郭艷玲 周小李

作者簡介：1.郭艷玲，女，山西呂梁人，華中師范大學教育學院2019級碩士研究生，研究方向為高等教育;

2.周小李，女，湖北松滋人，華中師范大學教育學院教授，研究方向為高等教育.

摘 要：為研究近15年來深度學習研究現(xiàn)狀及相關主題熱點，本研究以中國知網(wǎng)（CNKI）核心期刊和CSSCI兩個數(shù)據(jù)庫作為數(shù)據(jù)源，利用Bicomb2.0及SPSS22.0 軟件對篩選出的2005～2020年之間437 篇深度學習相關文獻進行可視化分析。結果表明，相關研究熱點主要有三個方面：信息技術支持下深度學習實證研究及深度教學研究、基于深度學習相關教學策略研究以及學生學習方式研究、深度學習理論研究及教學模式變革研究。

關鍵詞：深度學習;共詞分析;熱點分析

中圖分類號：G40-032

文獻標識碼：A 文章編號：2095-5995（2021）03-0019-07

一、引言

深度學習源于機器學習，后來逐漸被引入教育領域和人工智能領域。深度學習研究最早由美國學者馬頓（Ferenee Marton）和薩爾約（Roger Saljo）提出，他們于1976年聯(lián)名發(fā)表《論學習的本質區(qū)別：結果和過程》一文，認為深度學習具有自發(fā)性、高投入性、理解性、遷移性的特點，是一種涉及高階思維能力的學習狀態(tài)。[1]我國于2005年由黎加厚首次對深度學習進行界定，他認為，深度學習是在理解的基礎上，批判地學習新知識，并將其融入原有認知結構中，與眾多思想相結合，將已有的知識遷移到新情境中解決問題的學習。[2]2015年《地平線報告》指出，深度學習策略對課堂教學的影響日益凸顯，驅使學校應用教育技術。[3]當前，信息技術的發(fā)展、學習方式的變革、人工智能和大數(shù)據(jù)的使用，都為深度學習的研究提供了有力的支持。剖析深度學習研究熱點，展望深度學習發(fā)展趨勢，有著重要的研究意義。我國雖有針對深度學習的文獻研究，但存在研究時間跨度短、文章數(shù)量少等不足。因此，本文在現(xiàn)有研究基礎上，使用Bicomb2.0及SPSS22.0軟件對2005-2020年國內有關深度學習的文獻進行可視化研究，分析深度學習的研究熱點與發(fā)展趨勢，為下一階段深度學習的研究提供參考和借鑒。

二、研究設計

（一）數(shù)據(jù)來源

我們以中國學術期刊網(wǎng)絡出版總庫（CNKI）作為數(shù)據(jù)源，將關鍵詞設定為“深度學習”，檢索文獻來源限定為核心期刊和CSSCI數(shù)據(jù)庫來源期刊，檢索年限設定為2005—2020年，得到檢索文獻481篇。為確保研究的嚴謹，我們對文獻進行篩選，剔除與主題不相關的文獻（如：征稿通知、人物介紹、課題簡介等），并且挑選出有關鍵詞的文獻，最終得到有效文獻437篇。

（二）研究工具

本文采用中國醫(yī)科大學醫(yī)學信息系崔雷和沈陽市弘盛計算機技術有限公司一同開發(fā)的軟件Bicomb2.0（書目共現(xiàn)分析系統(tǒng)）以及SPSS22.0作為主要研究工具展開研究。

（三）研究進程

整合研究資料，將篩選的437篇文獻導出，導出格式設定Notefirst，得到txt文件;用Bicomb2.0導入，對文檔進行關鍵詞統(tǒng)計;根據(jù)需要設置頻率閾限，并提取高頻關鍵詞，生成詞篇矩陣并導出;打開SPSS軟件，導入詞篇矩陣，進行分析后生成相似矩陣并轉為相異矩陣;之后再進行聚類分析和多維尺度分析，生成知識圖譜;最后對相關結果總結分析。

