深度学习的教育学研究：缘起、内涵与展望

许锋华,余 乐

(华中师范大学 教育学院，湖北 武汉 430079)

为了解决数据特征的深层提取问题，使学习复杂函数成为可能，深度学习在计算机研究领域中应运而生，从20世纪中后期Hubel-Wiesel、Neocognitron、TDNN、LeNet-5等蕴含深度学习算法理念的模型被相继提出，到近些年开发的AlexNet、GoogLeNet、ResNet等深度学习模型被运用于语音识别、人脸识别、机器翻译、视频分类以及医学诊断等多个学科领域。不难发现，深度学习始终处于持续发展的过程之中，它的影响范围日益扩大，其中，教育学领域即是体现。深度学习引起了教育研究者们的广泛关注，他们从理论和实践层面多维探索深度学习，同时，不少学者对研究也进行了批判性反思。有的学者认为从人工智能研究的角度而言，教育学领域中的“深度学习”是一种对计算机领域深度学习的“借名”和“误用”，存在盲目求新和功利主义等弊病[1]；另一种观点立足于教育学研究的立场，认为深度学习将人降格为“人像机器一样思考”的悲途，严重违背了人类深度学习的本质，强调研究必须突破机器深度学习的固化逻辑，回归育人本质来充分关注“人”的学习，认为人的深度学习具有独特内涵[2]。回溯“深度学习”概念的提出，可以发现：深度学习概念引入我国教育学领域最早是在2005年，教育技术学专家黎加厚教授基于认知心理学理论率先介绍了深度学习[3]。对计算机领域的“深度学习”而言，它虽然直到2006年才被加拿大多伦多大学教授杰弗里·辛顿(Geoffrey Hinton)首次提出[4]，但是，深度学习的思想与理念早已蕴藏于20世纪80年代后多种人工神经网络模型的发展之中。深度学习模型是对人脑学习方式的模拟，它们通过逐层变换、深度挖掘等方式完成数据特征的提取和预测，在一定程度上对教育学研究产生了重要影响，引发了教育者进一步思考如何推动学生在认知、情感、价值观、技能等方面实现纵深发展、螺旋上升以及有效迁移。看似在概念提出的时间节点上，教育学领域早于计算机领域一年，但这恰恰进一步佐证了深度学习的教育学研究既受计算机领域研究的影响，也受认知心理学研究的影响。实际上，深度学习的不同学科研究是属于不同的范式，都在各自领域具有重要的研究价值，它们之间并非相互排斥、相互脱离，而是能够相互影响和相互启发。所以，深度学习的教育学研究亟须在批判性反思已有研究的同时进一步厘清研究的缘起、内涵以及明晰未来发展方向，从而真正彰显教育学领域中深度学习研究的现实价值与意义。

一、深度学习的教育学研究缘起

深度学习的教育学研究是在多领域研究基础之上发展而来的结果，具有深厚的学理支撑。它不仅缘于计算机领域中机器学习的研究，而且在一定程度上受到了认知心理学研究的影响，此外，更是直接源于对学生实际学习过程中诸多学习问题的深刻反思。

(一)源于计算机领域机器学习研究的突破

作为人工智能的核心，机器学习是研究计算机如何模拟或实现人类学习行为的科学，纵观机器学习的发展，它主要经历了由浅层学习(shallow learning)到深度学习(deep learning)的飞跃。1943年，莫克罗(McCulloch)和彼特(Pitts)提出MP模型[5]，这是神经元的首个数学模型。基于此，1958年，罗森布拉特(Rosenblatt)增加了学习机制，进一步提出了神经网络单层感知器模型[6]，首次将神经网络的研究付诸实践，但该模型难以处理线性不可分问题。直到1986年，一个新的学习程序“反向传播算法(back propagation)”[7]通过反复调整人工神经网络中连接的权值，使神经网络的实际输出向量与期望输出向量之间的差值实现最小化，并促进了任务域的重要特征不断显现。此后，在20世纪90年代，多种只带有一层隐层节点或没有隐层节点的浅层机器学习模型相继产生，比如支撑向量机、最大熵方法等，它们被成功应用于网页搜索排序、垃圾邮件过滤系统等多个领域[8]。

