关于深度学习的误解与澄清

李小涛 陈 川 吴新全 王海文

[摘   要] 人工智能研究方兴未艾，但其核心之一的深度学习却被教育领域误解、误用。为解决人工智能时代深度学习混淆视听的现状，努力从计算机科学、教育学、心理学、认识论哲学、逻辑学五个维度探讨深度学习，从深度学习的主体、世界权威期刊的讨论、浅层学习、算法概念、认识论哲学、认知心理学、逻辑学等方面澄清对深度学习的误解与误用。教育领域亟须认清这一现实：无论出于何种目的，计算机研究领域的深度学习绝不能混淆于教育领域的深度学习，当前对深度学习的误解，把计算机研究领域“算法对未知输出作出的预测”（机器领域的学习）误解为“人类的心理及行为的变化”（人类学习）来进行研究，严重违背科学求真求实的基本精神。为杜绝望文生义、混淆视听，教育领域应以深度认知（思维结果）来区别于计算机领域的深度学习（算法结果）。在人工智能时代，对深度学习及时进行澄清，有助于夯实理论基础，更好地服务于未来人工智能教育应用研究。

[关键词] 深度学习; 人工智能; 认识论; 深度认知

[中图分类号] G434            [文献标志码] A

一、问题的提出

随着人工智能研究的再次兴起，与人工智能（Artificial Intelligence，简称AI）技术相关的理论、技术、方法的研究也备受瞩目，其中，深度学习（Deep Learning，简称DL）作为机器学习中的一种学习模型[1]，是人工智能技术中新兴的多层神经网络学习算法[2]，用于计算机研究领域对数据进行表征。然而，深度学习又是教育研究领域的一种概念，并且该概念在计算机研究领域和教育研究领域存在认识上的巨大分野，但在教育研究领域的深度学习至少具有22种不同的表述，存在“主观认同”的问题，更不具备说服力。为何关于深度学习的概念会在不同领域出现。而作为概念本身而言，是对事物本质属性的表征，为何深度学习概念表征着不同的属性。关于计算机研究领域和教育研究领域的深度学习概念，是盲目引入的“望文生义”所致，还是概念间的混同与歧义[3]。在当前教育研究领域中，如何避免这种误解、误用。细数各种疑问，对深度学习的误解、误用与澄清事实则成为关键。

二、深度学习何以误解误用

从深度学习的萌芽与背景、国际权威期刊《科学》上深度学习的概念、浅层学习的含义、计算机领域的深度学习（算法概念）、教育领域的深度学习概念、国内外对深度学习的认识等多方面讨论深度学习。

（一）深度学习的主体是机器学习，即研究关于机器学习中的深度学习，并非人的深度学习

普遍认为，最早的人工智能研究始于1956年[4]，图灵测试亦旨在证明计算机能够具有智能[5]，在此背景下，塞缪尔（Samuel）于1959年设计了象棋程序，该程序经过改进后实现具备学习的能力（实质上是程序的数理逻辑映射），机器学习的萌芽就此产生，其中，机器学习（Machine Learning，简称ML）是指根据给定的训练样本要求，对某系统输入、输出之间依赖关系的估计，使它能够对未知输出作出尽可能准确的预测[6]，但早期人工智能基于对程序设计的执行，机器学习究竟结果（数理逻辑映射结果）如何？即计算机对输入信息的训练结果如何，这一思维是深度学习产生的重要来源。20世纪80 年代，随着计算机技术、程序设计的发展，受脑科学研究的啟发，诞生了人工神经网络（Artificial Neural Network，简称ANN），用于模拟人脑对事物的思考方式[7]，ANN的每一网络节点都具备特定的函数Sigmoid，其功能是成为神经元的激活函数，神经网络能在大量训练样本中发现（学习）一定的统计规律，这一功能表明机器是可以“学习”的，对“学习结果”反馈的算法表征，被称为人工神经网络反向传播算法（Back Propagation，简称BP算法），但BP神经网络的实际使用中，收敛速度较慢、且易陷入局部收敛[8]，收敛速度慢和局部收敛本质上是受限于算法技术和网络隐含层级的缘故，受到影响的“学习”（训练结果）被称为浅层学习（Shallow learning），后期经过发展后的多隐藏层的人工神经网络所表现的结果，则是深度学习。由此，深度学习是指“机器学习”（计算机研究领域）中关于“机器的深度学习”，且此时深度学习作为算法概念存在于计算机研究领域。

