深度学习理论观照下职教教学转向：困境与实践路径

□王春晖 张棉好

目前，我国处于人工智能、大数据等为代表的数字技术引领的社会，数字化时代下，技术技能人员若只掌握简单的操作技能势必面临被劳动力市场抛弃的风险，只有积极拥抱综合职业素养才能抢抓新技术变革战略机遇。因此，德国文教部长联席会对职业人员提出六大“数字化社会能力”[1]：搜索、加工、处理与保存的能力；沟通交流与合作的能力；解决问题与行动的能力；分析与反思的能力；生产与展示的能力；保护与行为安全的能力。《中国职业教育2030研究报告》指出，现代职业院校培养的人才必须具备快速适应新兴技术所需要的专业技能、批判思维、创造力、团队协作沟通等综合职业能力。数字化时代的工作性质不仅提高了工人技术技能要求，而且提高了有助于个人及社会可持续发展的能力，比如高认知能力、人际关系协调、自我发展能力等。波兰尼以缄默知识为基础的做中学及学徒制为职业教育人才培养提供了教学论理论依据，行动导向教学可提高学习者的学习参与度，但当前教学实践中大多仅有操作性动作的模仿，即仅知道“如何做”的职业知识，而对“为什么”这么做即技术的本体及原理则缺乏深入思考，由于缺乏多维、多角度的可整合性方面的思考，从而产生对场景的依赖，成为机械化、情境绑定式学习。此外，在就业导向理念指导下，职业教育偏向与岗位密切相关的技能训练，而导致顶层设计、操作管理、沟通协调、创造性等复合型职业素养发展缺失，职业可迁移能力及可持续发展能力明显不足。在当前教学模式下，技术技能行为训练和知识记忆为核心的学习体系已难以应对当前及未来复杂的、不确定的技术情境，为适应21世纪人才结构转型，深度学习理论产生了，它可有效应对产业结构转型及技术发展对人才培养需求，有助于提升技术技能人才的综合职业素养。

一、深度学习的意蕴

20世纪四十至六十年代，深度学习理论渐现于控制论中，但“深度学习”这一理念最早出现则是在 1976年由 Ference Marton和 Roger Säljä提出。为培养21世纪人才所需的核心素养能力，2015年美国将深度学习定位为教育国策，从此，深度学习进入高发期。2016年，由于世界围棋冠军李世石被人工智能机器人AlphaGo击败，促使教育界学者进行反思，“既然我们已经教会机器进行深度学习，为什么还教不会学生深度学习？”[2]此后，学者开始从意涵深探、影响因素、教学策略、模型构造、教学环境、评估方式、教学实证等多方面对深度学习开展全方位研究。

深度学习究竟是什么？美国研究委员会将其定义为学生能够将某一情境学到的知识应用迁移至新情境的过程，包含认知、自我和人际三大领域，三大领域内含掌握核心学术内容、思辨思维与复杂问题解决、学会学习、发展和维持学习意愿、协同作业和有效沟通六大能力[3]。其他学者对深度学习理论的意涵界定则可总结为理解—迁移说、深度理解说、三元说、体验学习说[4]，尽管学者们从不同角度对深度学习内涵进行了相应界定，但均强调创新、问题解决能力、批判性思维、协作与交流能力等，这些能力与美国研究委员会提出的六大能力基本一致。究其本质，深度学习意涵界定需要研究教育的过程真义，在教育的过程中，人首先建构知识，继而通过知识实践适应并改造世界，进而面对未来挑战，即“知识—人—实践—未来”。深度学习之“深”必然围绕“知识—人—实践—未来”这一过程展开，这一过程在职业教育中也不例外。首先，心灵的唤醒是教育的首要精义，人作为学习主体，其状态决定教学效果，教育者首先要“深度”了解学习者个性特点，激发其深层内部动机，使之拥有持续性内驱力和自我效能感。正如教育家阿莫纳什维利所言“儿童如果加上心灵的力量，认识的所有大门都将在他面前敞开，知识将成为他改造事物和进行创造的工具。”其次，“深”入知识本质，尤其在职业教育中，单纯的职业知识或科学知识无法应对数字化变革，而需要与实际工作过程有着紧密联系的带有“经验”和“主观”性质的知识与能力，教育者需要引导学习者超越符号化知识，掌握知识与技术蕴含的来源、本质、方法、结构、价值，将被剥离的技术技能回归本体，关联特定情境，才能再对问题分析、分解，在技术的使用中走向迁移与创新，使问题得以创新性整体解决。唯有以深度理解为前提，才能内化为实践专家所具备的带有缄默性与明言性的技术知识网络体系，作为认知结构工具于整体视角处理技术、知识、经验、事物间的关系及价值意义。再次，“深”入真实的社会实践，理论与实践本就相互作用，知识沟通现实社会才能体现其意义性，尤其技术知识源于实际岗位、社会及个人情境中的问题解决，技术的缄默性决定了对实践情境的强依赖性，只有在实践中才能不断得到证实和完善。最后，“深”入未来，数字化社会的当代，技术与知识快速迭代升级，未来充满不确定性与复杂性，数字化技术技能人员需具备终身学习能力才可灵活应对。凯兴斯泰纳曾提出“教给学生最有意义的东西不是知识，而是知识获取的健全的方式和独立行动的方式。”教授学生“渔”的技能，远比“鱼”更重要。基于此，深度学习在职业教育中就是以问题为驱动力，承载职业知识、理论知识与高认知知识、社会技能等复合型职业核心素养，主动与技术知识、社会、他人互动交融的过程中内化、重塑、更新，是深入人的内驱力、深达知识本质、深通现实社会并深往未来世界的学习。

