李嘉雯 李玉斌 袁子涵

摘? 要： 隨著教育信息化的發(fā)展，深度學(xué)習(xí)逐漸成為教育領(lǐng)域的熱點話題。本文采用文獻計量學(xué)分析和共現(xiàn)分析方法，運用Cite Space圖譜分析軟件和Excel軟件對2009年至2018年間Web of science核心合集SSCI數(shù)據(jù)庫中的深度學(xué)習(xí)相關(guān)文獻進行分析處理，總結(jié)了深度學(xué)習(xí)領(lǐng)域的基本現(xiàn)狀以及重要主題和進展，并對國內(nèi)深度學(xué)習(xí)研究提出幾點啟示和建議，以期為深度學(xué)習(xí)的進一步研究提供有益的借鑒和參考。

關(guān)鍵詞： 深度學(xué)習(xí);研究進展;關(guān)鍵詞共現(xiàn)分析;引文分析;知識圖譜

【Abstract】： With the development of educational informationization， deep learning has gradually become a hot topic in the field of education. This paper uses the method of bibliometrics analysis and keyword co-occurrence analysis， using cite space map analysis software and Excel software to analyze and deal with the literature of deep learning in the database of the core collection Ssci of web of Science from 2009 to 2018， summarizes the basic status quo and important themes and progress in the field of deep learning， and puts forward some enlightenment and suggestions on the study of deep learning in China， in order to provide useful reference and reference for the further study of deep learning.

【Key words】： Deep learning; Research progress; Keyword co-occurrence analysis; Citation analysis; Knowledge graph

0? 引言

21世紀以來，伴隨著信息技術(shù)、教育信息化和大數(shù)據(jù)的發(fā)展[1]，深度學(xué)習(xí)開始盛行并逐漸成為教育領(lǐng)域內(nèi)一種重要的學(xué)習(xí)理念。深度學(xué)習(xí)這一概念最早源于國外，是美國學(xué)者Ference Marton和Roger Saljo首次公開提出的，他們認為深度學(xué)習(xí)是一種學(xué)習(xí)過程[2]。2017年《地平線報告（高教版）》指出深化學(xué)習(xí)方法是高等教育領(lǐng)域的六大關(guān)鍵趨勢之一[3]。人們也愈發(fā)關(guān)注如何達到深度學(xué)習(xí)或如何提升深度學(xué)習(xí)效果的問題。

相較國內(nèi)，國外對于深度學(xué)習(xí)的實施效果研究已取得一定的成果，一些學(xué)者認為采用新型學(xué)習(xí)方式能夠達到深度學(xué)習(xí)效果[4-5]，Balasooriya等人在探究一種新的綜合醫(yī)學(xué)教育設(shè)計對學(xué)生學(xué)習(xí)方法的影響時證實了這一觀點，同時他們還發(fā)現(xiàn)了使學(xué)生轉(zhuǎn)向深度學(xué)習(xí)可能是一項復(fù)雜的任務(wù)[6]。國外的學(xué)者在深度學(xué)習(xí)的研究上有了豐碩的成果，但國內(nèi)的研究結(jié)果還不夠豐富，因此，亟需我們從多維視角分析國外近十年深度學(xué)習(xí)研究的進展，為我國深度學(xué)習(xí)領(lǐng)域的發(fā)展提供新的思路[7]。

為了掌握深度學(xué)習(xí)的研究進展，本研究采用Cite Space知識圖譜對2009年至2018年間Web of Science核心合集SSCI數(shù)據(jù)庫中有關(guān)深度學(xué)習(xí)的205篇文獻進行可視化處理，從時間和空間兩個維度對基本情況進行概述，并對關(guān)鍵詞進行共現(xiàn)分析，梳理重要主題及進展，以期為深度學(xué)習(xí)研究提供參考和借鑒。

1? 研究設(shè)計

1.1? 數(shù)據(jù)來源

深度學(xué)習(xí)這一概念在計算機領(lǐng)域和教育領(lǐng)域都有涉及，計算機領(lǐng)域的深度學(xué)習(xí)研究是有關(guān)神經(jīng)網(wǎng)絡(luò)[8-9]和機器學(xué)習(xí)研究中的一個新領(lǐng)域[10]，是人工智能技術(shù)迅猛發(fā)展的體現(xiàn)[11]。而本文只探究教育領(lǐng)域下的深度學(xué)習(xí)進展。本研究以Web of Science數(shù)據(jù)庫核心數(shù)據(jù)合集中SSCI（Social Sciences Citation Index）數(shù)據(jù)庫作為數(shù)據(jù)納入的來源，以（deep learning）OR（deep approaches to learning）為檢索的主題詞，2009至2018年為檢索的時間跨度，依據(jù)文獻類型=Article和Web of Science類別=Education Educational Research對數(shù)據(jù)結(jié)果進行精煉，共檢索出1177篇文獻，人工剔除與主題完全無關(guān)的內(nèi)容后得到205篇文獻數(shù)據(jù)。

