深度学习的影响因素与策略研究

章璇 王娟 顾雯 王梦娜

摘 要：“互联网+”时代，“深度学习”对高校教育教学的重要性日益凸显。采用描述性分析、线性回归分析、因子分析等方法，对高校学习者深度学习的影响因素进行分析。研究表明：影响学习者深度学习的主要因素包括师生反馈与评价、学习者反思与知识加工水平、环境资源建设以及教师的任务驱动法教学。提出以多元评价促进反思为根本，以促进学习者知识建构与加工水平为目标，以提供丰富合理的环境资源为需求，以任务驱动法促进教学为重要抓手的策略模型。

关键词：深度学习;混合式学习;影响因素

DOI：10. 11907/rjdk. 192359 开放科学（资源服务）标识码（OSID）：

中图分类号：G434文献标识码：A 文章编号：1672-7800（2020）007-0245-04

Influencing Factors and Strategies of College Learners Deep Learning

——Practical Analysis Based on Blue Ink Cloud Class

ZHANG Xuan， WANG Juan， GU Wen， WANG Meng-na

（School of Wisdom Education，Jiangsu Normal University，Xuzhou 221116，China）

Abstract：In the era of Internet plus， the importance of deep learning to university education and teaching is increasingly prominent. In this paper， descriptive analysis， linear regression analysis and factor analysis are used to analyze the influencing factors of college learners in-depth learning. It is found that the main factors affecting learners in-depth learning include feedback evaluation from teachers and students， learners reflection and knowledge processing level， environmental resources construction and teachers task-driven teaching. To this end， The study puts forward a strategy model based on multi-evaluation and reflection， aiming at promoting learners knowledge construction and processing level， providing abundant and reasonable environmental resources for demand， and promoting teaching by task-driven method.

Key Words：deep learning; blended learning; influencing factors

0 引言

随着“互联网+教育”的迅速发展，“深度学习”受到广大教育研究者的关注[1]。《新媒体联盟地平线报告：2016高等教育版》提出，实施“深度学习”策略已成为驱动学校应用教育技术的远期趋势之一[2];《新媒体联盟地平线报告：2017高等教育版》再次强调影响高等教育发展的长期关键趋势是深层学习方法的应用[3]。这都说明深度学习方式作为未来4-5年的关键技术，对高等教育的发展将带来深远影响。

深度学习有助于提高学习者高阶思维能力，强调学习者主动发现问题与解决问题，从浅层学习走向深度学习，培养创新型人才[4]。为促进学习者的深度学习，需要剖析哪些因素鼓励或抑制深度学习的发生，如何针对这些影响因素提出相关策略并应用于课堂实践[5]。以往研究中，相关研究者都是检验单一或某几个变量与深度学习的关系[6]。深度学习影响因素包括知识加工水平、反思评价水平、问题解决能力、主动合作能力和沟通交流等5个维度，缺少教师层面的影响因素维度[7]。为此，本文基于蓝墨云班课学习平台，基于深度学习相关理论，通过调查混合教学模式下影响深度学习的主要因素，从学习者、教师、环境等多方面进行分析探究，提出策略方案，以促进深度学习的有效发生。

1 深度学习与蓝墨云班课

本研究借助蓝墨云班课学习平台开展混合式学习，平台丰富而完善的功能支持深度学习;云班课丰富的学习资源激发学习者主动对知识进行整合与建构;小组作业与讨论区促进学习者互动与交流，形成学习共同体共同完成学习任务，提升批判思维能力与团队合作能力;学習数据可视化直观反映学习者的学习情况，促进学习者对学习过程的监控与反思;评价主体多元化帮助学习者认识自我，提升自我[8]。与其它教学平台相比，云班课拥有更简捷的登录方式、更及时的动态提醒、更条理化的资源管理、更专业的学习服务以及更系统化的课程组织形式[9]。

2 研究过程

2.1 研究对象

本研究对象为江苏师范大学智慧教育学院80名在校研究生，所有班级均为同一教师授课，54课时，时间跨度为3个学期。

2.2 研究环境

课程场所包括线上“蓝墨云班课”平台和线下实体教室，研究依托课程《新媒体智慧应用》，其是为教育技术学专业研究生开设的一门专业课。课程分为人工智能时代的教育、拉纳卡宣言解读、Design Alchemy、协作学习4大模块。由于没有专门教材，教学内容繁杂，无固定结构，多引用外文文献，造成学习者学习困难，教师难以按照传统课堂模式讲授，采用蓝墨云班课学习平台可为学习者上传丰富的学习资源，更方便地开展学习活动[10]。

课前教师将单元学习资源上传到云班课平台并布置课程任务，学习者以小组为单位在讨论区内交流分工，共享资源，共同完成任务。课上小组汇报时，其它小组成员可在平台上对其作业进行评分并提问，进行线上答疑。

线下教学为传统多媒体教室，多功能讲台、电子白板、多媒体投影等为学习者课堂汇报展示提供基础设备。此外，校园网无线全覆盖，为学习者在课程中随时进入平台进行资源下载、交流讨论等提供条件[11]。

