智慧学习环境下的深度学习分析及模型构建

彭培环

摘   要：随着智能化时代的到来，学习环境从信息化转向智慧化。深度学习是在教师的指导下，学习者围绕有挑战性的学习内容，全身心投入到学习过程以促进自身全面发展的学习方式。智慧学习环境具有全程记录、无缝连接、交互参与、情境感知和自适应等功能特征。而这些特征也给深度学习带来支持：全程记录为深度学习提供反馈支持;无缝连接为深度学习提供资源支持;交互参与为深度学习提供情感支持;情境感知为深度学习提供情境支持;自适应为深度学习提供个性化支持。文章依据建构主义学习理论、情境认知理论和智慧学习环境对深度学习的支持，从创设情境、交互参与、迁移建构和检测评价等四个阶段，构建智慧学习环境下的深度学习模型，以达成深度学习。

关键词：智慧学习环境;深度学习;模型构建

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2021）01-0010-05

随着智慧地球、智慧教育、智慧校园、智慧城市等概念的兴起，个体的学习环境从信息化转向智慧化。《2015中国智慧城市白皮书》明确提出，信息时代的学习将以智慧学习环境为基本依托[1]。深度学习是近几年来教育研究的热点，基于智慧学习环境的学习应指向“深度”，导向深度学习，方便学习者在高级的学习环境和丰富的学习资源中学习。

一、智慧学习环境剖析

1.智慧学习环境的内涵

基于智慧学习环境的学习空间是“人人皆学、处处能学、时时可学”的学习环境，支持任何设备以任何形式接入，并通过智能感知学习情境、挖掘和分析学习数据，实现合理评价，推送优质学习资源和最适配的学习任务[2]。智慧学习环境是融合物理环境和虚拟环境，能够促进有效学习的学习场域或活动空间，具有感知学习情境、识别学习者特征、提供学习资源与便利的互动工具等功能[3]。KOPE R认为智慧学习环境是一个多功能的物理环境[4]。基于此，智慧学习环境是以大数据、人工智能、互联网等现代信息技术为支撑，拥有多功能的，便于学习者随时随地获得学习支持服务的学习场所或活动空间。[5]

2.智慧学习环境的功能特征

不同研究者对智慧学习环境特征的认识有所不同。如：黄荣怀认为智慧学习环境具有记录过程、识别情境、链接社群和感知环境的技术特征[6]。祝智庭认为智慧学习环境具有位置感知、情境感知、社会感知、互操作性、无缝连接、适应性、全程记录、自然交互、深度参与等功能特征[7]。GBOS B认为智慧学习环境是泛在的、无缝的、个性化的、可以情境感知的[8]。综合文献分析，可以提炼智慧学习环境的功能特征为：全程记录、无缝连接、交互参与、情境感知和自适应，如表1所示。

二、智慧学习环境下的深度学习分析

1.深度学习的内涵

深度学习是在教师的指导下，学习者围绕有挑战性的学习内容，并且全身心投入到学习过程以促进自身全面发展的学习方式[9]。深度学习是一种以理解为基础、以迁移为导向、以解决复杂问题和培养创新能力为目标的主动的高层次学习[10]。深度学习的学习过程有教师指导并注重对知识的批判理解，学习内容是有挑战性和有机整合的，学生是全身心投入的，学习目的是促进学生的全面发展。在学习过程中，学习者的身体、情感、审美、精神和道德也得到一定程度的成长[11]。

在中国，人工智能已成为未来的重大发展战略。深度学习在学校教学中正引发变革。进入智能化时代，学习环境更加智慧化。深度学习的进行，要审视学习环境，结合学习环境的功能特征来开展，方能取得更好的效果。

2.智慧学习环境对深度学习的支持

（1）全程记录为深度学习提供反馈支持

全程记录是指以现代信息技术为支撑的智慧学习环境，该环境能够智能地记录学习过程。教育者可以对数据采集、处理、分析和评估，通过分析教与学的行为，形成评价体系。通过对当前和历史的学习行为与教学行为进行对比和分析，可动态地揭示学习者和教学者行为以及学习成果或教学效果的情况，及时并全面地反馈给学习者和教学者。深度学习需要教学者的引导，不当的教学行为对学生的学习产生消极影响，通过反馈，教师可以及时纠正不当的教学行为。另外，通过教学效果的反馈，教师可以及时调整教学策略。教学者也可以通过对学生学习行为的分析，及时纠正其不当行为，使其更加专注于课堂学习。同时，教师也可以引导学生分析自身的学习行为，使课堂的配合程度更高。

