深度學習國內研究綜述

樊雅琴 王炳皓 王偉 唐燁偉

【摘 要】

近年來，深度學習逐漸成為學科教學領域的一個熱點話題。本文采用內容分析法，對國內公開發(fā)表的深度學習相關學術、學位論文進行統(tǒng)計分析，從文獻年度分布、文獻來源、研究熱點、研究內容和發(fā)展趨勢五個方面依次解讀，以期總結我國深度學習研究現(xiàn)狀，發(fā)現(xiàn)問題，提出建議。

【關鍵詞】 ?深度學習;深度學習研究;研究綜述

【中圖分類號】 ?G434 ? ? ?【文獻標識碼】 ?A ? ? ?【文章編號】 1009—458x（2015）06—0027—07

一、前言

當今時代是一個信息化的時代，它以其信息量大、知識爆炸和傳播速度快等特點不斷對人們的思維方式、學習方式提出挑戰(zhàn)。面對日新月異的技術和瞬息萬變的知識，人們需要更好的組織思維、更好的意義建構，以實現(xiàn)對知識內容更深層次的理解。深度學習源于對知識的深度理解，而不只是機械記憶、簡單運用。

我國對深度學習的研究起步較晚，上海師范大學黎加厚教授在2005年發(fā)表的《促進學生深度學習》一文中首次提出深度學習的概念。他認為，深度學習是指在理解的基礎上，學習者批判性地學習新思想和新知識，將它們與原有的認知結構相融合，將眾多思想相互關聯(lián)，將已有的知識遷移到新的情境中去，做出決策并解決問題的學習[1]。此后國內開展了一系列針對深度學習的相關學術研究，比較有代表性的如張浩、吳秀娟發(fā)表的《深度學習的內涵及認知理論基礎探析》，提出了深度學習的幾個特征，即注重批判理解、強調信息整合、促進知識建構、著意遷移運用、面向問題解決和提倡主動學習終身學習，其核心特征是高階思維，發(fā)展高階思維有助于促進深度學習，并指出了建構主義理論、情境認知理論、分布式認知理論及元認知理論對深度學習的理論指導意義[2]。再如，段金菊、余勝泉的《學習科學視域下的e-Learning深度學習研究》，該文以其所構建的e-Learning深度學習分析框架模型為依據(jù)，剖析了深度學習的研究現(xiàn)狀，提出了當前研究中所存在的一些問題[3]。

本文采用內容分析法對2005年以來國內公開發(fā)表的深度學習的相關文獻進行系統(tǒng)梳理，從文獻年度分布、文獻來源、研究熱點、研究內容和發(fā)展趨勢五個方面進行研究，以期從不同的角度出發(fā)，總結研究現(xiàn)狀，發(fā)現(xiàn)問題并提出建議。

二、研究設計

（一）研究方法

本文主要采用內容分析法，該方法是教育技術學領域一種主要的研究方法，是對文獻內容作客觀、系統(tǒng)的量化，并對量化結果進行描述的一種研究方 ? ?法[4]。其目的是為了清晰了解研究對象的本質性事實和趨勢，揭示其中所蘊含的內容，并對事物的發(fā)展趨勢加以預測[5]。內容分析法的實施步驟通常分為以下幾步：首先根據(jù)研究問題選擇研究樣本，設計分析維度，選擇分析單元，然后設計類目表格，依據(jù)所設計的類目對研究內容進行歸類統(tǒng)計，利用統(tǒng)計分析工具對所統(tǒng)計的數(shù)據(jù)進行客觀、系統(tǒng)和量化的描述并得出結論[6]。本文即按照該步驟展開研究。

（二）資料來源

本文的文獻資料主要來源于中國知網。利用中國知網，以“深度學習”為主題，時間跨度設置為從2005年到2014年（國內首次提出深度學習概念是在2005年，因此初始時間設為2005年）一共搜索到441篇文獻，其中包括期刊論文和學位論文。然后從441篇文獻中篩除不相關文獻，最終選擇213篇相關文獻作為研究樣本。其中，包括學位論文30篇，學術論文179篇，報紙文章4篇（在數(shù)據(jù)統(tǒng)計中，將報紙文章歸入學術論文一類進行處理）。

