深度學(xué)習(xí)：本質(zhì)與理念

郭元祥

近十年來國際上最先進(jìn)的教學(xué)理論其實根本不是國內(nèi)瘋傳的“翻轉(zhuǎn)課堂”等技術(shù)性的策略，而是源于人工智能和腦科學(xué)的深度學(xué)習(xí)理論。深度學(xué)習(xí)注重讓學(xué)生沉浸于知識的情境和學(xué)習(xí)的情境，強調(diào)批判性思維，注重實現(xiàn)知識的內(nèi)在價值。理解深度學(xué)習(xí)理論對深化我國的教學(xué)改革具有重要的意義。

一、深度學(xué)習(xí)概念的提出

深度學(xué)習(xí)的概念，源于30多年來計算機科學(xué)、人工神經(jīng)網(wǎng)絡(luò)和人工智能的研究。上世紀(jì)八九十年代，人們提出了一系列機器學(xué)習(xí)模型，應(yīng)用最為廣泛的包括支持向量機（Support Vector Machine，SVM）和邏輯回歸（Logistic Regression，LR），這兩種模型分別可以看作包含1個隱藏層和沒有隱藏層的淺層模型。計算機面對較為復(fù)雜的問題解決訓(xùn)練時，可以利用反向傳播算法計算梯度，再用梯度下降方法在參數(shù)空間中尋找最優(yōu)解。淺層模型往往具有凸代價函數(shù)，理論分析相對簡單，訓(xùn)練方法也容易掌握，應(yīng)用取得了很多成功。①隨著人工智能的發(fā)展，計算機和智能網(wǎng)絡(luò)如何基于算法革新，模擬人腦抽象認(rèn)知和思維，準(zhǔn)確且高清晰度地進(jìn)行聲音處理、圖像傳播甚至更為復(fù)雜的數(shù)據(jù)處理和問題解決等，在21世紀(jì)來臨的時候成為擺在人工智能領(lǐng)域的關(guān)鍵問題。

30多年來，加拿大多倫多大學(xué)計算機系辛頓教授（Hinton，G.）一直從事機器學(xué)習(xí)模型、神經(jīng)網(wǎng)絡(luò)與人工智能等問題的相關(guān)研究，并在機器學(xué)習(xí)模型特別是突破淺層學(xué)習(xí)模型，實現(xiàn)計算機抽象認(rèn)知方面取得了突破性的進(jìn)展。2006年，他在《Science》上發(fā)表了《利用神經(jīng)網(wǎng)絡(luò)刻畫數(shù)據(jù)維度》（Reducing the Dimensionality of Data with Neural Networks）一文，探討了應(yīng)用人工神經(jīng)網(wǎng)絡(luò)刻畫數(shù)據(jù)的學(xué)習(xí)模型，首先提出了深度學(xué)習(xí)（Deep Learning）的概念和計算機深度學(xué)習(xí)模型，掀起了深度學(xué)習(xí)在人工智能領(lǐng)域的新高潮。這篇文章的兩個主要觀點是：第一，多隱藏層的人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)異的特征學(xué)習(xí)能力，學(xué)習(xí)到的特征對數(shù)據(jù)有更本質(zhì)的刻畫，從而有利于可視化或分類；第二，深度神經(jīng)網(wǎng)絡(luò)可以通過“逐層初始化”（Layer-wise Pre-training）來有效克服訓(xùn)練和優(yōu)解的難度，無監(jiān)督的逐層初始化方法有助于突破淺層學(xué)習(xí)模型。②基于深度置信網(wǎng)絡(luò)（DBN）提出非監(jiān)督逐層訓(xùn)練算法，為解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題帶來希望，隨后提出多層自動編碼器深層結(jié)構(gòu)。③2012年，辛頓又帶領(lǐng)學(xué)生在目前最大的圖像數(shù)據(jù)庫ImageNet上，對分類問題取得了驚人的結(jié)果，將計算機處理圖像數(shù)據(jù)問題時排名前五的錯誤率（即Top5錯誤率），由最高26%大幅降低至15%，大大提高了人工智能圖像數(shù)據(jù)處理的準(zhǔn)確性和清晰度，這是早先計算機僅僅依賴數(shù)學(xué)模型的表層學(xué)習(xí)和單層學(xué)習(xí)根本無法實現(xiàn)的水平。

