穆肅 王孝金

【摘 要】在在線學習中，深層次學習的發(fā)生對在線教育有效、持續(xù)地開展意義重大。深層次學習是學習科學重點關注的內容，不論是在常規(guī)教育還是在線教育領域，一直都追求深層次學習的發(fā)生。然而，在在線學習項目廣泛開展的今天，在線學習的質量和效果并未如預期那樣令人滿意，深層次學習鮮有發(fā)生。如何促進在線學習中深層次學習的發(fā)生是本研究的重點研究內容。基于相關文獻的梳理和內容分析，本研究以在線學習中深層次學習理論框架為基礎，聚焦在線學習中深層次學習的策略，重構促進在線學習中深層次學習發(fā)生的策略模型及相應學習活動。研究形成以下結論：①促進在線學習中深層次學習發(fā)生的策略，包含激勵、認知重組、聯(lián)系、反饋、參與、問題、交互、拓展八項策略;②每項促進在線學習中深層次學習的策略可以通過系列在線學習活動推動;③建構了促進在線學習中深層次學習發(fā)生策略模型，包含理論、策略和實踐三個層面;④建構的策略模型及相應學習活動經過在具體課程中的應用檢驗，表明其具有一定的實用性。本研究是對在線學習的深入研究，也是對在線教育中深層次學習實施策略和應用的新思考，對促進深層次學習的發(fā)生具有重要實踐參考意義。

【關鍵詞】? 在線學習;深層次學習;內容分析;學習活動;活動設計;學習策略;策略模型;應用分析

【中圖分類號】? ?G420? ? ? ? 【文獻標識碼】? A? ? ? ?【文章編號】? 1009-458x（2019）10-0029-11

一、研究背景

21世紀以來，隨著科學技術的發(fā)展和經濟全球化的推進，“深層次學習”跨越了認知界限，融入時代元素。深層次學習能力成為社會迫切需要的學習能力，促進學習者的深層次學習成為教育界的重要議題（戴歆紫， 等， 2017）。在構建學習型社會的過程中，在互聯(lián)網及移動互聯(lián)網的帶動下，教育逐漸從線下走向線上，在線教育一直處于教育行業(yè)發(fā)展的風口浪尖，成為大眾關注的實踐領域（穆肅， 2015）。但已有不少研究表明目前在線學習質量并不能讓人滿意，多數(shù)學習停留在淺層次水平上。深層次學習的發(fā)生對在線學習有效、持續(xù)地開展意義重大，因此在線學習中也需要促進深層次學習的開展。在在線學習中，師生處于準分離狀態(tài)，學習者根據自己的需要和實際情況自定學習步調，按照教學活動安排有序地進行學習，因此學習自由度、自主性較高。在這樣的過程中，學習者容易產生孤獨感，學習也容易因工作、生活或身邊事務等受到干擾，因此常不能投入地學習，不易深入地思考，更較少對學習內容進行系統(tǒng)梳理，等等，較難自發(fā)產生深層次學習。為此教學團隊需要針對性地采用策略來引導和組織在線學習過程。開展在線學習中深層次學習策略的研究，并以此為切入點指導學習活動的設計和教學實施，促進在線學習中深層次學習的發(fā)生，成為本研究開展的重要起點。

二、研究思路和方法

本研究梳理了促進在線學習中深層次學習發(fā)生的策略，建構了促進在線學習中深層次學習的策略模型，為設計、組織和引導在線學習中深層次學習的發(fā)生提供了方法和策略指引。

（一）研究思路

基于前期研究成果，本研究認為在線學習中的深層次學習體現(xiàn)在學習者對學習過程的參與程度上，具體體現(xiàn)在情感、行為和認知三個層面。本研究的策略梳理和提煉也將從這三個方面開展。情感上的參與主要表現(xiàn)為對學習過程、結果的享受和滿足程度等;行為參與包括參與學習與交互活動的情況，如積極提問、主動回應他人、閱讀課程資源等;認知的參與即學習者完成高階學習目標的程度，如學習中能達成遷移運用、問題解決等高階認知目標（穆肅等， 2019）。

研究采用“理論梳理—模型建構—案例分析”的思路開展。理論梳理主要對國內外已有研究中在線深層次學習策略進行整理，結合在線學習中深層次學習的表現(xiàn)，利用內容分析法進行歸并，將其梳理為情感、行為和認知三個層面。為推動策略的應用，本研究從在線學習活動設計的角度出發(fā)，探討從利用所梳理出的深層次學習策略指導在線學習活動設計的角度建構策略模型。在策略模型的建立中，對當前已有的各種在線學習活動按照其不同的效果和具體活動形式與能體現(xiàn)的對應策略進行歸并。本研究將梳理出的策略和建構的策略模型運用到具體的在線課程中，通過分析應用過程驗證策略模型的實用性探討這些策略對促進學習者深層次學習的作用。

