段茂君 鄭鴻穎

(四川師范大學 四川 成都 610066)

隨著學科核心素養(yǎng)的提出和基礎(chǔ)教育課程改革的推進，深度學習逐漸成為全新教育理念與學習方式變革的標志。認知心理學、課程與教學論、教育技術(shù)學、教育評價學、人工智能等領(lǐng)域的學者均加入了對深度學習的研究，梳理這些研究成果有助于把握深度學習研究的現(xiàn)狀和趨勢[1-6]。然而，由于深度學習本身非常復雜，加之分析視角不同，現(xiàn)有深度學習研究的綜述仍存在如下不足：其一，盡管列舉了諸多關(guān)于深度學習的內(nèi)涵，但究竟應如何表征深度學習仍缺乏深刻性探討；其二，雖然羅列了大量關(guān)于深度學習的機制和途徑(原則、方法、策略、模型等)，但如何統(tǒng)整這些成果卻尚無系統(tǒng)性框架；其三，縱使陳述了不少深度學習的評價體系及實證研究，但評價體系及實證量測鮮涉關(guān)聯(lián)性，而合理評價體系是確保實證可信的前提；其四，深度學習的內(nèi)涵、機制、途徑、評價及實證等構(gòu)成了深度學習研究的主要內(nèi)容，但現(xiàn)有綜述的全面性仍有待提升。同時，就深度學習本身而言，對其內(nèi)涵理解的不同會導致對其機制認識的差異，在內(nèi)涵、機制上的模糊將會給學校課程設(shè)置和教師教學中促進學生深度學習帶來挑戰(zhàn)，長此以往，深度學習將可能淪為一個口號，無法真正升華為理論，更難以深入落實到教育實踐[7]。

面對深度學習研究文獻的紛繁，全面梳理這些成果構(gòu)成本文的研究內(nèi)容之一——深度學習研究的綜述；面對深度學習本身的復雜，建立趨于統(tǒng)一的深度學習理論構(gòu)成本文的研究內(nèi)容之二——深度學習研究的展望。攻克以上兩個研究問題很大程度上可借助于復雜性理論(Complexity theory)[8]。這是因為，可以將深度學習視作一個多成員、多變量、多維度的復雜系統(tǒng)[9]。一方面，可借助于復雜性理論[10]系統(tǒng)回顧現(xiàn)有深度學習研究的文獻[11-12]；另一方面，復雜性理論能夠提供“改造舊概念與創(chuàng)建新概念的方法”[13]214，轉(zhuǎn)變已有概念[14-15]，進而建立復雜性理論視野下的深度學習理論[16]。

基于此，本文擬以中文社會科學引文索引(CSSCI)和社會科學引文索引(SSCI)文獻為代表，基于復雜性理論的宏觀框架梳理深度學習文獻中的內(nèi)涵、機制、途徑、評價及實證成果；在此基礎(chǔ)上，結(jié)合復雜性理論的基本范式，重構(gòu)深度學習的內(nèi)涵、機制、過程及評價等，提出今后研究深化的方向。

一、研究設(shè)計

(一)文獻搜集

檢索中國知網(wǎng)CNKI中的CSSCI(含擴展版)文獻，在高級檢索中，文獻分類為“社會科學II輯”中“教育”“體育”等8個教育相關(guān)的子分類，檢索欄目為“篇名”，檢索詞為“深度學習”或“深層學習”。SSCI源自科睿唯安的產(chǎn)品Web of Science(WOS)，類型為“Article”和“Review”，類別為“Education educational research”，按“Title”檢索“deep learning”“deeper learning”“deep learner”“deep processing”“deep processor”“deep strategy”“depth of learning”“depth of processing”等[17]?？紤]到國內(nèi)深度學習首次出現(xiàn)于2005年[18]，加之WOS自2005年開始收錄SSCI，因此文獻的檢索時間為2005年1月1日至2022年6月1日，分別得到CSSCI和SSCI文獻327篇、175篇。依托文獻管理軟件EndNote，根據(jù)標題和摘要剔除計算機領(lǐng)域的深度學習研究文獻、書評等無關(guān)文獻，進行初步分類，隨后聚焦關(guān)鍵文獻，歸納核心要點。

(二)復雜性理論簡介

復雜性理論又稱復雜性科學(Complexity science)，其研究重點是探索宏觀領(lǐng)域的復雜性及其演化問題[19]，旨在“揭示復雜系統(tǒng)的結(jié)構(gòu)、特征、內(nèi)部運作機制，系統(tǒng)與環(huán)境的相互作用原理及其在不同狀態(tài)下的特征，系統(tǒng)的演變與發(fā)展等”[13]193。研究復雜系統(tǒng)的結(jié)構(gòu)與功能關(guān)系，以及演化和調(diào)控規(guī)律，是一門新興的交叉性、綜合性學科[8]。綜合來看，可將復雜性理論理解為關(guān)于認識復雜系統(tǒng)、探明系統(tǒng)演化機制和規(guī)律、優(yōu)化和調(diào)控系統(tǒng)的知識體系，具體表現(xiàn)為復雜系統(tǒng)的表征及復雜系統(tǒng)演化的條件、機制、過程及標度等[10]1。其中，復雜系統(tǒng)的表征主要體現(xiàn)在結(jié)構(gòu)和功能的闡述，由此形成的復雜系統(tǒng)概念(框架)是復雜系統(tǒng)研究的邏輯起點；結(jié)構(gòu)和功能如何演化即所謂機制，涉及演化的前提條件和演化過程中的作用，探尋復雜系統(tǒng)的演化機制及其引發(fā)外在規(guī)律是復雜系統(tǒng)研究的核心任務；優(yōu)化結(jié)構(gòu)是促進功能演化的必經(jīng)之路，優(yōu)化和調(diào)控復雜系統(tǒng)的演化過程是復雜系統(tǒng)研究的根本目的；演化規(guī)律的把握和演化過程的優(yōu)化均需依賴一定的標度準則，這是復雜系統(tǒng)研究走向定量的重要支撐。而復雜性理論便是源自不同領(lǐng)域復雜系統(tǒng)在以上方面研究成果的提煉和升華，旨在超越單科研究、減少理論工作的重復、促進科學的統(tǒng)一[13]215，為解決各領(lǐng)域不斷衍生的復雜系統(tǒng)問題提供理論依據(jù)。

(三)復雜性理論的框架和范式

深度學習是一個復雜系統(tǒng)，對深度學習的研究很大程度上與一般的復雜系統(tǒng)研究內(nèi)容相近。例如，深度學習內(nèi)涵對應復雜系統(tǒng)的表征，深度學習機制對應復雜系統(tǒng)的演化機制，促進深度學習的原則、方法、策略、路徑、模型等對應復雜系統(tǒng)演化的優(yōu)化過程，深度學習的評價對應復雜系統(tǒng)演化的標度，而深度學習的實證對應復雜系統(tǒng)演化狀態(tài)的量化以及優(yōu)化成效的論證。在此意義上講，復雜性理論可以作為梳理深度學習現(xiàn)有文獻的宏觀框架，該框架所包含的主題(概念、條件、機制、過程及標度等)恰好也是現(xiàn)有深度學習研究的主要內(nèi)容。因此，從內(nèi)涵、機制、過程、評價、實證等五個方面系統(tǒng)綜述深度學習的研究現(xiàn)狀，既符合復雜性理論的宏觀框架，又能夠全面梳理深度學習的既有研究成果。同時，復雜系統(tǒng)的概念、條件、機制、過程、標度等方面構(gòu)成了復雜性理論的基本研究范式，即任何復雜系統(tǒng)的研究通常均可沿用該思路，由此可基于復雜性理論視角重新審視深度學習的內(nèi)涵、機制、過程及評價等，并將這些部分歸整于復雜性理論體系，以期發(fā)展趨于理性、深刻和統(tǒng)一的深度學習理論。

