐渐向自主性学习、研究性学习发展，虽然学习者的学习方式在不断地发生变化，但仍存在浅层学习状况，因此，对于教育领域的深度学习研究也是必不可少的。与深度学习相对立的是浅层学习，因此浅层学习进入研究者的视野也是有据可循的。

表2 有关深度学习高频关键词分析

4.社会网络分析

共词分析是对关键词共现现象进行研究的一种重要方法。它是对一组词两两统计它们在同一篇文献中出现的次数，以此为基础对这些词进行聚类描述，发现它们之间的亲疏关系，进而分析这些词所代表学科和主题的结构变化。[7]为了更准确地分析深度学习各研究热点之间的内部关系，本研究在对深度学习高频关键词进行统计分析的基础上，利用BICOMB2构建高频关键词（出现频次大于等于6的高频关键词）的共现矩阵，如表3所示。其中，对角线上的数字代表该关键词出现的总次数，非对角线上的数字说明两个关键词共同出现的次数。通过社会网络分析软件对收集数据进行可视化分析，形成深度学习高频关键词社会网络关系图谱，如图2所示。正方形代表高频关键词节点，其中心度和中心势是节点的两个特征，节点的中心性是指图2网络中每个关键词在网络中处于什么地位；中心势是反应整个关键词网络中各个节点的差异性程度。[8]从图2可以看出，除核心关键词“深度学习”外，34个高频关键词构成了以“卷积神经网络”、“学习过程”、“机器学习”、“深度信念网络”、“特征提取”等为核心的社会关系网络，具体分析如下：①从节点的中心性来看，卷积神经网络、深度信念网络、自然编码器等关键词处于关系图的中心位置，且这些关键词与其他关键词都有相互联系，表明了深度学习的研究热点与研究方向倾向于神经网络领域的深度学习研究。②从节点的中心势来看，学习过程处于社会网络分析图中的核心位置，表明了学习者的学习过程将是深度学习的主要研究方向；其次是浅层学习、问题解决等关键词与其他关键词之间的相互联系也较为紧密，反应出深度学习在教育领域的研究将是持续热点。③从整个社会网络分析图可以看出，图像识别、计算机视觉、高中物理等关键词处于网络分析图的边缘地区，且与其他关键词之间的相互联系较少，反应出深度学习在此方面的研究相对较少。

表3 部分深度学习高频关键词共现矩阵

图2 深度学习社会网络分析关系图

五、国内深度学习在教育领域的研究现状

通过以上对深度学习有关研究进行多维度的分析可知，深度学习的研究领域涉及到神经网络领域、教育领域以及其他研究领域。笔者着重对深度学习在教育领域的研究进行分析，并根据文献中的内容陈述、逻辑架构、价值取向将有关深度学习的研究总结提炼为以下三个层面，笔者将对这三个研究层面进行较为详细的阐述。

1.内涵研究层面

谈到深度学习就不得不说浅层学习，作为两种不同形式的学习方式，却表现出对立统一的关系，浅层学习是深度学习的基础，深度学习是浅层学习的升华。浅层学习是建立在外力驱动的基础上，是一种外在动机的学习，也是一种基于记忆的学习，主要包括对知识简单的记忆与理解。深度学习是建立在内部动机驱动下的学习，是一种内在的学习动机，学习者将已有的知识经验与新知识相联系并进行迁移运用，是一种基于知识建构、迁移应用、面向问题解决的学习方式。研究者在浅层学习与深度学习的比较研究中大多会引证布鲁姆在认知领域的教育目标类：识记、理解、应用、分析、综合、评价。其中，将识记与理解归为浅层学习过程，是对知识的简单记忆，像短时记忆容易被学习者遗忘，属于低阶思维层面；应用、分析、综合、评价归为深度学习过程，是有学习者自身的参与和思考过程，属于高阶思维层面。除了上文提到的黎加厚教授对深度学习的概念界定外，其他研究者对深度学习也有着自身的理解。如：曾明星、李桂平、周清平等人从学习者主动性视角总结了对深度学习的理解，认为深度学习是一种主动探究性的学习方式，要求学生进行深度的信息加工、主动的知识建构、批判性的高阶思维、有效的知识转化与迁移应用及问题的解决。[9]又如：张琪从实践的视角总结了对深度学习的理解，提出深度学习是以“促进有效学习”、践行“知行合一”为目的的特殊研究领域，是在学习者强烈内在动机指引下的积极学习，是通过学习者、环境、人工制品的相互交流和作用，引发以概念转变、整合理解与创造性认知重组为特征的“意义生成”性学习。[10]

2.教学策略研究层面

如前文所述，笔者认为深度学习是建立在浅层学习之上，能够帮助学习者进行有意义的学习，用于培养学习者高阶思维能力、促进知识记忆与迁移、解决非结构化问题的能力、方法和策略。虽然在时间上深度学习与浅层学习之间存在着延续性，但在实际的教育实践应用中，教育者对学习者的培养还是侧重于深度学习层面。目前的研究表明，学习者的学习更多地停留在浅层学习层面上，只是对知识的简单记忆、背诵、了解，并未对其进行分析、运用、综合与评价，这使得深度学习的教学策略研究显得迫在眉睫。深度学习层次的提高依赖于教育者与学习者双方之间的共同努力。在教育者层面，安富海以学习者的视角提出了教育者在教育教学时可以采取的一些策略：①建立高阶思维发展的教学目标，引导学生深度理解；②整合意义联接的学习内容，引导学生批判建构；③创设真实的深度学习情境，引导学习者积极体验；④落实过程性评价，引导学生深度反思。[11]张发信也提出构建学习共同体、创建真实的深度学习环境与即时评价学习者的表现对促进学习者深度学习至关重要。[12]在学习者层面，学习者不应被动地接受知识的传递，对于知识、问题解答要有自己的理解与思想，充分激发自身的创造性思维；与同伴之间建立良好的交互关系，建立学习共同体，进行思维碰撞，不断发展自身的高阶思维能力。