二、职业教育教学改革的实然困境

（一）教学存在效率和工具理性优先的偏向

新技术、新场景的不断迭代升级，其生成性、涌现性、复杂性决定技术实践面临更多不确定性，但人在不确定中进行技术创新是确定的，创新意味人是技术实践的主动创造者，要主动面对技术要求，重塑关联性工作情境，整体化解决问题。但与产业岗位“无缝对接”等效率和工具理性优先的教学成为当前主流，这种教学模式忽视技术本身的原理与价值，忽视人主体地位、多元化发展，在信息化与工业化迅猛融合的时代中这一劣势愈发暴露。深度学习理论重视学生主体地位，促使个体深层内部动机的激活[5-6]，探求技术本质。

（二）浅尝辄止的浅层教学普遍存在

技术是理论、经验、实践三者整合理性分析的产物，目前存在学习者对操作动作的简单模仿，而不探索“为什么”，对知识、技术的来源、本质、关系及意义价值不知所以然，处于浅层学习状态。高素质的技术技能人员需具备创造性整体解决复杂问题的能力，这一能力以对知识、技术、实践的深层理性理解为前提，在真实岗位情境中利用技术知识的批判性认知与理性实践实现问题解决。深度学习正是利用问题情境实现对知识充分广度、深度、关联度的理性实践[7]，实现深层教学。

（三）创造性整体解决复杂问题能力不足

技术源于实践中理性整合，知识与社会实践相联通才发挥其价值。因此，学习需要抵达社会内核，绝非止步于对社会问题的简单解决。高素质技术技能人才应具备在特定真实岗位、个人和社会情境中，基于技术、资源等主动综合分析、控制、优化，创造性解决复杂劣构性问题的复合型职业行动能力。当前教学问题情境的设计未涉及核心问题，学生思考处于浅层，只能解决简单实践情境中存在的良构性问题。而深度学习正是借助问题境脉作为转化综合职业素养的桥梁，融入期待学生掌握的职业知识、科学理论及高认知技能等素养，引导学生主动深入知识、技能核心，整合技术知识间交互关系，培养创新性整体解决复杂问题能力，与社会实践联通，抵未来之境。

（四）全职业生涯发展可持续性呈现断层

1972年，《学会生存——教育世界的今天和明天》报告的出现使终身教育理论得到广泛关注，也促使职业教育逐渐重视技术技能人员的终身教育发展。工业4.0时代的今天，信息化与工业化链接深化，技术的快速变革需要职业素养的持续更新，社会需要既拥有首次就业的能力，又具备较强持续就业能力的高素质技术技能人才，服务社会经济可持续发展与自身全职业生涯发展并行。而当前职业教育过于注重学生的首次就业能力，个体全职业生涯发展缺乏，“功利性”过重,极容易被高速更迭的技术和社会趋势所淘汰。“授人以鱼不如授人以渔”，深度学习是以探究为主的教育生态，学习者知其然，而且乐于知其所以然，激活主动学习意识及能力，自信应对未来挑战。