随着技术的不断发展，依赖于人工经验抽取样本特征，难以有效处理海量数据和分析复杂任务的浅层学习模型算法对训练具有多隐层单元的深度结构并不适用。由于研究发现人脑可以在没有监督的状态下主动完成学习任务，而传统的浅层神经网络无法实现这一点，于是，研究者将视角转向对深层神经网络的探索。基于此，Neocognitron模型[9]、卷积神经网络(convolutional neural networks，CNN)[10]以及LeNet-5等算法模型相继诞生，它们都内在蕴含了深度学习的理念，奠定了深度学习的基础。直至2006年，“深度学习(deep learning)”才在加拿大多伦多大学教授杰弗里·辛顿与其学生合作的论文中被首次提出[4]，由此，机器学习真正从理论意义上实现了由浅层学习到深度学习的飞跃。作为一个在非监督数据上建立多层神经网络的方法，深度学习能够从海量未标记和非结构化的数据中创建准确预测模型的深度神经网络，不仅突破了单层的隐层节点，而且有效提高了特征学习的能力。随着研究的持续推进，AlexNet与Google的GoogLeNet、微软的ResNet等模型不断被提出，模型中网络层数的持续增加使深度学习的能力不断增强。于是，这种高级的机器学习算法被广泛运用于多个领域，如我们所熟知的语音识别、人脸识别、机器翻译、视频分类，等等[11]。计算机领域的深度学习作为机器学习的一个分支，是对人脑层次化认知、问题分析等信息处理机制的模拟，它与教育学领域的深度学习有着深层渊源。然而，计算机领域的深度学习是一种算法，教育学研究中的深度学习是指人的学习，二者又具有本质区别。一方面，机器算法只能对既定的数据进行特征提取与预测，而人的学习除了认知上的信息加工，还包含情感、价值观等多维度的发展，比机器算法更加丰富和复杂；另一方面，相较于人的学习存在记忆上的遗忘，计算机在运算能力强和储存持久上则具有突出优势，它除了能在教育教学过程中发挥技术支持的作用，还能激发教育者反观人的学习机理，关注学生如何真正实现学习的纵深发展、迁移以及学会解决问题。

(二)源于认知心理学理论的不断深化

认知心理学领域的相关理论研究也是深度学习教育学研究的重要缘起，早在20世纪初期，格式塔心理学家就提出学习是知觉的重新组织，人的认知过程就是在头脑中构造一种“格式塔(Gestalt)”，强调顿悟，并关注知觉与认知(解决问题)的过程[12]。后来，皮亚杰的认知发展阶段理论、布鲁纳的认知表征理论、奥苏伯尔的有意义学习和加涅的信息加工理论等相继涌现，促进了认知心理学不断向前发展。从这些理论可知，认知发展是一个需要学习者主动参与、加工建构知识内容、解决问题和训练思维的过程，早期的认知心理学家虽然没有直接提出“深度学习”的概念，但其内容都反映了深度学习的主要内涵，为教育学研究领域的“深度学习”提供了内在的学理支撑。

谈及“深度学习”这一概念，它最早是由瑞典哥特堡大学的费伦斯·马顿(Marton)和罗杰·萨尔乔(Säljö)提出。1976年，他们研究了40名刚入学的大一女学生的阅读过程，结果表明学生主要使用“深(deep)”或“浅层(surface)”策略，她们所采用的处理水平和所达到的理解水平之间存在必要联系[13]。后来，澳大利亚的教育心理学家比格斯(Biggs)与柯利斯(Collis)在1982年提出SOLO分类法，认为“人在学习新知识过程中表现出来的思维阶段是可以观察到的，因此称为‘可观察的学习成果结构’”[14]，强调学习过程是一个由量变到质变的过程。1995年，赫尔(Hale)等人为了探索人类解释的内容和结构，深入分析了研究对象在学习虚拟系统时所产生的解释，提出了一种“高层次理解(high-level understanding)”的概念[15]，他所说的高层次理解即是高阶思维。此外，除了对认知发展中思维的关注，学者们还从迁移、创造力等方面展开了研究。例如，威廉和弗洛拉·休利特基金会(William and Flora Hewlett Foundation)实施的深度学习研究将深度学习界定为问题解决能力(problem solving)、合作(collaboration)、有效沟通(effective communication)等6个维度[16]。而美国国家研究理事会的研究报告则将深度学习视为不同情境下的知识迁移与运用[17]。后来，迈克尔·富兰(Michael Fullan)又认为深度学习的目标是使学生形成创造力和问题解决等能力[18]。实际上，认知心理学的持续发展深刻影响了我国深度学习的教育学研究，在方法论上给予研究以启发。学者们基于认知理论探析深度学习[19]，不仅将研究聚焦于学生认知发展的内在逻辑，更加关注学习者如何通过恰当使用认知策略、元认知策略实现信息加工和深层建构学习内容，而且逐渐重视创设学习情境来帮助学习者体验学习、深化认知。