在人工智能領(lǐng)域，深度學(xué)習(xí)其實是一種算法思維，其核心是對人腦思維深層次學(xué)習(xí)的模擬，通過模擬人腦的深層次抽象認(rèn)知過程，實現(xiàn)計算機對數(shù)據(jù)的復(fù)雜運算和優(yōu)化。深度學(xué)習(xí)采用的模型是深層神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks，DNN）模型，即包含多個隱藏層（Hidden Layer，也稱隱含層）的神經(jīng)網(wǎng)絡(luò)（Neural Networks，NN）。深度學(xué)習(xí)利用模型中的隱藏層，通過特征組合的方式，逐層將原始輸入轉(zhuǎn)化為淺層特征、中層特征、高層特征直至最終的任務(wù)目標(biāo)。深度學(xué)習(xí)可以完成需要高度抽象特征的人工智能任務(wù)，如語音識別、圖像識別和檢索、自然語言理解等。深層模型是包含多個隱藏層的人工神經(jīng)網(wǎng)絡(luò)，多層非線性結(jié)構(gòu)使其具備強大的特征表達(dá)能力和對復(fù)雜任務(wù)的建模能力。訓(xùn)練深層模型是長期以來的難題，近年來以層次化、逐層初始化為代表的一系列方法的提出，為訓(xùn)練深層模型帶來了希望，并在多個應(yīng)用領(lǐng)域獲得了成功。

人工智能學(xué)者們認(rèn)為計算機和智能網(wǎng)絡(luò)的這一深層的自動編碼與解碼過程，是一個從數(shù)據(jù)刻畫、抽象認(rèn)知到優(yōu)選方案的深度學(xué)習(xí)的過程。由于人腦具有深度結(jié)構(gòu)，認(rèn)知過程是一個復(fù)雜的腦活動過程，因而計算機和人工智能網(wǎng)絡(luò)模擬從符號接受、符號解碼、意義建立再到優(yōu)化方案的學(xué)習(xí)過程也是有結(jié)構(gòu)的；同時，認(rèn)知過程是逐層進(jìn)行、逐步抽象的，人工智能不是純粹依賴于數(shù)學(xué)模型的產(chǎn)物，而是對人腦、人腦神經(jīng)網(wǎng)絡(luò)及抽象認(rèn)知和思維過程進(jìn)行模擬的產(chǎn)物。應(yīng)該說，到目前為止，深度學(xué)習(xí)是計算機和智能網(wǎng)絡(luò)最接近人腦的智能學(xué)習(xí)方法。近幾年來，深度學(xué)習(xí)進(jìn)一步嘗試直接解決抽象認(rèn)知的難題，并取得了突破性的進(jìn)展，AlphaGo的問世，便是明證。2013年4月，《麻省理工學(xué)院技術(shù)評論》（MIT Technology Review ）雜志將深度學(xué)習(xí)列為2013年十大突破性技術(shù)之首。④深度學(xué)習(xí)引爆的這場革命，將人工智能帶上了一個新的臺階，不僅學(xué)術(shù)意義巨大，而且實用性很強，工業(yè)界也開始了大規(guī)模的投入，一大批產(chǎn)品將從中獲益。二十世紀(jì)八九十年代以來，隨著學(xué)習(xí)科學(xué)的不斷發(fā)展，深度學(xué)習(xí)的概念和思想不斷在教育中得到應(yīng)用。

二、深度學(xué)習(xí)在教育中的興起與發(fā)展

來自腦科學(xué)、人工智能和學(xué)習(xí)科學(xué)領(lǐng)域的新成就，必然引起教育領(lǐng)域研究者的深刻反省。計算機、人工智能尚且能夠模擬人腦的深層結(jié)構(gòu)和抽象認(rèn)知，通過神經(jīng)網(wǎng)絡(luò)的建立開展深度學(xué)習(xí)，那人對知識的學(xué)習(xí)過程究竟應(yīng)該是怎樣的一個腦活動過程和學(xué)習(xí)過程？學(xué)生的學(xué)習(xí)有表層和深層等層次之分嗎？從作為符號的公共知識到作為個人意義的個人知識究竟是怎樣建立起來的？知識學(xué)習(xí)過程究竟是一個怎樣的抽象認(rèn)知過程？信息技術(shù)環(huán)境支持下深層次的學(xué)習(xí)如何實現(xiàn)？近十多年來，這些問題引起了許多教育研究者特別是教育技術(shù)學(xué)研究者的濃厚興趣，深度學(xué)習(xí)、深度教學(xué)的研究日益引起人們的重視。也正是在辛頓的“深度學(xué)習(xí)”概念明確提出后，教育學(xué)領(lǐng)域特別是教育技術(shù)學(xué)領(lǐng)域的深度學(xué)習(xí)研究日益活躍起來。