（三）內容編碼體系設計

對研究樣本從文獻年度分布、文獻來源、研究熱點、研究內容和發(fā)展趨勢五個維度進行數(shù)據(jù)統(tǒng)計分析。此外，由于學位論文和學術論文分別代表了不同的研究方向、研究層次，因此在對每一個研究維度進行數(shù)據(jù)統(tǒng)計的過程中將二者分別進行統(tǒng)計[7]，即按照論文總數(shù)、學術論文數(shù)、學位論文數(shù)三類來統(tǒng)計。研究過程中以每一篇獨立的論文或報紙文章作為分析單元。

在五個研究維度中，對文獻內容進行內容編碼體系設計時主要是參考了移動學習、非正式學習相關綜述文獻中所設計的類目，其中有劉建設的《移動學習研究現(xiàn)狀綜述》、王妍莉的《基于內容分析法的非正式學習國內研究綜述》以及王偉的博士論文《大學英語移動學習系統(tǒng)模型研究》中的綜述部分。在《移動學習研究現(xiàn)狀綜述》一文中，作者將移動學習文獻分析類目設計為技術可行性、終端軟件研發(fā)、課程資源開發(fā)、標準化研發(fā)、理論研究和其他共六個維度[8]?！痘趦热莘治龇ǖ姆钦綄W習國內研究綜述》一文將非正式學習內容編碼體系設計為基礎研究、相關技術研究、應用模式研究、資源建設研究和實踐成果研究五個維度[9]。在《大學英語移動學習系統(tǒng)模型研究》一文的綜述部分，其移動學習分析類目有理論、實證、技術、群體、領域、評價和其他七個維度[10]。參考以上類目設計，并結合筆者對文獻分類的認識與理解（即文獻研究可以從理論、方法和應用三個方面來考慮），以及對深度學習相關研究的認識與理解（有關深度學習的研究涉及學科教學領域和計算機領域），本研究將深度學習相關文獻內容編碼體系設計為以下七類：理論研究、方法研究、應用研究、資源建設、相關技術研究、評價和其他。每一類別下的二級類目及其所代表的含義在內容研究部分作具體闡述。

（四）研究信度分析

內容分析的信度分析是指兩個以上參與內容分析的研究者對相同類目判斷的一致性。一致性越高，內容分析的可信度越高;一致性越低，可信度越低。因此，可信度分析在內容分析中的地位至關重要。本研究采用謝幼如、李克東教授主編的《教育技術學研究方法基礎》一書中所提到的內容分析信度公式，即[R=n×K1+（n-1）×K]。其中，[R]為信度;[K]是平均相互同意度;[K]是兩個評判員之間相互同意的程度，其值為[K=2MN1+N2]，其中[M]是兩者完全同意的欄目;[N1]是第一評判員所分析的欄目數(shù);[N2]是第二評判員所分析的欄目數(shù)[11]。以此計算方法為依據(jù)，本研究邀請兩名助理評判員B和C，以筆者為主評判員A，對評判結果進行統(tǒng)計分析。得出[KAB=0.89]，[KAC=0.92]，[KBC=0.85]，利用公式計算得出信度[R=0.96]，大于[0.90]。因此，以主評判員評判結果作為內容分析的結果。

三、研究結果與分析

（一）深度學習相關文獻年度分布情況分析

如上所述，我們將深度學習相關文獻從論文總數(shù)和學術論文數(shù)、學位論文數(shù)三個角度進行數(shù)據(jù)統(tǒng)計，得出如圖1所示的論文數(shù)量隨年份變化趨勢圖。圖中橫軸代表年份，縱軸代表每年論文數(shù)，三條折線分別代表了不同角度下論文數(shù)量年度變化。