三、深层学习理论指导下的教学路径探析

根据 Jensen等学者提出的 DELC（Deeper Learning Cycle）深度学习模型[8]（见图1）和 NSSEChina[9]提出的深度学习涉及的三个关键因素：高阶学习、综合学习和反思性学习，利用深度学习理论设计适合职业教育的教学实施路线（见图2）。

图2 基于深度学习理论的职业技术教育学习活动模式

（一）情境与动机：创设多模态具身“探索性”学习工作场域

依据具身认知理论，构建多维具身情境可增强学习者临场感从而激活内部动机与沉浸感，由技术的被动使用者走向技术的主动创新者。同时，技术技能的学习涉及特定个体在真实工作情境中的实践，存在大量个体性的缄默性知识，需要身体嵌入工作场景内，教育者创设多维表征、高沉浸、高交互的多模态具身学习工作场域成为必然。

1.建构最接近企业真实工作场景的多维具身教学生态情境。作为与市场经济关系最为紧密的职业教育，学校应与行业代表性企业增强协作，站在高处看行业最新发展趋势，分析岗位典型工作任务，确定岗位能力标准，将被剥离出来的技术技能归还于特定实践情境，共同打造“最接近企业实践的职业培训模式”生态系统。

该生态系统搭建人工智能与混合现实技术，将企业实际典型工作任务重构为适合学生的“工作情境”，情境尽可能还原真实，比如任务岗位独特需求、特定社会环境支持与个人状态等。复杂岗位任务视觉仿真情景化，构建多维具身视景空间，实现多样态虚实交互，将外部信息延伸至身体及心理，激活高度参与感使得经验心理化与具身化，持续诱发学习者深层内部动机，使其从学习的旁观者转化为情境的深度参与者与创造者。

2.多维度具身情境的“更迭”。技术解决的问题方案具备多元化、创造性，典型工作情境需要容纳不同问题解决方案的生态空间，学生在其中敢于并积极提出个体见解，迸发创造性的火花。为培养学生创造性整体解决问题的能力，该工作情境能够根据任务需求，由基础技术技能情境，变换为低通路近似情境实现问题的近迁移解决，进而更换完全不同社会环境支持及个人状态构成高通路远迁移情境，学生通过变换情境支撑，在不同角度还原技术技能本体，追寻问题本真创造性整体解决方案。

3.在“探索”中“解放”内驱力，动态追踪个体行动数据。教育者创建以实践“探究”为核心的工作场域生态系统，“经历”“探索”人类获取技术知识的关键环节，了解技术知识被证实过程，产生知识获得的亲身经历感、紧迫感、价值感，解放遏制学习长久兴趣的枷锁。同时，该工作场域利用人工智能技术动态追踪学生个体行动过程数据，根据学习主体特色不断个性化创生学习资源，使学习者保持高集中注意力，全身心深度参与完整的工作行动过程。

（二）重塑与建构：创设培养创新性整体解决问题能力的学习活动

技术在实践中存在，技术知识源于实际岗位、社会及个人情境中的问题解决，问题的创新性整体解决是学生成功迁移的标志，也是职业综合素养的代表。深度学习借助问题境脉作为转化综合职业素养的桥梁，问题设计质量决定学习者综合职业素养培养水平，则在深度学习中如何设计高质量问题呢？

1.教学的割裂化转向整体性生成。PISA将问题解决能力界定为：个体在真实的、跨学科情境中运用认知过程处理和解决问题的能力[10]，意味着问题的解决需要多学科、多认知、多情境的灵活整合性。知识整合是高阶认知能力，需要基于低阶认知思维的不断晋升[11]，割裂式教学中技术知识内含交互作用弱化，完整的工作行动过程被拆解，技术知识内含交互作用弱化，解决问题的综合职业能力被拆分为关联度薄弱的单维度能力，解决问题过程中需要学生自主整合知识，存在极不稳定的风险性，尤其会将低年级学生推向依赖职业情境的绑定式学习[12]。