（二）研究方法

1. 文獻的收集

本研究基于中國知網數(shù)據庫首先以“在線學習”“深層次學習策略”為關鍵詞進行檢索，定位于中文核心期刊，檢索得到2000年到2018年10月間的相關論文共124篇。為確保文獻搜索的全面性，鑒于“在線教育”“網絡學習”“遠程教育”“遠程學習”“開放學習”“遠程開放學習”等相關研究都可能涉及對在線學習和在線學習中深層次學習策略的研究內容，本研究擴展了關鍵詞的搜索范圍再次進行相關文獻的查找，在中文核心期刊在2000年1月至2018年10月期間查找文獻。文獻查出后，首先將搜索得到的相關文獻匯總，閱讀文獻摘要并將內容無關的文獻剔除，然后通讀保留的文獻并進行再次篩選，最終共獲得29篇中文文獻。

英文文獻檢索詞與中文保持一致，包括“Online Learning”“Online Education”“e-Learning”“Distance Learning”“Open Learning”“Open Distance Learning”，深層次學習策略相關檢索詞包括“Deep Learning Strategy”“Deeper Learning Strategy”（有些深層次學習研究使用“Deeper Learning”一詞）、“Strategy for Deep Learning”在Web of Science、Elsevier ScienceDirect、SpringerLink、Wiley InterScience、EBSCO數(shù)據庫中進行檢索，選取被引用次數(shù)大于或等于1次的文獻，時間限定在1983年1月至2018年10月。文獻篩選方法和中文文獻篩選方法一致，最后共獲得33篇有效英文文獻。

2. 文獻內容分析類目表的擬定

根據對文獻的閱讀和整理，將其中提到的促進深層次學習發(fā)生的策略一一列出，然后匯總形成表1所示的策略匯總表。

次數(shù) 提高動機 包括內部和外部動機的激發(fā) Intrinsic Motivation 8 在線討論 同步和異步的在線交流 Communicate Effectively 9 在線協(xié)作 在線協(xié)作完成某項任務 Work Collaboratively 5 及時評價 對在線學習者的任務給予及時的評價 Assessment 4 反思 能夠及時反思學習過程，調整學習步驟 Reflection 9 主導策略 學習者占據主導地位 — 1 參與 積極參與在線學習 Active Engagement 11 應用案例 應用一些和現(xiàn)實生活聯(lián)系的案例 — 2 反饋 對學生的學習給予及時的反饋 Effective Use of Feedback 9 提高效能感 增強學生在線學習的滿足感 Sense of Satisfaction 4 聯(lián)系 任務等要與真實世界關聯(lián)，與先前經驗聯(lián)系 Relate Ideas to Previous Knowledge and Experience 11 問題化學習 多采用問題解決的方式 Solve Complex Problems 14 拓展性學習 學習超出課程要求的知識點 Beyond the Requirements 4 交互 增加學習者之間的有效互動 Effective Interaction 8 加強監(jiān)控 增加在線教師對學習者的監(jiān)控 — 2 認知重組 提高認知參與，進行概念交互 Knowledge Transfer 7 創(chuàng)設真實情境 在線學習任務多聯(lián)系真實的情境 — 4 細化和集成策略 知識點細化 — 1 跨學科學習 融合多學科的學習 — 2 激勵 鼓勵學習者的參與 Encouragement 3 ]

對各策略具體內容進行梳理后可知，某些策略在不同文獻中所使用的術語和提及方式不盡相同，但實際上含義相似。為此，本文對表1中含義相近的策略進行了歸并：“提高動機”“效能感”都屬于激勵策略，將其與激勵策略歸并;將“創(chuàng)設真實情境”歸并到聯(lián)系策略中;對學習者提供“及時評價”“反饋”歸并為反饋策略;將“問題化學習”歸并為問題策略;“在線討論”“在線協(xié)作”均為在線學習中的交互形式，因此與交互策略進行歸并;“拓展性學習”“跨學科學習”歸并為拓展策略。對沒有相近策略歸并且提及次數(shù)較少（僅為一、二次）的“主導”“應用案例”“監(jiān)控”“細化和集成”策略，因共識性較小，不列入本次擬研究的策略中。經過梳理最終保留的八項策略是激勵策略、認知重組策略、聯(lián)系策略、反饋策略、參與策略、問題策略、交互策略和拓展策略，如表2所示。

3. 案例分析

對在線學習中深層次學習策略模型及應用案例進行分析。案例分析框架為策略采用、具體體現(xiàn)和應用效果三方面。

三、在線學習中深層次學習策略梳理及分類

已有研究從不同層面提出了促進在線學習中深層次學習的策略。

（一）在線學習中深層次學習策略的含義

段金菊（2012）在對e-Learning環(huán)境下促進深層次學習的研究中認為動機激發(fā)策略是促進學習者深層次學習的首要條件，這一觀點在紀宏璠等（2015）利用iTtools3.0平臺進行深層次學習過程設計與實踐的研究中也得到了體現(xiàn)，他們通過設計激勵學習者動機的學習活動來促進在線學習中的深層次學習。Bonk等（2016）在其《在線學習動機與激勵：TEC-VARIETY模型》一書中重點強調利用激勵策略減少在線學習者輟學率并通過學習活動提升其學習效果。也只有學習者內部自發(fā)地想要進行深層次的學習，才能取得良好的學習效果，才能促成有意義的學習和對知識主動的建構（王英彥， 2010）。因此，在在線學習過程中，應通過對學習者進行激勵，營造自我超越的精神文化，提高自我效能感，激勵策略關注學習者情感層面的參與。