二、復雜性理論視野下的深度學習研究綜述

(一)深度學習的內(nèi)涵表征

深度學習這一術(shù)語最早可追溯到1976年馬頓(Marton)等人發(fā)表的文章《學習質(zhì)量的差異：結(jié)果與過程》(Onqualitativedifferencesinlearning:I-outcomeandprocess)[20]，但其表述為“Deep level processing”，意指有別于淺層學習(Surface level)的學習過程和結(jié)果，比格斯(Biggs)等沿用了該術(shù)語以表征高水平或主動的認知加工[21]。最早用“Deep learning”表述深度學習并加以界定的學者是本茨(Bentz)[22]，將深度學習界定為“一種集智慧、情感、技能、心理、個人和社會經(jīng)驗為一體的能力，這種能力能夠遷移和分享，且具有積極的活力和提升空間”[23]14。國內(nèi)最早引入深度學習術(shù)語的學者是何玲和黎加厚，他們將馬頓等人的“Deep level processing”譯作“深度學習”，并結(jié)合布盧姆認知目標分類將深度學習界定為：“在理解學習的基礎(chǔ)上，學習者能夠批判性地學習新的思想和事實，并將它們?nèi)谌朐械恼J知結(jié)構(gòu)中，能夠在眾多思想間進行聯(lián)系，并能夠?qū)⒁延械闹R遷移到新的情境中，做出決策和解決問題的學習”[18]29。面對21世紀以來新一輪的教育變革，國內(nèi)外不期而遇地聚焦深度學習，由此掀起了針對深度學習的研究熱潮，而對其內(nèi)涵的表征是深度學習研究的出發(fā)點。

SSCI文獻中的深度學習內(nèi)涵多采用美國國家研究委員會(NRC)所提的定義，即“個體將一種情境下學習的知識應用于新情境的過程(如遷移)”[24]5。該過程涉及認知、人際、個人三個領(lǐng)域。這三個領(lǐng)域與休利特基金(Hewlett Foundation)的六維度素養(yǎng)正好對應[25]，認知領(lǐng)域包括核心學科知識、批判性思維和問題解決，人際領(lǐng)域包括團隊協(xié)作、有效溝通，個人領(lǐng)域包括學會學習、學習毅力；隨后，美國研究學會(AIR)的報告對以上三領(lǐng)域、六維度進行了更細致的表征[26]，該深度學習定義在SSCI文獻中被廣泛應用[27-29]。除此之外，萊恩(Ryan)等人認為深度學習包括反思學習、批判性學習、積極學習，意義、理解和情感是深度學習的重要維度[30]；薩格登(Sugden)等人認為深度學習是促進學習者理解并使信息對學習者有意義，產(chǎn)生更持久、更強的記憶痕跡的精細化認知過程[31]；麥克菲爾(Mcphail)將深度學習定義為理解知識的局部與整體聯(lián)系的能力，深度學習的結(jié)果是能夠進行抽象思維并將概念思維應用于一系列情境，同時在新情境中應用概念知識來理解和利用概念與程序性知識的聯(lián)系[32]；陳(Chen)等人將深度學習視作一個通過將新信息鏈接已有信息來積極重塑自身知識并建構(gòu)意義的過程[33]。需要指出的是，大部分SSCI文獻未對深度學習的內(nèi)涵進行過多描述，而是更多地聚焦實證研究和案例分析。

而在CSSCI文獻中，幾乎所有文獻均會對深度學習的內(nèi)涵進行一定探討，因此關(guān)于深度學習內(nèi)涵的中文界定不勝枚舉，如基于結(jié)果、方式、目標、過程等視角[34]，或區(qū)別釋義、理解遷移、過程描述、要素組成等流派[35]。例如，張浩等人認為深度學習“要求學習者在真實社會情景和復雜技術(shù)環(huán)境中更加注重批判性地學習和反思，通過深度加工知識信息、深度理解復雜概念、深度掌握內(nèi)在含義，主動建構(gòu)個人知識體系并有效遷移應用到真實情境中以解決復雜問題，最終促進全面學習目標的達成和高階思維能力的發(fā)展”[36]7；安富海認為“深度學習是一種基于理解的學習，是指學習者以高階思維的發(fā)展和實際問題的解決為目標，以整合的知識為內(nèi)容，積極主動地、批判地學習新的知識和思想，并將它們?nèi)谌朐械恼J知結(jié)構(gòu)中，且能將已有的知識遷移到新情境中的一種學習”[37]58；康淑敏認為“深度學習是一種以高階思維為主要認知活動的持續(xù)性學習過程，具有高投入性和建構(gòu)性的內(nèi)涵特質(zhì)”[38]113；郭華認為“深度學習是指在教師引導下，學生圍繞著具有挑戰(zhàn)性的學習任務，全身心的積極參與、體驗成功、獲得發(fā)展的有意義的學習過程”[39]27；吳永軍認為深度學習是“在特定的社會文化情境中，學習者在與他人互動以及環(huán)境互動中，關(guān)注知識之間的有機聯(lián)系，最終能夠遷移并能夠解決實際生活問題的意義生成的過程”[40]56。

由上可知，無論SSCI文獻還是CSSCI文獻，對深度學習的界定均源于已有的學習理論和框架。這是因為，既有研究所描述的深度學習本質(zhì)上不是一個全新的革命性的概念，關(guān)心和強調(diào)的東西很多都已在現(xiàn)有的理論框架中以各種形式被研究和實踐著，并可由現(xiàn)有理論和研究體系得以解釋[9]。表1呈現(xiàn)了當前國內(nèi)外深度學習部分界定中的關(guān)鍵詞。可以發(fā)現(xiàn)，理解，遷移(應用)，批判性(分析、評價)，創(chuàng)新(創(chuàng)造)，問題解決，高階思維，建構(gòu)，意義等幾乎可以概括所有的深度學習內(nèi)涵，換言之，現(xiàn)有深度學習內(nèi)涵可由布盧姆認知目標分類、建構(gòu)主義及有意義學習等理論和框架得以闡釋。特別是布盧姆認知目標分類，學界較一致的觀點是記憶為淺層學習，理解、應用、分析、評價、創(chuàng)造為深度學習[36]；高階思維通常認為緣起于布盧姆認知目標的后三個層次，幾經(jīng)演化，高階思維涵蓋批判性思維、創(chuàng)造性思維和問題解決三種能力[34]。因此，現(xiàn)有的絕大多數(shù)深度學習內(nèi)涵界定是對布盧姆認知目標分類及其部分層次的敘事性重新刻畫。相比國外的界定，國內(nèi)對深度學習內(nèi)涵的界定一方面嘗試包容更多的關(guān)鍵詞，另一方面通過增加定語以強化定義的合理性。顯然，敘事性描述意味著會夾雜不同程度的主觀性，這是中文或英文語境下均能得到大量不同深度學習內(nèi)涵表述的主因。

表1 國內(nèi)外部分深度學習內(nèi)涵中的關(guān)鍵詞

雖然對深度學習內(nèi)涵的界定未能達成表述上的一致，但確實深遠影響了近十年來國內(nèi)外的教育變革，如美國休利特基金發(fā)起、AIR組織實施的SDL項目(2011—2014年)具有里程碑意義[41]，中國在2014年也開啟了基于“深度學習”的教學改進，指向核心素養(yǎng)的培育[42]。之所以在諸多詞匯中選擇深度學習，主要原因有二：其一，深度學習實際上是一個大概念[43]，能夠超出普通概念的應有內(nèi)涵和外延，作為一種深刻思想、學說的載體，自然可以聯(lián)結(jié)以往的學習理論(如建構(gòu)主義)和框架(如布盧姆認知目標)，并將其優(yōu)秀部分置于深度學習內(nèi)涵之中；其二，AI深度學習的流行使得深度學習一詞廣泛傳播，教育領(lǐng)域由此可借助于深度學習這一時髦名詞助推歷史上一切優(yōu)秀學習理論和框架的應用和推廣，這也在一定程度上解釋了為何現(xiàn)有深度學習內(nèi)涵所描述的很多東西雖早已體現(xiàn)于“三維目標”階段，但深度學習卻真正興起于“核心素養(yǎng)目標”階段[35,44]。

盡管深度學習這一術(shù)語目前已深入人心，但需要正視的是，深度學習仍然沒有真正成為新一代學習理論。而深度學習要想成為新時代學習理論，首先要突破現(xiàn)有的內(nèi)涵，成為一個全新的革命性的概念，能夠包容且超越以往的各種優(yōu)秀學習理論和框架。要做到這一點，必須認識并合理刻畫學習的本質(zhì)，在此基礎(chǔ)上再談深度學習。參考胡德海對教育本質(zhì)的解讀[45]213，學習的本質(zhì)，應該邏輯地具有統(tǒng)括學習現(xiàn)象的一切方面、一切環(huán)節(jié)、一切要素之總和的特性。遺憾的是，現(xiàn)有的深度學習定義并未深入觸及學習的本質(zhì)，多數(shù)內(nèi)涵僅在認知心理范疇描述個體的認知階段，難以反映復雜的學習現(xiàn)象。因此，如何將深度學習的內(nèi)涵從敘事性描述提升至理性而本質(zhì)的刻畫，是今后建立深度學習理論所應面對的、不可回避的首要關(guān)鍵問題。