（2）无缝连接为深度学习提供资源支持

深度学习的开展需要丰富的学习资源来支撑。基于网络环境下的无缝连接功能打破了时空限制，学习者可以随时随地、无缝地接入，轻松地获得丰富的学习资源，包括数字资源、移动阅读资源、校本资源等。首先，在各种各样的学习资源中，学习者可以根据自身需要选择学习资源，在原有经验的支撑下，将新知识与原有经验进行联系，并应用新知识解决实际问题。其次，学习资源具有共享性、泛在性和开放性，学习者在知识成功获取后，还可以进一步探究和交流，借助观点与思维的碰撞，内化知识，提高在现实中解决问题的能力，并学会解决其他类似的问题，做到举一反三、触类旁通，完成知识的迁移与建构。

（3）交互参与为深度学习提供情感支持

深度学习过程中，学习者是全身心投入的，包括身体、情感、审美、精神和道德等方面的投入。离开了教师的教学和引导，学生的“层进式学习”和“沉浸式学习”都缺乏保障。[12]基于智慧学习环境的交互包括学习者与学习者、学习者与教学者、学习者与机器之间的交互。教室里面对面的讨论、移动终端（智能手机、笔记本、平板电脑等）线上交流、交互APP与平台上的交互等，使得交互学习既可以同步也可以异步展开。在这种情况下，学习环境变得温馨，对话交流更加平等。学习者可以畅所欲言地表达自己的知识、情感、经历、经验、观点和态度等，相互交流，解决疑惑，并提出解决问题的办法。在这种友好的情感交互中，学习者既可以体验到学习的快樂，也可以拉近彼此间的距离，达成精神与心灵的沟通，从而促进其社会性的发展，为学习者更深层次的学习提供了支持。[13]

（4）情境感知为深度学习提供情境支持

智慧学习环境既可以创造学习情境，也可以智能感知各种学习情境。一方面，智慧学习基于人工智能、互联网和大数据的支持，可以为学习者再现真实情境，让学习者进入“真实世界”中学习。深度学习的最终目的是解决现实中的复杂问题，学习者可以在智慧学习环境创造的学习情境中，运用知识尝试解决问题。另一方面，利用智慧学习环境全程记录学习过程的特性，收集数据，分析学习情境信息，可感知学习者的需要，为学习者的进一步学习创设更好的学习情境。在这种情况下，时空界限已被打破，学习者既可以随时随地进入到各种情境的教学中，也可以在各种学习情境中进行交互。

（5）自适应为深度学习提供个性化支持

自适应旨在借助数据挖掘与学习分析技术动态校正教与学的过程，使学习者能够更加符合个体真实需求，实现精准教与学。[14]智慧学习环境下，教师可以动态地校正教与学的过程，一方面调整教学策略、教学手段、教学工具和教学风格等，以促进学习者对知识的理解、加工、储存。另一方面，可以从学习者的兴趣信息库分析用户需求信息，推测学习者的意图，根据其偏好类型进行划分，为其定制个性化的学习服务，智能地推送符合其需要的学习资源。还可以根据反馈结果重新划分学习群体，调整学习服务供给内容。在信息化时代，海量的学习资源虽然丰富了学习者的学习体验，同时也加大了学习者选择适合资源的难度，而智慧学习环境提供的个性化学习服务则可以减少其选择资源的迷茫。

三、智慧学习环境下深度学习模型的构建

1.构建依据

（1）建构主义学习理论

建构主义学习理论认为学习者已有的经验是新知识的增长点，学习是学习者以已有的经验为基础构建知识的过程，建构主义者认为学习具有主动建构性、情境性、社会互动性、反思性和诊断性等特征[15]。深度学习一定程度上体现了这些特征，具体为：第一，建构性和情境性。深度学习强调联系与建构、迁移与应用，通过激活已有的知识经验，把新知识与已有的经验进行联系，主动建构新知识，并把知识应用到学习情境中解决问题。这与建构主义强调的主动建构性和情境性相吻合。第二，社会互动性。在深度学习的过程中，学生是全身心投入的，学习者通过交流，包括与教师和学习者之间的交流来实现互动。这与建构主义强调的社会互动性相对应。第三，反思性和诊断性。深度学习强调批判与理解，与建构主义重视反思性和诊断性在学习中的作用相符。