張豪鋒等（2011）在對成人在線學習模型構建及策略的探究中，提出認知層面的策略需要重視課程模型建設，內容能夠引發(fā)學習者的認知沖突，從而促進認知層面的深層次參與。段金菊（2012）認為e-Learning環(huán)境下促進深層學習可以通過認知重組策略，使學習者在學習過程中通過對新學習的概念進行加工形成新的觀點。認知重組策略可以促進在線學習者認知層面的深層參與。

周榮等（2017）認為促進在線學習中的深層次學習需要創(chuàng)設真實的生活情境，能夠將任務與真實生活相聯(lián)系。Betul（2014）在對在線學習中深層次學習環(huán)境建設的研究中也指出，要創(chuàng)造能夠促進深層次學習的真實情境，讓學習者進行真實的體驗。課程內容設計要和學習者發(fā)生關聯(lián)，學習材料的設計要融入學習者的真實生活?？梢?，真實生活與學習的關聯(lián)有助于促進深層次學習的發(fā)生。

反饋能夠提高學生的學習成績和自我效能感（Wang & Wu， 2007）。同時，反饋是提升深層次學習的有效策略之一，這一結論在很多研究中得到論證。如Betul（2014）認為要通過形成性評估提供頻繁的反饋，Hacker（2000）認為提升在線深層次學習的方法包括及時對學習者進行反饋。及時反饋是引導學習者深度反思自己的學習狀況并及時調整學習行為、實現(xiàn)行為層面深層次參與的有效途徑。

DeLotell（2010）在利用深層次學習策略促進在線學習保持度的研究中提出非常重要的一點是提高學習者的參與性，讓學習者充分參與到課程學習中。Hacker（2000）提出的在線深層次學習策略也包含讓學習者變成積極的參與者，促進他們進行深度的探索、判斷和分析。通過讓學習者積極參與，讓其體會到學習中的成就感，可以促進其情感層面的深層次參與。

諾爾斯認為學習者的學習應該是以問題解決為中心的，學習的主要目的是應對工作與生活中的挑戰(zhàn)。Betul（2014）認為要通過設置問題解決的任務來讓學習者積極地思考問題，引發(fā)其高階思維的產生。余勝泉等（2017）設計了深度交互的學習活動，使學習者學會處理復雜的非良構的問題，以此提高學習者深層次認知加工的能力。

在線學習中學習者需要參與社會性學習，如共同寫作、同伴評論等，通過多樣性的在線學習活動加強學習者之間的相互聯(lián)系，促進學習者在線溝通的能力和深層次交互。在線學習活動設計時要鼓勵學習者之間的對話，通過這種方式來促進深層次學習（Czerkawski， 2014）。杜建霞等（2006）在交互式學習環(huán)境的深層次學習研究中通過實證分析方法驗證了動態(tài)在線討論可以促進深層次學習發(fā)生。由此可見，深層的互動是促進在線學習中深層次學習發(fā)生的一種策略。

深層次學習的發(fā)生需要引導學習者嘗試一些學習目標要求之外的內容（康淑敏， 2016）。適度拓展是對已有教材的二次開發(fā)，對教學進行的系統(tǒng)設計。這是幫助學習者提升能力、培養(yǎng)思維的重要環(huán)節(jié)（劉曉萍， 2015）。通過拓展學習對已有知識形成新的認識，促進思維的延伸，也是促進在線學習過程中深層次學習的一項策略。

（二）在線學習中深層次學習策略的作用

在線深層次學習的表現(xiàn)主要在情感、行為和認知三個維度上，已梳理的八項策略在促進深層次學習發(fā)生時的作用各有側重。

1. 促進情感深層次參與策略

激勵策略可以推動學習者的學習積極性，提高自我效能感，從而得到更好的在線學習體驗。鼓勵學習者積極參與，可以充分調動學習者。參與性體現(xiàn)為學習者參與相關任務或活動的強度和情感質量，參與性通過持續(xù)的參與行為及其對任務完成的總體積極影響或情感來體現(xiàn)（Reeve， 1996）。通過在線學習活動讓學習者解決現(xiàn)實問題或者參與某種真實任務時，學習主動性會增強。當學習者可以將課程中的新知識聯(lián)系到個人或職業(yè)生活時，他們就會更有動力掌握知識（Keller， 1983）。綜合來看，激勵策略、參與策略和聯(lián)系策略在促進在線學習中情感深層次參與方面發(fā)揮主要作用。

2. 促進行為深層次參與策略

盡管在線學習環(huán)境中學習者的行為表現(xiàn)具有一定的不準確性和可欺騙性，但是行為參與的頻度、廣度和深度仍然能在一定程度上反映學習者的學習參與。在線學習中深層次的參與表現(xiàn)為學習過程中能根據反饋進行自我反思與自我調節(jié)，積極地參與深層交互活動。為了讓學習者能進行深層次的行為參與，一方面，從自身行為調節(jié)的角度需要在教學活動中給予他們及時的反饋，引導其深度反思學習狀況并及時調整學習策略;另一方面，從與他人交互的角度可以通過設計一些活動來促進在線學習者之間的深層互動。形式多樣的社會性交互活動能夠有效消除時空分離帶來的距離感，促進學習者的深層次學習（張豪鋒， 2011）。綜合以上分析可知，促進學習者在線行為深層次參與的策略包括反饋策略和深層互動策略。