(三)源于对学习者浅层学习弊端的反思

教育学研究领域中的深度学习除了缘于计算机领域机器学习的进步以及认知心理学理论的深化，更是直接源于对教育过程中学生浅层学习(surface learning)的深刻反思。所谓浅层学习，是指以外力驱动为基础，学习者通过简单提取、机械记忆和重复训练等方法习得学习内容的一种学习形式。浅层学习主要体现在以下几个方面：一是学习目标形式化，教师僵硬地将目标与内容相衔接，导致学习者停留于布鲁姆教育目标分类学—认知领域中的“识记”与“理解”层面，而思维、态度、价值观、情感、精神等深层次目标却难以实现；二是学习内容包装化，教师引导学生学习知识的方式没有变化，知识仍然以彼此独立、互不相干的面孔呈现在学生面前[20]，导致学生难以有效关联新旧知识和实现对学习内容的深层建构；三是学习过程程式化，教师迷失在“翻转课堂”“STEAM教育”“自主学习”等概念的丛林中，因机械套用教学模式、学习方式或学习策略而导致学生学习过程逐渐沦为“理论表演”和“走流程”；四是学习结果低阶化，学习者的成就感、满足感被消解，取而代之的是学习的疲惫感、乏味感和厌倦感，学习者只是被动听课，其身心并未真正参与到学习之中，导致自身始终游离于学习的边缘。

正是认识到浅层学习的弊端所在，加上时代对人才培养的要求愈加严格，所以，及时调整教育思维是顺应客观环境发展的应然之义，即应超越浅层学习，引导学习者迈向“深度学习”。它除了在认知上对应的是“应用、分析、综合、评价”这四个更高层次，更强调学习者情感、价值观、精神等方面的整体投入和发展。随着深度学习的教育学研究持续开展，学者们逐渐认识到深度学习不仅是学生作为主体的主动学习过程[21]，而且应该成为一种全身心投入、令人身心愉悦充实的学习状态[22-23]，基于此，学习者才能有效建构学习内容、发展思维以及灵活运用所学解决实际问题。值得注意的是，强调深度学习，并不是决然摒弃浅层学习，浅层学习作为人类最自然的一种学习形式或学习策略，它所具有的基础作用不容忽视。

二、教育学研究领域中的深度学习内涵

2005年，黎加厚教授将深度学习的概念引入我国，开启了国内教育领域对深度学习的研究，至今，它仍是教育学研究的热词。不同于计算机领域的深度学习是为了通过创新模型和增强算法来提取更好的特征，以及认知心理学中的深度学习仅局限于颈部以上的“认知”，教育学研究领域的深度学习则是为了解决“人”的学习问题，始终着眼于学生的全面发展。基于此，学者们从理论、实践等不同视角解读深度学习，其内涵得到了不断丰富和拓展。从整体上看，深度学习是一种源于个体学习内驱力，以促进学习者深层理解和知识迁移为目的，以高阶思维、复杂问题解决以及学会学习等能力培养为内容的学习方式。

(一)指向理解迁移，深层建构知识意义

理解是指对事物本质或实质的把握，深度学习是指向理解的学习。黎加厚教授指出“深度学习的基础是理解”[3]，因为死记硬背知识内容只是一种机械记忆，由于尚未达到理解，学习者便难以习得这些学习内容，只有真正用脑思考、分析、探究所学，理解才能实现，知识才能真正归属于学习者。他的界定蕴含两个潜在信息：理解的条件和方法。