3.网络学习空间研究层面

随着当今信息技术的迅猛发展，学生的学习空间逐渐延伸到网络学习，网络学习空间成为学习者学习的主要活动场域。在教育领域较为活跃的网络学习空间主要有MOOC在线学习平台、SPOC小众私密开放平台、E-learning在线网络学习平台、开源MOODLE平台、Blackboard平台等，每一种平台都有其自身的优越性，因教育者的教学风格、教学习惯的不同而被不同的教师所接受。网络学习空间在实际的教学应用中，学习者的活动主要停留在交作业、查阅信息等方面，这些活动大多停留在浅层交流的层面上，网络学习空间也因此一度被称为“滋生浅层学习的温床”。[13]为了改变这一现状，使学习者能够真正学会学习并且能够进行有效学习，在E-learning学习环境领域，段金菊提出了“E-learning环境下深度学习的交互层次模型”，该模型将学生的学习分为浅层学习与深层学习两个层面。其中，学习者的外显行为如学习者与教学媒体、教学资源、教师以及其他学习者之间的交互是处于较低水平思维阶段，因此，将其划分为浅层学习层面；学习者的认知过程和学习者的学习结果经历了学习者自身概念的交互与转化，是学习者的元认知批判性思维，属于高水平思维，因此，将其划分为深层学习层面。[14]在MOOC学习环境领域，曾明星、李桂平、周清平等人将MOOC与翻转课堂进行融合并建构了深度学习场域，其深度学习场域由四个基本要素构成：情境、交互、体验和反思。情境是深度学习场域中的核心与基础，向交互、体验与反思提供活动开展的场域，交互、体验与反思是深度学习进行知识的建构、迁移应用、问题解决与创造的关键要素，它们之间相互交互、沟通、融合，促进学习者深度学习活动的发生。[15]

六、总结

综上所述，自2005年深度学习引进国内以来，日益受到研究者的关注，通过上述对深度学习进行多维度的可视化分析可以总结概括出目前国内深度学习的研究现状：①从国内深度学习各年度发文量可以看出，研究者对深度学习的研究日益热化，文献发文量呈直线上升趋势，未来深度学习将继续成为研究热点；②从期刊载文量来看，有关深度学习的研究大多发表在信息科技领域与教育技术领域中，其中也涉及到社会科学领域；③从研究热点来看，卷积神经网络、学习过程、神经网络、机器学习、深度信念网络、特征提取、浅层学习等是深度学习研究领域的热点；④从社会网络分析视角，可视化地分析了深度学习的研究热点与未来的研究方向。深度学习的研究领域涉及到卷积神经网络领域、教育领域以及其他研究领域。笔者着重对深度学习在教育领域的研究进行分析，通过归纳、总结，将深度学习研究层面分为比较研究层、教学策略研究层、网络环境研究层。

[1]卢强.国内学习共同体研究现状与进展分析[J].中国远程教育,2012,(05):29-35.

[2]杨玉琴,倪娟.促进“深度学习”的教学设计[J].化学教育,2016,(17):1-8.

[3]何玲,黎加厚.促进学生深度学习[J].现代教学,2005,(05):29-30.

[4][14]段金菊.e-Learning环境下促进深度学习的策略研究[J].中国电化教育,2012,(05):38-43.

[5]金慧,胡盈滢,宋蕾.技术促进教育创新——新媒体联盟《地平线报告》(2017高等教育版)解读[J].远程教育杂志,2017,(02):3-8.

[6]卜彩丽,张宝辉.我国翻转课堂研究热点、主题与发展趋势解析——基于共词分析的知识图谱研究[J].教育导刊,2015,(09):48-53.

[7]韩燕娟.我国智慧教育的研究热点、主题与展望——基于共词分析的知识图谱研究[J].中小学电教,2015,(09):6-9.

[8]魏瑞斌.社会网络分析在关键词网络分析中的实证研究[J].情报杂志,2009,28(09):46-49.

[9]曾明星,李桂平,周清平,覃遵跃,徐洪智,张彬连,黄云,郭鑫.从MOOC到SPOC:一种深度学习模式建构[J].中国电化教育,2015,(11):28-34,53.

[10][13]张琪.e-Learning环境中大学生自我效能感与深度学习的相关性研究[J].电化教育研究,2015,(04):55-61.

[11]安富海.促进深度学习的课堂教学策略研究[J].课程·教材·教法,2014,(11):57-62.

[12]张发新.谈化学教学中“深度学习”的内涵及实施策略[J].现代基础教育研究,2015,(09):196-201.

[15]曾明星,李桂平,周清平,徐洪智,董坚峰,覃遵跃,郭鑫.MOOC与翻转课堂融合的深度学习场域建构[J].现代远程教育研究,2016,(01):41-49.