三、研究文獻可視化分析

（一）文獻外部分析

1.年度分布情況

學術論文發(fā)文量的趨勢變化可預測該領域的發(fā)展狀況，圖1中橫軸代表發(fā)表年份，縱軸代表該年份的深度學習發(fā)文數(shù)量，可以看出2005-2020年間，國內深度學習的研究總體呈逐步上升趨勢，尤其在2016年之后出現(xiàn)飛速增長，成為教育領域的研究熱點。2005年黎加厚在普通期刊上首次發(fā)表有關“深度學習”的研究論文，并對深度學習的內涵進行了初步界定。但關于深度學習的核心期刊文章直到2006年才出現(xiàn)。國內關于深度學習的研究可以分為三個階段：2005-2009年是深度學習研究的萌芽階段，文獻數(shù)量匱乏;2010-2015是深度學習研究高速發(fā)展階段，源于2010年國家層面對深度學習做出了部署，即《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）》提出“學習者只有以深度學習為基礎，才能實現(xiàn)培養(yǎng)自身自主學習能力和知識創(chuàng)新能力的目標”，[4]這期間，有許多學者在深度學習特征、策略、理論、評價等方面展開系統(tǒng)研究;2016年 “人工智能”一詞在“十三五”規(guī)劃中首次出現(xiàn)，在政策和技術雙重推動下，2016-2020年深度學習相關研究進入“白熱化”階段，許多從技術角度對深度學習展開的研究蜂擁而至。

2.高產作者分布

在Bicomb2.0中對篩選出的431篇有效文獻進行統(tǒng)計。從表1可知產量較高的作者發(fā)文量高達8篇，最少為1篇。高頻統(tǒng)計結果表明，任虎虎、胡航、段金菊等學者為該領域研究做出貢獻，不斷推動深度學習的縱向發(fā)展。中學教師和大學教師是發(fā)文量較高的兩個群體，中學教師在教學實踐中不斷深入教研工作，豐富了深度學習的教學實踐。這些作者以校內合作為主，跨機構合作較少，缺少交流，較難形成系列的、有一定影響力的成果。

3.期刊分布

國內深度學習發(fā)文量前十的文獻發(fā)表于《教學與管理》《電化教育研究》《中國電化教育》《現(xiàn)代教育技術》《遠程教育雜志》等期刊雜志，占比超過二成，可見深度學習研究中注重信息技術的應用。有一部分研究成果集中于部分學科教育期刊，如《課程·教材·教法》《物理教師》《生物學教學》《思想政治課教學》等，可見基礎教育領域具體學科教學同樣也非常注重學生深度學習。

4.高產研究機構分布

對各作者所屬單位進行降序排列，根據(jù)表3可知，我國深度學習研究的高產機構主要集中在高校，其中師范類院校占比較大，東北師范大學、北京師范大學、陜西師范大學、華東師范大學等國內知名師范類高校是深度學習研究的主力軍。但根據(jù)作者圖譜分析，發(fā)現(xiàn)目前該領域各大高校間缺乏溝通交流，研究領域力量過于分散，不利于研究的進行。對其所屬地域進行統(tǒng)計分析，依次為華東、東北、華北、華中、西北，表明深度學習的研究存在地域差異。

（二）文獻內部分析

1.高頻關鍵詞詞頻統(tǒng)計分析

通過Bicomb2.0軟件對437篇文章進行關鍵詞提取，得到1822個關鍵詞，為避免含義重復而影響分析結果，將關鍵詞進行同義詞合并，如將“思想政治課”“思政課”合并為“思想政治課”，將“MOOC”“慕課”合并為“慕課”。

經過整合，限制詞頻閾值為6，將得到的36個關鍵詞列為高頻關鍵詞，其總的出現(xiàn)頻次為913次，累計百分比為50.1%，超過知識圖譜中規(guī)定的27%，符合分析標準。高頻關鍵詞是在文獻中多次出現(xiàn)的詞匯，出現(xiàn)的頻率越高越在一定程度上能反映出該領域近十五年的研究熱點。對這36個高頻關鍵詞進行排序（表4）可以看到，排列在前10位的高頻關鍵詞分別為：深度學習（433），核心素養(yǎng)（62），教學策略（40），翻轉課堂（26），深度教學（23），高階思維（22），在線學習（19），人工智能（18），淺層學習（18），反思性學習（16）。

2.相似矩陣分析

通過關鍵詞共現(xiàn)技術生成關鍵詞相似矩陣，挖掘這些高頻關鍵詞之間的內在聯(lián)系。以上關鍵詞都是作為獨立詞匯存在，為進一步挖掘這些高頻關鍵詞之間的內在聯(lián)系，將SPSS分析導出的詞篇矩陣轉成皮爾遜系數(shù)相似矩陣，因內容有限，只放置前五組（表5）。數(shù)值越接近于1，兩個關鍵詞之間的距離越近，相似度越大;反之，數(shù)值越接近于0，兩個關鍵詞之間的相似度越小。如深度學習和深度教學之間相似性系數(shù)為0.387，而深度教學和翻轉課堂之間相似性系數(shù)僅為0.068，這表明深度學習與深度教學有更大的相似性。