3. 促進認知深層次參與策略

問題解決策略可以鼓勵學習者分析問題，并能運用所學知識來解決問題，最后歸納出解決問題的方法，這個過程就是學習者進行高階思維的過程。認知重組策略讓學習者將新學的知識技能和已有的知識技能建立連接，以達到知識結構的轉變，發(fā)生有意義的學習，而通過概念的重組能產生創(chuàng)新性的觀點。拓展策略促進學習者學習額外的知識，對已有知識形成新的認識，拓展學生的思維。綜合來看，問題策略、認知重組策略和拓展策略在促進在線學習中深層次認知參與方面發(fā)揮著作用。

基于以上分析，可形成圖1所示的策略分類圖。側重情感參與的策略包含激勵、參與、聯(lián)系策略;側重行為參與的策略包括反饋策略和深層互動策略;問題策略、重組策略和拓展策略更側重于促進學習者認知層面的參與，因而屬于認知層面的策略。

四、促進深層次學習的在線學習

活動梳理及分類

學習活動是在線學習過程中促進深層次學習發(fā)生的重要途徑，利用深層次學習的促進策略有助于在活動的設計和實施中將學習者的新知識和技能與生活經驗、實踐領域和興趣建立聯(lián)系，因此本研究從在線學習活動設計和實施出發(fā)，建構促進深層次學習策略的應用模型。

本研究對當前在線教育中常用的在線學習活動進行了梳理?；顒觼碓从谌齻€方面：第一，借鑒和參考Bonk等（2016）梳理的100個在線學習活動;第二，來源于國內常用慕課平臺中提供的在線學習活動;第三，來源于在線培訓平臺和在線課程管理平臺提供的在線活動。對已收集到的在線學習活動，據其在深層次學習三個層面效果的不同作用及其所體現(xiàn)的深層次學習策略進行分析，整理得出能分別重點體現(xiàn)8項學習策略的48個在線學習活動，具體如表3所示。

（一）體現(xiàn)激勵策略的在線學習活動

在“尋找同伴”活動中，學習者通過自由組合形成學習伙伴，互相提醒學習進度或者給對方學習反饋和鼓勵等，學習者之間通過互相激勵促進對方深層次參與的學習活動。在“學習者調查和投票”活動中，學習者提出自己對某一觀點或活動的理解、期望和建議等，投票和調查結果可能被在線教師采納，用以安排和調整教學。通過該活動，教師了解并關注了學習者的偏好和想法，學習者在該課程學習中則可能因此產生更好的體驗，從而有更多的情感投入?！盎貜驮u論”活動可以鼓勵學習者深入思考他人的觀點和建議等，從而推動學習者積極思考和參與在線評論。“學習者自我互動”是指學習者自己反思學習內容、學習過程，通過不斷的自我鼓勵，指向學習者的自我激勵。“教師發(fā)起在線投票”中教師通過投票了解學習者存在的問題，是鼓勵學習者表達自己觀點的有效方法。“特定時間的專家在線答疑”則是邀請學科領域知名專家參與在線教學，與學習者進行積極互動，介紹相關領域最新進展，可激發(fā)學習者的學習興趣。以上學習活動都側重于激勵在線學習者積極參與和投入在線學習。

（二）體現(xiàn)參與策略的在線學習活動

在在線學習中體現(xiàn)參與策略的在線學習活動是多樣的。例如，讓學習者推薦最喜歡的課程資源，充分調動學習者的參與和資源共享。“網絡探索資源”活動讓學習者自主探索感興趣的課程資源，從而提高課程學習參與程度。“限時作業(yè)展示”活動讓學習者展示與分享課程的作業(yè)或作品，以讓每一個學習者都參與到在線交流中，提高參與度?！霸诰€圓桌會議”為在線學習者營造一個輕松的交流氛圍，鼓勵學習者之間匿名發(fā)表觀點和看法，放心參與活動?！鞍l(fā)起和總結”活動讓學習者在固定時間段擔任課程某一章節(jié)的負責人，參與組織課程活動和總結活動情況?！霸诰€的‘翻轉課堂”讓學習者觀看、傾聽或者瀏覽指定的資源，但是各自承擔不同的任務或職責，每一個學習者都會參與到固定時間的分享和討論中。這些學習活動都從不同側面增加學習者的參與性。

（三）體現(xiàn)聯(lián)系策略的在線學習活動

在“技術工具示范”活動中，學習者展示和分享與自己學習或生活相關的實用工具，彼此進行分享、咨詢和回應，因而產生相互聯(lián)系。在“課程相關熱門新聞推薦”活動中，學習者搜索與課程內容相關的新聞并對其進行觀點的解讀，建立與真實世界的聯(lián)系?！岸嗝襟w案例片段和決策”活動為學習者的學習提供與生活最相關的案例供學習者分析，也鼓勵學習者積極提供身邊的案例?！皩⑷蝿张c工作聯(lián)系起來和制定戰(zhàn)略規(guī)劃書”要求學習者結合真實工作情景，根據所學內容制定工作方案，也可與真實世界建立聯(lián)系?！皡f(xié)作解決現(xiàn)實問題”強調小組協(xié)作，解決現(xiàn)實生活中與課程相關的問題。“在線的探究性學習活動”鼓勵學習者小組或個人選定真實世界中的選題進行探究，最后形成探究報告。這些學習活動促進學習者通過聯(lián)系生活或現(xiàn)實中的問題來促進在線深層次學習的發(fā)生。