（二）国际权威期刊《科学》关于深度学习的文章，探讨计算机领域的深度学习

2006年，《科学》刊发Reducing the dimensionality of data with neural networks（利用神经网络降低数据维度）一文，讨论了浅层学习达到深度学习的方法，即利用多层初始化的方法，对数据难度进行降维处理[9]。该研究提出了包含多个隐藏层人工神经网络和逐层初始化的办法来进行数据降维的处理方式。权威期刊探讨深度学习的理论与实践，具有主流性和代表性，其并非指教育领域的深度学习，而在主流期刊正名，深度学习是计算机领域的概念。

（三）区别于深度学习的浅层学习（Shallow Learning）是针对训练结果的描述，教育领域的浅层学习（Surface Learning）值得质疑

由于早期ANN对大量（通常为千亿级）样本的训练出现困难，相较于深度神经网络（Deep Neural Network，简称DNN）所表现的结果，研究人员将支持向量机（Support Vector Machine，简称SVM）、最大熵方法（Maximum-Entropy Method，简称MEM）等训练的结果，视为机器学习的浅层学习。《科学》杂志对深度学习的讨论，是为解决ANN难以达到深层次训练的弊病，利用DNN训练，采用层级式训练（Layer Wise Pre-Training，简称LWPT）方式来降低难度，进而达到深度学习，而浅层学习就是ANN训练结果的描述。从历史范畴下，浅层学习、深度学习提出的年限来看，计算机研究领域的深度学习更容易得到认可，深度学习技术发展时序如图1所示。

需要特别说明的是，1973年，人工智能研究第一次进入研究瓶颈期，1976年，Ference Marton和Roger Saljo首次提出教育领域的深度学习，并提出浅层学习（Surface Learning）[10]，但Ference Marton（中文名马飞龙）和Roger Saljo均为教育心理学家，从文章来看，Ference Marton、Roger Saljo仅从教育视域界定深度学习，因而不排除其提出深度学习时对计算机领域研究的忽视，基于何种理论，采用何种标准，教育领域浅层学习的判断值得质疑。

（四）作为教育领域的深度学习，多主体对客体主观认识的不确定性，形成对客体本身不确定性的误解，有违于唯物主义认识论基本哲学观深度学习这一概念被引入教育领域后，其含义发生了翻天覆地的变化，但教育领域的深度学习和计算机领域的深度学习相比，其说明性作用不大。笔者以中国知网作为基础数据库，以深度学习为关键词进行检索，并将其中属于教育学、教育技术学等领域的深度学习的概念列入下表，为使观点具备代表性的原则，笔者罗列了2019年4月21日之前的CSSCI、北大核心、JST等数据库收录期刊所发表的具有代表性的期刊文章，国外期刊包含了SSCI期刊和高被引期刊，这些文章基本代表教育领域对深度学习的基本观点，见表1、表2。

从中外教育领域对深度学习的概念界定来看，存在认识不一、模棱两可的现象，国内教育界认为深度学习是学习方式、方法、过程、状态、发展高阶思维、培养创新能力等，国外教育界认为其为学习过程、方法、结果。中外教育领域对深度学习没有较为统一的界定，存在“主观认同”的唯心主义问题，其有违于唯物主义认识论的基本哲学观。认识论哲学的基本观点是认识具备主体性和客观性[21]，而认识的主体是从事实践活动的人，认识的对象（内容）是客观的，研究者把主体的主观（就个体而言为个体对象的不确定性）混淆为客体的不确定性，而针对客体而言，例如：教室的“桌子”，不会因主体的改变而发生认识上的改变。认识论哲学有助于我们从基本哲学角度讨论深度学习概念的问题，主体对客体主观认识的不确定性形成对客体本身不确定性的误解。

