基于SPOC的深度学习模式策略研究

田 娟

（长沙航空职业技术学院，湖南 长沙 410000）

在网络学习时代，随着网络课程的蓬勃发展，网络平台和课程资源不断建设，参与机构和学习群体不断扩大，在线课程在线学习的主要问题已经逐步由数字资源及网络平台建设转移到学习的有效性。网络课程在实际教学中是如何进行教学以及取得了什么样的效果等问题得到了越来越多的关注。SPOC作为网络课程的一种模式，其具有限制性的特点能更好的实现教学效果。深度学习源于人工神经网络研究，在教育领域强调高阶思维的培养。深度学习是SPOC在线课程实现有效学习的核心问题，深度学习模式的策略建构是实现有效学习效果的重要途径。

一、SPOC—后MOOC教学的发展

(一) SPOC的概念

SPOC可以理解为“小规模限制性在线课程”，其英文全称为“Small Private Online Course”，一般认为是由加州大学伯克利分校阿曼德·福克斯教授（Armando Fox）最早提出和使用的。和MOOC（Massive Open Online Course）“大规模开放在线课程”相比较，SPOC的“S”代表了“small”，与MOOC中“M”代表的“massive”形成对比，首先表明SPOC在范围和规模上不强调广泛性和数量性，小规模可以是几十或者几百人，强调可控性。SPOC的“P”代表了“private”，与MOOC中“O”代表的“open”形成对比，表明SPOC是具有限制性和私密性的，对其学习者有一定准入条件和限制要求。

（二）SPOC的特点与优势

SPOC解决了MOOC课程参与度与完成度较低的核心问题：学习者学习动机。SPOC不仅是参与者主动学习的选择，更重要的是成为学生课程学习的硬性规定，学习者不能随意放弃其实际参与，终止其实际学习行为。康叶钦通过对近年来哈佛大学、麻省理工大学等全球顶尖学府SPOC课程实践分析，认为SPOC提升了大学对外品牌效应和校内教学质量，成本相对较低有利于可持续发展，创新了教师作用及教学模式，在提高课程完成率的同时深入了学生学习体验[1]。

表1 SPOC与MOOC学习特点比较

二、教育领域的深度学习

(一)深度学习的理念发展

深度学习源于人工神经网络研究，是多隐层神经网络的机器学习，是一种通过数据驱动，由低到高，由具体到抽象的逐级处理[2]。在教育领域，1976年，Ference Marton 和Roger Saljo[3]中首次提出了深度学习（Deep Learning）和浅层学习（Surface Learning）的概念，根据学习者获取信息及加工方式，划分了深度水平加工者和浅层水平加工者。2012年美国研究委员会( National Research Council)发布专题报告：《为了生活与工作的学习:发展21世纪可迁移的知识与技能》，认为深度学习是学习者能够把学习内容应用到新的学习情境的学习过程，也就是迁移[4]。祝智庭教授融合NRC与Hewlett 基金会的观点，认为深度学习包括认知领域、自我领域和人际领域三大领域，同时包含掌握核心学术内容能力、审辨思维与复杂问题解决能力、学会学习能力、发展与维持学术意念的能力、协同作业能力和有效沟通能力六大能力[5]。何玲和黎加厚教授认为，深度学习是指学习者在理解学习的基础上，批判性地学习新的思想和事实，并将它们融入原有的认知结构中，能够在众多思想间进行联系，将已有的知识迁移到新的情境中，做出决策和解决问题的学习[6]。

(二) 深度学习的特点

深度学习是为了高阶思维的培养，其需求来源于对复杂问题的分析解决，具有迁移运用、整合构建、批判理解、主动学习的特点。

1.迁移应用

迁移运用要求学习者深入体会学习情境，理解掌握关键要素，并能通过分析判断将其迁移运用于不同情境，将原则思路应用于新问题情境以解决新问题，在原创思路无法解决复杂新问题情境的情况下，进一步分析判断进行批判迁移，形成新的思路以解决新的复杂问题。

2.深度学习强调知识认知的整合构建

深度学习的知识整合是新知识与旧知识的整合，是多种学科知识的整合，是信息和认知结构的整合。深度学习将新知识融入已有知识体系，从而形成新的理解和认知，以实现知识体系的新构建。

3.批判理解是深度学习的重要手段

深度学习不是简单复制记忆所学知识，而是对所学知识持有怀疑的批判态度，是在理解基础上的批判性学习，同时在批判质疑的过程中进一步理解、分析、判断、掌握、运用。深度学习提倡学习者以批判和怀疑的态度看待学习材料，善于质疑辨析，善于在各种观点之间建立联系，从而加深对复杂概念的理解[7]。

4.主动学习是深度学习的内在动机

深度学习是一种积极的自发的主动思考和主动学习。浅层学习也不乏积极认真的学习者，但浅层学习的积极认真来源于外界的具体任务或压力，是对知识的机械堆砌，是一种被动的积极认真。深度学习是学习者出于自身需求的主动学习，是来源于兴趣的积极主动行为。对于学到的知识，深度学习者会自发的去思考知识形成的原因，会有什么样的发展，在不同条件下又会有什么不同变化，面对不同变化又该去如何应对等等。

