“互联网+”环境下大学生深度学习影响因素及模型建构研究

□ 王 娟，李 涵，李卓珂

“互联网+”作为一种新型生产力正深刻改变着经济社会的各个领域，推动各行业的转型、优化与创新。同时，在“互联网+”环境中教育以互联网为基础设施和创新要素，结合人工智能与大数据等新兴技术将互联网与传统教育深度融合，创新教育的组织模式、服务模式、教学模式，进而构建数字时代的新型教育生态体系。[1]《教育信息化2.0行动计划》指出，要建成“互联网+教育”大平台，构建“互联网+”环境下人才培养的新模式，发展基于互联网的教育服务新模式。[2]但“互联网+”环境中大量碎片化知识导致大学生的认知无法迁移应用，部分学习活动仅停留在浅层学习层面。[3]这并非“互联网+”教育的本质，其目的要培养大学生的深度加工知识信息、深度理解复杂概念，建构个人认知体系，并迁移运用以解决现实问题等一系列深度学习能力。因此，探究“互联网+”环境大学生深度学习的影响因素具有重要的意义和价值，本文通过文献梳理将深度学习划分为知识迁移和能力培养两个维度，使用调查问卷收集数据，构建深度学习影响因素模型，提出相应解决方案，为“互联网+”环境大学生的深度学习提供借鉴和参考。

一、“互联网+”环境中深度学习的内涵

深度学习研究的兴起，源自人们对教育本质的深入理解，是学习者追求优质学习质量与回应时代需求培养全面人才的结果。近年来，《地平线报告(高等教育版)》多次将深度学习列为高等教育领域中期趋势和长期趋势，指出深度学习对高等教育的影响日益深远，培养大学生创新创造、问题解决、合作交流等21世纪必需的能力。[4-5]目前，学术界对深度学习已开展较多的理论研究与实践检验，不同的研究机构和学者对深度学习的概念从不同角度进行阐释。

1976年，Marton和Saljo发现学生完成阅读任务时采用不同的认知方式，首次提出浅层学习和深度学习的概念。[6]Biggs对学生阅读实验的过程和结果进行分析，认为深度学习是学生的有意义学习，浅层学习是学生的机械学习。[7]Bloom在教学目标分类中指出，浅层学习停留在知识的简单识记和复述，深度学习关注学生对知识的理解、迁移和运用。[8]2010年美国休利特基金会发起深度学习的研究，在美国不同地区的500余所学校开展深度学习实验，将深度学习界定为学生在21世纪必备的掌握核心知识、批判性思维和复杂问题解决、团队协作、有效沟通、学会学习、学习毅力等6个维度的基本能力。[9]黎加厚教授首先引进并介绍深度学习的概念，提出深度学习是在理解学习的基础上，学生能够批判性地学习新的思想和事实，将它们融入原有认知结构，能够在众多思想间进行联系，并能够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。[10]张浩等学者认为，深度学习是一种主动的、批判性的学习方式，区别浅层学习中把知识作为独立的概念来被动接受和机械记忆，深度学习需要对知识进行深层理解并可用于解决实际问题。[3]祝智庭等学者在智慧教育环境中从三方面阐释深度学习的内涵：在学习结果上表现为认知、自我、人际等方面的高阶能力，在学习方法上表现为复杂问题的解决，在学习参与上表现为学生主动学习。[11]郑葳等学者在我国核心素养的基础上指出，深度学习是一系列相互关联的素养，包括掌握精确严密的学科内容、学习如何批判性思考和解决问题、有效协作与交流、自我指导学习，以及形成学科思维。[12]

综上，深度学习符合“互联网+”环境下人才培养的新要求，“互联网+教育”需要培养大学生的创造力、交流能力等21世纪必备技能。因此，本研究将深度学习划分为2个层面，一是指向知识的迁移，二是指向能力的培养。即在知识迁移上，学生主动分析、理解知识，将新知识融入原有认知结构，并可以迁移运用以解决复杂的实际问题；在能力培养上，培养学生创新思维、团队协作、有效沟通、学习毅力等21世纪所需的能力，如图1所示。[13]