（五）教育领域深度学习自身问题：过程难以实施、结果难以测量、结论难以支持

教育本身对深度学习界定的学理基础（Why）、概念内涵（What）、操作规程（How）等问题存在多方面的分歧，导致深度学习过程难以实施、结果难以测量、结论难以支持。对研究者而言，基于何种定义、实施何种实验、采用何种标准仍是一项挑战，且由于“深度”体现在内在思维、内在认知的深度上，并无特定外显行为能够证明其为深度学习所致，因而教育领域的定义不具备深度学习的支持性。

（六）不排除在引证国外概念时存在批判性态度的缺失，盲目求新、盲目崇外的功利主义影响

教育研究领域近年来存在很多学术热点，如“微课热”“慕课热”“翻转课堂热”“创客教育热”“STEAM热”“智慧教育热”“人工智能热”等，在盲目求新、盲目崇外理念的诱导下，功利主义驱使论文数量逐年呈爆发式增长，以中国知网作为基础数据库，以社会科学Ⅱ辑（该辑包含所有教育领域，但不包含计算机研究领域文献）为基础，以深度学习为主题进行2014年—2018年五年的检索，2014年，教育领域的深度学习文献量仅为88篇，这一数据在2018年增长至952篇，近五年这一数据相较上一年的增长比例为0%（2014年）、154.5%（2015年）、260.2%（2016年）、201.1%（2017年）、133.7%（2018年），且在檢索的2245篇期刊文献中发现，严格讨论深度学习，被知名数据库收录的文章总数仅为599篇，占比为26.68%，这一数据表明，超过70%的文章功利意味较浓，为发文而发文、为热点而发文的现象普遍存在。

功利主义是制约学术发展的重要瓶颈，受功利主义影响，学术研究缺乏批判性态度，在研究过程中，借助“人工智能热”，盲目求新、崇洋媚外，把教育领域和计算机领域的概念相混淆，或对概念缺少认知与批判，望文生义。对深度学习的研究，绝对不能囿于批判性精神缺失、盲目求新、崇洋媚外、功利主义的弊病中去。

三、深度认知——作为教育领域达成

“深度的学习”描述性维度的概念

（一）深度认知的概念

依据审稿专家意见，为避免当前及未来深度学习混淆视听的现状，特别在人工智能时代，在机器学习等概念越来越被跨学科科研人员熟知以后，教育领域必须与计算机研究领域区分开。其目的：一方面，杜绝学术概念的混淆;另一方面，杜绝教育领域对深度学习的恶意炒作。对于教育领域“深度的学习”，要从学习的本质上来讨论，学习是指个体或群体的认知活动[22]，而达到“深度的学习”，就要求学习者本身的认知思维上达到了“深度的认知”。目前，国内也鲜有研究人员提出深度认知的概念，其中，吴忭等人撰写的会议综述认为，深度认知是对教育大数据的深度认知[23]，即对教育大数据更好地认识，其与本研究所指的深度认知有着本质上的不同。

笔者认为，教育领域在达成“深度的学习”描述性维度上，深度认知用于表达这种模糊的、不可外显化的结果时，比深度学习更接近教育本身的描述性维度，其中，深度认知指学习者本身内在的认知思维品质的提升，外在表现为对学习过程与结果的归纳、总结、批判、反思等外显行为。

（二）深度认知与深度学习的区别与联系

关于深度认知和深度学习的区别与联系，见表3。

需要澄清这一事实：作为计算机研究领域的概念，深度学习是从算法结果上来看待此概念的，教育领域则是思维结果。有专家指出，深度学习是不同学科领域的研究者从该领域出发展开理解与应用，教育领域从学习科学视角展开对认知发展的理解，而计算机领域从机器学习视角展开理解。二者在本质上的区别是对“学习”的理解不一致，换句话说，当前对深度学习的误解是把计算机研究领域“机器对算法的预测”误解为“人类的心理及行为的变化”。在实际应用中，由于“人工智能研究热”等因素，更容易使这种误解下的理解持续地加深应用，这是值得注意的。