3.共詞聚類分析

由表5的相似矩陣得出兩兩高頻關鍵詞之間的相似程度，為了進一步了解深度學習研究領域的熱點問題，對這些高頻關鍵詞聚集，進行聚類分析。采用 SPSS22.0對高頻關鍵詞進行系統(tǒng)聚類，選擇離差平方和法與離散數(shù)據(jù)類型中的斐方方法，諸多相似程度較高的關鍵詞會聚合在一起形成聚類團，團內聚類相似性最大，團間聚類相似性最小，從而呈現(xiàn)不同研究熱點的領域?；谏疃葘W習的相關研究，對聚類樹狀圖的關鍵詞進行整理、分析，將深度學習研究的熱點劃分為四類。

第一類：深度學習（433）、核心素養(yǎng)（62）、深度教學（23）、思想政治課（8）、路徑（11）、教學策略（40）、課堂教學（7）、淺層學習（18）、學習科學（8）、教學模式（16）、教學設計（16）、教學改革（12）、混合式教學（6）。

第二類：翻轉課堂（26）、慕課（9）、在線學習（19）、協(xié)作學習（10）、智慧課堂（9）、自主學習（7）、反思性學習（16）、知識遷移（9）、以學生為中心（12）、問題解決（9）、批判精神（7）、高階思維（22）。

第三類：混合學習（12）、個性化教育（8）、教育信息化（14）、實證研究（7）、人工智能（18）、教育人工智能（6）、學習分析（8）、學習方式（6）。

第四類：對分課堂（6）、初中物理（6）、綜合思維（7）。

以第三類為例，最初的每個高頻關鍵詞混合學習（12）、個性化教育（8）、教育信息化（14）都是一個類別，通過計算顯示混合學習（12）、個性化教育（8）之間的相似程度高，聚合為一類;教育信息化（14）、實證研究（7）之間的相似程度高，聚合為一類;人工智能（18）、教育人工智能（6）之間的相似程度高，聚合為一類;學習分析（8）、學習方式（6）之間的相似程度高，聚合為一類。最后混合學習（12）、個性化教育（8）、教育信息化（14）、實證研究（7）、人工智能（18）、教育人工智能（6）、學習分析（8）、學習方式（6）這八個關鍵詞共同聚合為同一大類。這一類之間兩兩高頻關鍵詞的相似程度相對較高，而與其他類別之間的高頻關鍵詞的相似程度相對較低。具體見圖2。

4.高頻關鍵詞多維尺度分析

雖然聚類分析能將零散的關鍵詞聚合為若干個研究詞團，但是無法表示每個熱點在整體中所處的位置。通過多維尺度分析，可以看出高頻關鍵詞呈區(qū)域聚集分布的態(tài)勢。多維尺度分析通常顯示為二維空間（或三維），將分析對象以點狀分布到一個特定位置。點與點所處的空間位置距離代表兩個高頻詞匯之間的相似性，高度相似的詞匯聚集在一起形成本學科的一個研究熱點。并且，越處于中間的關鍵詞表示其在學科的位置也是最核心的;反之，越處于外圍也就越邊緣。多維尺度分析結果顯示，深度學習研究熱點的知識圖譜主要有三大領域（見圖3），高頻關鍵詞分布在二維空間坐標軸的四個象限，第一象限和第四象限的高頻關鍵詞（領域三）之間聯(lián)系比較明確和緊密[5];第二象限的關鍵詞（領域一）在研究中處于較邊緣的地位[6]，內部結構比較松散;第三象限的關鍵詞（領域二）位于研究的核心位置，結構緊密。

四、深度學習研究熱點分析

（一）信息技術支持下的深度學習實證研究及深度教學研究

從領域一可知，信息技術飛速發(fā)展，為教育界帶來了許多新興的學習技術，國內學者又極其關注深度學習，使這些學習技術在深度學習領域也得到廣泛應用，主要包括“教育人工智能”“在線學習”等高頻關鍵詞。同時，由于國內學術界對實證研究的推崇，近些年，在深度學習領域中，研究者應用實證研究方法展開的研究越來越多，具體研究中出現(xiàn)許多關于深度學習評價方面的研究，大多應用國外成熟的評價體系，例如：皮亞杰—比格斯深度學習評價模型、辛普森的動作技能目標分類法、布魯姆認知目標分類法等[7]，原創(chuàng)性研究缺乏，而且比較注重深度學習結果評價，對深度學習環(huán)境評價較少。