(二)深度學習的發(fā)生機制

深度學習的機制即描述深度學習如何發(fā)生，這是深度學習研究的重點和難點。對機制的揭示有助于把握深度學習的內(nèi)在結(jié)構(gòu)與學生發(fā)展之間的聯(lián)系，進而可以針對性地優(yōu)化深度學習的實踐過程。

SSCI文獻中僅有少量文獻直接探討深度學習的機制(mechanism)。例如，麥克菲爾(Mcphail)基于所提的深度學習定義，認為概念是深度學習的一種機制：(1)定義和構(gòu)建研究主題的關(guān)鍵命題和概念，即認知結(jié)構(gòu)；(2)通過連接內(nèi)容和事實，拓展命題和概念的知識領(lǐng)域，主題概念提供了將內(nèi)容連接到更深層次意義的手段；(3)將“概念和內(nèi)容”與“知道如何去做”聯(lián)系起來，可理解為將理論應用于實踐；(4)通過“知道為什么”判斷學生是否對概念及其之間的聯(lián)系有了深刻的理解，即深度學習[32]。菲利烏斯(Filius)等人認為SPOC中深度學習的機制在于不同類型的交互(interaction)，主要包括四種：(1)自身融入，學生被親自對待，感覺自己是團隊的一員；(2)詢問并提供相關(guān)反饋，即了解如何指向深度學習的詢問和提供反饋；(3)來回探索，它描述了學生通過往復溝通表達想法和接受反饋，此間需比較和綜合信息，得出和支撐結(jié)論；(4)理解自己的學習過程，即學生在不同情境應用新信息時，如何理解所學內(nèi)容和還需學習的內(nèi)容[46]。相對機制，SSCI文獻主要側(cè)重如何促進學生的深度學習及促進的成效，這些內(nèi)容本質(zhì)是深度學習的優(yōu)化過程和實證研究，將在后文回顧。

相比于SSCI，CSSCI文獻則直接提出了不少關(guān)于深度學習的機制(或機理)，按照描述的側(cè)重點大體可歸為流程類、條件類及拆分類三類機制解讀。流程類解讀主要從學習過程的環(huán)節(jié)、程序或階段探討深度學習的機制。安富海借鑒信息加工模式理論，認為深度學習的發(fā)生機制為：(1)學習準備，激發(fā)學習動機，展示高階思維目標；(2)學習過程，知識儲備，選擇性注意，知識加工，信息的提取、反應和強化，元認知策略，學習投入；(3)學習結(jié)果，知識結(jié)構(gòu)生成，現(xiàn)實問題解決；(4)學習環(huán)境[47]。馬云飛等人基于認知心理學、教育神經(jīng)學、具身認知等理論，提出了三階段機制：(1)信息輸入階段，借助于虛擬空間等技術(shù)提供豐富的情境，以便于激發(fā)學習者已有的知識經(jīng)驗結(jié)構(gòu)(即圖式)；(2)在深度加工階段，借助于加涅的“動機—領(lǐng)會—獲得—保持—回憶—概括—作業(yè)—反饋”信息加工理論；(3)學習生成階段，綜合評價學習者的行為、情緒、作業(yè)等外顯行為和知識重構(gòu)、高階思維等內(nèi)隱能力[48]。沈小碚等人提出的機制為：(1)動機環(huán)節(jié)，激發(fā)學習動機，誘發(fā)認知失衡；(2)解構(gòu)環(huán)節(jié)，將抽象、結(jié)構(gòu)化的文本轉(zhuǎn)化為具體、可理解的東西；(3)創(chuàng)生環(huán)節(jié)，學習共同體合力，實現(xiàn)信息整合，知識內(nèi)容和形式的再創(chuàng)造；(4)生長環(huán)節(jié)，銜接學校與社會，在真實世界動態(tài)生長，達成認知維度高階目標[49]。

條件類解讀側(cè)重關(guān)注深度學習發(fā)生所需的各類條件。張靜等人基于學習科學視角提出深度學習的機制：(1)知識內(nèi)容，需浸潤于非良構(gòu)復雜問題和真實社會鏡脈；(2)社會中介，需與他者進行協(xié)商互動，實現(xiàn)社會性學習；(3)心理機能，需認知和身份認同雙重發(fā)展；(4)以上三者分別從學習客體、主體間性和學習主體三個側(cè)面揭示深度學習發(fā)生的條件[50]。錢旭升認為深度學習的發(fā)生機制為：以興趣為前提，實現(xiàn)從“要我學”到“我要學”的行為轉(zhuǎn)變；以困惑為關(guān)鍵，要求發(fā)揮學生批判與質(zhì)疑的精神；以意義為條件，要求學生掌握知識的反思與建構(gòu)，在學習收獲中提升自我效能感；通過激活與召喚呈現(xiàn)“問題域”，通過解構(gòu)與煉制表征“問題域”，通過判斷與選擇立意“問題域”[51]。杜巖巖等人提出了在線深度學習的發(fā)生機理：(1)以激活與觸發(fā)為前提，確保學生積極參與、引發(fā)學生深度思考；(2)以探究與整合為關(guān)鍵，深度理解問題本質(zhì)、實現(xiàn)復雜問題解決；(3)以創(chuàng)生與共享為表征，構(gòu)建智慧成果、提升自我價值感[52]。王明娣基于知識價值審視深度學習的發(fā)生機制：(1)以知識經(jīng)驗為前提，關(guān)注學生的興趣及認知發(fā)展；(2)以知識結(jié)構(gòu)為基礎(chǔ)，強調(diào)知識的符號表征、邏輯形式；(3)以知識情景為核心，聚焦個體意義生成與問題困惑解決；(4)以教學支持為保障，依托教師“適應性”引導和人工智能；(5)以知識運用為歸宿，即融合分割知識、促進思維發(fā)展、培養(yǎng)情感態(tài)度價值觀[53]。龔靜等人認為深度學習的生發(fā)需滿足：知識上由“內(nèi)容”走向“方法”和“意義”，教學上將學科知識轉(zhuǎn)化為情境知識，學習上獲得知識內(nèi)隱的思想、價值和意義，認知上通過教與學的融合、交互和迭代實現(xiàn)認知的遷移[54]。

拆分類解讀主要是將深度學習的機制分解為各項子機制分別加以描述。孫智昌依據(jù)學習科學的基本學習原理歸納深度學習機制：(1)生長機制指深度學習源于學生經(jīng)驗生長并趨達科學知識范疇；(2)頡頏機制指深度學習源于學生日常經(jīng)驗與科學知識的嚴重沖突；(3)建模機制指通過建立模型使深度學習得以發(fā)生；(4)互動機制指通過交往互動使深度學習得以發(fā)生；(5)表達機制指將自己所學知識、技能、觀點等外化[55]。李松林等人將深度學習的內(nèi)在機制分為四部分：(1)發(fā)生機制在于情境誘發(fā)學生的深層動機，問題驅(qū)動知識的深度建構(gòu)；(2)維持機制在于切身體驗、實現(xiàn)知行合一的理解，漸進培養(yǎng)高階思維能力；(3)促進機制在于學生親自參與到實踐問題解決當中；(4)支持機制在于運用虛擬現(xiàn)實技術(shù)支撐高級心智活動的發(fā)展[56]。梁芮銘等人聚焦STEM深度學習的內(nèi)在機制：(1)生成機制，知識的建構(gòu)、掌握、同化及交流；(2)動力機制，良性競爭與小組協(xié)作；(3)輸出機制，人工制品和實際產(chǎn)品；(4)強化機制，元認知反思與最近發(fā)展區(qū)超越[57]。

整體來看，對深度學習機制的描述遠不如對其內(nèi)涵描述的一致。深度學習的內(nèi)涵雖表述繁多，但精簡后多為布盧姆認知目標分類框架。然而對于機制而言，即使是同一分類觀點，無論在內(nèi)容、形式和表述上均較懸殊，且部分機制的合理性值得商榷。出現(xiàn)上述情況的原因主要有兩點。一是采用學習理論和框架的不同。復雜學習現(xiàn)象的發(fā)生往往對應著諸多要素和非線性因果，而既有學習理論和框架往往僅揭示復雜學習的部分特性，因此，基于不同理論和框架(如信息加工理論)所得的深度學習機制自然也會存在差異。二是對機制認識的不深。機制是事物外在行為和規(guī)律的內(nèi)在闡釋。理論上講，真正透過學習現(xiàn)象趨達學習本質(zhì)，所得深度學習機制應具有較好一致性，但因?qū)ι疃葘W習刻畫可以透過不同表面現(xiàn)象、對其外在規(guī)律的把握也不盡相同，加之敘事性描述的主觀性，導致上述三類關(guān)于深度學習機制的解讀出現(xiàn)分野。