<D：＼教育盤＼2015年教育＼2015-04＼04-10.jpg>

圖1 ? 深度學習相關文獻年度分布

觀察圖1，可以看出，國內對于深度學習的相關研究始于2005年，即上文所提到的黎加厚教授首次在國內提出深度學習概念的年份。同年，王玨發(fā)表了《杜威的教育思想與深度學習》一文，論述了杜威的教育思想對開展深度學習的指導意義[12]。之后的研究起起伏伏，但文獻總篇數(shù)一直很低。2011年，文獻數(shù)量開始呈明顯上升趨勢。分析原因，2010年頒布的《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）》指出，教育教學中要注意培養(yǎng)學生的自主學習能力，注重培養(yǎng)學生學習的主動性、獨立性、體驗性和問題性[13]，而這些正是深度學習方式的特征體現(xiàn)。在此背景下，深度學習以其獨特的優(yōu)勢得到更多的關注與研究。

學術論文數(shù)與論文總數(shù)的趨勢大致相同，說明學術論文引領著深度學習的相關研究。學位論文曲線圖逐年都比較平穩(wěn)，說明高校研究生對這一領域的關注度不夠，在學科教學中對深度學習的基礎思考還不是很多。

綜上所述，可以得出結論，即深度學習以其理解而非機械記憶的學習特點，逐漸受到人們的關注和認可。近年來，對其進行的研究隨著時代的進步和教育信息化的發(fā)展呈逐年增長趨勢。但高校對深度學習的關注度還需要提高。

（二）深度學習相關文獻來源情況分析

由于學術論文和學位論文代表了不同的研究層次，因此本部分的文獻數(shù)據(jù)統(tǒng)計將二者分開統(tǒng)計，分別分析。

1. 期刊來源分析

期刊來源分析主要針對學術論文而言。將183篇學術論文所屬期刊逐一統(tǒng)計，結果發(fā)現(xiàn)所有論文一共涉及128家期刊。其中，載文量超過2篇的期刊如表1所示。涉及期刊數(shù)很多，且載文量超過2篇的期刊僅占所有學術論文期刊總數(shù)的九分之一左右，說明對深度學習的研究很廣泛，多個學科領域對此都有所研究，但同時也說明相關研究很散，不夠集中。

表1 ?期刊載文量分布表

[文獻期刊＼&載文數(shù)＼&載文百分比＼&江蘇教育＼&6＼&3.28%＼&amp;軟件導刊（教育技術）＼&5＼&2.73%＼&中國電化教育＼&5＼&2.73%＼&中小學信息技術教育＼&4＼&2.19%＼&遠程教育雜志＼&4＼&2.19%＼&物理教師＼&3＼&1.64%＼&現(xiàn)代閱讀（教育版）＼&3＼&1.64%＼&新課程（小學）＼&3＼&1.64%＼&新課程研究（下旬刊）＼&3＼&1.64%＼&中國信息技術教育＼&3＼&1.64%＼&計算機研究與發(fā)展＼&3＼&1.64%＼&全球教育展望＼&3＼&1.64%＼&現(xiàn)代教育技術＼&3＼&1.64%＼&中國遠程教育＼&3＼&1.64%＼&電子技術與軟件工程＼&3＼&1.64%＼&合計＼&54＼&29.51%＼&]

2.學位論文機構分析

如果學術論文可以代表研究的廣度，那么學位論文則可代表研究的深度。對學位論文所屬高校機構進行統(tǒng)計分析，發(fā)現(xiàn)30篇學位論文一共涉及22家高校機構。將載文數(shù)超過1篇的高校機構提取出來，如表2所示。

表2 ?高校機構載文分布

[高校機構＼&載文數(shù)＼&載文百分比＼&浙江大學＼&3＼&10%＼&廈門大學＼&3＼&10%＼&華南理工大學＼&2＼&6.67%＼&哈爾濱工業(yè)大學＼&2＼&6.67%＼&浙江師范大學＼&2＼&6.67%＼&華中師范大學＼&2＼&6.67%＼&合計＼&14＼&46.67%＼&]

從表2可以看出，高校載文數(shù)最多的只有3篇，超過1篇載文數(shù)的只有6所高校，且6所高校中有5所屬于南方高校，這說明南方高校接受新事物較快，會及時對新發(fā)展進行研究。從這里可以看出，高校對深度學習的研究還不夠深入，對深度學習的基礎研究工作做得還不夠充分。