（四）體現(xiàn)問題策略的在線學習活動

“資源提供者”活動收集學習者具有的關于問題的資源，要求學習者提供可解決問題的相關資源，展示資源并陳述如何解決問題?！盎趙iki的問題解決”強調學習者利用wiki或在線平臺的其他協(xié)作工具一起來構建問題解決的方法或方案，當然問題是需要提前預設的。“提供選擇的機會”活動給學習者不同的問題解決方案，要求學習者選擇方案并陳述理由?！疤峤环治鰣蟾妗被顒咏o出一個真實的問題，要求學習者進行深入分析，并提交問題分析報告?！按笠?guī)模在線開放課程應用”要求學習者對學習中遇到的問題，通過查找和學習相關在線課程嘗試解決?！霸诰€問題箱”可以收集問題并將問題進行歸類，要求學習者之間先互相解決問題，最后由教師進行總結和建議。以上學習活動側重于讓學習者通過解決問題來進行在線學習。

（五）體現(xiàn)交互策略的在線學習活動

“解惑活動”要求學習者在論壇發(fā)表對課程所學的疑惑，鼓勵學習者之間互相解答問題，教師再給予評論，充分促進生生、師生之間的互動。在“探究性教學和在線輔導”活動中教師制定探究性主題并讓學習者完成，要求學習者分階段提交成果，教師或者學習者之間進行評論。“連珠炮式發(fā)問”由教師設置一系列的問題，設置不同的討論主線，在活動過程中可以增加新的信息或額外問題。對非常激烈的討論，教師可以減少干預。“互動學習者提問和討論”活動讓學習者進行自由交流，每個參與者都得到鼓勵，學習者通過提出問題、被反饋、分享不同觀點、共享資源等，參與深層次互動?！皩嵱眯」ぞ咄扑]”要求學習者展示和學習相關的工具，展示使用過程和方法，并為其他學習者提供咨詢?！皬椖粎f(xié)作視頻注釋”利用視頻彈幕功能，讓學習者對視頻中與課堂有關的內容深入討論。以上學習活動都側重增加師生、生生之間的深層互動。

（六）體現(xiàn)反饋策略的在線學習活動

“同步移動的在線輔導”活動要求教師對學習者提出的問題給出及時反饋，雙方可基于已有的社交軟件進行同步反饋。“在在線的三級提問”活動中，教師依據三級框架①設計問題，讓學習者回答并及時反饋。在“在線評價學習者作品”活動中，教師對學習者的作品給出及時評價，學習者根據教師意見進行修改，不斷完善作品。在“案例點評”活動中，教師對學習者的案例內容進行針對性反饋和指導?！霸诰€咖啡館”是為學習者設置一個可以互相聊天、互相解答問題的輕松聊天室，學習者之間能夠針對學習、生活等問題及時交流。“同伴作品互評”則是同伴之間對作品進行評價，是生生反饋的一種形式。以上學習活動側重于通過反饋促進在線深層次學習的發(fā)生。

（七）體現(xiàn)認知重組策略的在線學習活動

“在線頭腦風暴”鼓勵自由發(fā)表觀點，學習者可對已有觀點進行發(fā)散性思考與討論，產生新的觀點，實現(xiàn)觀點重組。“案例分析”要求學習者對案例進行深入分析，需要學習者根據自己的分析框架對原始案例材料進行重新組合和結構?！皡f(xié)作思維導圖”活動通過小組協(xié)作形式開展，小組成員交流觀點、更新小組作品，最終依靠小組力量形成成員觀點重組后的方案?！瓣P鍵字云”活動安排學習者利用詞云圖工具為每個章節(jié)創(chuàng)建關鍵字的詞云圖，展示關鍵字云并進行闡釋?！翱偨Y觀點”要求學習者對某個論壇的所有觀點進行總結，在梳理觀點的基礎上形成新的認識?！疤峤皇鲈u”是依據課程的某一觀點，發(fā)表自己的見解并闡釋相關的論據。以上活動側重于通過學習活動來推動學習者的概念重組，從而促進在線深層次學習的發(fā)生。

（八）體現(xiàn)拓展策略的在線學習活動

“探索動態(tài)網絡內容”“開放探索周”“開放教育資源探索”活動都是讓學習者嘗試學習一些課程之外的知識;“跨區(qū)域視頻會議”可以讓學習者通過視頻會議了解其他區(qū)域的相關信息;“虛擬世界角色扮演”讓學習者嘗試扮演一些其他領域的角色，從而學會其他領域的相關知識;“在線知識競賽問答”活動采取競賽的形式，讓學習者學習更多拓展知識。這些活動都側重讓學習者拓展學習。

五、在線學習中深層次學習

策略模型建構

策略采用的目的是促進在線學習中深層次學習的發(fā)生，提升學習興趣、學習投入和學習效果。為此，促進深層次學習的各項策略之間不應零散作用，而應各有側重又協(xié)調配合地共同作用于在線學習。為了能清楚地展示深層次學習與相應策略和在線學習活動之間的關系，基于以上梳理，本文提出了以在線學習中的深層次學習發(fā)生為核心的策略模型，如圖2所示。該模型的中心是深層次學習，具體包含情感、行為和認知三個層面。與深層次學習的三個層面直接對應的策略形成了相應的策略層。模型的最外層是實踐層，由各項策略相對應的在線學習活動構成，即表示策略的落實體現(xiàn)到在線學習活動的設計和實施中，通過在線學習活動推動深層次學習的發(fā)生。