其實，早在1956年布魯姆在《教育目標(biāo)分類學(xué)》里關(guān)于“認(rèn)知領(lǐng)域目標(biāo)”的探討中，對認(rèn)識目標(biāo)的維度劃分就蘊含了深度學(xué)習(xí)的思想，即“學(xué)習(xí)有深淺層次之分”，將教學(xué)目標(biāo)分為了解、理解、應(yīng)用、分析、綜合、評價六個由淺入深的層次。⑤學(xué)習(xí)者的認(rèn)知水平停留在知道或領(lǐng)會的層次則為淺層學(xué)習(xí)，涉及的是簡單提取、機械記憶符號表征或淺層了解邏輯背景等低階思維活動；而認(rèn)知水平較高的深層理解、應(yīng)用、分析、綜合和評價則涉及的是理性思辨、創(chuàng)造性思維、問題解決等相對復(fù)雜的高階思維活動，屬于深層學(xué)習(xí)。1976年，美國學(xué)者馬頓（Marton，F(xiàn).）和薩爾約（Saljo，R.）在《論學(xué)習(xí)的本質(zhì)區(qū)別：結(jié)果和過程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明確提出了表層學(xué)習(xí)和深層學(xué)習(xí)的概念。⑥這被普遍認(rèn)為是教育學(xué)領(lǐng)域首次明確提出深度學(xué)習(xí)的概念。他們在一項關(guān)于閱讀能力的實驗研究中，明確探討了閱讀學(xué)習(xí)的層次問題。通過讓學(xué)生閱讀文章并進(jìn)行測驗，發(fā)現(xiàn)學(xué)生在閱讀的過程中運用了兩種截然不同的學(xué)習(xí)策略：一種是試圖記住文章的事實表達(dá)，揣測接下來的測試并記憶，即表層學(xué)習(xí)（Surface Learning）；另一種是試圖理解文章的中心思想和學(xué)術(shù)內(nèi)涵，即深層學(xué)習(xí)（Deep Learning），也被譯為深度學(xué)習(xí)。深度學(xué)習(xí)的學(xué)習(xí)者追求知識的理解并且使已有的知識與特定教材的內(nèi)容進(jìn)行批判性互動，探尋知識的邏輯意義，使現(xiàn)有事實和所得出的結(jié)論建立聯(lián)系。淺層學(xué)習(xí)和深層學(xué)習(xí)在學(xué)習(xí)動機、投入程度、記憶方式、思維層次和遷移能力上有明顯的差異。深度學(xué)習(xí)是一種主動的、高投入的、理解記憶的、涉及高階思維并且學(xué)習(xí)結(jié)果遷移性強的學(xué)習(xí)狀態(tài)和學(xué)習(xí)過程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人發(fā)展了淺層學(xué)習(xí)和深度學(xué)習(xí)的相關(guān)理論。⑦隨著信息技術(shù)的發(fā)展，近十年來，國外學(xué)者對信息技術(shù)支持下的深度學(xué)習(xí)及其在各學(xué)科領(lǐng)域、各類教育中的應(yīng)用研究日漸廣泛。

2002年以來，從技術(shù)支持高等教育的深度學(xué)習(xí)、虛擬環(huán)境中的深度學(xué)習(xí)、形成性評估對深度學(xué)習(xí)的影響、學(xué)習(xí)環(huán)境對學(xué)生進(jìn)行深度學(xué)習(xí)的影響、技術(shù)支持下的深度學(xué)習(xí)設(shè)計等方面研究成果日益豐富，但絕大部分是基于教育技術(shù)學(xué)視野的研究成果。2006年，辛頓教授關(guān)于深度學(xué)習(xí)的成果發(fā)表，進(jìn)一步推動了深度學(xué)習(xí)在教育中的研究與應(yīng)用。近十年來，在中小學(xué)深度學(xué)習(xí)研究方面最有影響的當(dāng)屬加拿大西盟菲莎大學(xué)（Simon Fraser University）艾根（Egan， K.）教授領(lǐng)銜的“深度學(xué)習(xí)”（Learning in Depth，簡稱LID）項目組所進(jìn)行的研究，其成果集中體現(xiàn)在《深度學(xué)習(xí)：轉(zhuǎn)變學(xué)校教育的一個革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧該研究探討了深度學(xué)習(xí)的基本原則與方法，分析了深度學(xué)習(xí)對學(xué)生成長、教師發(fā)展和學(xué)校革新的價值與路徑，并在加拿大部分中小學(xué)進(jìn)行實驗研究。其核心成果聚焦課堂學(xué)習(xí)和教學(xué)問題，即使是關(guān)于教師教育中深度學(xué)習(xí)的研究，也聚焦于教師的學(xué)習(xí)過程和學(xué)習(xí)方式。⑨艾根所開展的深度學(xué)習(xí)研究項目超越了單一教育技術(shù)學(xué)視野的研究，不僅僅是關(guān)于教學(xué)設(shè)計、學(xué)習(xí)技術(shù)和學(xué)習(xí)環(huán)境開發(fā)的研究，而是基于建立新的學(xué)習(xí)觀和知識觀，對教學(xué)活動與學(xué)習(xí)過程作出了新的闡釋。