一般而言，学习者面对的新内容都具有一定的难度，但是，有的学生却能快速掌握，主要原因是他们所具备的“学习经验、原有的知识结构和认知水平”[24]，在一定程度上为理解提供了重要的前提条件。所以，理解不是凭空而降，而是需要学习者有效贯通新旧知识和经验，不断建构知识的意义。对不具备充足理解条件的学习者，他们则需要积极寻求适合自己的理解方法。正如郭华教授所言，“深度学习就是要引导学生要透过符号去感受理解符号背后的内容与意义，甚至要体会‘未书出’的无字无句之中去体会内容与意义，去理解知识最初发现时人们面临的问题、解决问题的思路，采用的思维方式、思考过程，理解知识发现者可能有的情感，判断评价知识的价值”[25]。因此，走进“符号”背后的方法就是一种迁移，即指将在一个情景中学到的知识迁移到新的情景中。它不仅要求学生掌握所学的知识，更要求学生将所学的知识融会贯通、举一反三[26]，从而逐步突破表层的符号识记，在与符号的交互中实现知识意义的深度体认。简而言之，将深度学习视为一种指向理解迁移的学习方式是基于认知参与程度和学习发生场域来分析深度学习，这在一定程度上有利于拉近学习者与知识内容、情境的距离。

(二)主体能动参与，逐步迈向学会学习

“深度学习是一种有意义的学习，且是一种主动学习”[27]。这一观点既肯定了学生是深度学习的主体，也指明了学生不是迫于外在压力的被动学习，而是需要主动参与，学习的发生源于个体学习内驱力，即内部动机。因为在深度学习的过程中，除了教师的适时引导，学习的发生与推进基本上是由学习者自身来持续监控的。具体而言，建构学习内容、迁移知识、解决问题等环节的实施主体都是学生，他们不仅需要将已有经验及时转化为新的经验，而且需要有效地计划、监控和调节自己的学习过程，以及时适应某些变化或困难。所以，学生如果不能主动学习、能动参与，那么，深度学习就不会实现，便又回归到浅层学习的原点。

同样，钟启泉教授在谈及对深度学习的理解时，也提到深度学习是学习者能动地参与教学的总称，他将学习者能够控制自身的学习视为一种主体性学习，认为主体性学习尤其强调教学初始阶段的“课题设定”与“预设”，以及教学终结阶段的“反思”[28]。然而，深度学习并非指对学习过程所进行的一种简单的结果性描述，作为一种自主能动的学习，深度学习不是终点，其最高目标旨在让学生在学习过程中真正地学会学习。所谓学会学习，它是中国学生发展核心素养中的六大素养之一，“是学生在学习意识形成、学习方式方法选择、学习进程评估调控等方面的综合表现”[29]。具体而言，它主要包括两个层面的释义，一是指学习者的一种学习态度或学习意识，他们懂得自己需要在每个阶段“学什么”；二是指学习者的一种学习能力，知道自己应该“如何学”。此外，在时间维度上，学会学习与终身学习概念相联系，除了接受正规的学校教育，学习者还需要参与在职培训、社会讲座等各种连续不断的教育；在空间维度上，学习者的学习不再受学习场所的限制，家庭、学校、社区、社会等都成为学习的场所[30]。不难发现，学会学习在时空上所显现的延展性与深度学习的意旨相契合，因此，只有推动学生逐步迈向“学会学习”，深度学习才能实现自身价值最大化。

(三)发展高阶思维，着眼培养关键能力

在怀特海看来，“教育的全部目的就是使人具有活跃的思维”[31]，其意义远远超越了简单的知识传授，将学习者的认知视角提升至更高的水平。那么，何谓思维？实质上，它是人类所具有的高级认识活动，是人脑对客观事物进行逻辑推理和间接反映的过程。在深度学习过程中，动态的知识建构是学生高阶思维的催化剂，学生思维的发展已逐渐成为衡量学习是否真正发生的重要指标。所以，深度学习是一个涉及培养高阶思维的学习过程，它不是简单的事实积累，而是需要学习者批判性反思已知事物。如果说思维是人类所特有的高级认知活动，那么，高阶思维则是思维发展的更高水平，它包括布鲁姆教育目标分类学中认知领域的“分析、综合、评价”，以及后来修订版中的“创造”，高阶思维能力集中体现了知识经济时代对人才培养的新要求。