（三）何以定义为深度认知

在区别于深度学习的前提条件下，用于描述学习者心理的持续性变化过程中，“深度认知”“深度理解”“深度建构”等词语都可能用于描述新的概念，可以从两方面分析其含义的地位与作用：一是从词性以及词语本身的语义上而言，“认知、建构”偏向于过程，“理解”偏向于结果，而从“认知”和“建构”而言，“认知”与“学习”属性相当，均包含作为名词的代表性属性和作为动词的过程性属性;二是从新概念与深度学习的地位来看，深度认知更好一点，原因在于“认知”本身也作为心理学术语，用于表征人们获得知识或应用知识的过程，或信息加工的过程[28]（实际上就是学习），深度认知可以替代深度学习作为教育领域达成“深度的学习”的概念。因此，为避免混淆和误解，特提出深度认知的概念。

四、重大理论分野背后的反思：

现实矛盾抑或学科研究的规避

（一）教育领域“深度学习”研究的三重矛盾诠释

1. 人工智能时代对计算机研究领域深度学习的欲拒还迎

教育技术学作为一门交叉性的学科，兼顾着教育学和信息技术学的一些学科特性[29]，教育技术学领域的代表性期刊《中国电化教育》《电化教育研究》新近发表的关于深度学习的文章，是典型的教育领域的深度学习。例如：认为深度学习是与浅层学习相对的概念，是从认知层次界定的概念，强调学习者在学习活动中高级认知目标的达成，包括问题解决能力、批判性思维、创新能力等学习目标的达成[30];智慧教室中的教学交互促进大学生深度学习研究[31]等。但是迫于信息技术和人工智能时代的到来，加之学科属性的要求，教育技术学领域的期刊如《中国电化教育》《电化教育研究》适时而变，又刊发计算机领域关于深度学习的文章，论文的结果往往是通过计算机研究领域的深度学习的作用，达到了某种效果。例如：基于深度学习的学习者情感识别与应用[32]等。

这种事实极易引起的误解是：同一期刊对深度学习存在两种大相径庭的认同，对学习者及入门者而言，极易引起概念上的混淆和误解：究竟教育技术讨论的深度学习是哪一领域？而《中国电化教育》《电化教育研究》作为透视学科发展的窗户，在一定程度上反映教育技术学科对该概念的态度：表现为圈内人士对学术术语的含混不清、混淆视听却又置若罔闻，探讨教育领域的深度学习，却热衷于打人工智能深度学习的擦边球，在研究心理上表现为对计算机领域深度学习的有利可图和欲拒还迎。

2. 折中主义并非深度学习难题的正解

2017年7月20日，我国发布《新一代人工智能发展规划》，从国家战略层面为人工智能制定了规划，深度学习作为人工智能中使计算机具备“智能”的核心算法，也受到相应的重视[33]。随着教育研究的持续开展，为避免深度学习带来的误解，华东师范大学祝智庭教授撰文认为，深度学习存在于技术领域和教育领域[34]。祝教授的观点实质上是一种折中主义立场的观点，认为存在两类不同的深度学习概念，但若将深度学习应用于实际的教育教学中，特别是在人工智能教育中讨论深度学习，则又产生概念混淆、难以厘清的问题，折中主义并非破解深度学习难题的正解。笔者认为有必要对重大基础概念做科学、清晰的认识讨论。