2.3 研究方法与数据来源

研究采用观察法、问卷调查法、访谈法等，对数据进行搜集、整理与分析。研究者参与到课堂学习中，观察学习者的学习行为，如课堂讨论、小组汇报等;课程完成后搜集参与云班课《新媒体智慧应用》课程学习的行为数据，如资源下载、讨论区互动、小组作业等;最后对学习者进行问卷调查，对部分学习者进行访谈，获取混合式学习前后其学习行为与态度变化数据。

2.4 问卷设计

心理学家班杜拉曾提出，个体认知、行为、环境三方面是相互影响和相互作用的，人的主体因素包括人的感知、期待、信念等认知因素，这些认知因素能够作为人参与活动而成为其学习的内部动力因素[12]，进而提出三元交互模型，即个体认知、行为、环境等影响学习者的深度学习。本研究基于班杜拉三元交互决定论模型，通过课堂观察以及师生访谈，融入任务驱动法因素，形成适合本研究的“深度因素交互”模型，如图1所示。任务驱动法作为外部因素，与个体、行为、环境相互作用、相互影响，共同促进深度学习的发生。根据该模型，在调查问卷中为可能的影响因素设计了学习动机、环境资源、知识建构与加工水平、小组交流协作、监控评价、任务驱动法6个维度。问卷共 20 题，采用Likert5 级量表，将定性指标分成 1～5个档次（很符合、比较符合、一般、不符合、很不符合），分别赋值为 5、4、3、2、1[13]。

2.5 问卷实施

本研究于2019年3月通过问卷星及线下共发放问卷80份，发放对象为江苏师范大学智慧教育学院参与过《智慧教育媒体应用》课程学习的研究生。回收问卷67份，问卷回收率为84%;有效问卷67份，有效率为100%。通过SPSS分析，得出问卷信度系数值为0.867，研究数据信度质量高。效度分析的KMO值为0.804，表明适合作因子分析，如表1所示。

3 结果统计与分析

3.1 描述性统计与因子分析

对6个维度进行描述性统计分析发现，各维度均值范围在3.51～4.12之间，学习动机与环境资源均值分布在“一般”与“很符合”之间，知识建构与加工水平、交流协作、监控评价、任务驱动均值分布在“一般”与“比较符合”之间，数据相对集中。

从数据总体分布来看，学习动机维度均值在3.91以上，说明学习者具有较高的学习动机;学习环境维度中，“教室网络全覆盖促进资料的搜集”“相互联系的学习资源促进知识的理解”两项均值达到“很符合”以上，通过线性回归分析发现，学习者的反思过程存在显著差异，sig值为0.01<0.05;知识建构与加工水平维度中的积极反思学习过程均值为3.51，说明学习者的反思水平不高;交流协作维度的线性回归分析结果表明，交流协作态度与学习反思、知识迁移存在显著性差异。因此，学习者是否在小组间积极提出自己的看法、将知识融入原有的知识结构，对开展学习过程反思、提升学习质量有很大影响。

3.2 因子分析

为检验学习动机、资源环境、知识建构与加工水平、交流协作、监控评价、任务驱动等维度影响因素与学习者反思之间的相关性，进行因子分析，对可能的影响因子进行分析与归类，梳理出有代表性的影响因子。表2给出了影响因子旋转后的载荷矩阵[14]。

通过KMO检验统计发现，KMO检验系数大于0.7的第1个因子由教师的肯定、组间互评、教师及时反馈与评价决定，它们在主因子上的载荷分别为0.727、0.743、0.878，可以概括为师生的积极评价与反馈因子;第2个因子由任务驱动教学、问题解决以及批判性思考能力决定，它们在主因子上的载荷分别为0.704、0.715、0.787，可以概括為学习者学习动机及任务驱动法教学因子;第3个因子由教室网络、学习资源决定，它们在主因子上的载荷分别为0.878、0.726，可以概括为学习资源及环境因子;第4个因子由快速获取有用信息解决问题决定，它在主因子上的载荷为0.820，可以概括为学习者的知识与建构加工因子。

4个因子的协方差矩阵显示两两因子间的相关系数为0，说明提取后的4个因子之间没有相关性，实现了因子分析设计目标。

4 学习者深度学习促进策略

分析发现：环境资源、知识建构加工水平、多元评价、反思水平、教师的任务驱动法对学习者深度学习产生较大影响。本研究在参照已有研究成果基础上，融入教师教学策略即任务驱动法教学影响因素，构建影响深度学习的策略模型，即以丰富且合理的环境资源为需求，以学习者知识建构与加工水平为目标，以多元评价促进反思为根本，以教师的任务驱动法为重要抓手。该模型将影响因素视为具有多种相互联系、相互作用的要素组成，各机制协调发展，以多元评价促进反思、学习者知识建构与加工水平为核心，提供任务驱动与学习环境外部支持，从内部因素与外部因素两方面为深度学习策略提供支持、决策与保障，如图2所示。

[完善评价机制，有效引导][布置任务，小组汇报][网络环境，丰富合理的学习资源][促进反思、创设有效学习情境][任务驱动法][知识建构与加工][多元评价

促进反思][环境资源][需求][目标][根本][抓手]