三、基于SPOC的深度学习框架构建策略

1.注重深度学习课程资源动态生成

要实现SPOC在线课程的深度学习，改善传统教学只注重知识获取的困境，首先要强调教学基础资源建设的动态生成，注重过程中建构和生成性资源的价值。在线课程资源涵盖教学目标、教学内容、微课资源、作业测验、话题讨论系列配套课程资源的动态生成。学习目标和教学内容的确定是SPOC在线课程的基础，也是课程资源建设和学习者学习的基本方向，教学目标及课程资源的生成应具动态性和开放性。教师团队应以学习者为中心，根据学生的学习水平和学习兴趣，结合课程大纲的教学要求，动态生成教学资源。在基于SPOC的深度学习中，在SPOC课程的建设及实施过程中，教学目标及课程资源应根据学习者需求的变化、学习过程的差异、学习效果的反馈不断进行调整，持续更新，在丰富课程资源的同时，促进知识的理解迁移以实现深度学习。SPOC在线课程应高度重视学习交互，产生生成性学习资源，打破教师作为唯一资源建设人的地位，让学习者在学习资源过程中同时也成为资源的创建者。

2. 突出基于建构迁移的深度学习教学设计

为了实现深度学习培养高阶思维、解决复杂问题的目标，SPOC在线课程应突出基于问题和基于项目的教学设计，以发展批判思维，面向问题解决。SPOC在线课程的教师团队在课程数字化资源动态生成的基础上，要对教学内容进行深层次全方位的分析，通过网络教学平台分析评估教学内容资源和学习者特征，整合教学重难点，创设复杂的真实问题情境，提出具有探究性的问题。无论是教学活动、教学任务、讨论问题的选取设计，还是线上视频微课的设计制作，都必须以问题情境为导向，引发学生思考。问题情境的设置要能引起学生的兴趣，激发学生的探究，激活已知知识提取。学习者以小组为单位，基于问题进行主动探究和合作竞争，促进在真实情境中建构知识，最后通过模拟表演、任务报告等方式进行项目汇报，完成在相似情境中的迁移创造，提升解决复杂问题的能力。SPOC课程的设计者与实施者在设计教学策略实施教学活动时需要设计实施相应的课程学习活动以保证群体建构的实现。

3. 加强深度学习虚拟社区协同构建

SPOC在线课程深度学习的实现，需要有效的协作探究学习以及在此基础上的批判反思对话，以培养批判思维和高阶思维。教学存在感、社会存在感和认知存在感三大核心要素构成的探究社区模型，SPOC在线课程虚拟探究社区的构建要注重三大核心要素的协同发展。学习存在感促进了学习者自我效能感和自我调节学习认知策略的制定，对学习者的混合学习起到了关键调节作用，它能调节教学存在感中教学内容的学习进度，加强社会存在感中在线学伴间的社会化联结在虚拟探究学习社区构建中，教学存在感的主要任务是创建课程内容，组织设计学习活动，有效利用网络平台组织、监控和管理有目的的批判对话与协作反思活动，通过直接指导、诊断误解与需求、给予学生及时的反馈确保达成预期的学习效果，从而鼓励学习者在整个探究学习过程中成为具有元认知意识和元认知策略的探究者。社会存在感主要体现在学习者在虚拟探究学习社区中表现出来的社交及情感能力，是影响虚拟探究社区交互的整体氛围和凝聚力的主要因素，应通过多种有效设计来实现社区对话和沟通，促进学习者的信任关系及知识协作建构，营造和谐、开放、深度对话的虚拟交互探究社区。

4. 深化深度学习评价行为分析

深度学习的教学评价涵盖教师评价和学生评价。教师考评是对教师教学方法、教学过程及教学效果的综合评价。除了传统的学生考评、同行打分、科研教改等量化指标外，SPOC网络课程教学内容的上传量、线上线下教学活动、线上学习空间的管理（单元讨论任务的发布，学生讨论活动的组织，学生疑问的解答时效及数量）、线下学生学习小组任务的设计监管反馈等可量化的行为分析也都纳入教师考评指标。除此之外线上线下教学内容及教学活动设计和实践的多样性、创新性，实现深度学习的体验性及完整性，也应纳入考核指标。学生评价是对学生学习参与度、学习完成度和学习效果等一系列学习行为的综合评定。除了传统的期末考试之外，SPOC网络课程翻转教学更侧重于一系列基于深度学习的活动完成以内化体验。线上学习和课堂学习的自主性与活跃度，任务活动完成的完整性与合作度，过程学习的批判性和思考度都将作为平时成绩的重要评定标准。

四、结束语

深度学习是在线课程实现有效学习的核心问题，在线课程深度学习的实现途径和策略将会是今后在线课程教学研究的重点和难点。本文通过对深度学习在教育领域概念的特点和内涵的分析，结合SPOC在线课程的自身特点，认为深度学习课程资源动态生成、深度学习教学设计突出建构迁移、深度学习虚拟社区协同构建以及深度学习评价深化行为分析四个方面是建设SPOC在线课程深度学习框架的重要因素，并对如何从这四个方面实现深度学习提出具体策略。