六、在線學習中深層次學習策略

模型應用及分析

（一）課程介紹

研究者將建構的深層次學習策略模型應用于廣東省質量工程在線課程“教學媒體的理論與實踐”的教學中。該課程是教育技術學專業(yè)學習者的專業(yè)必修課，幫助他們掌握教學媒體的相關理論和應用方法，也為他們深入掌握各類教學媒體的設計、制作和應用奠定基礎。學習者在線學習過程中既需要學習理論以指導媒體設計、制作和應用的實踐，也需要通過實踐來理解和領會這些理論與方法，因而是一門理論和實踐并重的課程。在該在線課程的教學中，教學團隊設計了基于項目的學習以及豐富的在線學習活動來組織學習，讓學習者通過線上學習認識、領會和應用理論與方法，通過線下實踐和項目學習綜合應用所學知識和方法。

（二）策略模型的應用過程及方法

基于本研究提出的深層次學習策略模型，教學小組先分析學習者的特征和課程學習目標，然后根據課程的內容、分析策略的應用分別設計能夠幫助學習者在情感、行為和認知三個層面開展深層次學習的在線學習活動，最后收集學習過程數(shù)據，分析學習效果。在線課程中在線學習活動的設計過程如圖3所示。

（三）數(shù)據收集分析工具及方法

學習活動過程產生數(shù)據的收集，共涉及四類學習活動中的量化數(shù)據和質性材料。量化數(shù)據有基于問卷調查的數(shù)據、在線學習的行為數(shù)據，質性數(shù)據包含學習者交互內容及數(shù)據、學習者提交作品和相互評價的內容等。基于不同的數(shù)據類型，分別采用了詞頻分析、社會網絡分析、交互深度分析和基于SOLO理論的內容分析方法。

（四）活動設計及效果分析

1. 促進情感參與活動設計示例及分析

在課程開始之初，為調動學習者參與課程的積極性和熱情，采取激勵的策略，設置了“學習者調查和投票”活動。該活動是課程開始時的破冰活動，給學習者發(fā)表個人“期望”和建議的機會。教師對每個學習者提出的問題或表述都做出及時回復，讓其感受到自己是被關注和重視的。

教師開啟“my idea”的話題，邀請學習者“說出你對本課程的想法和建議”。學習者參與度和積極性較高，在65名學習者中有64名參與回帖。對所有回帖的內容進行斷詞分析，形成如圖4所示的詞云圖。數(shù)據顯示學習者都表達了自己的觀點，多數(shù)學習者認為該課程應為學習者提供實踐的機會，希望課程內容是有趣的，通過課程可以運用所學知識等，如“多實踐，讓我們了解各種教學媒體的基本操作和使用方法”等。

2. 促進行為參與活動示例及分析

為了給學習者及時反饋，課程設計了“同伴作品互評”活動，通過學習者之間的互相評價促進自我反思。為推動學習者之間的深層互動，課程設計了“互動學習者提問和討論”活動。

同伴互評活動使學習者成為評價者，主體作用得到體現(xiàn)，61位學習者參與活動，參與率為94%。其中141條評價給出了分數(shù)，83條評價給出了評語，比例為60%，對83條評價的內容中各類表述進行歸類分析得到了圖5所示的雷達圖。圖中數(shù)據表明學習者評價內容能夠指出“存在不足”和“給出建議”的占比較高，部分學習者能對同伴作品提出質疑，通過評價別人作品反思自己的作品，進行深層次思考。

該在線課程在第三單元的學習中設置了“互動學習者提問和討論”活動。討論的主題圍繞“比較計算機支持的協(xié)作學習和在線協(xié)作學習這兩種不同的協(xié)作學習，說明各自特點、優(yōu)勢和局限”。為提高學習者參與的深度，保證他們都參與進來，活動明確要求每位學習者至少發(fā)布一次觀點帖并回復其他同學的觀點兩次。最終43位學習者參與，其中21位學習者回復至少兩次，他們在線交互數(shù)據形成了交互關系圖（如圖6所示）。學習者之間有次數(shù)不等的交互，形成了相對緊密的網絡。利用Gunawardena（1997）設計的交互分析模式對學習者間交互內容進行分析①，發(fā)現(xiàn)37%的交互層次達到第四、第五層的深度，說明這一活動促進了學習者學習參與的深度。

3. 促進認知參與活動示例及分析

在線課程中設計了“案例分析”活動以促進理論的應用。要求學習者“用ASSURE模式評析教學設計方案”，即以所學的理論模型為分析框架進行教學設計案例的剖析，推動學習者對所學知識的應用、分析和評價。

該活動為小組活動，各小組需討論分析案例并提交報告。對各小組的評析方案依據SOLO（Structure of the Observed Learning Outcome，可觀察學習結果的結構）分類理論進行分析①，內容分析結果如表4所示。