图1 深度学习概念的图示

二、“互联网+”环境下深度学习的影响因素及模型构建

1.深度学习的影响因素

目前，国内外较多学者对深度学习的影响因素开展实证研究。Groves等通过课堂观察和测验发现，学生年龄、阅历和课程评估方式影响深度学习。[14]Papinczak等指出，深度学习与自我效能感有关，自我效能感高的学生能够达到较高的深度学习水平。[15]Offir等对比远程同步和异步教学系统中学生的表现和成绩发现，学习活动影响深度学习，教师线上指导和反馈影响深度学习。[16]Leung等发现，学生的学习能力、反思能力、沟通能力、个人价值观与合作学习等影响深度学习。[17]Dolmans等发现，基于问题的学习活动对浅层学习的影响较小，但对深度学习产生较大的影响，教师使用的评估方式影响深度学习。[18]Bonsaksen分析了深度学习的影响因素，即学生的年龄和性别、自我效能感、学习能力、自我评估。[19]Lee等探究增强现实环境下深度学习的影响因素，发现学生的自我效能感和评估方式影响深度学习水平。[20]

赵宗金等通过调查发现，年龄、性别、成长环境、健康情况、学业挑战度和主动合作学习水平等因素影响学生的深度学习，其中学业挑战度是最重要因素。[21]王永花提出，学习目标、学生分析、学习氛围、学习评估等因素促进深度学习。[22]胡航通过课堂实验指出，深度学习的重点是厘清学习方式、学习内容及学习资源三者的关系。[23]冯琳认为，学生的主动合作能力、信息素养能力及院校提供的支持环境和实践活动影响深度学习。[24]钱薇旭通过课程案例发现，学习活动中学生的交流合作、参与度，采用的学习策略影响深度学习。[25]吴亚婕通过文献内容分析，从个体(包括自我调节、学习动机、学习方法、学习投入)、交互(包括生生交互、师生交互、学生与学习内容的交互)和环境(包括网络课程的目标、组织结构、学习活动、评价类型、技术工具)3个方面分析深度学习的影响因素。[26]综上，目前研究者从不同方向分析深度学习的影响因素，但深度学习的本质是学习的一种高阶状态，其影响因素包含传统学习的因素，需要以发展的眼光进行审视。

为明确“互联网+”环境下大学生深度学习具有较强影响力的影响因素，首先，研究在梳理现有文献的基础上，设计“‘互联网+’环境大学生深度学习影响因素”调查问卷，采用李克特五点量表的形式设置分值。其次，选取国内深度学习领域期刊发文量较多的研究者21人，以邮件的形式征求意见，最终回收有效答卷13份，问卷有效率为62%。最后，提取研究者普遍认为影响力较强的影响因素，分别为学习动机、学习投入、学习反思、学习活动、合作学习、学习评估和学习资源等因素。具体分析如下：

(1)学习动机。学习动机分为内在动机和外在动机，内在动机是个体寻求挑战和满足好奇心参与学习的倾向；外在动机是个体追求学习之外的其他因素，如奖励、他人认可等参与学习的倾向。[27]激发学生的学习动机，学习成为积极应用知识解决实际问题的过程，将超越浅层学习走向深度学习。[28]多项研究表明，学习动机影响学生深度学习的知识迁移。Vos从教育游戏中证明学习动机影响知识的迁移运用，影响学习者的深度学习。[29]Biggs指出，具有强学习动机的学生，使用深度学习策略，具有高效的知识迁移和运用。[30]陈明选发现，学习动机的增强有效保障深度学习目标的达成，学生不断深化深度学习策略的应用，加强深度学习的知识迁移。[31]张琪发现，高学习动机的学生拥有较强的判断力和信念，有助于知识的迁移运用。[32]因此，本研究认为学生的学习动机与深度学习的知识迁移具有正相关关系。