（三）研究熱點分析

為了從詞頻分析的角度考察深度學習的研究熱點，針對樣本相對較大的情況，本研究將樣本題目作為處理對象，用ROST軟件對其進行分詞、詞頻分析，然后對詞頻分析結果進行整理，選擇詞頻大于2的詞匯，用ROST可視化標簽云工具提取標簽云，如圖2所示：

<D：＼教育盤＼2015年教育＼2015-04＼04-11.jpg>

圖2 ? 深度學習研究熱點

從圖2可以看出，對深度學習的研究主要集中在教育教學應用、計算機領域、策略研究以及技術支持等幾個方面。

（四）研究內容分析

對研究樣本213篇文獻進行統(tǒng)計梳理，得出在不同的研究方向上深度學習相關文獻研究的數(shù)量，根據(jù)內容編碼體系對每一篇文獻進行歸類、統(tǒng)計，并將學位論文和學術論文的分布做了歸類，結果如表3所示。

1. 深度學習理論研究

本研究將深度學習的相關理論研究分為基本概念、理論探討，意義、特征和綜述研究，以及算法研究等幾個二級編碼類別。在基本概念、理論探討部分，比較有代表性的文獻有黎加厚的《促進學生深度學習》、王玨的《杜威的教育思想與深度學習》、張浩的《深度學習的內涵及認知理論基礎探析》、葉曉蕓的《論淺層學習與深度學習》以及孫銀黎的《對深度學習的認識》。上述文獻對深度學習有以下幾點共識：① 深度學習是理解性的學習，學生能對新的知識和內容進行批判性學習，并能將它們與原有的認知相融合，能將眾多思想聯(lián)系起來，能將已有的知識在新的問題情境中遷移應用，做出決策并解決問題[14]。② 深度學習注重批判理解、強調信息整合、促進知識建構、著意遷移應用、面向問題解決、提倡主動終身[15]。③ 深度學習并不排斥淺層學習，深度學習和淺層學習是一個單獨的連續(xù)統(tǒng)一體[16]。此外，張浩還提出了深度學習的理論基礎，有建構主義理論、情境認知理論、分布式認知理論及元認知理論，論證了其分別對深度學習的理論指導意義[17]。一般認為，深度學習能夠提升學習力，充分體現(xiàn)學生的主動性，并能使小組合作高質、高效地進行。

在綜述部分，代表性的論文有孫志軍的《深度學習研究綜述》和段金菊的《學習科學視域下的e-learning深度學習研究》。前者描述了計算機領域深度學習的研究情況，認為深度學習是一種新興的多層神經網絡學習算法，分析了該算法的優(yōu)越性，并在總結研究現(xiàn)狀的基礎上，提出了當前研究中所存在的問題。后者在其構建的深度學習分析模型的基礎上，總結研究現(xiàn)狀，提出了以下幾種情況：對深度學習知識內容設計的研究較少，對e-learning深度學習的過程關注不足，對認知與能力目標的研究成果較少，對e-learning情感體驗關注不夠，缺乏從技術支撐的角度對深度學習進行的研究[18]。

深度學習作為計算機領域的一種新型算法，其算法本身也受到了研究者們的關注，如玻爾茲曼機算 法[19]和受限波茲曼機算法[20]，還有基于深度學習的邊際Fisher分析特征提取算法[21]等。

2. 深度學習方法研究

深度學習方法研究將策略研究、教學模式、環(huán)境設計和模型設計四個方面包括在內。其中策略研究是指促進深度學習的各種策略、方法研究，包括信息技術支持策略[22]、學習性評價策略[23]和留白策略[24]等。代表性文獻有段金菊的《e-Learning環(huán)境下促進深度學習的策略研究》以及杜鵑的《促進深度學習的信息化教學設計的策略研究》。二者從不同角度剖析深度學習，并提出了相應的策略。前者以其所構建的深度學習交互層次模型為依據(jù)，提出了在激發(fā)外顯學習行為階段、促進認知加工過程階段、學習結果保持階段的策略設計[25]。后者在其提出的教學設計基礎上，針對信息化教學設計框架提出促進深度學習的策略與要點[26]。