3. 深度学习的概念：事实与功利的矛盾

本文写作过程曾一度受价值困扰之苦，对学术论文而言，若单纯讨论某一概念的是非问题，对《电化教育研究》而言，其学术意义不大，但若问题持续混淆视听，却又有违于科学研究之求真求实精神，因而在大众普遍“蹭热点”的情况下，讨论真实的、亟须解决的、影响群体认知方向的问题，反而似乎有泼冷水之嫌疑，究其原因：一方面，对于舶来品，研究人员缺乏识辨之耐心与意识;另一方面，炒热点、追潮流正成为学科研究的风气，事实与功利之间的矛盾，正是当前教育自身难以回避的问题，教育技术发展史上曾多次饱受称谓之苦，例如：电化教育与教育技术、教学设计与教学论，并非概念自身孰优孰劣，而是其作为基础概念深刻影响着整体学科体系，这才是关键。至于人工智能时代，教育技术能否走向智能教育（Intelligent Education，简称IE）或继续在人工智能外围打擦边球，对重大理论问题的严格区分和厘清，是必须的，亦是必要的。

（二）交叉跨界：突破学科领域和研究心理规避的双重性反思

教育领域讨论深度学习多以主观的、纯教育的视角去挖掘其性质，从布迪厄场域理论来看，主观的、纯教育的视角形成教育研究的特定封闭场域，但该场域苦于无具备极强说服力的概念来界定深度学习概念，因而产生多主体“主观认同”的唯心认识论，受人工智能的迅速发展和对教育的冲击的影响，教育技术对其研究态度的回应上明显不足。

教育部于2019年3月25日发文，新增了人工智能、机器人工程、大数据管理与应用、数据科学与大数据技术、智能科学与技术等专业[35]，而前期则撤销了部分院校的“教育技术学”专业，这种结果对学科发展的影响值得反思。

另外，教育研究领域对计算机研究领域的深度学习作了为数不多的探讨，更有一些纯教育理论研究人员对“人工智能与教育研究”做了纯理论性的探讨[36]，这种脱离技术维度、认同机器学习领域“抢注”了深度学习[37]，集中体现了（教育领域）研究人员的学科规避心理，这一理念与人工智能时代教育学科的具体发展实践相违背，也与教育技术学科奠基人南国农先生所说的“教育技术是杂家”的理念相违背。因此，突破学科领域的布迪厄场域理论，观照现实发展，不在教育学科内自说自话，在研究上主动“适变”[38]，进行两方面的反思，方为人工智能教育研究的大道。

五、对未来的讨论

本研究讨论了作为人工智能中的核心概念之一的深度学习，并依据相关“证据”，把人工智能时代的深度学习的“归属权”问题划归为计算机领域所有，而教育领域应以深度认知（思维结果）来区别计算机领域的深度学习（算法结果）。但基于研究人员，特别是教育研究人员的研究视域和认识（依据布迪厄场域理论，某一行业中会形成特定的意识和认识）的影响，不会轻易被其他概念所同化，甚至被拒绝。因此，也欢迎教育各界同仁长辈不吝赐教。作家黎汝清在《萬山红遍》中曾写道：“真理越辩越明，道理越讲越清。”纵观教育技术学科发展史，20世纪80年代中期，中国教育技术学科奠基人南国农先生组织过电化教育“姓电还是姓教”的学科属性问题的讨论，90年代又有“电化教育”和“教育技术”的“中国化与国际化”的讨论。不言自明的是，每一次学科问题的讨论都促进教育技术学科的发展。今天，在新时代，厘清长期以来含糊不清的基础概念问题，加紧学科间的沟通与讨论，对教育技术学科发展而言，也不失为一件好事情。

[參考文献]

[1] GILLANI N，EYNON R. Communication patterns in massively open online courses[J].The internet and higher education，2014，23（4）：18-26.

[2] SIEWERT S B. Big data in the cloud：data velocity，volume，variety，veracity[EB/OL].（2013-07-09）[2019-05-23].https：//www.ibm.com/developerworks/library/bd-bigdatacloud/index.html.

[3] MCAULEY A，STEWART B，SIEMENS G，et al. The MOOC model for digital practice[EB/OL].（2010-12-20）[2019-05-23].davecormier.com/edblog/wp-content/uploads/MOOC_Final.pdf.