總體上看，國內(nèi)關(guān)于深度學(xué)習(xí)的研究最近十年才剛剛起步。2005年，我國學(xué)者黎加厚教授在《促進(jìn)學(xué)生深度學(xué)習(xí)》一文中，率先介紹了國外關(guān)于深度學(xué)習(xí)的研究成果，同時探討了深度學(xué)習(xí)的本質(zhì)。他認(rèn)為深度學(xué)習(xí)是指在理解學(xué)習(xí)的基礎(chǔ)上，學(xué)習(xí)者能夠批判性地學(xué)習(xí)新的思想和事實，并將它們?nèi)谌朐械恼J(rèn)知結(jié)構(gòu)中，能夠在眾多思想間進(jìn)行聯(lián)系，能夠?qū)⒁延械闹R遷移到新的情境中，作出決策和解決問題的學(xué)習(xí)。⑩此文被認(rèn)為是國內(nèi)較早介紹并論及深度學(xué)習(xí)的研究成果，此后，關(guān)于深度學(xué)習(xí)的探討，特別是基于信息技術(shù)環(huán)境下的深度學(xué)習(xí)的相關(guān)研究論文逐漸增加。2006年10月，筆者在前期研究的基礎(chǔ)上，與臺灣成功大學(xué)教育研究所所長李坤崇教授聯(lián)合發(fā)起“海峽兩岸能力生根計劃”，推進(jìn)能力導(dǎo)向的深度教學(xué)的理論研究與實驗研究，主張以價值觀、知識觀、學(xué)習(xí)觀、過程觀的重建為基礎(chǔ)，以發(fā)展學(xué)生的學(xué)科能力為宗旨，實施深度教學(xué)，克服課堂教學(xué)改革過于注重教學(xué)程序、教學(xué)技術(shù)、教學(xué)時間的淺層次改革和表層學(xué)習(xí)的局限性，深化課堂教學(xué)改革。2014年后，中國教育科學(xué)院院長兼教育部課程教材研究與發(fā)展中心主任田慧生研究員基于深化課程改革的需要，帶領(lǐng)一個團隊開始啟動深度學(xué)習(xí)的項目研究。直至今日，基于核心素養(yǎng)追求背景下的深度學(xué)習(xí)研究項目，如雨后春筍般涌現(xiàn)，“深度學(xué)習(xí)”成為教育研究中的一個熱詞。

盡管計算機、人工智能領(lǐng)域與教育學(xué)領(lǐng)域都提出了“深度學(xué)習(xí)”概念，但不難看出二者顯然具有本質(zhì)差異。計算機與人工智能領(lǐng)域的深度學(xué)習(xí)是建立在機器模擬人腦深層結(jié)構(gòu)的基礎(chǔ)之上的，是基于人腦結(jié)構(gòu)的一種計算機算法思維和問題解決模型，是對人腦和認(rèn)知結(jié)構(gòu)的模擬。而教育學(xué)領(lǐng)域的“深度學(xué)習(xí)”概念，無論是布魯姆還是馬頓和薩爾約，都指向了“知識”和“學(xué)習(xí)”兩個核心，是關(guān)于知識學(xué)習(xí)的目標(biāo)和過程的問題。布魯姆在教育目標(biāo)分類學(xué)認(rèn)知領(lǐng)域的目標(biāo)構(gòu)設(shè)中，認(rèn)為認(rèn)知目標(biāo)是由了解、理解、應(yīng)用、分析、綜合、評價六個不斷加深的層次構(gòu)成的。這一目標(biāo)明顯是關(guān)于知識學(xué)習(xí)和認(rèn)知過程的目標(biāo)，在2001年修訂版中，這一目標(biāo)被精確表述為知識學(xué)習(xí)和認(rèn)知過程兩個維度。馬頓和薩爾約在關(guān)于閱讀的研究中，基于學(xué)生對文本理解的層次和理解的深度提出了“深度學(xué)習(xí)”的概念，并認(rèn)為學(xué)習(xí)的本質(zhì)區(qū)別在于過程而不是學(xué)習(xí)的結(jié)果，是學(xué)生對文本知識學(xué)習(xí)的深刻程度決定了其學(xué)習(xí)結(jié)果的差異性。