1.2? 研究方法和工具

1955年，Eugene Garfield提出用引文索引對科技文獻進行檢索的方法[12]，自此，引文索引取代了人工編制逐漸成為科學(xué)計量學(xué)領(lǐng)域中的一種重要的研究方法。CiteSpace軟件是陳超美教授研發(fā)的一款信息可視化工具[13]，以其多元、動態(tài)、分時的可視化技術(shù)更好地反映了研究隨時間變化的特點。而Excel可以很好地成為文獻計量研究的基本工具，也可以勝任共現(xiàn)分析的需要[14]。

因此，本研究主要運用了CiteSpace 5.1知識圖譜軟件和Excel 2010等辦公軟件。

1.3? 研究流程

如圖1所示，首先，對數(shù)據(jù)樣本進行文獻計量學(xué)分析并通過Cite Space 5.1知識圖譜軟件進行合作網(wǎng)絡(luò)分析和共被引分析，從時間和空間兩個維度，初步了解國外深度學(xué)習(xí)研究的基本情況;其次，對文獻數(shù)據(jù)進行Keyword（關(guān)鍵詞）的共現(xiàn)分析，可視化的展示出深度學(xué)習(xí)領(lǐng)域當(dāng)前重要的研究主題和進展;最后探討國外深度學(xué)習(xí)研究對我國深度學(xué)習(xí)的進一步研究有哪些重要啟示。

2? 國外深度學(xué)習(xí)研究的基本情況

2.1? 時間分布情況

基于時間維度對發(fā)表文獻數(shù)量和引文數(shù)量進行分析，如圖2所示。從發(fā)文數(shù)量看，2009年至2018年間論文數(shù)量大體呈現(xiàn)一個穩(wěn)步增長的趨勢，從引文數(shù)量看，2009年至2018年間每年的被引文獻數(shù)呈現(xiàn)出顯著增長的趨勢，這表明了國外教育領(lǐng)域內(nèi)

的深度學(xué)習(xí)研究整體呈現(xiàn)出日益發(fā)展的穩(wěn)定上升? 趨勢。

2.2? 空間分布情況

（1）國家分布

為了探究國外深度學(xué)習(xí)領(lǐng)域的前沿國家，本文對205篇論文進行國家合作網(wǎng)絡(luò)分析（Country）。圖3中可視化的展示了基于文獻數(shù)量的國家分布圖譜。CiteSpace分析圖譜中節(jié)點的大小代表了發(fā)文的數(shù)量，節(jié)點越大，發(fā)文數(shù)量越多也就代表在深度學(xué)習(xí)領(lǐng)域的地位越重要[15]。在基于文獻數(shù)量的國家分布圖譜上，澳大利亞、美國、中國和英國的節(jié)點最大，代表了這四個國家在深度學(xué)習(xí)領(lǐng)域的科研成果豐碩。我國深度學(xué)習(xí)研究的文獻數(shù)量居于第三位，顯然還有一定可以提升的空間。

（2）期刊分布

為了考察國外期刊發(fā)表論文的情況，對205篇文獻進行期刊共被引分析（Cite Journal），得到基于CiteSpace的期刊分布可視化圖譜，如圖4所示。字體的深淺代表了期刊的地位，顏色越深，說明該期刊的被引次數(shù)越高，換言之該期刊的地位就越高，節(jié)點之間連線越粗代表聯(lián)系越緊密[15]。通過期刊分布的可視化圖譜中字體深淺，可以看出中心性最高的期刊是英國教育心理學(xué)雜志，代表了英國教育心理學(xué)雜志在國外深度學(xué)習(xí)期刊中處于最高地位。通過圖譜間各個節(jié)點之間較粗的連線和幾乎沒有分散的節(jié)點，可以看出，在期刊層面，國外深度學(xué)習(xí)研究具有持續(xù)穩(wěn)定的良性發(fā)展特征。

