他们自己进行的学习和研究的方式,并且适时改进平”和层次仍然处在比较单一的状态,概念与概念 和提高自己的学习和研究方法;要能够较为清晰地之间没有基于一定情景形成语义关系,这种学习状 意识到什么时候利用那些技能、它们如何同特定领态属于典型的浅层学习状态。在这种状态中的知 域的知识相联系以及使用它们的原因。也就是说,识,其保持性和迁移能力都处在一个较低水平。第 深度学习者不仅要根据学习材料批判性地发现问题二种是“链状”结构。在这种结构中,虽然概念的 和形成结论,还要清楚地意识到他们在做什么以及数量和认知的深度都有所增加,但概念与概念之间 为什么这样做。201(P376) 依然没有建立语义联系,概念之间是一种线性的链 6.高度专注的学习投入 条状关系,这种线性的链条状关系在知识的保持方 学习投入作为个体学习的积极心理品质,是衡面比第一种结构有所改善,但知识的迁移性仍然很 量学习者深度学习的重要指标。学习投入包括认差,故在解决实际问题时缺乏灵活性,不符合深度 知投入、情感投入和行为投入三个维度。认知投入学习的问题解决属性。第三种是“网状”结构。在 是指学习者对自己学习的感知和信念;情感投入即这种结构中,经过学习,学习者所获得的概念体系 学习者在完成相关学习的任务中所表现出来的情感是呈“网状”排列的,这种排列方式符合人类认知 状态;行为投入是指学习者进行学习时的努力程度的“ACT-R”模型。在该结构中,不仅知识的数 及表现。』研究发现,在学习过程中,单一的行为量有所增加,而且认知深度也明显提升。最主要的 投入并不能促进学习者创新思维能力的发展。只有是概念与概念之间不仅建立了语义联系,而且根据 深层认知、积极情感和科学行为综合作用下,才能抽象程度以及亲疏关系建立“网状”联系,这种 促进学习者包括高阶思维在内的整体素质的提高。“网状”联系不仅能有效贮存和保持知识,还能将 当学习者的学业情绪处于积极的状态时,学习者对其灵活地运用到各种具体情境中。[0“网状”知识 自己的学习行为和获得学业成绩能力的评价会更结构的生成是高阶思维发展的重要表现形式,也是 高;当学习者的学业情绪处于消极状态时,学习者深度学习的重要指标,更主要的是符合人工智能时 对自己学习能力缺乏信心。积极学习情绪相对于中代对人才质量的要求。 性情绪和消极情绪更有利于积极学习行为的出现 2.现实问题解决能力的提升 因此,深度学习不仅要求学习者要对学习的主题或 在信息加工理论看来,无论是信息的存储、加 材料能够进行客观的评估和正确的认识,还要求学工,还是信息的提取、反应和强化,其目的都是为 习者能够调动积极的情绪持续努力地投入到学习中了促进知识的有效迁移和提升问题解决能力。当 去 学习者以死记硬背、机械训练的方式学习某种知识 三)学习结果 或原理时,他们并没有理解其背后的逻辑和运用范 综合人工智能时代对人才质量规格的要求和深围。在今后的学习和工作中,当他们遇到类似的问 度学习的核心要素,本研究认为,衡量深度学习质题情境时,就会含糊其辞地将自己所学习的知识或 量的主要依据是“网状”知识结构的生成和现实问原理应用到类似的问题情境中,往往会获得无逻 题解决能力的提升两个方面。 辑、甚至错误的答案。也就是说,基于重复记忆和 “网状”知识结构的生成 机械训练的浅层学习,对提升学习者解决现实问题 认知心理学研究表明,将知识关联在一个网络能力的价值非常有限,其原因在于当前的学校教育 之中有利于知识的结构化。知识结构化就是将知识在教授问题解决的理论与方法时,往往将主要精力 按照逻辑、层次和个人对知识的加工方式,有序地集中于教授学习者如何用所学的知识或原理解决良 聚集在一个网络之中,其目的是促进知识的有效存构问题,不重视引导和帮助学生学习解决劣构问 储和高位迁移。[2(P8)一般来说,学习者学习前题。研究表明,任其怎样重复训练学生良构问题的 后的认知结构有三种变化方式,第一种是“轮轴”解决能力,对劣构问题解决的帮助都极其有限 结构。在这种结构中,学习者学习之后增加的只是(P38)解决良构问题的知识不能很好地迁移到解 知识的数量和认知结构中的概念数量。概念的“水决劣构问题的情境中去。然而,现实中的问题绝大 (c)1994-2020ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net他们自己进行的学习和研究的方式，并且适时改进 和提高自己的学习和研究方法；要能够较为清晰地 意识到什么时候利用那些技能、它们如何同特定领 域的知识相联系以及使用它们的原因。