艾根的研究實現(xiàn)了從深度學(xué)習(xí)向深度教學(xué)的轉(zhuǎn)向。艾根的深度學(xué)習(xí)（Learning in Depth）研究更明確地指向了學(xué)生對知識的學(xué)習(xí)所到達(dá)的深度，以及教師通過對知識的處理引導(dǎo)學(xué)生逐步到達(dá)一定的學(xué)習(xí)深度。這一深度學(xué)習(xí)的過程是一個逐步深化的學(xué)習(xí)過程，要求教師在教學(xué)過程中引導(dǎo)學(xué)生著眼于知識的深層次理解和深度處理。該項研究表明，深度學(xué)習(xí)的研究開始從單一的學(xué)習(xí)技術(shù)研究轉(zhuǎn)向了對教學(xué)過程的關(guān)注，注重深度學(xué)習(xí)與深度教學(xué)的關(guān)聯(lián)性和一致性，深度學(xué)習(xí)的研究呈現(xiàn)出向深度學(xué)習(xí)與深度教學(xué)相結(jié)合的轉(zhuǎn)向。

三、深度學(xué)習(xí)的核心理念

從深度學(xué)習(xí)走向深度教學(xué)，一方面是教與學(xué)的一致性決定的，另一方面是當(dāng)前中小學(xué)課堂教學(xué)普遍存在的局限性決定的。教與學(xué)的關(guān)系既不是對立關(guān)系，也不是對應(yīng)關(guān)系，而是一種具有相融性的一體化關(guān)系，離開了教無所謂學(xué)，離開了學(xué)也無所謂教。學(xué)生真正意義上的深度學(xué)習(xí)需要建立在教師深度教導(dǎo)、引導(dǎo)的基礎(chǔ)之上。從本質(zhì)上看，教育學(xué)視野下的深度學(xué)習(xí)不同于人工智能視野下的深度學(xué)習(xí)，不是學(xué)生像機器一樣對人腦進(jìn)行孤獨的模擬活動，而是學(xué)生在教師引導(dǎo)下，對知識進(jìn)行的“層進(jìn)式學(xué)習(xí)”和“沉浸式學(xué)習(xí)”。“層進(jìn)”是指對知識內(nèi)在結(jié)構(gòu)的逐層深化的學(xué)習(xí)，“沉浸”是指對學(xué)習(xí)過程的深刻參與和學(xué)習(xí)投入。離開了教師的教學(xué)和引導(dǎo)，學(xué)生何以“沉浸”？因此，深度學(xué)習(xí)只有走向深度教學(xué)才更具有發(fā)展性的意義和價值。同時，我國新一輪基礎(chǔ)教育課程改革以來，課堂教學(xué)改革依然存在著諸多表層學(xué)習(xí)、表面學(xué)習(xí)和表演學(xué)習(xí)的局限性，“學(xué)習(xí)方式的轉(zhuǎn)變”往往演變成了教學(xué)形式的改變，諸如教與學(xué)在程序上的簡單翻轉(zhuǎn)和在時間上的粗暴分配。其所體現(xiàn)出來的知識觀、價值觀、教學(xué)觀、過程觀依然陳舊落后，以學(xué)科知識、學(xué)科能力、學(xué)科思想和學(xué)科經(jīng)驗的融合為核心的學(xué)科素養(yǎng)依然未能得到實質(zhì)性的滲透。

深度教學(xué)的“深度”是建立在完整而深刻地處理和理解知識的基礎(chǔ)之上的。艾根在深度學(xué)習(xí)的研究中，首次從知識論的角度，論述了深度學(xué)習(xí)的“深度”（Depth）的涵義。他認(rèn)為“學(xué)習(xí)深度”具有三個基本標(biāo)準(zhǔn)，即知識學(xué)習(xí)的充分廣度（Sufficient Breadth）、知識學(xué)習(xí)的充分深度（Sufficient Depth）和知識學(xué)習(xí)的充分關(guān)聯(lián)度（Multi-Dimensional Richness and Ties）。這三個標(biāo)準(zhǔn)，也是深度學(xué)習(xí)的核心理念。