深度学习是整合性学习的深层表达，在该教育生态系统中，问题或问题载体（比如任务、项目等）的设计以初级产业工人到实践专家的个体全职业发展为主线，承载专业技术知识和技能实践的综合，将孤立的典型工作任务系统化，使学习者经历完整的工作行动过程，融入任务的现实意义，打破学生、学校与产业界的壁垒。整体性教学涉及多学科、多认知、多情境等的动态平衡，需要校企深度合作，融入产业实际场景，比如从本学科基础性项目、跨学科复合型项目（涉及工程、科学、数学、艺术等领域）、跨学年系统性项目及社会实际项目 （见图3），形成宽广纵深的理实一体化课程体系。根据完整工作行动过程，复杂问题的创新性整体解决涉及核心问题的确定、方案的设计、实施、优化、产品退役处理，方案行动跨工程、数学、科学、经济、文化等多领域，以及批判性思考、推理、迁移、协作交流等多种高阶认知能力。教育者建立专业内整合、跨专业整合或跨区域整合的学习团队，利用典型工作案例分析，训练学生创新性整体解决问题的能力，同时针对学生个体，建立跨学年或跨平台的学生数据追踪平台的整合。在深度学习教学环境中引导学生综合性分析工作情境，创新性整合技术及相关资源解决复杂问题，逐步从技术的被动应用转向主动技术设计，走向未来技术世界。

图3 项目的层次化、连贯性的高度整合性

2.可持续性“理想的困难”。复杂性问题解决能力的培养依仗高挑战性的问题或问题载体，一定的挑战性具有感染力与强驱动力，可触发学习者的认知冲突产生积极情绪和主动性，促使职业行动能力的编码，走向深度学习。但如果问题或问题载体的解决使认知负荷超载，此时困难成为学习阻碍，创造可持续的挑战性任务成为教学设计关键，Bjork概念化为“理想的困难”[13]。

教育者需构建一系列在知识、技术的来源、本质、方法、结构等具有统一与稳定性,以及与其他岗位领域具有关联性、层级性的高挑战性典型工作任务。初始任务需设置较少的变量、维度，避免超载的认知负荷竞争认知资源，产生畏难情绪，在学生思维中建立基础技术知识结构、思维方式，使其掌握解决规则性问题的程序、策略等及复杂问题解决的一般性规则、策略等，实现简单迁移创新；逐渐关联相关学习变量，迁移形成多变量多耦合复杂性学习项目，有层级性地打破学习者的认知平衡，暴露出认知、技能等短板，培养不规则问题创新性解决能力，同时鼓励学生在课堂上敢于提出个体见解，使其遇到难度阈值概念时，意识到困惑与不确定性正常化是问题解决的必然[14]。

（三）解构与重建：生成性技术知识网络体系

新手如何才能像实践专家一样解决问题呢？专家和新手间的区别在哪里呢？体现在问题解决与知识建构间的关联性，两者呈正向促进性（见图4）。实践专家的知识结构存储单元不像新手是碎片化的知识，而是经个体主动理性与技术实践后技术知识内化形成的结构化网络体系，不仅存在串联、并联的平面结构，更多是高关联度、多链接的网络立体结构。结构化知识体系不仅扩大了工作记忆容量，且在问题解决过程中知识提取的敏锐度增加，知识间的“碰撞”与“激活”度更高，创新的活力也就更强（见图4）。数字化技术快速更迭的时代，高素质技术技能人才解决的复杂性问题通常是动态变化中的劣构问题，与依据新旧问题情境迁移而解决的良构问题不同，劣构问题归属不同情境中的高通路迁移，知识领域涉及横纵交织的概念体系，并夹杂着交叉变化的案例，碎片化及陈旧知识结构常常是失效的，需要学习者建立更加灵活的、生成性的技术知识结构网络体系，并能根据更迭的问题情境整合与重构知识体系[15]。

图4 问题解决能力与技术知识网络结构间关系

在探究式教育生态系统下，学习者能够在解决问题过程中，利用高阶思维深度理解事实性知识、概念性知识、程序性知识、经验知识、反省认知知识[16]的来源、本质、方法、结构及相互关系、意义及价值，进而抽象概括技术知识的本质概念、核心概念以及处于更高层次的上层概念。可借助清晰可视化认知地图或概念地图等视觉表达工具外化知识间的逻辑[17]，逻辑包含概念“是什么”，更关键在“为什么”，并嵌入不同典型工作案例外显化知识经验便于理解，“化零为整”搭建广度、深度、关联度上充分联结互相耦合的网络化知识结构体系，将符号化知识、意义与经验深度链接。