因此，为了实现智慧学习环境视角下学生的深度学习，首先要加强资源建设，促进资源应用和共享，同时依靠互联网和大数据，为学习者精心准备学习材料，如视频、音频、图片、文献、电子教材等，以便提出问题，引起学习者的认知冲突。其次要借助人工智能技术为学习者创设良好的学习情境，让学习者在学习情境中，激活已有的知识经验，把新知识与已有的经验进行联系，主动建构新知识，并把知识应用到学习情境中解决问题，完成对知识经验的联结和迁移运用。最后是打造智慧环境，校园网络方面，提升网络速度;教学环境方面，加强智慧校园和智慧教室的建设;信息终端方面，加快普及移动终端，满足课堂交互的要求。

（2）情境认知理论

情境认知理论认为知识来源于真实的活动和情境，学习需要在一定的情境或文化中发生才有效，教学要提供真实或仿真的情境与活动，评价必须模拟真实性任务[16]。深度学习具有情境性和交互性，一定程度上也是一种情境性学习。具体体现在以下方面：第一，深度学习可理解为基于情境的行动。情境认知理论认为个体在一定情境或活动中获得的知识，最终是应用于实际问题的解决。深度学习是以解决复杂问题为目标的，可以借助情境认知理论，在智慧学习环境中创造有意义的学习情境支撑深度学习的开展。第二，深度学习的过程具有“合法的边缘参与”特征。学习者是学习过程的“合法”参与者，而非觀察者，学习者参与到学习情境中，通过交流互动，建构知识。在深度学习过程中，学习者全身心投入，主动地建构知识体系。第三，深度学习的达成离不开“实际共同体的构建”。这种特征下的学习具有参与性和实践性。深度学习强调迁移与建构，目的是解决复杂的问题。因此，“实践共同体的构建”这一特征也为本模型的构建提供了科学依据。[17]

根据情境认知理论，为了实现智慧学习环境下学生的深度学习，首先需要借助互联网和人工智能技术创设良好的学习情境，这是学习活动开展的基础。其次，设置合理的交互环境，既满足线下交互，也满足线上交互。同时需要引导学习者参与到学习过程中，在学习情境中交互，建构知识体系。最后，让学习者在智慧学习环境创设的学习情境中，把获得的知识应用于解决问题。

2.基于智慧学习环境的深度学习模型构建

笔者以建构主义学习理论、情境认知理论以及智慧学习环境对深度学习的支撑为前提，关注学习者在智慧学习环境中深度学习的过程，同时也研究智慧学习环境在这一过程中所扮演的角色与作用。本研究从创设情境、交互参与、迁移建构和检测评价四个阶段来剖析学习者在智慧学习环境下的深度学习，提出智慧学习环境下深度学习的基本模型，如图1所示。

（1）深度学习的情境创设阶段

学习情境的创设是深度学习模型的基础。另外三个阶段的开展也基于学习情境的创设。第一，资料收集。教师利用大数据和互联网的优势，按需利用数字资源、移动阅读资源、校本资源，根据教学内容、学习目的、学习行为、学习情境以及学习者的特点等，为学生精选学习材料，目的是创设一个创新的、适宜的学习情境。另外，智慧学习空间具有海量的资源，包括学科资源、常规资源和交互资源等，教师可以通过多种形式进行搜集，包括线上搜集和线下搜集。第二，明确目标。教学开始时必须向学生明确教与学的目标，使学生积极、主动、有目的地进行接下来的学习。明确教学目标是上好一节课的关键。第三，激发动机。教学者应保护学习者的自信心，激发其好奇心和求知欲，提高其自我效能感，设置民主、平等、和谐、积极的课堂氛围。第四，提出问题。深度学习最终解决的是现实中的复杂问题，因此，所提出的问题应具有一定的难度或挑战性，与实际生活有一定联系，需要理解、交流、合作、探究和检验等才能解决，这也可为后续学习迁移的发生提供支持。至此，学习情境创设基本完成。