“拥有高阶思维和学会运用这种思维便能达到深度学习层次，它是深度学习的固有特征”[32]，高阶思维能力的培养是一个生成的过程，对学习者提出了较高的要求，他们需要摆脱机械获取知识表层意义的固化思维，学会运用元认知、反思等策略积极适应、调节、转化和更新学习内容，实现由知识“量”的简单相加转向学习“质”的有力提升，做到真正的内化所学。由此可见，聚焦于学习者高阶思维能力的培养是站在思维发展过程的角度来认识深度学习，对于规避教育教学中过于强调学习结果而忽视学生学习过程的行为具有重要意义。

(四)复杂情境驱动，聚焦问题发现与解决

关注复杂情境和复杂问题是深度学习区别于浅层学习的重要特征之一，它表明学习不再是学习者在课堂中简单地听、记、背、写，而是需要形成问题意识，这既指学习者的问题解决意识，也包括他们的问题发现与问题提出意识。就前者而言，有学者认为深度学习是面向问题解决的学习，强调学习者应形成复杂问题解决的相关能力[33]，主张“在问题解决学习中，理论与实践构成的是平等共生关系，学生学习新知识的过程同时是运用知识解决问题的过程，反之，学生运用知识解决问题的过程同时又是学习新知识的过程”[34]。不难发现，复杂问题解决并非简单地指学习者在深度学习过程中处理某些预设问题，它更强调学习主体积极发现问题和提出问题。因为高质量的学习结果与深度学习方法相关，学习者除了会面临认知上的困惑，还会遇到价值观、情感以及生活实践上的诸多困难，需要他们灵活地应对，所以，深度学习面向的是复杂的现实情境，学习并不局限于学校或课堂之内，学习者只有从多维度来把握知识内容，形成问题意识，加强“学用合一”“知行结合”，才能自如应对问题，进而实现深度学习。

同时，看待复杂情境驱动下的深度学习，还存在另外一种认识立场，即“时间维度”，认为深度学习既是让学生了解过去的历史，也是帮助学生立足当下，更是为了他们积极面向未来。因为学习者所需要解决的复杂问题不仅仅是当下存在的学习困难，他们通过深度学习所形成的问题提出和发现意识将有助于其今后的发展，所以，学习者必须认识到深度学习强调的复杂问题解决能力实际上是一种持续发展的能力。

(五)激活整体投入，强化全身心全方位体验

长期以来，深度学习的教育学研究热度不减，随着研究的不断深入，学者们逐渐认识到若将深度学习等同于简单的信息加工，便直接承认了深度学习的唯一结果是实现学生的认知发展或智育发展，与当前一直强调的“学生全面发展”“全人发展”“五育并举”“五育融合”等思想相违背，学生的“发展面”便会由此受限、逐渐窄化。为了突破研究价值取向的单向度，真正着眼于学生的健康成长与发展，教育学领域中的深度学习研究逐渐由单一走向全视角。

一是表现为视角的横向延伸。因为“人的深度学习是一种整体的学习状态，是学习者全身心投入的过程，而绝不仅仅是学习者大脑内部信息加工的过程”[35]，它同时需要学习者的情感、价值观、意志、态度、兴趣等方面的积极参与，所以，深度学习是学生全方位体验学习，它所指向的是学生整体和全面的发展。二则是体现在视角的纵向发展——深度学习也是一种社会性学习。学习者具有个体和社会的双重性，即他们不仅是学习的主体、学习过程和活动的参与者，而且是社会的主体、社会生活中的公民，深度学习的过程往往存在社会性交互。正如马克思所言，“人的本质并不是单个人所固有的抽象物，在其现实性上，它是一切社会关系的总和”[36]。因此，学生的全面发展绝不是局限于学识的增长，他们还需要掌握必备的人际交往能力、沟通能力、团队合作意识等，他们最终需要由学校走向社会。