3? 當(dāng)前研究的重要主題及進展——基于關(guān)鍵詞的統(tǒng)計

從知識理論的角度看，中心度和頻次高的關(guān)鍵詞代表著十年內(nèi)研究者共同關(guān)注的問題，關(guān)鍵詞共現(xiàn)的頻次越高，節(jié)點的中心性越高，說明該節(jié)點在深度學(xué)習(xí)領(lǐng)域越重要[13]。本文對205篇文獻進行關(guān)鍵詞共現(xiàn)分析（Keyword），首先得出圖5所示的關(guān)鍵詞聚類圖譜，然后對前40個高頻關(guān)鍵詞進行統(tǒng)計并繪制成表1。根據(jù)高頻關(guān)鍵詞對當(dāng)前研究的重要主題進行劃分，主要分為關(guān)于深度學(xué)習(xí)內(nèi)涵的理解與分析、基于深度學(xué)習(xí)的實踐探究和深度學(xué)習(xí)的評價研究等三個方面。

3.1? 關(guān)于深度學(xué)習(xí)內(nèi)涵的理解與分析

從圖5關(guān)鍵詞聚類圖譜中的幾個較大的節(jié)點education、deep learning和表1中education、deep learning、knowledge和conception等高頻關(guān)鍵詞可以看出，深度學(xué)習(xí)注重基本理論的理解，尤其是深度學(xué)習(xí)的概念。Dinsmore和Alexander研究發(fā)現(xiàn)，不同的研究中對深度學(xué)習(xí)和淺層學(xué)習(xí)的研究結(jié)果是模糊不清的，因此他們強調(diào)，研究應(yīng)該從一個清晰的理論框架來定義深度學(xué)習(xí)。

目前深度學(xué)習(xí)的定義有兩種，一種理解認為深度學(xué)習(xí)是一種過程即學(xué)習(xí)方式[16]，最具代表性的人物美國學(xué)者Ference Marton和Roger Saljo。在Marton對大學(xué)生的研究中，他發(fā)現(xiàn)學(xué)生在面對學(xué)習(xí)材料時參與的學(xué)習(xí)過程類型存在明顯的個體間差異[2]。Marton使用術(shù)語“deep-level processing”和“surface- level processing”來區(qū)分和解釋個體間的差異，對應(yīng)于學(xué)習(xí)者關(guān)注的學(xué)習(xí)材料的不同方面。另一種理解則認為深度學(xué)習(xí)是一種學(xué)習(xí)結(jié)果[17]。進入二十一世紀，深度學(xué)習(xí)在教育領(lǐng)域更多的是作為一種學(xué)習(xí)結(jié)果而不是學(xué)習(xí)過程。其中最具代表性的是美國研究院（American Institutes for Research，AIR）對深度學(xué)習(xí)概念的界定，AIR將深度學(xué)習(xí)界定為學(xué)生對知識的深度理解和在實際情境中遷移運用的一種能力[18]。

3.2? 基于深度學(xué)習(xí)的實踐探究

從圖5中較大的節(jié)點knowledge performance和表1中achievement、academic performance、per formance、science education、self-efficacy、academic achievement和student learning等多個高頻關(guān)鍵詞和可以看出，國外深度學(xué)習(xí)的研究相比于理論更注重實踐。

采用新型的教學(xué)或者學(xué)習(xí)方式，是否能促進深度學(xué)習(xí)呢？Xiaoyan Wang和Yelin Su等人探究了教師在課程設(shè)計中的建設(shè)性的協(xié)調(diào)課程（CACs）是否會鼓勵學(xué)生在學(xué)習(xí)中采用“更深入”的方法和“更少”的表面方法。實驗結(jié)果的分析表明，無論個體差異，學(xué)生們會調(diào)整自己的學(xué)習(xí)來響應(yīng)課堂教學(xué)方法和學(xué)習(xí)行為的學(xué)習(xí)環(huán)境，并且更有建設(shè)性地協(xié)調(diào)的教與學(xué)環(huán)境將導(dǎo)致學(xué)生調(diào)整學(xué)習(xí)方法，在某種程度上采用更多的深度學(xué)習(xí)和更少的表面學(xué)習(xí)[19]。

同樣，深度學(xué)習(xí)的影響因素又有哪些呢？2012年Michelle Richardson發(fā)表了一篇綜述《大學(xué)生學(xué)業(yè)成績的心理關(guān)聯(lián)：系統(tǒng)回顧與元分析》，文章中闡述了不同學(xué)科、教師、課程質(zhì)量、學(xué)生年齡、內(nèi)外動力、自信性和自我效能感等等都是能夠影響深度學(xué)習(xí)的因素[20]。通過時間的探究，國外學(xué)者認為深度學(xué)習(xí)的影響因素可以大體劃分為：環(huán)境因素、感知的環(huán)境因素以及學(xué)生因素[21]。