客觀來講，深度學習的發(fā)生必然涉及許多流程、暗含諸多條件、存在不少子機制，且三者存在一定的交叉，這是由學習的復雜性決定的。與此同時，對機制的探尋不可能一蹴而就，一定是一個由淺入深、由表及里、循序漸進的過程。流程類、條件類、拆分類三類機制從不同視角闡釋了深度學習的機制，為當下深度學習的理念傳播、課堂實踐、核心素養(yǎng)培育路徑優(yōu)化提供了重要指導。然而，承認機制本身的復雜性及機制建立的繁瑣性并不意味著不能尋求更具一致性、深刻性和普適性的深度學習機制，這是建立深度學習理論必須攻克的核心問題。想要實現(xiàn)該目標，需回歸到問題的根源——學習的本質(zhì)。這是因為，只有深刻認識學習的本質(zhì)才能提出更具概括力和覆蓋面的深度學習內(nèi)涵，基于這樣的內(nèi)涵才有望在整合三類機制的基礎(chǔ)上，吸納既有機制闡釋的優(yōu)秀觀點，構(gòu)建所期望的深度學習機制。

(三)深度學習的優(yōu)化過程

深度學習的內(nèi)涵和機制側(cè)重理論層面的探討，而深度學習的優(yōu)化過程指向?qū)嵺`層面的謀劃，聚焦如何促進和實現(xiàn)深度學習?；趯SCI和CSSCI文獻的梳理，可以從宏觀、中觀、微觀三個層面歸納深度學習的優(yōu)化過程。

1.宏觀層面的優(yōu)化過程

宏觀層面的優(yōu)化過程著眼于整體上的思考，此類研究的SSCI文獻較少，這是因為SSCI文獻通常很少采用純理論思辨的研究方法。而324篇CSSCI文獻中，關(guān)于優(yōu)化深度學習過程的宏觀探討其實較多且內(nèi)容繁雜。其中，篇名中含“策略”“路徑”“變革”等宏觀詞匯的文獻分別為29篇、21篇、12篇，約占總文獻量的20%；此外，深入探討了深度學習內(nèi)涵或機制的文獻，往往也會隨之給出相應的宏觀優(yōu)化過程[34-44,46-57]。例如，杜鵑等人從目標、內(nèi)容、策略、技術(shù)、評價等五方面構(gòu)建了促進深度學習的信息化教學設(shè)計要點[58]。閆建璋等通過創(chuàng)造批判性的學習環(huán)境、構(gòu)建知識創(chuàng)造型學習方式、完善學業(yè)評價體系等策略促進學生的深度學習[59]。龔靜等人提出的路徑為：一是明確學生的“最近發(fā)展區(qū)”，二是設(shè)置適切的深度學習目標，三是通過重組與活化來重構(gòu)學習內(nèi)容，四是將發(fā)現(xiàn)、探究、反思等學習活動反復穿插于各教學環(huán)節(jié)以趨達深度學習目標[54]。何克抗指出，樹立科學的教育教學觀念、運用有效的教學模式、建立新型“學習共同體”、創(chuàng)設(shè)智慧學習環(huán)境是促進深度學習的條件和路徑[60]。需要強調(diào)的是，信息化技術(shù)支持是深度學習策略的一大亮點，但因技術(shù)局限，多是對深度學習前景、脈絡(luò)、哲理等方面的宏觀探討，如曾明星等人指出，人工智能賦能教育可以激發(fā)學習興趣與動機、促進新舊知識相融、知識與情境重構(gòu)及整體學習效率的提升[61]。

2.中觀層面的優(yōu)化過程

中觀層面的優(yōu)化過程是將宏觀策略、路徑及理念等上升為一定的模型、模式、框架、架構(gòu)等，此類研究在SSCI和CSSCI文獻中均有涉及。在SSCI文獻中，最具代表性的深度學習模型主要包括四個，如圖1至圖4所示。圖1是比格斯(Biggs)提出的“3P”模型[62]，通過認知風格、個性、智力和家庭等個體因素以及學科、教學方法、評價體系、課程結(jié)構(gòu)等教學情境因素預測學習結(jié)果，價值觀、動機及策略組成了學習的過程。圖2為AIR組織實施的SDL項目中的深度學習模型[41]，首先是從教學目標、課程開發(fā)、課堂教學、教學評價四方面重塑課堂教學設(shè)計；其次是針對認知、人際、個人三領(lǐng)域及其六維度提出了針對性的策略。圖3是詹森(Jensen)等提出的促成深度學習的7種策略，分別是設(shè)計標準與課程、預評估、營造積極的學習文化、預備與激活先驗知識、獲取新知識、深度加工知識及評價學生學習[63]12。圖4為澤瑟(Zeiser)等人在研究報告中提出的深度學習行動模型[64]，即教育者使用深度學習教學策略、學生體驗深度學習機會、學生習得深度學習能力。

圖1 比格斯(Biggs)提出的學習過程“3P”模型[62]

圖2 美國SDL項目的深度學習模型[41]

圖3 深度學習的7種策略模型[63]12

圖4 深度學習行動模型[64]

國內(nèi)學者針對深度學習也提出了諸多中觀層面的優(yōu)化過程，如篇名中含“模型”“模式”“架構(gòu)”“框架”的文獻數(shù)量分別為20篇、22篇、3篇和兩篇，約占總文獻量的14.5%。同SSCI文獻一樣，CSSCI文獻中的多數(shù)模型、模式、架構(gòu)及框架均繪制了圖示，包括基于虛擬現(xiàn)實技術(shù)[65]、SPOC平臺[66]、混合教學[67]、翻轉(zhuǎn)課堂[68]等新型學習模式，以及基于學習元的雙螺旋深度學習模型[69]、基于問題解決的深度學習模型[70]等傳統(tǒng)學習模型。

3.微觀層面的優(yōu)化過程

任何學校情境的學習展開都需要圍繞具體學科的學習。對學生而言，課堂深度學習必然依賴于具體學科，每個學科都有獨特的價值，如當下各階段不同的學科均提出了獨具特色的學科核心素養(yǎng)。因此，微觀層面的優(yōu)化過程是結(jié)合具體學科和具體階段，提出促進深度學習的教學設(shè)計或策略以優(yōu)化教學過程。教學設(shè)計指落腳不同學科、專業(yè)和特定目標的教學設(shè)計的假設(shè)和實例。由于不同的學科背景下深度學習的具體表征、促進策略和應用成效是不盡相同的，因此，需要在批判性思維、問題解決能力、交流協(xié)作能力等通用教學策略的基礎(chǔ)上，結(jié)合具體學科中深度學習的實質(zhì)內(nèi)涵，輔以數(shù)字化、信息化技術(shù)手段，不同學科形成具有明顯學科特色的深度學習教學設(shè)計。此外，部分學者針對深度學習的具體方法或單一策略促進其優(yōu)化過程，如“學歷案”“留白藝術(shù)”“主題式教學”“項目學習”“雙師課堂”“基于故事”“對分課堂”“整本書閱讀”“翻轉(zhuǎn)課堂”等。例如，任永功等人基于編程領(lǐng)域深度學習的特殊性，從教學設(shè)計提出項目式編程學習的優(yōu)化過程[71]。李金云等人提出指向深度學習的“整本書閱讀研討”核心教學策略[72]。盧?？?Lueg)等人建議將互惠的同伴輔導作為深度學習的教學手段[73]。格林(Green)等人利用當前學習理論開發(fā)了一系列腳手架作業(yè)，將學生從結(jié)構(gòu)良好的算法問題轉(zhuǎn)移到結(jié)構(gòu)不良的應用問題，從而鼓勵對課程概念進行更精細、更穩(wěn)健的處理，從而促進深度學習[74]。恩格爾(Engel)等人通過模擬聯(lián)合國的主題設(shè)計從事實、概念、過程和元認知四個層次促進國際關(guān)系領(lǐng)域?qū)W生的深度學習和專業(yè)技能的獲得[75]。安(An)等人將知識向能力的遞進轉(zhuǎn)化規(guī)律應用于SPOC和翻轉(zhuǎn)課堂中，綜合運用新舊知識，促進學生的深度學習[76]。