有關教學模式的研究，代表性文獻有焦夏的《基于移動學習的成人深度學習模式研究》以及潘慶玉的《導向深度學習的游戲沉浸式教學模式》。前者基于移動學習，提出問題導向下的深度學習模式[27];后者在游戲學習的基礎上，構建了深度學習教學模式[28]。二者的共同點是都借鑒了新型學習方式，注重交互、交流和合作。

有關深度學習的環(huán)境設計，主要涉及MOOCs環(huán)境、網絡環(huán)境等。其研究主要是針對當前環(huán)境中存在的一些問題提出促進深度學習的改進策略[29]。

深度學習相關模型設計主要是針對計算機領域中的模型改進，如為解決中文語音處理問題，對Hierarchical Log-Bilinear英文統(tǒng)計語音模型進行算法改進，以使其適用于中文語音[30]。

3. 深度學習應用研究

深度學習應用研究主要涉及學科教學領域和計算機領域。學科教學領域的深度學習應用主要是指在學科教學中開展促進深度學習的研究;計算機領域的應用是指算法在計算機科學領域下某些子領域中的應用研究?？v觀深度學習在教學方面的應用，可以發(fā)現(xiàn)基礎教育領域大部分學科都在倡導深度學習，對其應用方面的研究主要集中在策略研究、方法研究，即著手興趣、批判性看待問題，注重合作、多角度學習等[31]。

深度學習在計算機方面的應用研究主要是作為一種算法解決一些技術問題。如采用深度學習算法中的限制玻爾茲曼機模型堆疊構建深度信念網絡模型，并用于非特定人語音識別[32]，以及利用深度學習模型進行數(shù)據(jù)樣本處理，使用人工神經網絡方法進行識別，以實現(xiàn)對視頻中的人物進行自動檢測和識別[33]。

4. 深度學習資源建設

深度學習資源建設主要包括促進深度學習的平臺構建和學習資源建設。觀察數(shù)據(jù)可以看到，歷年來幾乎沒有針對平臺構建的研究，有關學習資源的建設工作做得也不是很多。諸如，從內容模塊設計、導航設計和界面設計三個角度論述的網絡課程建設，以達到為混合教學模式提供優(yōu)質教學資源為目的[34]，包括可個性化選取、互動協(xié)作、基于網絡學習共同體平臺、帶有評價功能的網絡學習資源建設等[35]。

5. 深度學習相關技術研究

深度學習相關技術研究主要涉及移動學習和游戲學習，即基于移動學習或游戲學習促進深度學習的研究。陳意在《基于移動學習的深度學習研究》一文中提到，可通過改善移動設備、恰當設計學習資源來改善移動學習質量，實現(xiàn)深度學習[36]。另一位致力于教育游戲的學者，則構建了基于Web的3D教育游戲的技術框架和設計模型，提供了一種跨平臺的虛擬學習環(huán)境和游戲化的學習方式，以解決學習資源匱乏、媒體單一的問題，更好地激發(fā)學生學習動機，優(yōu)化學習過程和效果，促進深度學習[37]。

6. 深度學習相關評價研究

在深度學習評價研究方面，代表性的文獻有張浩的《深度學習的目標與評價體系構建》，嚴亞利的《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》。前者構建了以布魯姆的認知目標分類法、比格斯的SOLO分類法、辛普森的動作技能目標分類法和克拉斯沃爾的情感目標分類法為基礎的深度學習多維評價體系[38];后者針對博客中教師的互動只限于淺層交流，提出了促進教師博客互動的建議，為教師深度互動交流的評價研究提供了借鑒[39]。