图2 深度学习促进策略模型

4.1 以丰富且合理的环境资源为需求

丰富的资源为学习者解决问题提供了较大帮助，但杂乱无章的资源会造成学习者认知负荷，给解决问题增加困难。资源间联系紧密，能很好地构成所学单元的知识体系[15]。教师为学习者提供教学资源时，应结合学习者已有知识经验背景，将资源形成支架，与旧知识建立联系，便于学习者进行迁移与应用。

4.2 以学习者的知识建构与加工为目标

深度学习者善于将新概念、新内容与已有知识建立起内在联系。良好的学习情境能够吸引学习注意力、激发学习动机、促进发散思维与创造能力培养，教师应根据学习者特点选择合适的情境激发学习动机，将丰富有趣、逻辑性较强的教学内容，具有启发性的教学方法融入到教学情境中，提高学习能力，为学习者深度学习创造条件。

4.3 以多元评价、促进反思为根本

造成浅层学习的原因是多方面的，其中很重要的原因是评价方式。良好的评价与反馈有助于学习者及时发现存在的问题与不足，采用多元评价的方式——教师评价与同伴互评相结合，以教师评价为主、学习者评价为辅，适时加入自我评价，使学习者认识自我，在不断反思的过程中建构与加工知识，促进深度学习。在学习过程中，应该提供反思机会、关注反思过程，通过多种途径培养反思习惯。鼓励学习者撰写学习日志、制定学习目标与自我评价量表，记录学习过程。

4.4 以教师的任务驱动法教学为重要抓手

教学策略主要指教师课前采用的任务驱动法教学。合理的任务使学习者动机处于适当水平，中等强度的动机最有利于任务完成。因此，教师在布置课堂任务时，应该布置适量、合理的学习任务以提高学习效率，采用课下小组互动交流与课上汇报学习工作的任务驱动教学策略，提升合作意识，促进学习者把个人自学、小组交流、教师指点有机结合起来，挖掘个体学习潜能，培养团队精神，促进深度学习。

5 结语

基于蓝墨云班课的混合式教学效果显著，但也存在一定的问题，如小组讨论环节部分成员不积极、小组成员评价趋向一致性、影响学习者反思等。研究认为需要改进课堂教学策略，首先应加强监督，注重引导学习者掌握正确的学习方法，鼓励小组间的合作交流，讨论环节加强巡视，为学习者解决疑难问题;其次，制定评价标准，为学习者评价提供借鉴与指导;最后，教师课前作好充足准备，规划好课堂实施流程，严格控制汇报时间。

本文提出的深层因素交互模型可为促进学习者深度学习，提高课堂教学效果提供参考。将深度学习融入课堂教学，提高了学习效果，促进了深度学习发展。

参考文献：

[1] 安富海. 促进深度学习的课堂教学策略研究[J]. 课程·教材·教法，2014，34（11）：57-62.

[2] 常立娜. 深度学习文献综述[J]. 开放学习研究，2018，23（2）：30-35.

[3] 亚当斯贝克尔，M·卡明斯，A·戴维斯，等. 新媒体联盟地平线报告：2017高等教育版[J]. 开放学习研究，2017（2）：1-20，62.

[4] 李志河，刘丹，李宁，等. 翻转课堂模式下的深度学习影响因素研究[J]. 现代教育技术，2018 （12）：55-61.

[5] 王小根，姜鹏丽. 基于批判性思维的深度学习活动模式构建[J]. 软件导刊，2019（5）：46-51.

[6] 吴亚婕.  影响学习者在线深度学习的因素及其测量研究[J]. 电化教育研究，2017（9）：57-63.

[7] 卜彩麗，冯晓晓，张宝辉. 深度学习的概念、策略、效果及其启示——美国深度学习项目（SDL）的解读与分析[J]. 远程教育杂志，2016 （5）：75-82.

[8] 赵嵬，姚海莹. 基于蓝墨云班课的混合式教学行为研究——以“现代教育技术”课程为例[J]. 现代教育技术，2019（2）：46-52.

[9] 杨艳雯，王小根，陶鑫荣. 基于蓝墨云班课的混合式学习研究与设计[J]. 中国信息技术教育，2016 （12）：106-109.

[10] 薛法根. 基于课程标准的语文教学内容研制策略[J]. 中国教育学刊，2013（11）：118-119.

[11] 王怀波，李冀红，杨现民. 高校混合式教学中深浅层学习者行为差异研究[J]. 电化教育研究，2017 （12）：44-50.

[12] [美]阿尔伯特·班杜拉. 社会学习理论 [M]. 陈欣银，李伯黍，译. 北京：中国人民大学出版社，2015.

[13] 王娟，胡苗苗. MOOCs扩散共享的调查分析与策略研究[J]. 电化教育研究，2015 （12）：45-51.

[14] 王娟，孔亮. 传播学视域下高校精品课程应用与发展的调查研究[J]. 电化教育研究，2013 （12）：29-36.

[15] 李敏. 网络环境下学习支持服务系统存在的问题及策略[J]. 软件导刊，2013（8）：199-201.

（责任编辑：杜能钢）