[4] ZHANG J，SKRYABIN M，SONG X.Understanding the dynamics of MOOC discussion forums with simulation investigation for empirical network analysis （SIENA）[J]. Distance education，2016，37（3）：270-286.

[5] SIE R L，ULLMANN T D，RAJAGOPAL K，et al. Social network analysis for technology-enhanced learning： review and future directions[J]. International journal of technology enhanced learning，2012，4（3/4）：172-190.

[6] CELA K L，SICILIA M，SALVADOR S. Social network analysis in e-learning environments：a preliminary systematic review[J]. Educational psychology review，2015，27（1）：219-246.

[7] ADITOMO A，REIMANN P.Learning from virtual interaction：a review of research on online synchronous groups[C]//Proceedings of the 7th International Conference on Computer Supported Collaborative Learning.NJ：Lawrence Erlbaum Associates，2007.

[8] SKRYPNYK  O，JOKSIMOVIC S，KOVANOVIC V，et al.Roles of course facilitators，learners，and technology in the flow of information of a cMOOC[J].The international review of research in open and distributed learning，2014，16（3）：188-217.

[9] ZHU M，BERGNER Y，ZHANG Y，et al.Longitudinal engagement， performance，and social connectivity：a MOOC case study using exponential random graph models[C]//Proceedings of the Sixth International Conference on Learning Analytics & Knowledge.NY： ACM，2016：223-230.

[10] TAWFIK A A，REEVES T D，STICH A E，et al.The nature and level of learner-learner interaction in a chemistry massive open online course （MOOC）[J]. Journal of computing in higher education，2017，29（3）：411-431.

[11] ERGUN E，USLUEL Y K. An analysis of density and degree-centrality according to the social networking structure formed in an online learning environment[J]. Journal of educational technology & society，2016，19（4）：34-46.

[12] LAAT M D，LALLY V，LIPPONEN L，et al. Investigating patterns of interaction in networked learning and computer-supported collaborative learning：a role for social network analysis[J]. International journal of computer-supported collaborative learning，2007，2（1）：87-103.

[13] DAWSON S.A study of the relationship between student social networks and sense of community[J]. Journal of educational technology & society，2008，11（3）：224-238.

[14] MANCA S，DELFINO M，MAZZONI E. Coding procedures to analyse interaction patterns in educational web forums[J]. Journal of computer assisted learning，2009，25（2）：189-200.

[15] DAWSON S.Seeing' the learning community：an exploration of the development of a resource for monitoring online student networking[J]. British journal of educational technology，2010，41（5）：736-752.

[16] THORMANN J，GABLE S，FIDALGO P，et al. Interaction，critical thinking，and social network analysis（SNA） in online courses[J]. The international review of research in open and distributed learning，2013，14（3）：294-318.

[17] LIN X，HU X，HU Q，et al. A social network analysis of teaching and research collaboration in a teachers' virtual learning community[J]. British journal of educational technology，2014，47（2）：302-319.

[18] KELLOGG S，BOOTH S，OLIVER K.A social network perspective on peer supported learning in MOOCs for educators[J]. International review of research in open & distance learning，2014，15（5）：263-289.

[19] GILLANI N，YASSERI T，EYNON R，et al. Structural limitations of learning in a crowd：communication vulnerability and information diffusion in MOOCs[J]. Scientific reports，2014，4：6447.

[20] DOWELL N M M，OLEKSANDRA S，SRECKO J，et al. Modeling learners' social centrality and performance through language and discourse[C]// Proceedings of the 8th International Conference on Educational Data Mining.Massachusetts：IEDMS，2015.

[21] TIRADO R，HERNANDO á，AGUADED J I.The effect of centralization and cohesion on the social construction of knowledge in discussion forums[J]. Interactive learning environments，2015，23（3）：293-316.

[22] HERNANDEZ-GARCIA A，GONZALEZ-GONZALEZ I，JIMENEZ-ZARCO A I，et al.Applying social learning analytics to message boards in online distance learning：a case study[J]. Computers in human behavior，2015，47（6）：68-80.