學生學習離不開教師教學，信息技術下深度教學也引發(fā)研究者關注，很多學者對教學設計展開研究，并得出一些有價值的結論。例如，王志燕發(fā)現(xiàn)智慧教室有利于促進學生深度學習[8];杜鵑通過比較深層學習與淺層學習，發(fā)現(xiàn)信息化教學設計框架有益于深度學習。[9]加之核心素養(yǎng)的正式提出，深度教學研究中許多都指向核心素養(yǎng)這一目標，有學者認為反思活動有效地促進深度學習[10]，因此深度教學中應注重學生反思性學習能力的提升。

（二）基于深度學習的相關教學策略研究以及學生學習方式研究

領域二中具體包括“混合式教學”“教學策略”“教學改革”“個性化教育”“初中物理”“思想政治課”“高階思維”“以學生為中心”“協(xié)作學習”等18個關鍵詞。具體分析來看，深度學習要想發(fā)揮出其優(yōu)勢，必然與教學密切相關。因此，將深度學習融入教學過程中，體現(xiàn)在教學方方面面以達到最佳教學效果。其中關于教學策略的研究較為豐富，很多學者提出指向“深度學習”的教學策略，例如：明確學生認知基礎、優(yōu)化教學過程、貼近學生生活且促進學生內化的教學[11]，為深度學習創(chuàng)設特定情境，以高階思維發(fā)展為教學目標，選擇發(fā)展性評價方式[10]。也有一些學者將教學策略應用于具體的學科教學中進行案例研究，大多出現(xiàn)在中小學各類教學中，以“初中物理”“思想政治”學科的研究居多。

近幾年，深度學習的研究很關注學生核心素養(yǎng)的提升，在突出的是更加強調以學生為中心，注重個性化教育，注重培養(yǎng)學生高階思維能力，這也正是深度學習內涵的體現(xiàn)。隨著學習科學的深入研究，學生學習方式也越來越引起研究者思考。

（三）深度學習理論研究及教學模式變革研究

領域三主要關鍵詞有“教學模式”“課堂教學”“學習分析”“慕課”“翻轉課堂”“淺層學習”。理論對于實踐有指導意義，一切研究的開展必然以理論研究為基礎。深度學習理念傳入我國之后，許多研究者開展深度學習的理論研究，主要借鑒國外研究經驗，原創(chuàng)性理論較少，成果也相對少。學者們一致認同深度學習是以學習者為中心，立足于生命，強調主體性，[12]注重在實踐中切身體驗，促進高階思維和深度理解。 [13]我國在深度學習理論研究中要善于轉換視角，應用新的研究方法來拓展深度學習理論研究?！吧疃葘W習”理念不斷深入的同時，信息技術在快速發(fā)展，許多新興教學模式相繼出現(xiàn)，其推廣應用也逐步趨于成熟，眾多研究者已經展開相關研究，有基于深度學習的翻轉課堂研究、微課、慕課等新興教學模式的實際應用與推廣等。例如，有學者運用認知負荷理論，發(fā)現(xiàn)翻轉課堂教學模式能促進深度學習[14];也有研究者設計了COOC深度學習模式，從知識的聯(lián)結、內化、延伸三個不同階段探索了翻轉課堂的教學路徑。[15]近幾年，人工智能為深度學習的發(fā)展提供了許多新的路徑，包括在線學習和面授相結合的混合學習的相關研究不斷涌現(xiàn)。

五、結論與展望

根據(jù)知識圖譜解讀原則可知，關于深度學習的相關教學策略及相應的學生學習方式等的研究相對成熟;信息技術支持下的深度學習應用的實證研究及深度教學受到很大重視， 但是其研究處于邊緣;深度學習理論研究及教學模式的變革較為前沿但研究成熟度不足。通過對深度學習研究的熱點分析，我們認為深度學習研究之后應多注重以下三個方面：

（一）繼續(xù)關注技術支持下的深度學習研究

當前，課堂教學中越來越多地應用信息技術，輔助知識講解、實驗探究、課堂評價等教學環(huán)節(jié)。慕課與翻轉課堂的出現(xiàn)，使用大數(shù)據(jù)分析、評價學習者的學習，人工智能下創(chuàng)建深度學習環(huán)境?？梢姡疃葘W習的發(fā)展是與時俱進的，要注重深度學習的技術支撐和資源建設，為深度學習創(chuàng)造條件。