技术知识网络系统化结构根据问题解决任务逻辑体系，以大概念作为主线，首先是简单的学科课时、项目内知识结构化，或串联或并联的简单逻辑关系的规则层级结构，比如单层发散型概念地图，建立简单的有效知识节点。其次是学科内知识体系化，加入技术的经验性知识，在单层发散结构上加入纵向关系结构，有效的知识节点数增加，知识间的联结关系进一步加深，形成多层发散型的概念地图；随着知识的多维密集，形成学科间知识网络化，此时概念地图中存在多个大概念中心点，每个以核心概念为中心进行发散，学生能够联结起多个大概念中心点之间的结构层次与逻辑关系，知识间的关联性进一步加强。最后，跨学科、跨学年、社会实际项目中形成多宽度、深联结的多层可扩展多耦合的技术知识网络体系，比如多层聚类型概念地图，这种认知结构逻辑层次与结构更完整，不同领域的概念间建立结构关系，具备更强的灵活性与生成性，在面对充斥着不确定发展的数字化时代，可不断整合知识体系去灵活应对。

在方法论中，技术知识网络结构系统可作为认知的结构框架掌握新知，认识世界，同时可以站在整体视野下建构与沟通知识、技术、自身、他人、世界、未来的关联与意义，进而将技术知识网络转化为综合职业素养网络，不断提升自身能力；在价值论中，其可以反向加深知识认知的深度、广度及关联度，知识提取跳跃的灵敏性增加，迁移发生的条件、时间等缩短，创新源于迁移，与整体知识特征一脉相连[18]，提高其在相似情境、近相似情境或完全不同情境下解决良构领域问题或无确定规则的劣构领域问题解决效率。

（四）批判与超越：教育工具性回归人终身化发展

工业时代的职业教育在工具理性指导下，着眼于短期就业社会需求，偏向于某一领域的狭隘单一技能操作训练，使得人的全职业生涯及个体可持续发展出现片面化，职业可迁移能力缺失，职业教育成为市场经济的附庸。《国务院关于大力发展职业教育的决定》中强调：“要明确职业教育改革发展的目标，满足人民群众终身学习需要，与市场需求和劳动就业紧密结合，建构有中国特色的现代职业教育体系。”

终身学习能力是综合性自我管理能力，是个体终身化发展的基础，是应对快速更迭的数字化时代的必备，强调以社会长期需求为导向，以人的终身发展为根基，通过主体主观意识与外部资源的不断支持发掘人的潜能，激励并促使人类有权利去获得终身发展所需要的全部知识、技能、价值与理解，能够在未来复杂性情境下有信心、有创造性地应用它们[19]。深度学习教育生态系统下，以能力导向的终身学习观念为根基，设置批判性反思问题境脉，以从初学者到操作实践专家的全职业生涯发展的职业能力潜能评价为行动导向，在评价中发掘未来发展潜能，让学生真切感受到“最近发展区”的动力，保持长期内驱力，使其具备面对快速更迭的岗位情境持续更新技术知识体系的意愿。

在批判性反思境脉中使问题解决思维可视化，直观解释方案“手段—目的”间交互作用，强调对复杂问题整体性创造性解决“为什么”和“如何做”的高水平评价性反思，比如创造性、功能性、经济性、可行性、环保性等。不同情境下批判性反思可以深度整合知识、技术及其关系[20]，对内部关联迁移和外部拓展迁移产生积极影响[21]，因此，引导学习者对特定工作情境下技术知识、技术技能的认知与操作层次进行不同角度察觉、分析、评估与调整[21]，改善认知情绪[22]与自我效能感[23]。在此境脉中锻炼学生正确认识自身个性特征，为达到学习目标而主动设定行为目标、制定合理学习规划、采取策略监控、评价、调节自己学习过程，逐层提升自我调节能力，不仅在学校学会学习，还要学会在以后职业生涯中基于工作过程培养终身学习能力，为可迁移职业能力作铺垫。德国各州文教部长联席会中将分析与反思的能力作为应对“数字化社会的能力”[1]之一，Caena也证实其为应对不确定性、复杂性和变化的关键技能[24]。

麦肯锡全球研究院对2030年产业工人技能转型预测“对高认知技能、技术技能、社会和情感沟通技能的总需求将新增2 360亿工时”[25]，技术技能从业者面临规模空前的技能转型与职业变更，拘泥于社会经济决定论的职业教育只能培养职业知识的单维度技术工人，未来发展根植于高认知、技术技能及统筹协作等综合职业素养，增强职业教育的适应性成为时代所需。教学作为人才培养的最直接接口，教学质量的高低对人才培养规格有着决定性影响，深度学习的提出与知识经济人才核心素养培养一脉相连，在探究式教学生态系统下，为我国高素质技术技能人才培养注入新的活力，促使技术、人、自然、社会与未来走向更高程度的生态化转型。