[23] CARCELLER C，DAWSON S，LOCKYER L.Social capital from online discussion forums：differences between online and blended modes of delivery[J]. Australasian journal of educational technology，2015，31（2）：150-163.

[24] REHM M，MULDER R H，GIJSELAERS W，SEGERS M.The impact of hierarchical positions on the type of communication within online communities of learning[J].Computers in human behavior，2016，58（6）：158-170.

[25] JO I，PARK Y，LEE H. Three interaction patterns on asynchronous online discussion behaviours：a methodological comparison[J]. Journal of computer assisted learning，2017，33（2）：106-122.

[26] TIRADO-MORUETA R，MARAVER L P，HERNANDO G. Patterns of participation and social connections in online discussion forums[J]. Small group research，2017，48（6）：639-664.

[27] PHAM M C，DERNTL M，CAO Y，et al.Learning analytics for learning blogospheres[C]// International Conference on Web-Based Learning，Advances in Web-Based Learning-ICWL 2012.Berlin，Heidelberg：Springer，258-267.

[28] BORGATTI S P. Centrality and network flow[J]. Social networks，2005，27（1）：55-71.

[29] BRINTON C G，CHIANG M，JAIN S，et al. Learning about social learning in MOOCs：from statistical analysis to generative model[J]. IEEE transactions on learning technologies，2014，7（4）：346-359.

[30] WISE A F，CUI Y，VYTASEK J. Bringing order to chaos in MOOC discussion forums with content-related thread identification[C]//Proceedings of the Sixth International Conference on Learning Analytics & Knowledge.New York：ACM，2016：188-197.

[31] JIANG Z，ZHANG Y，LIU C，et al.Influence analysis by heterogeneous network in MOOC forums：what can we discover？[C]// Proceedings of the 8th International Conference on Educational Data Mining.Massachusetts：IEDMS，2015.

[32] RODRIGUEZ D，SICILIA M A，SANCHEZ-ALONSO S，et al. Exploring affiliation network models as a collaborative filtering mechanism in e-learning[J]. Interactive learning environments，2011，19（4）：317-331.

[33] WISE A F，CUI Y，JIN W Q，et al. Mining for gold：identifying content-related MOOC discussion threads across domains through linguistic modeling[J]. The internet and higher education，2017，32（1）：11-28.

[34] GUNAWARDENA C N，LOWE C A，ANDERSON T.Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing[J]. Journal of educational computing research，1997，17（4）：397-431.

[35] RIVERA M T，SODERSTROM S B，UZZI B. Dynamics of dyads in social networks：assortative，relational，and proximity mechanisms[J]. Annual review of sociology，2010，36（1）：91-115.

[36] BURGESS S，SSANDERSON E，UMANA-APONTE M. School ties：an analysis of homophily in an adolescent friendship network[EB/OL]. （2011-08-01）[2019-05-23].http：//www.bristol.ac.uk/cmpo/publications/papers/2011/wp267.pdf.

[37] SOLLER A.Supporting social interaction in an intelligent collaborative learning system[J].International journal of artificial intelligence in education，2001，12（12）：40-62.

[38] ANDERSON L W. Taxonomy for learning， teaching， and assessing[J]. European legacy，2001，114（458）：1013-1014.

[39] LAVE J，WENGER E. Situated learning：legitimate peripheral participation[M]. New York：Cambridge University Press，1991.

[40] HAYTHORNTHWAITE C，DE LAAT M. Social networks and learning networks：using social network perspectives to understand social learning[C]//Proceedings of the 7th International Conference on Networked Learning. Aalborg，Denmark：Lancaster University，2010： 183-190.

[41] DE LAAT M. Networked learning[D]. England：University of Southampton，2006.

[42] SIEMENS G. Connectivism：learning as network-creation[EB/OL].[2019-05-23].http：//www.elearnspace.org/Articles/networks.htm.