(2)学习投入。学习投入包括行为、情绪和认知等3个维度。行为投入指积极地参与专业性和社会性活动；情绪投入指对学业的未来憧憬与学校的归属感；认知投入指主动掌握复杂的学习内容并在学习过程中高度专注。[33]行为投入具体表现为学生对学习高度投入，积极地交流协作，专注地解决问题，培养创造和协作能力，是达到深度学习的必要条件。刘哲雨等提出，行为投入可以降低认知负荷对学生的负面影响，避免造成浅层次学习的现象，促进学生的协作能力、元认知能力的发展等，完成深度学习的能力培养。[34]赵金宗发现，学习投入促进批判思维与合作交流，达到深度学习。[21]冯琳指出，学习投入从学生行为和院校条件两方面影响学生的创新思维。[24]郭元祥认为，学习投入是深度学习的基本条件，包括批判性和创造性等思维品质的改善。[35]因此，学习投入影响协作交流、批判思维、创造思维等深度学习的能力培养。

(3)学习反思。学习反思是学生以已有的经验、经历、行为过程或自身身心结构为对象，以反身性的自我观察、分析、评价、改造和修炼等方式进行的学习活动。[36]学习反思是深度学习的必要条件，卢瑞玲等指出，学习反思使思维由表层走向深刻，迈向深度学习。[37]学习反思使学生在不断思考知识高阶内涵的进程中实现思维品质的提升。学习反思对深度学习的知识迁移有直接影响，吴秀娟等认为，学习反思贯穿深度学习的整个过程，易于促进知识理解、应用及迁移，强化深度学习的知识迁移。[38]刘哲雨等指出，学习反思对深度学习的能力培养无显著影响，但促进知识迁移和拓展，优化深度学习的知识迁移。[39]余胜泉认为，学习反思有助于学生在陈述性知识和程序性知识的基础上对知识深化，促进迁移和运用。[40]因此，研究认为学习反思对深度学习的知识迁移有积极影响。

(4)学习活动。学习活动是学生掌握辩证思维从实践到本质，把握问题的根基，借助理论性知识介入社会实践的过程。[41]学生在深度学习的活动中进行复杂的教学交互，成为实践活动的主体，完成高水平的认知。[42]学习活动是深度学习的重要环节，Biggs指出学习活动帮助学生调整学习方法，对知识深度加工，获得深度理解。[43]多项研究证明学习活动提升学生对知识迁移的运用能力。傅钢善等指出，学生通过学习活动将知识和技能运用到新情境，解决复杂问题，进一步领悟和思考，加深理解。[44]李利指出，学习活动帮助学生发展学科知识的框架结构，获得意义丰富和灵活多变的知识组织形式[45]；吴亚婕认为，学习活动促进知识迁移和运用，鼓励学生独立思考，强化深度学习的知识迁移。[26]综上可知，学习活动促进知识的迁移和运用，对深度学习的知识迁移具有正向影响。

(5)合作学习。合作学习是基于心理学和社会学，以师生、生生、师师合作为基本动力，以小组活动为教学方式，以团体成绩为评价标准，以提升学生成绩和良好社会技能为目标的教学理论与策略体系。[46]在合作学习中学生是主体，积极互赖的组织结构可以激发学生的责任和兴趣，实现深度学习。已有研究证实合作学习对深度学习有积极影响，Pun运用合作学习的教学模式，发现学生的创造性思维能力和沟通能力提升，完成了深度学习的能力培养。[47]崔向平阐释了合作学习对深度学习能力中团队协作能力、沟通能力等高阶思维能力的培养。[48]Hamilton发现，合作学习与竞争学习可以促进学生对知识的迁移和运用。[49]胡航等指出，合作学习是促进学生深度学习，实现有效学习的重要形式。[50]因此，合作学习对深度学习的知识迁移和能力培养呈现正相关关系。