3.3? 深度學(xué)習(xí)的評價研究

對于深度學(xué)習(xí)的評價研究方面的高頻關(guān)鍵詞有Assessment和Peer assessment，也就是說，評價研究也是深度學(xué)習(xí)的一個重要主題。目前有兩種最常用的評價測量問卷，分別是修訂雙因素學(xué)習(xí)過程問卷（R-SPQ-2F）和修訂雙因素認知過程問卷（R-LPQ-2F）。

修訂雙因素認知過程問卷（R-LPQ-2F）是由二十二個選項、兩個因素和四個維度組成[22]，經(jīng)過對原始LPQ的修改形成的最終版本，兩個主要因素分別是深層方法和淺層方法，四個維度分別是深層動機維度、深層戰(zhàn)略維度、淺層動機維度和淺層戰(zhàn)略維度。修訂雙因素學(xué)習(xí)過程問卷（R-SPQ-2F）的調(diào)查表同R-LPQ-2F一樣由二十個選項、兩個因素和四個維度組成[23]。這兩個問卷都是由Biggs和Kember編寫修改的，問卷很簡短并且只解決了深層和表層的方法，可以由一名正規(guī)教師快速而容易地管理，用于監(jiān)控教學(xué)環(huán)境，能夠有效的評價學(xué)生在學(xué)習(xí)過程中是否達到了深層次的學(xué)習(xí)方法。

4? 結(jié)論與展望

本文對國外近十年的深度學(xué)習(xí)研究進行了剖析，綜合上述剖析，我國在深度學(xué)習(xí)研究上較國外還有一定的不足，我們應(yīng)該清楚的認識到這些不足并借鑒當(dāng)前國際前沿的重要主題及進展，為我國深度學(xué)習(xí)的進一步發(fā)展提供幾點啟示。

一方面，我們應(yīng)該更注重實證研究。研究發(fā)現(xiàn)，由于教育背景和文化的差異，相較國內(nèi)對理論的持續(xù)探究，國外更注重實證型研究，通過實證研究探究深度學(xué)習(xí)在實踐中的應(yīng)用效果和價值，發(fā)現(xiàn)深度學(xué)習(xí)方法對結(jié)果有積極地影響[24]或有消極的影響以及影響的原因是什么[25]，最終為教育事業(yè)服務(wù)。國內(nèi)對于深度學(xué)習(xí)的活動設(shè)計，因素分析等實證研究還為數(shù)不多，相較國外還有很大差距，能夠保證其信度和效度的研究更是寥寥無幾。這就需要我國的研究人員在未來開展更多的活動設(shè)計，進行更多的實踐研究。

另一方面，我們應(yīng)該構(gòu)建出一個具有中國特色的深度學(xué)習(xí)評價標(biāo)準(zhǔn)。由于我國教育文化的背景復(fù)雜并且多元，國際上公認度較高的兩種問卷很難直接應(yīng)用于我國教育實踐中。換言之，原有的測量工具，比如修訂雙因素學(xué)習(xí)過程問卷（R-SPQ-2F），大都著眼于國外的學(xué)習(xí)背景。這些測量方式都不可避免的站在了國外的教育背景中，不能全面系統(tǒng)的對我國學(xué)習(xí)者的深度學(xué)習(xí)能力進行精準(zhǔn)定位。因此，為了全面科學(xué)的評價我國學(xué)習(xí)者的深度學(xué)習(xí)能力，業(yè)內(nèi)學(xué)者就需要站在我國教育背景下，對21世紀核心素養(yǎng)[26]進行深入探究，構(gòu)建出一個符合我國國情的、本土化的深度學(xué)習(xí)評價標(biāo)準(zhǔn)。

本研究還存在一定的局限性。本文主要是基于Web of Science數(shù)據(jù)庫的文獻數(shù)據(jù)進行分析的，因此對于那些沒有收錄在此數(shù)據(jù)庫中的文獻，難免有所遺漏，這些局部的遺漏和疏忽，并不會對本研究產(chǎn)生重大的消極影響，但可能會導(dǎo)致些許偏差。關(guān)于未來的研究，我們應(yīng)該在已有的理論基礎(chǔ)上進行實踐研究，進行深度學(xué)習(xí)的活動設(shè)計，在一定的信度和效度基礎(chǔ)上，測量深度學(xué)習(xí)的效果。

參考文獻

馬凱航， 高永明， 吳止鍰， 等. 大數(shù)據(jù)時代數(shù)據(jù)管理技術(shù)研究綜述[J]. 軟件， 2015， 36（10）： 46-49.

F. Marton and R. Saljo. On qualitative differences in learning： I-Outcome and process[J]. The British journal of educational psychology， 1976， 46（1）： 4-11.

