的学习方式仍然是浅层理解和重复记忆。第二,学 Warren mcculloch教授和 Walter pitts教授提出了 习内容仍然以彼此独立、互不相干的面孔呈现在学最早的神经网络数学模型,该模型利用简单的线性 生面前。虽然课程文本的内容得到了整合,但由于加权方式来模拟人类神经元对输入信号的处理,解 教师对知识的关联性理解不足,知识并没有得到实决了简单的线性分类问题。到20世纪80年代末 质性的整合。第三,“热闹非凡”的学习方式并没随着分布式知识表达和神经网络反向传播算法的提 有促进学生对知识深层理解,学生只是运用了比过出,对神经网络的研究从宽度转向了深度,深度神 去更为愉快的方式记住了知识、理解了知识,而没经网络解决了非线性不可分问题,大幅度降低了训 有真正实现知识的迁移和问题解决能力的提升。上练神经网络所需要的时间。随着计算机性能增强和 海学生在两届PISA数学测试中获得了全球第一的云计算、大数据的出现,深度学习的发展开启了人 好成绩是否说明上海中小学生的学习就处于深度学工智能的新时代,涉及的范围也从最初的图像识别 习状态呢?从PISA问卷调查看,上海参加测试的领域扩展到机器学习的各个领域。1]二是作为学习 学校的授课时间与其他国家(地区)相当,但学生形态的深度学习。作为学习形态的深度学习是 周平均作业时间为138小时,位列所有参加测试1976年美国学者 Ference marton和 Roger Salo针 的国家和地区首位。如果再加上学生课外辅导时对学习过程中简单记忆和非批判性接受知识的浅层 间,上海学生每周课外学习时间的总数达17.1小学习问题而提出的一个概念。1此后,关于深度学 时。[1也就是说,上海学生的PISA测试中的优异习的研究就逐渐丰富起来了。 Biggs和 Collis 成绩主要得益于重复训练,而非学生思维发展使(1982)、 Ramsden(1988)、 Entwistle(1997 然。中国学生数学知识的学习和掌握存在肤浅和2001)等学者基于不同的实验,从各自的角度发展 深度学习”不够的问题。因此,教学论研究应了深度学习理论。1近年来,学习心理学、学习科 该研究浅层学习的问题,促进浅层学习向深度学习学、教育技术学和课程与教学论等领域的学者开始 转化,实现学生高阶思维的发展 关注深度学习。学者们基本都是按照布卢姆认知领 三、深度学习的含义及核心要素 域学习目标分类的六个层次来研究深度学习的1 (P75)将浅层学习对应在“知道、理解”两个层 (一)深度学习的含义及类型 面,主要涉及知识的简单描述和重复记忆;将深度 深度学习是相对于简单学习或浅层学习而提出学习对应在“应用、分析、评价、创造”四个层 的一种新的技术或学习形态。目前关于深度学习的面。浅层学习是一种只关注低阶思维活动的学习形 论述和研究主要涉及两个领域。一是作为技术的深态;深度学习则不仅观照低阶思维活动,更强调高 度学习。深度学习作为机器学习算法研究中的一种阶思维的发展。 新技术,是相对于机器的简单学习而言的,其动机 无论是作为技术的深度学习,还是作为学习形 是建立、模拟人脑进行分析学习的神经网络。过去态的深度学习,都依赖并指向高级神经网络的发 很长一段时间内,机器学习和信号处理技术的探索展。本研究探讨的是作为学习形态的深度学习。只 基本停留在对单层非线性变换的浅层学习层面。它有作为学习形态的深度学习的有效实施和不断发 通常只包含1层或2层的非线性特征转换层,采用展,才能真正促进作为新技术的深度学习的可持续 层简单结构将原始输入信号或特征转换到特定问发展。 题的特征空间中,其局限在于对复杂分类问题缺乏 (二)作为学习形态的深度学习的核心要素 表征和分析能力。深度学习则采用了与神经网络相 作为学习形态的深度学习的核心要素主要表现 似的多层结构,包括输入层、隐层(可单层、可多在四个方面。第一,学习准备方面。深度学习强调 层)、输出层等多层网络,通过学习深层非线性网内在学习动机的激发和高阶思维目标的导向。内在 络结构,能够发现高维数据中的复杂结构。作为技的学习动机能促使学生克服主客观困难,将各类要 术的深度学习的起源与发展均源于对人工神经网络素转化为资源,积极面对具有挑战性的问题。高 的研究。1943年,受人类大脑结构的启发,阶思维发展的目标必然会引导教与学都围绕“应 (c)1994-2020ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net的学习方式仍然是浅层理解和重复记忆。第二，学 习内容仍然以彼此独立、互不相干的面孔呈现在学 生面前。