(6)学习评估。学习评估以学习目标为依据，运用观察、反思、调查、测验等方法，收集学习过程及学习结果等方面的客观资料，对学习效果做出鉴定和价值判断，反思和修订学习目标的活动。[51]学习评估是深度学习的重要保障，定位学生深度学习程度，指导教学过程调整和学习反思。祝智庭指出，“以评促学”有助于学生了解自身深度学习状况，培养批判思维和创新思维等能力，达到深度学习的能力培养。[52]张浩等认为，学习评估以提升学生的问题解决、自主学习和知识创新等高阶思维能力为目标，培养深度学习的能力。[53]刘哲雨等认为，学习评估促进新知理解，有利于内部知识的实践运用和外部元认知能力、创新能力的培养，达到深度学习的能力培养。[54]由此可知，学习评估有利于学生批判思维、创新思维等深度学习能力的培养。

(7)学习资源。学习资源是以学生为中心，以有意义学习为最终目的，融合内容、活动、工具及人际智慧在内的资源体。[55]“互联网+”环境学习资源碎片化造成浅层学习，引起广大学者的关注。陈琳等认为，学习资源对深度学习起着源头性作用，为学生提供深度阅读动力，促进知识的迁移和应用。[56]詹青龙等提出，学习资源使学生有机会解决真实世界的问题，打通学校和社会的壁垒，在实践中运用知识。[57]研究发现，学习资源有助于知识的迁移运用，能有效提升学业成绩，学习内容的分解、数字化资源的重构和开发促进学生对知识的迁移和运用。[23]学校提供的硬件环境、软件特性及资源丰富度促进学生知识的迁移和运用，优化深度学习的知识迁移。[58]因此，研究认为学习资源正向影响深度学习的知识迁移。

2.研究假设与模型构建

根据上述影响因素分析，研究提出如下假设：

H1：学习动机显著正向影响深度学习的知识迁移；H2：学习投入显著正向影响深度学习的能力培养；H3：学习反思显著正向影响深度学习的知识迁移；H4：学习活动显著正向影响深度学习的知识迁移；H5：合作学习显著正向影响深度学习的能力培养；H6：合作学习显著正向影响深度学习的知识迁移；H7：学习评估显著正向影响深度学习的能力培养；H8：学习资源显著正向影响深度学习的知识迁移。

基于上述假设，研究构建了“互联网+”环境深度学习影响因素模型，如图2所示。在该模型中，外源潜变量包括学习动机、学习投入、学习反思、学习活动、合作学习、学习评估和学习资源7个方面；内生潜变量包括深度学习的知识迁移和能力培养2个方面。

图2 “互联网+”环境深度学习的影响因素模型

三、研究过程

1.调查问卷的设计

为探究“互联网+”环境深度学习影响因素模型的合理性，研究使用结构方程模型验证，通过调查问卷收集数据。问卷包括2个部分，第一部分是深度学习的影响因素，借鉴NSSE-CHINA问卷，参考王振宏、陈佑清、吕巾娇、马红亮、卢峰等学者的研究内容及SOLO分类评价法，分别编制学习动机、学习投入、学习反思、学习活动、合作学习、学习资源、学习评估。第二部分为深度学习的知识迁移和能力培养，该部分题目改编自R-2F-SPQ量表的深度学习部分，分别为深度学习的知识迁移(3道题目)和能力培养(6道题目)。问卷两部分均采用李克特五点量表的形式，共9个维度，42道题目。深度学习各影响因素的题目设置见表1。

表1 深度学习影响因素的题目及来源

2.实施问卷调查

本研究调查对象为江苏某高校教育技术学专业本科生，调查时间为2019年4—5月，研究在初始问卷形成后，首先进行试调查，根据结论修改定稿。本研究通过当面发放和网络发放相结合的方式进行问卷发放，共回收问卷241份，剔除多数题目漏答、答案选择有明显重复规律的无效问卷20份，最终得到有效问卷221份，有效率为91.7%。