從表4可以看出，七組學習者分別利用所學的理論框架進行了案例分析，有的小組對案例不僅僅只基于框架做了陳述，還對其進行了深入評價。圖7的示例對學習者和運用媒體與材料這兩個維度進行了分析，基于理論框架指出了案例存在的不足之處。這表明該小組對這部分知識的掌握不是僅僅停留在應用階段，已能進行評價，實現(xiàn)了更高階的認知目標。

七、結論與展望

本研究通過對在線學習中深層次學習發(fā)生策略模型的建構和應用分析形成了以下研究結論：

（一）通過建構在線學習中深層次學習發(fā)生的策略模型，為促進在線學習中深層次學習的設計和實施提供了理論依據

該策略模型下的八項策略及48個在線學習活動，都是建立在已有在線學習活動和策略梳理上的重構，保證了該模型的實用性。在線教學可以依據課程的需要有針對性地選取策略，并根據在線學習者的特點設計學習活動。后續(xù)研究將針對深層次學習的真實狀況提出優(yōu)化學習活動的方法。

（二）通過策略模型在在線教學中的應用，對其應用過程和效果進行分析，證明其在促進深層次學習發(fā)生的過程中發(fā)揮了作用

從三個不同維度對策略應用效果的分析發(fā)現(xiàn)，提出的策略和相應在線學習活動在促進深層次學習的發(fā)生方面有一定作用。如通過對學習者行為層面的參與情況的分析，發(fā)現(xiàn)部分學習者在活動中深入思考，進行自我反思，很多交互已經達到了第四、第五層的深度。對學習者認知層面的分析表明有的分析方案已經達到了關聯(lián)結構層次、抽象拓展結構層次，屬于深層次的學習。但教學應用也表明學習者的學習深度是有差別的，且不是所有學習者都產生了深層次學習。如何讓更多學習者發(fā)生深層次的學習，是后續(xù)研究要重點關注的問題。

目前，效果分析還僅是針對部分學習活動的過程和情況進行，后續(xù)研究還將對在線學習過程的數(shù)據做更全面和深入的分析。

[參考文獻]

埃里克詹森. 2010. 深度學習的7種有力策略[M]. 溫暖，譯. 上海：華東師范大學出版社.

杜建霞，范斯·A. 杜林湯，安東尼·A·奧林佐克，王茹. 2006. 動態(tài)在線討論：交互式學習環(huán)境中的深層學習[J]. 開放教育研究（04）：75-79.

段金菊. 2012. e-Learning環(huán)境下促進深度學習的策略研究[J]. 中國電化教育（05）：38-43.

段金菊，余勝泉. 2013. 學習科學視域下的e-Learning深度學習研究[J]. 遠程教育雜志，31（04）：43-51.

戴歆紫，王祖浩. 2017. 國外深度學習的分析視角及評價方法[J]. 外國教育研究，44（10）：45-58.

胡敏. 2015. 在線學習中學生參與度模型及應用研究[D]. 武漢：華中師范大學.

紀宏璠，雷體南，方紅. 2015. 基于iTtools3.0的深度學習過程設計與實踐研究[J]. 現(xiàn)代教育技術，25（02）：40-46.

康淑敏. 2016. 基于學科素養(yǎng)培育的深度學習研究[J]. 教育研究，37（07）：111-118.

柯蒂斯·邦克，伊蓮·邱. 2016. 激勵和留住在線學習者的100個活動：TEC-VARIETY應用寶典[M]. 陳青，彭義平，譯. 北京：中央廣播電視大學出版社.

劉曉萍. 2015. 促進深度學習的教學策略[J]. 教育研究與評論（小學教育教學）（10）：14-17.

劉中宇，高雨寒，胡超. 2016. 基于深度學習的個性化學習模型設計[J]. 中國教育信息化（08）：82-86.

羅剛. 2006. 網絡情境下成人深度學習策略的培養(yǎng)[J]. 成人教育（10）：16-17.

穆肅. 2015. 機遇與挑戰(zhàn)：從開放教育資源到開放教學過程——從遠程教育視野出發(fā)對開放在線課程的思考[J]. 中國電化教育（08）：52-58.

穆肅，王孝金. 2019. 參與和投入而非膚淺和簡單——在線學習中的深層次學習[J]. 中國遠程教育（02）：17-25，92-93.

諾爾斯. 1989. 現(xiàn)代成人教育實踐[M]. 藺延梓，譯. 北京：人民教育出版社.

王英彥，楊剛，曾瑞. 2010. 在線學習者的激勵機制分析與設計[J]. 中國電化教育（03）：62-66.

葉海智，程清杰. 2015. 基于Jigsaw模式的在線學習活動設計與應用研究[J]. 現(xiàn)代教育技術，25（01）：87-92，119.

余勝泉，段金菊，崔京菁. 2017. 基于學習元的雙螺旋深度學習模型[J]. 現(xiàn)代遠程教育研究（06）：37-47，56.

張豪鋒，王春麗. 2011. 成人在線學習模型構建及策略探究[J]. 成人教育，31（06）：34-35.

張浩，吳秀娟，王靜. 2014. 深度學習的目標與評價體系構建[J]. 中國電化教育（07）：51-55.