大體來看，深度學習的優(yōu)化過程占據(jù)深度學習研究的主體，體現(xiàn)了國內(nèi)外教育界對促進深度學習的重視。國外研究的深度學習優(yōu)化過程在具體問題上更為細致，而國內(nèi)研究的深度學習優(yōu)化過程在尺度和維度上更為豐富，同時提供了大量的案例設(shè)計。然而，仍存在諸多值得改進的地方。就宏觀層面而言，研究者雖然從目標、內(nèi)容、策略、技術(shù)、評價等方面給深度學習的優(yōu)化過程提供了宏觀建議，但是這些研究需要形成一般性原則才能更有利于指導深度學習實踐。就中觀層面而言，研究者呈現(xiàn)了引導性的深度學習模型，為深度學習的實踐展開提供了操作模式，但是許多模型未能有效結(jié)合深度學習的內(nèi)涵和機制，存在“就模型談模型”的現(xiàn)象，即從環(huán)境、目標、內(nèi)容、方法、策略、評價、技術(shù)等方面圍繞主題進行“拼盤”，這可能導致建立的模型未能抓住事物的本質(zhì)。就微觀層面而言，學者雖然從具體教學設(shè)計或策略優(yōu)化深度學習過程，為當下基礎(chǔ)教育改革落地課堂提供了翔實參考，但缺乏明確的統(tǒng)領(lǐng)架構(gòu)，這使得深度學習的整合性優(yōu)勢未能很好地體現(xiàn)，微觀路徑存在零散化、碎片化傾向。這些將是研究深度學習優(yōu)化過程需要繼續(xù)完善的重要工作。

(四)深度學習的評價體系

無論提出怎樣的優(yōu)化過程，均需要進行評估才能論證優(yōu)化過程的有效性，因此深度學習的評價體系至關(guān)重要。最常采用的是布盧姆教育目標分類、比格斯SOLO結(jié)構(gòu)、DOK模型、霍恩斯教育目標分類和馬扎諾目標分類等傳統(tǒng)評價框架。例如，張浩等人基于布盧姆教育目標分類和SOLO模型提出了認知、思維、動作和情感四維深度學習評價框架[36]；DOK模型由美國教育評價專家韋伯提出，包括回憶/復述、技能/概念、策略思維及擴展思維，赫爾曼(Herman)等人研究表明，DOK模型已被大量用于深度學習的評估[77]；鄭東輝將霍恩斯教育目標分類和馬扎諾目標分類引入深度學習評價[78]。以上研究均給出了淺層學習和深度學習的層次劃分[79]。

除目標分類評價模型外，許多深度學習研究者針對各自的深度學習內(nèi)涵提出了對應的評價準則。馬頓等人在1976年提出了“Surface level”和“Deep Level Processing”這對術(shù)語[20]，戴歆紫等人在丁斯莫爾(Dinsmore)等綜述[17]的基礎(chǔ)上，從動機、目標、知識結(jié)構(gòu)、學習方式、思維方式、遷移能力及元認知等方面歸納了深/淺學習特征[79]；比格斯等人延續(xù)了馬頓等人的術(shù)語表達，提出預設(shè)、過程和結(jié)果組成的3P學習過程模型，并發(fā)布了SPQ學習過程問卷量表，包括表層動機/策略、深層動機/策略和成就動機/策略等[62]。AIR構(gòu)建的深度學習評價框架從認知、人際和自我三個領(lǐng)域開展：認知領(lǐng)域聚焦核心學術(shù)內(nèi)容、批判性思維和問題解決，人際和自我領(lǐng)域的評估涵蓋創(chuàng)造性思維、協(xié)作技能、學業(yè)投入、學習動機、自我效能感、心理控制源、毅力和自我管理等8項內(nèi)容[64]。

整體而言，上述成果大致可劃分為三類。一是框架類模型，如布盧姆/霍恩斯/馬扎諾教育目標、SOLO結(jié)構(gòu)、DOK模型，優(yōu)點是體系性好、層次清晰、結(jié)構(gòu)明確、應用面廣；然而，直接依據(jù)目標或?qū)哟螀^(qū)分淺層學習和深度學習的做法值得商榷，因為假定的分層和遞進關(guān)系與學習演化進程難以逐一對應。殷常鴻、劉哲雨等人對該類模型進行了提升以體現(xiàn)學習朝縱深演化的過程[23，80]。二是維度類模型，包括AIR模型[64]及吳亞婕、李玉斌、李志河等人的模型[81-83]。這類模型較多，相比框架類模型更細化，可以考慮學習的過程、結(jié)果，以及情感、行為、環(huán)境等因素。三是指標類模型，通常以維度類模型為一級指標，并給出二級指標及對應權(quán)重，能夠直接應用于課堂實踐，目前僅查閱到張輝蓉等人開展了相關(guān)研究工作[84]。此外，鮮有人注意的是，基于認知維度的深度學習評價難以反饋其余因素的影響，而學習事實上是個體、他者與環(huán)境共同作用的結(jié)果。因此，在綜合框架類、維度類、指標類深度學習評價體系的基礎(chǔ)上，納入認知范疇以外的相關(guān)指標，生成可量化、可操作、可解釋的綜合評價指標體系是今后深度學習研究亟待開展的重要內(nèi)容。

(五)深度學習的實證研究

深度學習的實證研究大體可劃分為現(xiàn)狀調(diào)查、關(guān)系研究、影響研究和成效研究四個方面。在檢索的CSSCI文獻中，摘要含“調(diào)查”“行動”“實驗”“實證”四個詞的文獻共94篇，通過進一步篩查，發(fā)現(xiàn)與實證研究相關(guān)的文獻共82篇，約占總文獻量的四分之一。現(xiàn)狀調(diào)查大多面向高校學生，變量包括大學生的學習特征、學習行為、學業(yè)表現(xiàn)、學習層次等，也有針對中小學生的學習歷程、教師教學設(shè)計理論知識水平的考察，如陳靜靜等人通過近十年對數(shù)千個課堂的學生的學習過程進行基于證據(jù)的課堂觀察，剖析中小學生從淺層學習到深度學習的真實歷程[85]。關(guān)系研究涉及多個變量，如e-Learning環(huán)境中大學生自我效能感與深度學習的相關(guān)性[86]，深度學習動機、策略與高階思維能力關(guān)系[87]。影響研究包括影響因素、自變量與因變量聯(lián)系，如翻轉(zhuǎn)課堂模式下的深度學習影響因素研究[88]和行為投入影響深度學習的實證探究——以虛擬現(xiàn)實(VR)環(huán)境下的視頻學習為例[89]。本質(zhì)上來講，關(guān)系研究和影響研究具有一定共性，即研究多個變量間的相互聯(lián)系與規(guī)律。學者采用了問卷調(diào)查、多元回歸分析、t檢驗和結(jié)構(gòu)方程模型等方法。成效研究則是通過行動研究、準實驗研究、實驗研究等論證所提方法策略對促進學習者深度學習的有效性，如鄧曉宇等人開展了基于SPOC雙線混融教學促進深度學習的行動研究[90]，陳蓓蕾等人構(gòu)建了智慧教室中促進學生深度學習的交互框架并采用實驗法進行了驗證[91]。此外，還有研究論證“語義圖示”[92]、“翻轉(zhuǎn)課堂”[93]、“基于反思”[94]等具體策略的優(yōu)化功效。

SSCI文獻幾乎均涉及實證研究，也大體分為影響研究、關(guān)系研究及成效研究等方面。影響研究涉及教學方法、精力投入、學習興趣、課程預期目標、自我調(diào)節(jié)能力等因素對深度學習的影響，如波斯特夫(Postareff)等人的訪談研究表明學習時間和精力投入、學習興趣、課程預期目標、自我調(diào)節(jié)能力等個體因素也能夠?qū)ι疃葘W習變化做出解讀[95]。關(guān)系研究往往涉及多個變量，如潘恩(Phan)的成果揭示了深度學習方式與個體因素之間的復雜關(guān)系，即目標取向、自我效能感、批判性思維、深度學習方式之間呈現(xiàn)復雜的雙向互促關(guān)系[96]。勞(Lau)等人研究了期望值、成就目標理論和深度學習之間的聯(lián)系[97]。成效研究方面，菲利烏斯(Filius)等人調(diào)查了在網(wǎng)絡(luò)教育中，提供和接收同齡人的音頻反饋可促進學生反思自我學習、更清晰地理解自己的學習過程，進而促進學生的深度學習[98]；彭(Peng)等人通過構(gòu)建虛擬學習環(huán)境將復雜的編程過程可視化，發(fā)現(xiàn)深度學習不僅提高了學生的學業(yè)表現(xiàn)、促進了學科知識的發(fā)展，而且有效激發(fā)了學生的內(nèi)部學習動機[99]；佩格勒姆(Pegrum)等人通過恰切的結(jié)構(gòu)化任務形式在課程中引入創(chuàng)造性播客，有效促進了知識的深度理解和有效保持[100]；斯托特(Stott)等人使用概念輔導軟件可以有效地促進學生和教師的深度學習[101]。