此阶段主要发挥智慧学习环境资源支持和情境支持的功能特征。一方面，关注优质教育资源的生产和共享，提供优质的数字资源、校本资源和阅读资源等，打造丰富的资源库，促进资源共享。另一方面，建设智慧校园和智慧教室，借助互联网和人工智能技术创设物理的和虚拟的学习环境，满足传统教授、新型讲授、互动探究和同步授课等，强化教育者和学习者在教学过程中的互动，为深度学习提供丰富的资源和创新的学习情境，方便学习者在学习情境中，通过新旧知识的联系，主动地建构新知识。

（2）深度学习的交互参与阶段

交互参与是深度学习的关键。第一，问题归类。问题提出后，教师应引导学习者对问题进行归类，并激活已有的学习经验。然后根据学习者对各类问题的感兴趣程度进行分组，以便开展接下来的学习活动。第二，交流答疑。智慧学习环境方便师生、生生和生机进行交互，小组成员既可以在智慧教室中进行面对面的交流，也可以课后在智能平板上进行交流，分享彼此的情感、经历、经验、观点和态度等，相互交流，加深理解，解决疑惑，并提出解决问题的方法。交流答疑十分重要，直接影响学生的学习效果，体现深度学习中的“深度”二字。第三，知识整合。学习者最初获得的知识是无序的，需要进一步整合加工。有机地整合新旧知识，是学习者真正习得知识的重要步骤。知识整合的方法多种多样，应引导学生使用适当的方法，达到事半功倍的效果。如：学生进行较多的知识点整理时，可以引导其使用思维导图，直观形象，也可提高记忆效果。

此阶段主要发挥智慧学习环境情感支持的功能特征。要发挥智慧学习环境对深度学习的情感支持，首先，要设置合理的课堂环境，让学习者置身于和谐、平等、自主的学习氛围，这是良好交互的基础。其次，关注泛在网络，提高宽带速度。移动终端、学习办公终端和管理终端等应配置完善，实现课堂全向交互。最后，教师适时引导交互。如：对于某一问题，应该采取面对面交互还是线上交流讨论，教师应适时进行引导。深度学习强调理解，智慧学习环境可以让学习者在学习情境中进行交互，加深对知识或概念的理解，掌握解决问题的方法。

（3）深度学习的迁移建构阶段

深度學习的迁移建构阶段是深度学习的核心阶段。在此阶段，学习者需要对上一阶段获得的知识进行深加工、迁移和构建。第一，知识保持。学习者需要对习得的知识进行深加工并储存到长时记忆，目的是方便以后提取知识或经验，解决问题。第二，知识迁移。这时学习者需要对获得的知识进行概括、概念转换，并对新知识进行迁移，主动建构认知体系。迁移有同化性迁移、顺应性迁移和重组性迁移之分。同化性迁移是指不改变原有认知经验结构，将原有的认知经验应用于解决同类事物;顺应性迁移是指原有经验无法解释新事物，需要把原有经验和新的经验进行融合，形成新的经验结构;重组性迁移是指将原有经验结构的成分或要素进行重组，构建新联系，从而解决情境问题[18]。迁移是深度学习的一种方式，深度学习需要对知识进行迁移，把知识提升为经验。第三，知识建构。对知识进行迁移后，方可构建新的知识体系。第四，知识创造。即把新知识与认知结构已有的知识经验进行联系、迁移和构建，生长出新的知识。

智慧学习环境在此阶段主要发挥情感支持和情境支持的功能特征。首先，交互参与为深度学习提供情感支持，应设置合理的交互环境，让学习者可以在问题情境中进行交互，畅所欲言，借助观点的碰撞，实现对知识深度把握的同时丰富学习者的学习体验。这里的交互包括线下面对面交互和线上交互。其次，情境感知为深度学习提供情境支持，依托人工智能技术为学习者创设良好的学习情境，让学习者可以在智慧学习情境中，应用获得的知识解决情境问题，完成对知识的迁移，同时学会触类旁通、举一反三，实现新知识的构建。其中，应用的方式包括面对面和线上的辩论、内容改写、题目设计、作品制作等。