第一，知識學(xué)習(xí)的充分廣度。充分的廣度與知識產(chǎn)生的背景相關(guān)，與知識對人生成的意義相關(guān)，與個體經(jīng)驗相關(guān)，也與學(xué)習(xí)者的學(xué)習(xí)情境相關(guān)。如果教學(xué)把知識從其賴以存在的背景、意義和經(jīng)驗中剝離出來，成為純粹的符號，便成為無意義的符號、無根基的概念知識。知識具有強烈的依存性，無論是自然科學(xué)的知識還是社會科學(xué)或人文學(xué)科的知識，都是特定的社會背景、文化背景、歷史背景及其特定的思維方式的產(chǎn)物。離開了知識的自然背景、社會背景、邏輯背景，前人創(chuàng)造的知識對后人而言幾乎不具有可理解性。隨著深度學(xué)習(xí)的興起，旨在以廣度促進(jìn)理解的“無邊界學(xué)習(xí)”日益引起人們的重視?？梢?，知識的充分廣度，其實是為理解提供多樣性的支架，為知識的意義達(dá)成創(chuàng)造了可能性和廣闊性基礎(chǔ)。

第二，知識學(xué)習(xí)的充分深度。知識的充分深度與知識所表達(dá)的內(nèi)在思想、認(rèn)知方式和具體的思維邏輯相關(guān)，深度學(xué)習(xí)把通過知識理解來建立認(rèn)識方式，提升思維品質(zhì)，特別是發(fā)展批判性思維作為核心目標(biāo)。所以說，深度學(xué)習(xí)是一種反思性學(xué)習(xí)，是注重批判性思維品質(zhì)培養(yǎng)的學(xué)習(xí)，同時也是一種沉浸式、層進(jìn)式的學(xué)習(xí)。深度學(xué)習(xí)強調(diào)學(xué)習(xí)過程是從符號理解、符號解碼到意義建構(gòu)的認(rèn)知過程，這一過程是逐層深化的。

第三，知識學(xué)習(xí)的充分關(guān)聯(lián)度。知識的充分關(guān)聯(lián)度，是指知識學(xué)習(xí)指向與多維度地理解知識的豐富內(nèi)涵及其與文化、想象、經(jīng)驗的內(nèi)在聯(lián)系。知識學(xué)習(xí)不是單一的符號學(xué)習(xí)，而是對知識所承載的文化精神的學(xué)習(xí)。同時，通過與學(xué)生的想象、情感的緊密聯(lián)系，達(dá)到對知識的意義建構(gòu)。從廣度，到深度，再到關(guān)聯(lián)度，學(xué)生認(rèn)知的過程是逐層深化的。所謂意義建構(gòu)，即從公共知識到個人知識的建立過程，都需要建立在知識學(xué)習(xí)的深度和關(guān)聯(lián)度之上。

（責(zé)任編輯：林彥 黃曉夏）

①Y.LeCun and Y.Bengio.Convolutional networks for images，speech，and time-series.In M.A.Arbib，editor，The Handbook of Brain Theory and Neural Networks.MIT Press，1995.

②Geoffery E.Hinton and Salakhutdinov R.R.，Reducing the dimensionality of data with neural networks. Science.2006 Jul 28；313（5786）：504-7.

③Geoffrey E.Hinton，Simon Osindero，Yee-Whye Teh. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation.2006（7）.

④余凱等.深度學(xué)習(xí)的昨天、今天和明天[J].計算機研究與發(fā)展，2013，9.

⑤安德森.布盧姆教育目標(biāo)分類學(xué)（修訂版）[M]. 北京：外語教學(xué)與研究出版社，2009：78-80.

⑥Marton，F(xiàn). and Saljo，R.，On Qualitative Difference in Learning：Outcome and Process. British Journal of Educational Psychology，1976，46：4-11.

⑦安富海.促進(jìn)深度學(xué)習(xí)的課堂教學(xué)策略研究[J].課程·教材·教法，2014，11.

⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.

⑨Kieran Egan.“Learning in Depth” in teaching education. Alberta Journal of Educational Research，Vol.59，No.4，2013，705-708.

⑩何玲，黎加厚.促進(jìn)學(xué)生深度學(xué)習(xí)[J].計算機教與學(xué)，2005，5.