總體而言，CSSCI和SSCI文獻均非常重視對深度學習的實證研究，能夠一定程度揭示當前學習者深度學習的現(xiàn)狀，把握部分因素之間的聯(lián)系及對深度學習的影響，驗證深度學習優(yōu)化過程的成效。然而，現(xiàn)狀研究多采用簡單調(diào)查問卷，僅憑借簡單問題評判學生的深度學習狀態(tài)，可信度不高、主觀性強。而關(guān)系研究、影響研究及成效研究中，采用的評價體系較為繁雜：部分采用國外或自編問卷測量表，如比格斯等人開發(fā)的學習過程量表(SPQ)、恩特威斯爾(Entwistle)等的學習方法量表(ASI)等[81]，雖操作簡單、易于量化，但是難以觸及學習的本質(zhì)；部分采用布盧姆/霍恩斯/馬扎諾教育目標、SOLO結(jié)構(gòu)、DOK模型等典型評價框架，但具體實施時仍存在一定主觀性，量化困難；僅有少數(shù)文獻采用了評價量化指標，能從定性和定量層面較好地評估深度學習。此外，學習過程和結(jié)果均是多方面因素造成的，而現(xiàn)有實證研究對該問題還不夠重視。事實上，基于孤立情境、部分環(huán)節(jié)與真實情況可能存在一定差異，最終導致實證結(jié)論缺乏足夠的教育意義和普適性。簡而言之，實證研究的關(guān)鍵不止于實證本身，而在于深度學習的優(yōu)化過程及深度學習的評價體系。

三、復雜性理論視野下深度學習研究展望

若將馬頓等(1976)[20]、何玲和黎加厚(2005)[18]作為國外和國內(nèi)深度學習的研究起點，至今分別已歷經(jīng)46年、17年；隨著近十年AI深度學習的盛行和核心素養(yǎng)課程改革，深度學習成為教育領(lǐng)域的研究熱點，CSSCI的發(fā)文量在2021年達到峰值75篇。然而，隨著教育領(lǐng)域諸如“五育融合”“雙減”“元宇宙”等新熱點的出現(xiàn)，加之已有大量研究成果，2022年(1～6月)發(fā)表篇名含“深度學習”的CSSCI文獻僅14篇，相比2021年同期減少約60%。高水平文獻數(shù)量的減少并不總是意味著深度學習理論和實踐層面的成熟和完備。本文基于復雜性理論的宏觀框架，從內(nèi)涵表征、發(fā)生機制、優(yōu)化過程、評價體系及實證研究等五方面對CSSCI和SSCI文獻進行系統(tǒng)梳理，總結(jié)和評析了現(xiàn)有深度學習研究中存在的不足，而這些不足又可以歸納為以下三個核心問題：深度學習如何表征(內(nèi)涵)？深度學習如何實現(xiàn)(機制、過程)？深度學習如何評價？

客觀來講，包括教育在內(nèi)的任何科學都有極強的傳承性[9]，正如前文綜述所看到的，回顧的東西在深度學習成為熱點以前幾乎業(yè)已存在，也沒有任何東西是因深度學習才新出現(xiàn)的，而是僅僅因為深度學習，這些東西才匯聚在了一起，組成了新的樣態(tài)，這是歷史進程的偶然，也是科學發(fā)展的必然。因為，科學是一套體系，逐步往前推進的，沒有一個理論會突然冒出來，深度學習的理論和實踐必須植根于現(xiàn)有的學習理論和框架[9]。事實上，學術(shù)界也正是這樣做的，任何一篇深度學習的文獻均能找到以往學習理論和框架的影子，為課程與教學改革、促進學習者深度學習提供了強有力支撐。然而需要強調(diào)的是，深度學習歷經(jīng)了前面的積累和醞釀后仍然沒有真正形成體系，沒有真正成為一個革命性的學習理論。

王煥勛主編的《實用教育大詞典》對“學習理論”的解釋是“探討學習的實質(zhì)、機制、分類、過程和條件的心理學理論”[102]564。《西方教育詞典》對“學習理論”的解釋是“不同心理學派創(chuàng)造的理論體系”[103]168。埃爾亞曼(Eryaman)和基恩(Gene)認為“學習理論是對個體如何習得知識、技能與能力的一套系統(tǒng)而整合的概念與研究性闡述，從而幫助我們理解把握學習固有的復雜過程”[104]。綜合以上觀點，可以將“學習理論”理解為關(guān)于學習的實質(zhì)、機制、分類、過程及條件等的理論體系，以此盡可能地揭示復雜學習過程，邏輯地統(tǒng)括復雜的學習現(xiàn)象的一切方面、一切環(huán)節(jié)、一切要素。顯然，前文基于復雜性理論宏觀框架的內(nèi)涵、機制、過程等內(nèi)容即奠定了深度學習理論的基礎(chǔ)。與此同時，實質(zhì)、機制、分類、過程及條件等方面與復雜性理論的基本范式非常接近，加之將深度學習本身視作一個復雜系統(tǒng)理性推演，有理由相信能透過復雜性理論視野去整合深度學習的相關(guān)研究成果，構(gòu)建全新的深度學習理論體系。因此，本文將結(jié)合復雜性理論基本范式，聚焦深度學習的三個核心問題，提出今后深度學習的研究展望。

(一)深度學習表征：個體認知到整體系統(tǒng)

“深度學習如何表征”對應深度學習的本質(zhì)或?qū)嵸|(zhì)的追問。既有研究中，深度學習內(nèi)涵難以得到統(tǒng)一描述的表因在于學習二字本身的多變，可作為結(jié)果、方式、目標、過程等(均在個體認知心理學范疇，可理解為深度學習的狹義內(nèi)涵)，且單一、靜態(tài)視角都難以準確刻畫整個學習行為；其深層淵源在于深度學習植根于以往的學習理論和框架，基于不同的理論視角必然得到不同的解讀。與此同時，布盧姆認知目標中的理解、應用、分析、評價、創(chuàng)造(后三者又稱作高階思維)，建構(gòu)主義，意義生成等幾乎又可以概括所有的深度學習內(nèi)涵。言外之意，在表面原因與淵源、復雜與簡單、分歧與統(tǒng)一之間，深度學習不再是一個簡單的詞匯，它背后潛藏著一個意義的世界，已成為一個高度形式化、兼具認識論和方法論意義、普適性極強的大概念[43]。若一定要給出一個簡潔形式的界定，顯然難以在認知心理學的范疇得到結(jié)果。

葉瀾在21世紀初寫道，發(fā)展中國社會主義特色的教育體系和教育理論，復雜思維方式是必要的[105]?！罢嬲@人的、活躍的生命和學習現(xiàn)象僅在有機體達到一定復雜性的臨界度時才開始發(fā)生”[106]?？梢姡疃葘W習本質(zhì)上屬于復雜性范疇，可將深度學習看作一個復雜系統(tǒng)，其優(yōu)勢體現(xiàn)在：其一，復雜性是學習的本然存在樣態(tài)，是學習的客觀屬性，可以高度概括學習已有或潛在的內(nèi)涵演變特性；其二，學習現(xiàn)象的一切方面、一切環(huán)節(jié)、一切要素均可置于學習復雜系統(tǒng)，相比將深度學習限制于某個特定的先驗定義具有更大的自由；其三，可借助于復雜性理論基本范式建立深度學習理論，由此能在邏輯性、規(guī)范性、體系性、學理性等方面趨于合理。顯然，對深度學習內(nèi)涵的表征實際上是對深度學習復雜系統(tǒng)的描述，主要包括系統(tǒng)的結(jié)構(gòu)和功能，從而將深度學習從概念延伸為一個“概念框架(conceptual framework)”，而這個概念框架便可作為深度學習的廣義內(nèi)涵，這是復雜性理論范式的起點[11-12,15-16]。