3.问卷的信效度分析

研究使用SPSS20对问卷数据进行信度分析，采用项目分析中的克隆巴赫α值检验。克隆巴赫α值检验用于判断问卷内部一致性系数α值，通过题目删除后量表α值的变化来判断量表题目的质量，若题目删除后该题目的α值增加则说明应该剔除。经SPSS数据处理，发现题目5、7、37项在删除后α值增加，因此问卷最终删除这3项不符合判断标准的题项。之后使用克隆巴赫信度系数(Cronbach α)和组合信度(CR值)对修正后的问卷进行信度检验，当克隆巴赫系数α值位于0.6至0.8之间，说明测量题项具有较好的内部一致性；当组合信度(CR值)大于0.7时，说明问卷题目的内部一致性较好。表2显示，问卷的克隆巴赫系数α为0.946，所有维度的信度系数α>0.6，说明问卷具有较好的信度。同时，组合信度(CR值)均在0.7以上，说明问卷信度良好，调查数据的内部一致性良好。

表2 调查问卷信度分析(N=221)

研究采用KMO和Bartlett球形检验分析问卷的结构效度，如表3所示。KMO检验系数为0.918(>0.5)，巴特利特球检验的显著性概率P<0.01，说明问卷具有较高的结构效度，适合进行结构方程模型分析。之后使用平方差萃取量(AVE值)对问卷的收敛效度进行分析，AVE值一般用来说明潜在变量对题目的解释能力，当AVE值大于0.5时，说明模型的收敛效度较好。

由表4可知，各潜在变量的AVE值除合作学习外均在0.5以上，考虑到合作学习的AVE值为0.499，较为接近0.5，因此将其归为合格范围，各潜在变量的AVE值表明问卷的收敛效度合格，潜在变量可以解释它对应的题目。

4.建构结构方程模型

研究使用AMOS20软件对研究假设验证，建立“互联网+”环境深度学习影响因素的模型，依次执行模型拟合、模型评价和模型修正。研究使用CMIN/DF(卡方自由度比)、GFI(拟合优度指数)、CFI(比较拟合指数)、NFI(规范拟合指数)、IFI(递增拟合指数)、TLI(Tucker-Lewis指数)和RMSEA(近似误差均方根)等指标，一般而言，CMIN/DF最优值<3；GFI、NFI、IFI、TLI和CFI最优值>0.90，RMSEA最优值<0.05。[59]由表5知，模型经过修正后的各项拟合指标均达到标准，模型的拟合较为理想。

表5 模型的各项拟合指标表

5.路径分析结果

观察各变量的路径系数及相应的P值统计表。由表6知，假设H1中学习动机对深度学习知识迁移的正向影响，路径系数为-0.103，P值为0.234，P值>0.05，未达到显著水平，该假设不成立；假设H4中学习活动对深度学习知识迁移的正向影响，路径系数为0.126，P值为0.122，P值>0.05，未达到显著水平，该假设不成立；假设H6中合作学习对深度学习知识迁移的正向影响，路径系数为0.139，P值为0.169，P值>0.05，未达到显著水平，该假设不成立。

表6 变量路径系数与假设检验

根据分析结果发现：在知识迁移方面，学习动机、学习活动及合作学习对深度学习知识迁移的路径系数未达到显著水平，说明其对深度学习的知识迁移未产生显著影响；学习反思、学习资源与深度学习知识迁移的路径系数分别为0.273、0.241，达到显著水平，说明学习反思、学习资源显著正向影响深度学习的知识迁移。在能力培养方面，学习投入、合作学习、学习评估与深度学习能力培养的路径系数分别为0.229、0.241、0.191，均达到显著水平，说明学习投入、合作学习、学习评估对深度学习的能力培养产生显著正向影响。