利用技術發(fā)展的同時，也要注重提高相關人員的信息素養(yǎng)，落實立德樹人和核心素養(yǎng)觀念，注重轉變學生思維，以學習者為中心，培養(yǎng)學生深度學習能力。教師要準確理解“技術”，應用“技術”，對課堂教學中學習者進行學習分析，及時發(fā)現(xiàn)新型教學模式下學生學習的特點及存在的問題，從而采取及時補救措施，促進課堂教學中學生有效學習。

（二）加強深度學習實證研究、拓展深度教學

采用實證研究方法對深度學習進行研究，可以檢測學生學習效果、教師教學效果，提高深度學習質量。但縱觀近十五年深度學習論文發(fā)現(xiàn)，對深度學習的實證研究甚少，多是就某一學科個案展開，研究者應借鑒國外相關實證研究經驗，進行深入的實證研究，以供后續(xù)研究者參考，如深度學習課前設計、課中實施、課后評價具體實施策略等。

當前深度學習研究更多集中于學生學習，忽略教師深度教學，缺少對教師有效教學的專業(yè)素養(yǎng)研究。而學生深度學習需要有效教學，教師專業(yè)發(fā)展研究必不可少。教師專業(yè)發(fā)展是指教師專業(yè)結構不斷更新、發(fā)展的過程[16]，應注重教師專業(yè)發(fā)展評估方案的完善，使教師深度教學與學生深度學習相輔相成，實現(xiàn)教學相長，因此，要拓展教師深度教學，進而引領教學質量的提升。

（三）完善深度學習理論、落實實踐教學

目前，已有研究主要集中在促進深度學習的策略及其教學應用上，基礎理論方面的研究相對匱乏。但實踐離不開理論，我們應從理論研究出發(fā)，讓深度學習的研究具有堅實、可靠的理論基礎，以提高學習效果。要不斷完善已有的深度學習理論并創(chuàng)造新的學習理論，就要突破簡單的概念厘清，從教學方法、學習方式、計算機科學、心理學等視角對深度學習做更深入的理論研究，更要立足于學生主體性，關注學生道德情感等更高層面的問題，用人本主義的理念完善和構建深度學習理論，并在理論豐富發(fā)展的基礎上付諸具體教育教學實踐中。

參考文獻：

[1]Marton F， Saljo R. On qualitative differences in learning：I-Outcome and Process[J].British Journal of Educational Psychology，1976，46（1）：4-11.

[2]嚴亞利，黎加厚.教師在線交流與深度互動的能力評估研究——以海鹽教師博客群體的互動深度分析為例[J].遠程教育雜志，2010，28（02）：68-71.

[3]NMC. Horizon Report：2015 K-12 Edition[EB/OL].（2019-04-19）https：//www.learntechlib.org/p/182008/.

[4]顧明遠.學習和解讀《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）》[J].高等教育研究，2010，31（7）：1-6.

[5]鄔大光.大學本科人才培養(yǎng)模式非改不可[J].中國高等教育，2008（17）：63.

[6]鐘偉金，李佳.共詞分析法研究（二）——類團分析[J].情報雜志，2008，27（06）：141-143.

[7]張浩，吳秀娟，王靜.深度學習的目標與評價體系構建[J].中國電化教育，2014（7）：51-55.

[8]王志燕.促進學生深度學習的智慧教室教學交互活動設計[J].中國職業(yè)技術教育，2019（35）：82-87.

[9]杜娟，李兆君，郭麗文.促進深度學習的信息化教學設計的策略研究[J].電化教育研究，2013，34（10）：14-20.

[10]安富海.促進深度學習的課堂教學策略研究[J].課程·教材·教法，2014，34（11）：57-62.

[11]張鵬，郭恩澤.指向“深度學習”的教學策略研究[J].教育科學研究， 2017 （09）：54-58.

[12]錢旭升.論深度學習的發(fā)生機制[J].課程·教材·教法，2018，38（9）：68-74.

[13]李松林，賀慧，張燕.深度學習究竟是什么樣的學習？[J].教育科學研究，2018（10）：54-58.

[14]樂會進，蔡亮文.促進深度學習的翻轉課堂研究：認知負荷理論的視角[J].教學與管理，2019（12）：92-95.

[15]李洪修，李哨兵，深度學習下翻轉課堂的實施路徑設計[J].中國電化教育，2017（07）：67-72.

[16]李香玲.生活史研究：一位幼兒園優(yōu)秀教師專業(yè)發(fā)展足跡[J].陜西學前師范學院學報，2017，33（7）：101-104.