建立復雜系統(tǒng)概念框架的關(guān)鍵在于描述擬研究復雜系統(tǒng)的結(jié)構(gòu)和功能，可以采用復雜系統(tǒng)演化的層次化原理和趨極原理[10]246。層次化原理是指系統(tǒng)在趨達終態(tài)的演化過程中內(nèi)部元素會不斷歸并為若干個相對獨立的層次或要素(子系統(tǒng))，學習科學為學習系統(tǒng)的層次化提供了合理依據(jù)，即可整合為認知科學、課程與教學論和教育技術(shù)三個子系統(tǒng)[107]，由此表征了深度學習系統(tǒng)的結(jié)構(gòu)。趨極原理指復雜系統(tǒng)的演化總是趨向某個由它自身與環(huán)境共同決定的終極狀態(tài)，該狀態(tài)往往對應著“最優(yōu)”和“可行”的狀態(tài)[10]254。在此意義上講，可以認為深度學習是學習系統(tǒng)的最優(yōu)化狀態(tài)，由此表征了深度學習系統(tǒng)的功能?；诖耍梢詫V義深度學習內(nèi)涵簡潔定義為“學習科學視閾下的最優(yōu)整合”[34-35]。由于學習系統(tǒng)可整合為認知科學、課程設(shè)計和教育技術(shù)三大子系統(tǒng)，又可進一步將廣義深度學習闡釋為“學習者信息深度加工過程、教師深度引導過程及技術(shù)深度支持過程三者的最優(yōu)整合”[35]36。其中，學習者信息深度加工過程便可以整合表1中所列的深度學習內(nèi)涵，圍繞個體認知的諸多敘事性描述本質(zhì)上即學習者的信息深度加工過程，如概念、知識、任務、問題等均為“信息”，理解、遷移應用、分析、創(chuàng)造、高階思維、建構(gòu)等均為“加工”，“過程”強調(diào)深度學習側(cè)重過程而非目標或結(jié)果，“深度”作為“加工”的定語，體現(xiàn)為高階認知能力及情感、價值、意義、積極主動、全身心、切身體驗等。同時，教師深度引導過程和技術(shù)深度支持過程的納入可以拓展深度學習內(nèi)涵的外延，從而真正突破認知心理學范疇。總而言之，將深度學習概念化為一個復雜系統(tǒng)概念框架，使其具備了更強的概括力和覆蓋面，是深度學習在認識論層面的升華，彰顯了深度學習的復雜性、整體性和系統(tǒng)性。因此，基于學習系統(tǒng)視角將深度學習重新概念化是今后深度學習研究的展望之一。

(二)深度學習實現(xiàn)：科學機制+科學過程

“深度學習如何實現(xiàn)”對應深度學習的機制及過程的探尋。深度學習的概念框架表征了深度學習的結(jié)構(gòu)和功能——學習科學視閾下的最優(yōu)整合[34-35]。演化可看作趨向最優(yōu)整合的變化過程，而結(jié)構(gòu)和功能如何演化便是廣義深度學習的機制，優(yōu)化和調(diào)控該系統(tǒng)的演化便是廣義深度學習的優(yōu)化過程。機制和過程是復雜性理論范式的研究重點。只有準確把握深度學習的機制才能有針對性地提出切實可行的優(yōu)化過程，進而高效實現(xiàn)深度學習。

1.深度學習的綜合機制

機制通常涉及三方面：一是事物各組成要素的相互關(guān)系(結(jié)構(gòu))，二是事物在規(guī)律性運動中發(fā)揮的效應(功能)，三是發(fā)揮功能的作用過程和作用原理(作用)[108]。置于深度學習系統(tǒng)中，系統(tǒng)的結(jié)構(gòu)和功能已通過內(nèi)涵表征給予刻畫，故深度學習的機制闡釋應側(cè)重作用過程和作用原理；此外，復雜系統(tǒng)演化還存在一定的前提條件[10]50。因此，深度學習機制的闡釋理應同時涉及條件和作用兩個側(cè)面。

前文條件類機制解讀給出了深度學習發(fā)生所需的各類條件。這些條件很多是深度學習的影響因素，不同學者對這些因素影響程度的排序不一、經(jīng)驗取舍不同，使得論述深度學習發(fā)生的條件時千差萬別。事實上，利用復雜系統(tǒng)演化的邊界條件、必要條件和充分條件便可以較好地整合這些影響因素。任何復雜系統(tǒng)均存在一定的邊界，深度學習也不例外；在三類機制中體現(xiàn)為學習環(huán)境[47]、情境[46,48,54,56]、真實世界[49]、社會鏡脈[50]、知識情景[53]等；顯然，這些邊界不能是簡化和孤立的情境，應具有開放性，這樣系統(tǒng)內(nèi)部與外界才會產(chǎn)生信息的更新和迭代，系統(tǒng)不斷復雜化和完善化，維持學習系統(tǒng)的生存和發(fā)展，因此系統(tǒng)開放是復雜系統(tǒng)演化的邊界條件。在滿足邊界條件的前提下，學習系統(tǒng)還需要遠離平衡才可能形成新的穩(wěn)定的有序結(jié)構(gòu)，這是系統(tǒng)演化的必要條件；在三類機制中體現(xiàn)為“誘發(fā)認知失衡”[49]、“沁潤非良構(gòu)問題”[50]、“困惑”[51]、“頡頏機制”[55]等。系統(tǒng)遠離平衡雖然會導致演化，但是演化并不總是進入更高級的組織結(jié)構(gòu)形式，而充分條件確保了系統(tǒng)演化并產(chǎn)生有序高階結(jié)構(gòu)的必然性和絕對性；在三類機制中體現(xiàn)為“學習動機”[47,49]、“興趣”[51,53]、“深層動機”[56]等，這實際上是學習者的主觀意志。心理機能的積極傾向是學習系統(tǒng)演化的充分條件。

除演化條件外，復雜系統(tǒng)演化的作用主要包括非線性相干、臨界與分岔、反饋與自穩(wěn)定、涌現(xiàn)、選擇與評價等五種作用①[10]170-280，這可以理解為前文所述的深度學習子機制。非線性相干即系統(tǒng)內(nèi)部要素的非線性相互作用，在三類機制中體現(xiàn)為“交互(interaction)”[46]、“學習共同體”[49]、“社會中介”[50]、“教學支持”[53]、“互動機制”[55]、“動力機制”[57]等。在非線性相互作用下，學習系統(tǒng)演化通常會存在從一種狀態(tài)突變?yōu)榱硪环N狀態(tài)的臨界點，進入臨界狀態(tài)會發(fā)生分岔，臨界與分岔為系統(tǒng)從簡單到復雜、低級到高級演化提供了若干可能，可理解為“最近發(fā)展區(qū)”的起點和潛能[57]。演化是一種不斷運動、變化的過程，同時，又必須以某種相對穩(wěn)定(自穩(wěn)定)的存在為基礎(chǔ)；且在系統(tǒng)重新形成自穩(wěn)定的過程中，還存在反饋，即系統(tǒng)的輸出和行為對自身狀態(tài)重新產(chǎn)生的影響，這在菲利烏斯等人提出的機制[46]、加涅的信息加工理論[48]、元認知反思[57]中得到了較好的體現(xiàn)。涌現(xiàn)指系統(tǒng)新質(zhì)(未曾有過的結(jié)構(gòu)或子系統(tǒng)都不具備的功能)作為整體的突然出現(xiàn)的過程，這是深度學習系統(tǒng)演化最重要的子機制。事實上，流程類機制解讀便可看作學習系統(tǒng)新質(zhì)的逐級涌現(xiàn)，如準備—過程—結(jié)果[47]、輸入—加工—生成[48]、動機—解構(gòu)—創(chuàng)生—生長[49]等。作為人為系統(tǒng)，深度學習系統(tǒng)演化必然與價值判斷相關(guān)，因此還包括選擇與評價子機制，它規(guī)約著趨向最優(yōu)整合的演進方向，這在深度學習現(xiàn)有機制中還鮮有涉及。

基于復雜系統(tǒng)的演化條件和作用，可以較好地整合已有的流程類、條件類和拆分類三種機制解讀。因三大條件和五種作用的普適性，所以可以沿襲該思路繼續(xù)深化，進而得到趨于理性、深刻和統(tǒng)一的深度學習機制。