也就是说， 深度学习者不仅要根据学习材料批判性地发现问题 和形成结论，还要清楚地意识到他们在做什么以及 为什么这样做。［２６］ （Ｐ３７６） ６．高度专注的学习投入 学习投入作为个体学习的积极心理品质，是衡 量学习者深度学习的重要指标。［２７］学习投入包括认 知投入、情感投入和行为投入三个维度。认知投入 是指学习者对自己学习的感知和信念；情感投入即 学习者在完成相关学习的任务中所表现出来的情感 状态；行为投入是指学习者进行学习时的努力程度 及表现。［２８］研究发现，在学习过程中，单一的行为 投入并不能促进学习者创新思维能力的发展。只有 深层认知、积极情感和科学行为综合作用下，才能 促进学习者包括高阶思维在内的整体素质的提高。 当学习者的学业情绪处于积极的状态时，学习者对 自己的学习行为和获得学业成绩能力的评价会更 高；当学习者的学业情绪处于消极状态时，学习者 对自己学习能力缺乏信心。积极学习情绪相对于中 性情绪和消极情绪更有利于积极学习行为的出现。 因此，深度学习不仅要求学习者要对学习的主题或 材料能够进行客观的评估和正确的认识，还要求学 习者能够调动积极的情绪持续努力地投入到学习中 去。 （三）学习结果 综合人工智能时代对人才质量规格的要求和深 度学习的核心要素，本研究认为，衡量深度学习质 量的主要依据是 “网状”知识结构的生成和现实问 题解决能力的提升两个方面。 １．“网状”知识结构的生成 认知心理学研究表明，将知识关联在一个网络 之中有利于知识的结构化。知识结构化就是将知识 按照逻辑、层次和个人对知识的加工方式，有序地 聚集在一个网络之中，其目的是促进知识的有效存 储和高位迁移。［２９］（Ｐ８）一般来说，学习者学习前 后的认知结构有三种变化方式，第一种是 “轮轴” 结构。在这种结构中，学习者学习之后增加的只是 知识的数量和认知结构中的概念数量。概念的 “水 平”和层次仍然处在比较单一的状态，概念与概念 之间没有基于一定情景形成语义关系，这种学习状 态属于典 型 的 浅 层 学 习 状 态。在 这 种 状 态 中 的 知 识，其保持性和迁移能力都处在一个较低水平。第 二种是 “链状”结构。在这种结构中，虽然概念的 数量和认知的深度都有所增加，但概念与概念之间 依然没有建立语义联系，概念之间是一种线性的链 条状关系，这种线性的链条状关系在知识的保持方 面比第一种结构有所改善，但知识的迁移性仍然很 差，故在解决实际问题时缺乏灵活性，不符合深度 学习的问题解决属性。第三种是 “网状”结构。在 这种结构中，经过学习，学习者所获得的概念体系 是呈 “网状”排列的，这种排列方式符合人类认知 的 “ＡＣＴ－Ｒ”模 型。在 该 结 构 中，不 仅 知 识 的 数 量有所增加，而且认知深度也明显提升。最主要的 是概念与概念之间不仅建立了语义联系，而且根据 抽象程度 以 及 亲 疏 关 系 建 立 “网 状”联 系，这 种 “网状”联系不仅能有效贮存和保持知识，还能将 其灵活地运用到各种具体情境中。［３０］ “网状”知识 结构的生成是高阶思维发展的重要表现形式，也是 深度学习的重要指标，更主要的是符合人工智能时 代对人才质量的要求。 ２．现实问题解决能力的提升 在信息加工理论看来，无论是信息的存储、加 工，还是信息的提取、反应和强化，其目的都是为 了促进知识的有效迁移和提升问题解决能力。［３１］当 学习者以死记硬背、机械训练的方式学习某种知识 或原理时，他们并没有理解其背后的逻辑和运用范 围。在今后的学习和工作中，当他们遇到类似的问 题情境时，就会含糊其辞地将自己所学习的知识或 原理应用 到 类 似 的 问 题 情 境 中，往 往 会 获 得 无 逻 辑、甚至错误的答案。也就是说，基于重复记忆和 机械训练的浅层学习，对提升学习者解决现实问题 能力的价值非常有限，其原因在于当前的学校教育 在教授问题解决的理论与方法时，往往将主要精力 集中于教授学习者如何用所学的知识或原理解决良 构问题，不 重 视 引 导 和 帮 助 学 生 学 习 解 决 劣 构 问 题。研究表明，任其怎样重复训练学生良构问题的 解决能力，对劣构问题解决的帮助都极其有限。［２６］ （Ｐ３８）解决良构 问 题 的 知 识 不 能 很 好 地 迁 移 到 解 决劣构问题的情境中去。然而，现实中的问题绝大 ４２１