虽然课程文本的内容得到了整合，但由于 教师对知识的关联性理解不足，知识并没有得到实 质性的整合。第三， “热闹非凡”的学习方式并没 有促进学生对知识深层理解，学生只是运用了比过 去更为愉快的方式记住了知识、理解了知识，而没 有真正实现知识的迁移和问题解决能力的提升。上 海学生在两届 ＰＩＳＡ 数学测试中获得了全球第一的 好成绩是否说明上海中小学生的学习就处于深度学 习状态呢？从 ＰＩＳＡ 问卷调查看，上海参加测试的 学校的授课时间与其他国家 （地区）相当，但学生 周平均作业时间为１３．８小时，位列所有参加测试 的国家和 地 区 首 位。如果再加上学生课外辅导时 间，上海学生每周课外学习时间的总数达１７．１小 时。［１１］也就是说，上海学生的 ＰＩＳＡ 测试中的优异 成绩主要 得 益 于 重 复 训 练，而非学生思维发展使 然。中国学生数学知识的学习和掌握存在肤浅和 “深度学 习”不 够 的 问 题。［１２］因 此，教 学 论 研 究 应 该研究浅层学习的问题，促进浅层学习向深度学习 转化，实现学生高阶思维的发展。 三、深度学习的含义及核心要素 （一）深度学习的含义及类型 深度学习是相对于简单学习或浅层学习而提出 的一种新的技术或学习形态。目前关于深度学习的 论述和研究主要涉及两个领域。一是作为技术的深 度学习。深度学习作为机器学习算法研究中的一种 新技术，是相对于机器的简单学习而言的，其动机 是建立、模拟人脑进行分析学习的神经网络。过去 很长一段时间内，机器学习和信号处理技术的探索 基本停留在对单层非线性变换的浅层学习层面。它 通常只包含１层或２层的非线性特征转换层，采用 一层简单结构将原始输入信号或特征转换到特定问 题的特征空间中，其局限在于对复杂分类问题缺乏 表征和分析能力。深度学习则采用了与神经网络相 似的多层结构，包括输入层、隐层 （可单层、可多 层）、输出层等多层网 络，通 过 学 习 深 层 非 线 性 网 络结构，能够发现高维数据中的复杂结构。作为技 术的深度学习的起源与发展均源于对人工神经网络 的 研 究。１９４３ 年， 受 人 类 大 脑 结 构 的 启 发， ＷａｒｒｅｎＭｃＣｕｌｌｏｃｈ教授和 ＷａｌｔｅｒＰｉｔｔｓ教授提出了 最早的神经网络数学模型，该模型利用简单的线性 加权方式来模拟人类神经元对输入信号的处理，解 决了简单的线性分类问题。到２０世纪８０年代末， 随着分布式知识表达和神经网络反向传播算法的提 出，对神经网络的研究从宽度转向了深度，深度神 经网络解决了非线性不可分问题，大幅度降低了训 练神经网络所需要的时间。随着计算机性能增强和 云计算、大数据的出现，深度学习的发展开启了人 工智能的新时代，涉及的范围也从最初的图像识别 领域扩展到机器学习的各个领域。［１３］二是作为学习 形态 的 深 度 学 习。作 为 学 习 形 态 的 深 度 学 习 是 １９７６年美国学者ＦｅｒｅｎｃｅＭａｒｔｏｎ和 ＲｏｇｅｒＳａｌｊｏ针 对学习过程中简单记忆和非批判性接受知识的浅层 学习问题而提出的一个概念。［１４］此后，关于深度学 习的 研 究 就 逐 渐 丰 富起来了。Ｂｉｇｇｓ 和 Ｃｏｌｌｉｓ （１９８２）、 Ｒａｍｓｄｅｎ （１９８８）、 Ｅｎｔｗｉｓｔｌｅ （１９９７， ２００１）等学者基于不同的实验，从各自的角度发展 了深度学习理论。［１５］近年来，学习心理学、学习科 学、教育技术学和课程与教学论等领域的学者开始 关注深度学习。学者们基本都是按照布卢姆认知领 域学习目标分类的六个层次来研究深度学习的。［１６］ （Ｐ７５）将 浅 层 学 习 对 应 在 “知 道、理 解”两 个 层 面，主要涉及知识的简单描述和重复记忆；将深度 学习对 应 在 “应 用、分 析、评 价、创 造”四 个 层 面。浅层学习是一种只关注低阶思维活动的学习形 态；深度学习则不仅观照低阶思维活动，更强调高 阶思维的发展。［１７］ 无论是作为技术的深度学习，还是作为学习形 态的深度 学 习，都 依 赖 并 指 向 高 级 神 经 网 络 的 发 展。本研究探讨的是作为学习形态的深度学习。只 有作为学习形态的深度学习的有效实施和不断发 展，才能真正促进作为新技术的深度学习的可持续 发展。 （二）作为学习形态的深度学习的核心要素 作为学习形态的深度学习的核心要素主要表现 在四个方面。第一，学习准备方面。深度学习强调 内在学习动机的激发和高阶思维目标的导向。内在 的学习动机能促使学生克服主客观困难，将各类要 素转化为资源，积极面对具有挑战性的问题。［１８］高 阶思维发 展 的 目 标 必 然 会 引 导 教 与 学 都 围 绕 “应 １２１