因此，在模型中剔除假设H1、H4和H6，最终得到图3的最终模型。

图3 “互联网+”环境深度学习影响因素的最终模型

四、研究结论

在深度学习影响因素研究中，研究者往往将深度学习视为一个整体。通过文献梳理发现，“互联网+”环境下深度学习的内涵随着时代变迁融入了新含义，深度学习在早期研究中仅指学生对知识的深层次理解，对知识进行迁移和运用以解决复杂问题。[7]伴随时代发展，深度学习的内涵扩展为在学习结果上表现为认知、自我、人际等方面的高阶能力，在学习方法上表现为复杂问题的解决，在学习参与上表现为学生主动学习。[11]基于此，本研究将“互联网+”环境下的深度学习划分为知识迁移和能力培养2个层面，在知识迁移上学生主动地分析、理解知识，将新知识融入原有认知结构，并可以迁移运用以解决复杂的实际问题；在能力培养上学生培养创新思维、团队协作、有效沟通、学习毅力等能力，通过构建“互联网+”环境下深度学习的影响因素模型，更为细致地探讨深度学习中影响知识迁移和能力培养的因素。

1.学习反思、学习资源显著正向影响深度学习的知识迁移

“互联网+”环境下，大学生通过反思自身学习策略和重复思考已学的知识内容，对深度学习的知识迁移产生积极影响，实现知识的深层加工，可以迁移、运用与解决复杂的实际问题。同时，目前学习资源已成为深度学习的重要组成部分，大学生使用学习平台、MOOC资源与远程会议直播等学习资源，实现了学习时间、地点及内容的灵活化，学习途径增加有助于知识的深入理解和迁移运用，影响大学生深度学习的知识迁移。因此，加强学习反思与高校学习资源建设是促进大学生深度学习知识迁移的关键。

2.学习动机、学习活动及合作学习对深度学习的知识迁移无显著影响

研究发现，学习动机、学习活动及合作学习未对大学生深度学习的知识迁移产生显著影响。究其原因：学习动机受外在动机和内在动机影响，大学生在高校缺少升学压力、教师监管力度低及高校课程内容难度较大等原因，削弱了学习动机，造成其更倾向选择浅层次学习过程，如简单理解、识记，最终导致学习动机与知识迁移的影响关系不明显。学习活动对深度学习知识迁移的影响不显著，反映出知识迁移是个体的内部认知建构，是大学生对知识的理解和运用，不易受外部教学模式和学习形式的影响，说明教师采用的教学方式对大学生的知识迁移未产生显著影响，教师应关注大学生的内部认知过程，通过强调学习反思和提供高质量的学习资源以强化知识迁移。合作学习对学习者的知识迁移未产生显著影响，但显著影响学习者的能力培养，说明学习者的高阶思维能力的发展是社会性相互作用内化的结果，每位学习者具有独特的知识结构，通过相互沟通与团队互助等合作形式实现了知识的流通，有效培养了学习者的交流能力、责任意识等高阶思维能力，而学习者能否将知识迁移运用以解决实际问题则更多地依赖个人的努力。合作学习只是为学习者提供了良好的学习氛围和学习支持，无法从外力上提升学习者的知识迁移和运用。

3.学习投入、合作学习、学习评估显著正向影响深度学习的能力培养

深度学习能力指高校大学生在“互联网+”环境下应具备的核心竞争能力，包括批判性思维能力、团队协作能力、沟通能力，以及创造性思维能力等高阶能力。[60]研究结果发现，学习投入、合作学习、学习评估对深度学习的能力培养均具有显著正向影响。首先，学习投入分为行为投入、情感投入和认知投入，均对深度学习的能力培养具有正向影响，其中行为投入促进大学生主动回答问题和敢于质疑，培养批判性思维；情感投入促进大学生对学校生活的热爱，丰富其精神世界；认知投入提升大学生的思维水平，培养面对困难的勇气与工作学习的责任感。其次，在合作学习中成员提出对问题的见解，在协作交流中得出创造性的问题解决方案，培养沟通合作能力的同时提升创造性思维能力，进而形成深度学习能力。最后，学习评估对学习过程监控，指导教学内容设计和教学开展，大学生根据评估结果判断学习状态，及时调整学习方式。大学生借助学习评估的相应指标，明晰学习中存在的不足并加以改善，培养批判性思维等能力，完善深度学习的能力培养。可见，教师应从行为、情感和认知等方面提升大学生的学习投入，构建合作学习的交流环境，为其提供全方位、个性化的学习评估。