中華人民共和國教育部. 教育部關于加強高等學校在線開放課程建設應用與管理的意見[EB/OL]. [2015-04-16]. http：//www.moe.gov.cn/srcsite/A08/s7056/201504/t20150416_189454.html

周榮，彭敏軍. 2017. 混合式學習中促進深度學習的助學群組構建與應用研究[J]. 教育現(xiàn)代化，4（33）：202-205.

Boulton-Lewis， Gillian M. （2008） Teaching for quality learning at university. Open Learning： The Journal of Open， Distance and e-Learning， 23（2）， pp. 146-149.

Bitter， C.， Taylor， J.， Zeiser， K.， & Rickles， J. （2014）. Providing opportunities for deeperlearning： Findings from the Study of Deeper Learning： Opportunities and Outcomes （Report 2）. Washington， DC： American Institutes for Research and New York， NY：The Research Alliance for New York City Schools.

Chin， C. ， & Brown， D. E.. （2000）. Learning deeply in science： an analysis and reintegration of deep approaches in two case studies of grade 8 students. Research in Science Education， 30（2）， 173-197.

Costa， A. L.. （1991）. Developing minds： a resource book for teaching thinking. Anesthesiology， 82（5）， 1131-8.

Cuneo， C. J.， & Harnish， D.. （2002）. The lost generation in e-learning： deep and surface approaches to online learning. College Students， 37.

Czerkawski， B. C. （2014）. Designing deeper learning experiences for online instruction. Journal of Interactive Online Learning， 13（2）， 29-40.

Darabi， A.， Arrastia， M. C.， Nelson， D. W.， Cornille， T.， & Liang， X.. （2011）. Cognitive presence in asynchronous online learning： a comparison of four discussion strategies. Journal of Computer Assisted Learning， 27（3）， 216-227.

Delotell， P. J.， Millam， L. A.， & Reinhardt， M. M.. （2010）. The use of deep learning strategies in online business courses to impact student retention. American Journal of Business Education， 3（12）.

Dyjur P M. （2013）. Face-to-face and Online Learning Communities and Their Effect on Deep and Surface Approaches to Learning. Higher Edu cation Acad emy.

Entwistle， N.. （2000）. Promoting deep learning through teaching and assessment： conceptual frameworks and educational contexts. Higher Education Academy.

Grover， S.， Pea， R.， & Cooper， S.. （2015）. Designing for deeper learning in a blended computer science course for middle school students. Computer Science Education， 25（2）， 199-237.

Gunawardena， C. N.， Lowe， C. A.， & Anderson， T.. （1997）. Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing. Journal of Educational Computing Research， 17（4）.

Hacker， D. J.， & Niederhauser， D. S.. （2000）. Promoting deep and durable learning in the online classroom. New Directions for Teaching & Learning， 2000（84）， 53-63.

Hanandeh， A. E.. （2013）. Encouraging Students Deep Learning through Assessment. The Australasian Association for Engineering Education （AAEE） annual conference.

Havard， B.， Du， J.， &Olinzock， A.. （2005）. Deep learning： the knowledge， methods， and cognition process in instructor-led online discussion. Quarterly Review of Distance Education， 6， 125-135.

Huberman， M.， Bitter， C.， Anthony， J.， & ODay， J.. （2014）. The shape of deeper learning： strategies， structures， and cultures in deeper learning network high schools. American Institutes for Research.

Kazmer， & Michelle， M. （2005）. How technology affects students departures from online learning communities. ACM SIGGROUP Bulletin， 25（1）， 25-30.

Keebler， D. W.. （2009）. Online teaching strategy： a position paper. Journal of Online Learning & Teaching（3）.

Keller， J. （1983）. Motivational design in instruction. In C. Reigeluth （Ed.）， Instructional design theories and models： An overview of their current status （pp. 383-434）.Hillsdale， NJ： Erlbaum.

Leung， Y. P.. （2011）. The revised two-factor study process questionnaire： r-spq-2f. British Journal of Educational Psychology， 71（1）， 133-149.

McGee， P.， &Wickershame， L. （2005）. Seeking deeper learning within an online course. In G. Richards （Ed.）， Proceedings of World Conference on E-Learning in Corporate， Government， Healthcare， and Higher Education 2005 （pp. 2205-2212）. Chesapeake， VA： AACE.

P-Dec， V. N.. （2011）. A time for deeper learning： preparing students for a changing world. Education Digest Essential Readings Condensed for Quick Review， 77， 43-49.

Reeve， J. M. （1996）. Motivating others： Nurturing inner motivational resources. Needham Heights， MA： Allyn & Bacon.

Rushton A. （2005）. Formative assessment： a key to deep learning？. Medical Teacher， 27（6）， 509-513.

She， H. C.， & Chen， Y. Z.. （2009）. The impact of multimedia effect on science learning： evidence from eye movements. Computers & Education， 53（4）， 0-1307.

Trekles， A.， & Nakayama， S.. （2010）. Work in progress： Identifying adequate level of instruction without hindering deeper learning in distance learning. Frontiers in Education Conference. IEEE.

Wang， S.， & Wu， P. （2007）. Examining the Role of Feedback on Self-efficacy and Performance in Web-based Environment. International Conference on Innovative Computing. IEEE.

Warburton， K.. （2003）. Deep learning and education for sustainability. International Journal of Sustainability in Higher Education， 4（1）， 44-56.

責任編輯 郝 丹