2.深度學習的優(yōu)化過程

深度學習的宏觀、中觀、微觀優(yōu)化過程應具有較好的連貫性，即深度學習的優(yōu)化過程應以內(nèi)涵為基礎(chǔ)、以機制為引領(lǐng)，依托宏觀原則建立中觀模型，借助于統(tǒng)整架構(gòu)細化中觀模型，形成微觀教學設(shè)計和具體實施策略。宏觀層面的優(yōu)化原則可利用復雜系統(tǒng)的特征進行歸納，如多成員、多要素、多變量、過程性、交互性、動態(tài)性、涌現(xiàn)性、非線性等。例如，多成員、多要素、多變量便指向整體性原則，一個較完整的學習系統(tǒng)涉及環(huán)境、主體和客體，包括目標、內(nèi)容、策略、技術(shù)、評價等要素[58-59]；活動性原則是復雜系統(tǒng)演化行為的實踐邏輯，“教育學離開了活動問題就不可能解決任何一項教育、教學、發(fā)展的任務”[109]43，因此學習系統(tǒng)趨向最優(yōu)整合離不開一系列活動，而這些活動主要依托整體性原則中的成員和要素；生成性原則是過程性、交互性、動態(tài)性及涌現(xiàn)性的綜合體現(xiàn)，過程性是生成性的基本特點，交互性、動態(tài)性是深度學習過程性的展開邏輯[110]，涌現(xiàn)性是生成性原則的關(guān)鍵，即活動中各成員和要素在動態(tài)、交互過程中因非線性作用而不斷涌現(xiàn)新質(zhì)，引發(fā)學習系統(tǒng)趨向最優(yōu)整合。

微觀層面的優(yōu)化過程不強調(diào)大而全，而是銜接一線課堂，落腳促進深度學習的具體實踐和操作，因此在內(nèi)容和形式上豐富而零散。盡管上述所提的原則和模型可以作為這些微觀路徑的整合框架，但其更多地側(cè)重將這些具體設(shè)計和策略歸屬到模型中的某個環(huán)節(jié)或部位，而非微觀優(yōu)化過程自身的歸納。演化主要包括兩方面[10]66：一是新增層次的產(chǎn)生，即結(jié)構(gòu)演化；二是跨層次相互關(guān)系或新層次結(jié)構(gòu)關(guān)系的形成，即功能演化。顯然，可以從系統(tǒng)演化的視角統(tǒng)括這些微觀優(yōu)化路徑。例如，新增層次的產(chǎn)生可以理解為“縱向優(yōu)化”，指學習系統(tǒng)各子系統(tǒng)內(nèi)部的優(yōu)化，即微觀路徑分別作用于學習者信息深度加工過程、教師深度引導過程及技術(shù)深度支持過程(統(tǒng)稱“深度過程”)；跨層次相互關(guān)系或新增層次結(jié)構(gòu)關(guān)系的形成可以理解為“橫向整合”，指各子系統(tǒng)內(nèi)和子系統(tǒng)間的優(yōu)化，即微觀路徑作用于各“深度過程”內(nèi)部的整合以及三個“深度過程”間的整合；縱向優(yōu)化和橫向整合既有邏輯上的遞進，也有實踐層面的重合，兩者互為補充、協(xié)調(diào)，促使學習系統(tǒng)不斷趨于最優(yōu)整合[35]。在此意義上講，縱向優(yōu)化和橫向整合可以作為統(tǒng)整深度學習微觀優(yōu)化路徑的架構(gòu)，即任何具體的教學設(shè)計和教學策略的開展應依托該架構(gòu)。這一方面能夠?qū)崿F(xiàn)零散化、碎片化策略的歸整，另一方面能夠為宏觀原則和中觀模型的細化提供合理依據(jù)。

以上對綜合機制和優(yōu)化過程的詳細探討旨在形成較為嚴謹?shù)倪壿嬁蚣?，對具體問題作具體分析，是科學知識的源泉[111]。因此，基于系統(tǒng)演化視角將深度學習的機制和過程不斷科學化是今后深度學習研究的展望之二。

(三)深度學習評價：單一靜態(tài)到多維動態(tài)

“深度學習如何評價”對應深度學習實然狀態(tài)和優(yōu)化過程成效的量測。布盧姆、比格斯、馬扎諾等的認知目標框架已被廣泛應用，成為諸多深度學習評價研究的基準模型。然而，學習實質(zhì)是多成員、多要素共同作用的結(jié)果，正如赫欽斯指出，認知現(xiàn)象不僅包含個體認知心理過程，還涉及與他者、技術(shù)工具的交互過程[36]?？梢?，僅憑借認知心理學維度單一靜態(tài)的評價體系難以全面刻畫復雜的學習行為。人為系統(tǒng)演化的評價是客觀實際與主觀價值相互結(jié)合的產(chǎn)物，且演化具有多個方面和層面，因此演化方向和標度的選取對于系統(tǒng)評價至關(guān)重要。從廣義深度學習的內(nèi)涵出發(fā)，趨近最優(yōu)整合的系統(tǒng)演化進程標度便是深度學習的廣義評價。功能維度的最優(yōu)整合決定系統(tǒng)演化的方向，結(jié)構(gòu)維度的層次(宏觀、中觀、微觀)和要素(子系統(tǒng))決定系統(tǒng)演化的標度，而指標的選取和權(quán)重的量化是系統(tǒng)演化標度的核心。既有深度學習評價研究多為定性描述，少數(shù)量化評價指標均局限于信息加工過程；其余文獻雖已有教師引導過程[112]、技術(shù)支持過程[113]的相關(guān)評價成果，但與信息加工過程分別各自為政，關(guān)于三者的融合研究未見報道。學習的多維性、系統(tǒng)性和動態(tài)性決定了難以從單一維度的評價得到適用全局的規(guī)律，如何從系統(tǒng)的視角對三個“深度過程”的指標進行篩選、權(quán)重量化、有機整合是問題的關(guān)鍵。

深度學習評價指標的選取可以依托深度學習的內(nèi)涵和機制。廣義深度學習包括信息加工、教師引導和技術(shù)支持三個維度，由此可作為評價體系的一級指標。根據(jù)邊界條件、必要條件、充分條件相關(guān)的影響因素，結(jié)合非線性相干、臨界與分岔、反饋與自穩(wěn)定、涌現(xiàn)、選擇與評價等五種子機制，加之相關(guān)的評價研究成果[79-86,112-113]，可以細化得到二級指標和三級指標，并給出相應的描述或量表。由于初步得到的評價指標體系往往需要進一步修正，且各指標的權(quán)重需進行量化，一般采用訪談法、問卷調(diào)查法和德爾菲法；根據(jù)所得意見對評價指標進行相應的修改，此時各指標的重要性排序可利用灰色系統(tǒng)理論等數(shù)學方法；權(quán)重的量化主要采用層次分析法(AHP)，分別對一級指標、二級指標、三級指標進行編碼，再由德爾菲法得到的問卷數(shù)據(jù)依次計算各指標對應的權(quán)重。對深度學習評價指標體系進行完善后，需要合理確定測量的方法、工具及各項分值的整合。一般采用教師和學生為評價主體，主觀與客觀結(jié)合的評價方式?？陀^評分包括學習者的考試分數(shù)、教師的職業(yè)水平、教室的信息化設(shè)施等，主觀評分涉及學習者、教師在課堂中的表現(xiàn)等，從而實現(xiàn)評價從單一到多維、靜態(tài)到動態(tài)的轉(zhuǎn)變。在獲得各項分值后，可采用模糊數(shù)學法進行總分值的計算，從而用清晰、確定描述模糊、不確定事物的可能，揭示學習現(xiàn)象的模糊性，實現(xiàn)不同維度指標的綜合評價?？偡种悼梢员碚飨到y(tǒng)實際最優(yōu)整合的程度，同時還需給出相應的等級劃分，如90～100分、80～90分、70～80分、60～70分、小于60分分別對應優(yōu)、良、中、差、不及格五個等級，據(jù)此便可衡量當前學習系統(tǒng)整合程度的等級。由于每一個評價指標均是學習系統(tǒng)的一個特征量，通過一定時間和規(guī)模的統(tǒng)計，便可得到各特征量對學習系統(tǒng)趨向最優(yōu)整合的影響規(guī)律，從而可以針對性地提出優(yōu)化策略、及時提供相應的反饋。此外，教育信息化不斷發(fā)展的今天，深度學習評價體系所需的各種數(shù)據(jù)均可以通過AI進行高效、便捷的搜集和處理。良好的評價模型可以科學、合理、有效、動態(tài)地反映學習系統(tǒng)演化的本質(zhì)、進程和規(guī)律，也是深度學習理論的關(guān)鍵構(gòu)成。

因此，基于系統(tǒng)視角將深度學習的評價體系多維動態(tài)化構(gòu)成了今后深度學習研究的展望之三。

注釋：

①參考人民出版社1993年出版的顏澤賢的著作《復雜系統(tǒng)演化論》。這五種作用也是五種機制，但考慮到深度學習現(xiàn)有研究中的機制包括了條件和作用，為避免歧義，本文將復雜系統(tǒng)演化的機制寫成“作用”或“子機制”，與復雜系統(tǒng)演化的條件一起構(gòu)成深度學習的綜合機制。