(六)立足双向建构，深度融通教与学

在教育学领域中研究深度学习固然需要聚焦于学生的学，但深度学习并非主张学生独自盲目地主动学习、探究学习，而是需要充分考虑教师“教”的必要性，即学生的深度学习过程需要教师的适时指导和帮助。教师作为一种“对话性他者”的存在，不仅能够诱发和促进学生的自我内对话，及时走在学生发展的前面，补充性地代理学生的“内部语言”或“内部声音”，而且能对学习者起到监管作用，更能有效地将课堂文化与学校外部的社会文化相关联[37]。所以，“教”与“学”密不可分，“离开了教无所谓学，离开了学也无所谓教，教与学一致性是教与学的相融属性。学生真正意义上的深度学习需要建立在教师深度教导、引导的基础之上”[38]。如果将深度学习视为目标，那么，深度教学则是实现该目标的重要路径和手段，深度教学的效果直接影响学生深度学习的结果，同时，深度学习又能在一定程度上给予深度教学以反馈，二者相辅相成、相互促进。

随着深度学习的教育学研究不断深入，深度学习与深度教学之间的关系更加密切，使研究的视角不再局限于深度学习的单向发展，而是聚焦于二者的双向建构。这主要是因为教师的“教”与学生的“学”是一个交互对话的过程，教师与学生的思维、价值观、情感等都会在此过程中产生碰撞或交融，共同创生着价值以及不断丰富彼此的发展意义。因此，深度学习除了有助于促进学生逐步迈向学会学习，同样，它也能强化教师的终身学习意识和提高教师的专业素养，使教师逐渐“学会教学”，更加明确“教”的深度、广度、难度以及“教”与“学”的契合度。

三、深度学习教育学研究的未来展望：挑战与方向

教育学领域中的深度学习缘于计算机以及认知心理学领域的研究，是在前人研究基础上的向前发展，具有深刻内涵。深度学习的教育学研究不是对概念的机械模仿和误用，而是始终立足于育人本质，对促进学习者深度建构学习意义、形成高阶思维等关键能力以及逐步迈向学会学习具有重要价值。然而，深度学习的教育学研究使命尚未完成，它必须深深扎根于教育学领域之中，既需要在总结经验的过程中明确现实存在的种种挑战，也需要牢牢把握机遇，找准未来的研究方向，促进深度学习真实发生。

(一)深度学习教育学研究的现实挑战

深度学习的教育学研究聚焦于深入探讨“人如何学习”的问题，在理论和实践的设计上取得了较为丰硕的成果，但落实情况不尽人意，与预期存在较大出入。通过总结并分析现有资料，发现深度学习研究实际上面临多重挑战，加上研究过程缺乏及时反思，所以最终导致深度学习在教育中的推行与实施均受到较大阻力。

首先，对深度学习的理解存在模糊性。当前教育学研究领域对深度学习的理解尚未达成共识，深度学习被视为一种学习方式、学习活动、学习过程或学习状态等等，导致深度学习的内涵诠释始终处于一种“游离”和“模糊”状态。由此，外界将教育学领域的深度学习视为一种对概念的误用和借名，认为机器学习与人的学习不可同日而语，将计算机领域的深度学习直接“嫁接”到教育领域是盲目求新，存在功利主义的嫌疑。同时，深度学习内涵的模糊不定，也导致一线教育教学工作者难以清晰地理解深度学习，进而在具体落实上困难重重。

其次，深度学习的实施具有复杂性。深度学习面向的对象是所有学生，作为学习的主体，学生具有复杂性，它主要表现为学生个体之间的差异性，即学生在学习经验、认知水平、学习投入度等多方面都存在不同，导致他们深度学习的完成度不一。同时，深度学习实施的复杂性还体现为教学设计的复杂性，其原因在于教学设计需要以学生的实际学情为基础，如何尽可能地照顾到全体学生的差异化特点是教师在设计中需要考虑的关键问题。所以，教师面临诸多设计上的困惑，进而影响具体实施。此外，后疫情时代下，线下教学与线上教学相结合的形式在一定程度上也增加了深度学习实施的复杂性，学习情境的反复切换难免会造成部分学生的适应困难，影响其学习进展。

再次，深度学习的结果具有不可解释性。达到何种程度才叫“深度”？由于没有相对清晰明确的关于深度学习的指标体系，一线教育教学工作者便缺少了必要的、显性的参照标准，学生个体身上所包含的很多隐性内容——诸如深度学习所强调的批判性思维、知识迁移、高阶思维等无法阐明。所以，这种不可解释性容易导致“教与学”的效果不佳，教师和学生双方都难以获得有效反馈。