（4）深度学习的检测评价阶段

这一阶段贯穿整个学习过程的始终。第一，知识检测。知识检测的实质是学习者提取知识，并将知识应用到问题的解决中。教师可以通过课堂提问和课堂练习等形式，及时了解学习者知识的掌握程度。当然，课后的巩固练习也是需要的。第二，教学反馈。通过了解学习者的学习效果，对学习者的知识薄弱点进行有针对性的训练，也可以通过反馈及时调整教学手段、教学工具和教学风格等，为学习者提供个性化的学习服务。第三，学生反思。教师既需要引导学习者进行反思，也需要给予一定的时间让学习者进行反思，加深理解，通过理解来掌握解决问题的方法，而不是死记硬背。第四，形成评价。深度学习评价是逐步形成的，需要对知识进行检测，结合教学反馈和学生反思而形成。另外，评价主体具有多元性，进行评价时不能局限于学生自我评价和教师评价，还应考虑同伴评价和助教评价等。而且，深度学习的评价包括过程性评价和终结性评价，评价量表的设计应考虑这两大评价。

智慧学习环境在此阶段主要发挥其反馈支持和个性化支持的功能特征。首先，应发挥智慧学习环境全程记录学习过程的功能特征，自动化和智能化地对数据进行采集、处理、分析和评估，分析课堂教与学的行为，形成评价体系，发挥评价对深度学习的反馈作用。其次，数据挖掘和学习分析技术具有预测的功能。借助数据挖掘和学习分析技术可了解学习者的兴趣信息库，分析用户需求信息，预测学习者的需要，为学习者定制个性化的学习服务。

参考文献：

[1]佚名.《2015中国智慧城市白皮书》项目成果发布会在北京师范大学举行[J].现代教育技术，2015（10）：126.

[2]祝智庭.智慧教育：引领教育信息化走向人本主义情怀[J].现代教育，2016（7）：25-27.

[3]黄荣怀，胡永斌，杨俊锋等.智慧教室的概念及特征[J].开放教育研究，2012（2）：22-27.

[4]KOPER R. Conditions for effective smart learning environments[J].Smart Learning Environments，2014（1）：1-17.

[5]陈明选，陈舒.智慧教育：论信息化环境下大学生的有效学习[J].高等教育研究，2013 （9）：65-72.

[6]黄荣怀.智慧教育的三重境界：从环境、模式到体制[J].现代远程教育研究，2014 （6）：3-11.

[7]祝智庭.智慧教育：引领教育信息化走向人本主义情怀[J].现代教育，2016（7）：25-27.

[8]GBOS B.The design of smart educational environments[J].Smart learning environments，2016（3）：1-11.

[9]郭华.深度学习及其意义[J].课程·教材·教法，2016（11）：25-32.

[10]刘哲雨，郝晓鑫，曾菲等.反思影响深度学习的实证研究——兼论人类深度学习对机器深度学习的启示[J].现代远程教育研究，2019（1）：87-95.

[11]尹宝才，王文通，王立春.深度学习研究综述[J].北京工业大学学报，2015（4）：48-59.

[12]伍红林.论指向深度学习的深度教学变革[J].教育科学研究，2019（1）：55-60.

[13]李洪修，丁玉萍.基于虚拟学习共同体的深度学习模型的构建[J].中国电化教育，2018（7）：97-103.

[14]景玉慧，沈书生.基础教育智慧学习空间建设的SWOT透视——以南京市江宁区为例[J]. 电化教育研究，2019（2）：77-86.

[15]严佳晨.社会建构主义学习理论视域下幼儿教师学习共同体的构建[J].新课程研究，2019（5）：111-113.

[16]刘亚龙.基于情境认知理论的大学英语多媒体网络教学研究[J].电化教育研究，2009（7）：113-116.

[17]张浩，吴秀娟.深度学习的内涵及认知理论基础探析[J].中国电化教育，2012（10）：7-11.

[18]何聚厚，梁瑞娜，肖鑫等.基于沉浸式虚拟现实系统的学习评价指标体系设计[J].电化教育研究，2018（3）：75-81.

（编辑：王晓明）