五、研究建议

1.加强高校学习资源建设

学习环境是深度学习得以实现的保障，特别是“互联网+”环境的深度学习必须为学生提供环境支持，包括学习平台、智慧教室等。[61]首先，高校要建设“互联网+”环境的基础硬件设施，架构网络教学平台，设计统一的数据标准和完善的软件支持服务，保障学习资源底层软/硬件系统的连通和运作。其次，学习资源要与时俱进，强调学习资源的多元化、标准化及智能化，开发移动化学习资源及虚拟仿真学习资源，增强学习资源的交互性和情境性，为大学生提供个性化的学习支持，提升认知过程的深度。最后，“互联网+”环境下高校教师应充分应用MOOC、SPOC等新兴教学方式，注重教学方式的创新，为大学生提供更好的学习体验，调动学习积极性。

2.教学中设计合作学习环节

“互联网+”环境下人际交流与合作的重要性逐渐显现，深度学习在能力培养方面也提出要加强大学生的协作和沟通能力。面对“互联网+”环境的新要求，高校教学中应设计合作学习环节，构建积极互赖的组织结构和平等民主的学习氛围，这有助于大学生学习动机和责任意识的激发。同时，教师在合作学习中应转变角色，借助现代化教学手段，作为组织者、监督者、指导者和评价者参与整个合作学习，在多个角色中灵活转换，为合作学习搭建脚手架和技术支持，促进大学生自主学习能力的提升。为增强小组内的合作关系，教师应根据“组内异质，组间同质”的原则对小组成员进行划分，明确个体在合作学习中的责任和角色，加强组内合作的效率。

3.注重培养学习反思能力

“互联网+”环境的教学中，教师应注重大学生反思能力的培养，教师可以在教学的不同阶段设计不同的反思方式。在课前导入阶段，教师可以利用互联网技术为学生传递课程预习和导学材料，要求学生提前学习知识并记录存在的疑惑，促进学生在已有知识经验的基础上进行总结和思考，激发学习注意力和兴趣。在课中学习阶段，教师需要对教学过程进行监控和调节，及时发现、解决问题，帮助学生不断改善学习策略和方法，促进知识的迁移和运用。在课后阶段开展多元化的学习反思，可以借助自我评价量表、学习总结表等形式，引导学生总结学习经验，进而创造新知。[38]总之，“互联网+”环境中学习是周期性的活动，需要学生不断审视和反思以往的学习经验，并与自身的认知结构相适应，最终才能控制和管理学习过程，达到深度学习。[62]

4.利用大数据技术助力学习评估

“互联网+”环境下教育与技术结合，教育过程中产生了庞大且类型复杂的数据，可以借助大数据技术对教育数据进行分析、挖掘和预测。通过大学生行为数据的日常采集和技术分析，科学判断其学习过程存在的优势和不足，做到个性化与全方位实时评估学习状态。大学生根据学习评估信息对自身的学习状态整体把握，实时调节学习进度和策略，促进其深度学习。此外，高校教育者和管理者应重视对学生个性化评估的研究，准确了解大学生的认知结构、个性特征等，设计相应的指标体系，提供个性化、精准化的学习评估。

综上，研究使用结构方程模型方法分析高校大学生深度学习的影响因素，但研究样本量局限于教育技术专业，后续研究可进行更大规模的实证研究，结合访谈等方法开展更为详细的质性研究。期望后续研究可以在此研究基础上借鉴和改善，深入分析“互联网+”环境下高校大学生深度学习影响因素，以促进深度学习研究的发展，改善大学生的学习状况。