最后，深度学习的可持续性存在不确定性。所谓深度学习的可持续性，主要指向时间维度，既包括学生实现深度学习的时长，也涉及实现深度学习后学习者能否维持深度学习的稳定状态。就前者而言，学生个体差异的客观存在，决定了他们实现深度学习的历时长短不一，有的学生可能通过合理建构，在较短的时间内便可以理解所学、活化所学，而有的学习者则需要较长的时间，甚至有的始终实现不了深度学习。就后者而言，由于深度学习不是终点，学生能否在实现深度学习后维持学习状态？能否学会学习？也便成了深度学习的教育学研究需要持续思考的现实问题。

(二)深度学习教育学研究的发展方向

顺应时代大环境的不断变革，教育领域也在自我更新与完善，其中，深度学习的研究需要及时回应客观存在的种种挑战，重新思考研究的发展方向。

第一，坚持育人为本，着力解决学生的学习问题。一方面，深度学习应突破口号式的呼吁，真正以学生为中心，以整体的视角来看待学生及其学习过程，着眼于学生的全面发展，即除了关注学生在学习过程中认知水平的不断提高，也不可忽视他们的情感、思想、价值观、态度、行为实践等多方面的发展，应及时处理影响学生发展的学习障碍。另一方面，深度学习虽然鼓励学生主动学习、自主建构，但学习过程并不是学生个人的“独奏”，其中，教师的指导作用必不可少，学生主体性的发挥以及学习问题的解决往往需要正确的引导，有了教师的“教”，学生才能学会如何“学”，进而逐步迈向深度学习。

第二，依据学习本质，明晰深度学习的内在机理。学习的本质是学习者“积极主动地进行知识意义的建构过程”，是学习者与外部环境“积极地相互作用的过程”[39]。从建构主义的观点来看，学习的本质就是对话，它既包括师生、生生等主体间的对话，也涉及教师与教材、学生与环境等主客体间的交互。所以，具体到深度学习，其本质也不再是简单的个体行为，而是一种分布式行为，学习者只有改变“个体户”式学习状态，建立学习共同体，通过与他者的交流、争议，达成对问题的共同理解，才能建立更完整的表征和新的、更深层的理解[40]。这与ICAP学习方式分类学的预测一致，即学习在I>C>A>P方向上下降，交互性学习行为比单独进行的建构性学习行为更有利于学习[41]。因此，无论自学和个人发现多么宝贵，深度学习都需要通过与他者的交互才能完成。

第三，挖掘多学科优势，充实深度学习的教育学研究。虽然计算机领域的深度学习是一种机器学习、算法思维，以及认知心理学所强调的深度学习是一种局限于颈部以上的头脑认知，但是，它们都具有一定的研究优势和亮点。例如，计算机领域中的深度学习通过创新模型实现对非结构数据的逐层表征，与教育领域中学习者面对结构不良问题的处理方式有异曲同工之处。再如认知心理学在研究深度学习时由简单的信息加工走向深层建构，也能给予教育领域研究深度学习以启发，即除了认知上的建构，学习者技能、情感、价值观等层面同样需要持续建构。此外，如今人工智能、脑科学以及学习科学等领域正在快速发展，各种技术、理论、思想与教育的联系日益紧密，在进行深度学习的教育学研究时，也需要牢牢把握来自不同学科的新成就对教育的影响。因此，教育学研究领域中的深度学习既不是对概念的借名和误用，也不是一味盲目地与其他学科相区别，而是在吸收多学科优势的同时不断发展自身特色。

第四，建立评价标准，增强深度学习的可达性。随着深度学习的教育学研究不断推进，尝试建立教育领域中深度学习的评价标准则显得尤为必要，其目的不是为了形成分数式的量化结果来评价学生，而是旨在使深度学习的内涵相对具体化和细化。之所以强调“相对”，主要是考虑了学生的个体差异，每个学生达到深度学习的程度、时间等都存在不同，所以，需要通过创设标准的“留白”给予学习者合理的发展空间，从而真正增强深度学习的可达性、可操作性和可解释性。就整体而言，其意义主要表现在：使教育教学工作者在教学过程中有规律可依，更加明确“教什么”和“如何教”，而且作为学的一方，学习者也能真正明白何为“深度学习”“学什么”和“如何学”，使深度学习更有方向可循。因此，教育研究者与一线教师应通力合作，将理论与实践相统一，建构出双向的深度学习评价标准。