高媛， 黃榮懷.《2017新媒體聯(lián)盟中國高等教育技術(shù)展望： 地平線項目區(qū)域報告》解讀與啟示[J]. 電化教育研究， 2017， 38（04）： 15-22.

Murphy， Karen; Barry， Shane. Feed-forward： students gaining more from assessment via deeper engagement in video-recorded presentations[J]. Assessment & Evaluation in Higher Education， 2016， 41（2）： 213-227.

Smith， Bernadette; Shimeld， Sonia. Using pictorial mnemonics in the learning of tax： a cognitive load perspective[J]. Higher Education Research & Development， 2014， 33（3）： 565-579.

Balasooriya， Chinthaka Damith; Hughes， Christopher; Toohey， Susan. Impact of a new integrated medicine program on students'approaches to learning[J]. Higher Education Research & Development， 2009， 28（3）： 289-302.

張海燕. MOOC的突破與挑戰(zhàn)： 一種課程觀點[J]. 軟件， 2018， 39（6）： 209-213.

李平舟， 趙朗程. 基于BP神經(jīng)網(wǎng)絡(luò)的國家穩(wěn)定性研究[J]. 軟件， 2018， 39（6）： 142-146.

張魯松， 張壽明. 基于ABDND算法的爐膛火焰圖像脈沖噪聲濾波研究[J]. 軟件， 2018， 39（01）： 21-28.

張思琦， 張文蘭， 李寶. 國外近十年深度學(xué)習(xí)的研究現(xiàn)狀與發(fā)展趨勢——基于引文分析及共詞矩陣的知識圖譜分析[J]. 遠程教育雜志， 2016， 35（02）： 64-72.

梁子鑫. 探討新時代背景下新興技術(shù)在人工智能中的應(yīng)用[J]. 軟件， 2018， 39（7）： 166-169.

Eugene Garfield. Citation Indexes for Science： A New Dimension in Documentation through Association of Ideas[J]. Science， 1955， 122（3159）： 108-111.

陳悅， 陳超美， 胡志剛. 引文空間分析原理與應(yīng)用： CiteSpace實用指南[M]. 1. 科學(xué)出版社， 2014 ： 1-164.

儲節(jié)旺， 郭春俠. 共詞分析法的基本原理及EXCEL實現(xiàn)[J]. 情報科學(xué)， 2011， 29（06）： 931-934.

王娟， 陳世超， 王林麗. 基于CiteSpace的教育大數(shù)據(jù)研究熱點與趨勢分析[J]. 現(xiàn)代教育技術(shù)， 2016， 26（02）： 5-13.

Zehra Akyol; D. Randy Garrison. Understanding cognitive presence in an online and blended community of inquiry： Assessing outcomes and processes for deep approaches to learning[J]. British Journal of Educational Technology， 2011， 42（2）： 233-250.

Hay， David B. Using concept maps to measure deep， surface and non-learning outcomes[J]. Studies in Higher Education， 2007， 32（1）： 39-57.

安德烈·焦?fàn)柈?dāng). 學(xué)習(xí)的本質(zhì)[M]. 杭零. 上海： 華東師范大學(xué)出版社， 2015.

Xiaoyan Wang， Yelin Su， Stephen Cheung. An exploration of Biggs constructive alignment in course design and its impact on students learning approaches[J]. Assessment&Evaluation in Higher Education， 2013， 38（4）： 477-491.

Richardson， Michelle. Psychological correlates of university students' academic performance： A systematic review and meta-analysis.[J]. American Psychological Association， 2012， 138（2）： 353-387.

Marlies Baeten， Eva Kyndt， Katrien Struyven. Using student- centred learning environments to stimulate deep approaches to learning： Factors encouraging or discouraging their effectiveness [J]. Educational Research Review， 2010， 5（3）： 243-260.

D Kember， J Biggs， DYP Leung. Examining the multidimensionality of approaches to learning through the development of a revised version of the Learning Process Questionnaire[J]. British Journal of Educational Psychology， 2004， 74（1）： 261-280.

John Biggs， D Kember， DYP Leung. The revised two-factor Study Process Questionnaire： R-SPQ-2F[J]. British Journal of Educational Psychology， 2001， 71（1）： 133-149.

G Geitz， JT Brinke， PA Kirschner. Changing learning behaviour： Self-efficacy and goal orientation in PBL groups in higher education[J]. International Journal of Educational Research， 2016， 75： 146-158.

Petra Lietz; Bobbie Matthews. The Effects of College Students Personal Values on Changes in Learning Approaches[J]. Research in Higher Education， 2010， 51（1）： 65-87.

林崇德. 21世紀學(xué)生發(fā)展核心素養(yǎng)研究[M]. 1. 北京師范大學(xué)出版社， 2016.