7. 其他

深度學習相關研究中的其他類別主要包括深度學習訪談、教學研討和新聞資訊等。

（五）發(fā)展趨勢分析

將表3中的內容編碼體系及其結果繪制成如圖2所示的研究方向趨勢圖。

結合圖2和圖1，即從深度學習相關文獻的縱向和橫向兩個角度觀察，可以得出以下結論：

1. 深度學習相關文獻數(shù)量逐年增多，有關深度學習促進策略及學科教學應用方面的研究較多

隨著《2013年全日制普通高中數(shù)學新課程標準》的推出，為適應新時期的要求，豐富學生學習方式、改進學生學習方法成為高中數(shù)學課程追求的基本理念。學會學習、學會思維和轉變學生傳統(tǒng)的淺層學習方式是新一輪課程改革的重要目標和重點任務。在這一理念背景下，國內開展了促進深度學習的各項研究。其中，對策略方法的研究是促進深度學習的最有效路徑，比如基于問題的學習和基于任務的學習都是促進深度學習的有效途徑。其次是應用，在學科教學中總結學習規(guī)律，發(fā)現(xiàn)促進深度學習的教學方式。

2. 學術論文引領深度學習的研究方向

對比圖3中的總篇數(shù)、學位論文數(shù)、學術論文數(shù)，不難看出，學術論文數(shù)與文獻總篇數(shù)的趨勢圖很貼近，說明學術論文數(shù)占據(jù)了總數(shù)的大部分，引領著深度學習的相關研究方向。相對來說，學位論文數(shù)偏低，說明高校對深度學習的應用研究、基礎研究不夠充分。

3. 理論研究、環(huán)境設計、相關技術研究及評價研究不足，需引起重視

理論研究是實踐研究的基礎，環(huán)境設計是理論研究的實踐體現(xiàn)。在信息時代，新技術的支撐可促進深度學習的發(fā)生。而評價研究無論是教學評價，還是學習評價，都是檢驗并改善學習的有效途徑。

四、小結與思考

近年來，面對紛繁復雜的信息，學習方式、學習方法開始受到普遍關注。深度學習，較之淺層學習，以其批判性、知識建構、面向問題解決等特點逐漸受到教育工作者的關注和支持。基于以上數(shù)據(jù)，在此對我國深度學習相關研究提出以下建議：

1. 對深度學習的研究不應只停留在表層，要向理論深處邁進

目前，對深度學習的研究大都集中在促進深度學習的策略及其學科應用上，缺乏對基礎理論方面的研究。探索促進深度學習的策略并將其在日常生活中應用固然有其必要性，是落實深度學習的最根本的方式和方法，但理論指導實踐，我們還應從理論研究出發(fā)，讓堅實、可靠的理論支持深度學習的發(fā)展和研究。而目前有關深度學習基礎理論的研究大都停留在概念厘清上，下一步還應從教育教學角度和人類學習方式等角度對深度學習做更深入的理論研究。

2. 為深度學習提供必要的資源和技術的支撐

資源是進行深度學習的基礎和關鍵，沒有學習資源，深度學習就無從談起。而信息技術可以為深度學習提供學習認知工具等技術支撐，是技術促進學習的一種表現(xiàn)。

3. 注重對深度學習的評價研究

評價是檢驗深度學習設計和實施效果的關鍵一步，也是促進深度學習發(fā)展的重要環(huán)節(jié)。下一步，應加強對深度學習的評價研究。

[參考文獻]

[1] 何玲，黎加厚. 促進學生深度學習[J]. 現(xiàn)代教學，2005，（05）：29-30.

[2][15][17] 張浩，吳秀娟. 深度學習的內涵及認知理論基礎探析[J]. 中國電化教育，2012，（10）：7-11、21.

[3][18] 段金菊，余勝泉. 學習科學視域下的e-Learning深度學習研究[J]. 遠程教育雜志，2013，（04）：43-51.

[4] 李克東. 教育技術學研究方法[M]. 北京：北京師范大學出版社，2002.

[5] 張屹. 教育技術學研究方法[M]. 北京：北京大學出版，2010.

[6] 樊雅琴. 數(shù)字化學習環(huán)境研究綜述[J]. 中小學電教，2014，（09）：18-20.

[7][8] 劉建設，李青，劉金梅. 移動學習研究現(xiàn)狀綜述[J]. 電化教育研究，2007，（07）：21-25、36.

[9] 王妍莉，楊改學，王娟，楊瑞姣. 基于內容分析法的非正式學習國內研究綜述[J]. 遠程教育雜志，2011，（04）：71-76.

[10] 王偉. 大學英語移動學習系統(tǒng)模型研究[D]. 東北師范大學，2011.

[11] 謝幼如，李克東. 教育技術學研究方法基礎[M]. 北京：高等教育出版社，2006.

[12] 王玨. 杜威的教育思想與深度學習[J]. 軟件導刊，2005，（09）：6-8.

[13] 《國家中長期教育改革與發(fā)展規(guī)劃綱要》（2010-2020）.

[14] 何玲，黎加厚. 促進學生深度學習[J]. 現(xiàn)代教學，2005，（05）：29-30.

[16] 葉曉蕓，秦鑒. 論淺層學習與深度學習[J]. 軟件導刊，2006，（02）：19-21.

[19] 劉建偉，劉媛，羅雄麟. 玻爾茲曼機研究進展[J]. 計算機研究與發(fā)展，2014，（01）：1-16.

[20] 陳達，高升，藺志青. 基于受限波茲曼機的推薦算法研究[J]. 軟件，2013，（12）：156-159、185.

[21] 孫志軍，薛磊，許陽明. 基于深度學習的邊際Fisher分析特征提取算法[J]. 電子與信息學報，2013，（04）：805-811.

[22] 王秀云，宓寧寧. 信息技術支持下的深度學習研究[J]. 中國教育技術裝備，2013，（06）：78-79.

[23] 張治勇，李國慶. 學習性評價：深度學習的有效路[J]. 現(xiàn)代遠距離教育，2013，（01）：31-37.

[24] 孫天山. 基于深度學習理念下的留白策略[J]. 課程教學研究，2013，（12）：84-86.

[25] 段金菊. e-Learning環(huán)境下促進深度學習的策略研究[J]. 中國電化教育，2012，（05）：38-43.

[26] 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，（10）：14-20.

[27] 焦夏，張世波. 基于移動學習的成人深度學習模式研究[J]. 中國教育信息化，2012，（19）：82-85.

[28] 潘慶玉. 導向深度學習的游戲沉浸式教學模式[J]. 當代教育科學，2009，（10）：20-24.

[29] 蔣夢嬌，鄒霞. 基于MOOCs環(huán)境的深度學習研究[J]. 軟件導刊（教育技術），2014，（07）：37-39.

[30] 李抵非，田地，胡雄偉. 基于深度學習的中文標準文獻語言模型研究[J]. 2014 吉林大學學報（工學版）.

[31] 陳雪云. 關于九年級學生語文深度學習的研究[J]. 現(xiàn)代閱讀（教育版），2013，（04）：153.

[32] 陳碩. 深度學習神經網絡在語音識別中的應用研究[D]. 華南理工大學，2013.

[33] 由清圳. 基于深度學習的視頻人臉識別方法[D]. 哈爾濱工業(yè)大學，2013.

[34] 楊在寶，張杰，湯松. “媒體理論”網絡課程建設探索[J]. 教育與職業(yè)，2013，（15）：147-149.

[35] 陳琳，李凡，王矗，殷旭彪，陳耀華，蔣艷紅，趙偉林. 促進深層學習的網絡學習資源建設研究[J]. 電化教育研究，2011，（12）：69-75.

[36] 陳意. 基于移動學習的深度學習研究[J]. 江蘇廣播電視大學學報，2011，（01）：24-26.

[37] 王照亮. 基于Web的3D教育游戲的研究與設計[D]. 寧波大學，2011.

[38] 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，（07）：51-55.

[39] 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，（02）：68-71.

收稿日期：2014-11-30

定稿日期：2015-02-07

作者簡介：樊雅琴，在讀碩士;王偉，本文通訊作者，博士，副教授;唐燁偉，在讀博士。東北師范大學信息與軟件工程學院（130117）。

王炳皓，在讀碩士，首都師范大學教育技術系（100048）。

責任編輯 ? ?石 ? 子