我國社科領(lǐng)域深度學(xué)習(xí)研究熱點分析

李志河 張春雨 李思哲 楊玉霞

摘? 要 信息技術(shù)的快速發(fā)展以及人工智能教育的火熱引發(fā)新一輪深度學(xué)習(xí)的研究熱潮。通過BICOMB 2.0高頻關(guān)鍵詞分析功能得出，在社會科學(xué)領(lǐng)域深度學(xué)習(xí)的關(guān)注熱點集中在內(nèi)涵、特征及文獻綜述等方面，對深度學(xué)習(xí)的評價及應(yīng)用研究等實踐研究較少。

關(guān)鍵詞 深度學(xué)習(xí);學(xué)習(xí)方式;高階思維;高階能力;BICOMB

中圖分類號：G642? ? 文獻標(biāo)識碼：B

文章編號：1671-489X（2021）02-0006-06

Research Hotspots of Deep Learning in Social Sciences in China//

LI Zhihe， ZHANG Chunyu， LI Sizhe， YANG Yuxia

Abstract The rapid development of information technology and the

popularity of artificial intelligence education have triggered a new round of research upsurge in deep learning. Based on the high-fre-

quency keyword analysis function of BICOMB 2.0， this paper con-cludes that the focus of deep learning in social sciences focuses on connotation， characteristics and literature review， while there are few

practical researches on the evaluation and application of deep lear-ning.

Key words deep learning; learning style; higher-order thinking; high-

order capability; BICOMB

0 前言

技術(shù)的革新與教育領(lǐng)域的發(fā)展相互交融，教育領(lǐng)域的不斷發(fā)展與技術(shù)的融入密不可分。技術(shù)把人們的學(xué)習(xí)方式變得智能化和智慧化，整個社會向著以技術(shù)為支持的學(xué)習(xí)型社會邁進?！缎旅襟w聯(lián)盟地平線報告：2016高等教育版》表示，未來五年高等教育的發(fā)展方向?qū)⑥D(zhuǎn)向深度學(xué)習(xí)[1]。《新媒體聯(lián)盟地平線報告：2017高等教育版》再一次強調(diào)深度學(xué)習(xí)方法的應(yīng)用是高等教育未來發(fā)展的趨勢[2]。《新媒體聯(lián)盟地平線報告：2018高等教育版》指出技術(shù)的發(fā)展使教育的發(fā)展越來越智能化，快速發(fā)展變化的信息技術(shù)對人類認(rèn)識事物和學(xué)習(xí)知識提出全新挑戰(zhàn)[3]。人們關(guān)注的不再是技術(shù)出現(xiàn)的數(shù)量，而是為何會出現(xiàn)這樣的技術(shù)以及它能帶來什么幫助。

當(dāng)下培養(yǎng)大學(xué)生的高階思維能力要求學(xué)習(xí)者能利用各類技術(shù)整合信息和資源，加以應(yīng)用并解決實際問題。地平線報告中對深度學(xué)習(xí)的著重闡述，將教育領(lǐng)域中的深度學(xué)習(xí)理念提上新的日程。從個體認(rèn)知發(fā)展角度來說，主動積極接受知識的學(xué)習(xí)過程更有意義，需要從不同維度出發(fā)做出努力。深度學(xué)習(xí)是一種從多層面多角度進行的學(xué)習(xí)過程，這種多維包括智力、行為及情感[4]。因此，深度學(xué)習(xí)在成為一種新型學(xué)習(xí)理念的同時，也在為培養(yǎng)多維的能力而做準(zhǔn)備。隨著研究的不斷深入，如何在智能和智慧環(huán)境下進行深度學(xué)習(xí)以及如何培養(yǎng)相應(yīng)的能力，將是未來教育發(fā)展的重要課題。

1 深度學(xué)習(xí)的內(nèi)涵

深度學(xué)習(xí)是當(dāng)代學(xué)習(xí)科學(xué)提出的重要概念?，F(xiàn)階段已有的研究表明，眾多學(xué)者對于深度學(xué)習(xí)的理解均有共通之處。有關(guān)深度學(xué)習(xí)的研究源于計算機專業(yè)領(lǐng)域的人工智能及神經(jīng)網(wǎng)絡(luò)。隨著研究范圍的不斷擴大與研究內(nèi)容的日漸深入，深度學(xué)習(xí)在教育領(lǐng)域的研究逐漸增多并逐漸被重視。在教育領(lǐng)域，最早有關(guān)深度學(xué)習(xí)的研究由兩位美國學(xué)者開展：馬頓和塞利約最早對深層學(xué)習(xí)方式和表層學(xué)習(xí)方式進行實驗研究，發(fā)現(xiàn)兩種截然不同的學(xué)習(xí)發(fā)展過程，得出學(xué)習(xí)可分為深層次的學(xué)習(xí)和淺層次的學(xué)習(xí)兩種，認(rèn)為學(xué)習(xí)方式可以分為深度學(xué)習(xí)（Deep Learning）和淺層學(xué)習(xí)（Sur-

face Learning）[5]。

雖然教育領(lǐng)域有關(guān)深度學(xué)習(xí)的研究最早起步于國外，發(fā)展速度也一直領(lǐng)先國內(nèi)，但我國學(xué)者也從多種角度對其概念內(nèi)涵進行了研究闡述。北京師范大學(xué)何克抗[6]指出，深度學(xué)習(xí)是通過全新的理念、方式及其必要的工具、資源、手段來達到高級深層認(rèn)知能力特別是創(chuàng)造能力的培養(yǎng)目標(biāo)，使廣大青少年通過深度學(xué)習(xí)不僅能記憶、理解必要的各學(xué)科基礎(chǔ)知識，還能具有應(yīng)用、分析、評價這些基礎(chǔ)知識并創(chuàng)造新知識和新產(chǎn)品的能力。我國學(xué)者詹青龍、顧小清[7]認(rèn)為學(xué)習(xí)有表層學(xué)習(xí)和深度學(xué)習(xí)之分，并對二者進行了比較。他們認(rèn)為深度學(xué)習(xí)要求學(xué)習(xí)者積極主動地參與學(xué)習(xí)全過程，對學(xué)習(xí)的內(nèi)容批判性地進行交互，重新獲得新的理解，掌握知識內(nèi)容和結(jié)構(gòu)的關(guān)系，從而構(gòu)建新的個人知識框架。王麗和談云兵[8]也認(rèn)為學(xué)習(xí)是有淺層和深度之分的。溫雪[9]

認(rèn)為，深度學(xué)習(xí)與虛假學(xué)習(xí)、機械學(xué)習(xí)是相對的，深度學(xué)習(xí)強調(diào)了學(xué)習(xí)的本質(zhì)最終是回歸到學(xué)習(xí)本身。李松林、等人[10]認(rèn)為，深度學(xué)習(xí)是能滲透到學(xué)習(xí)者思維深處的學(xué)習(xí)，是深入知識內(nèi)核的學(xué)習(xí)，是基于問題解決的學(xué)習(xí)。

綜上所述，深度學(xué)習(xí)是為了學(xué)習(xí)者更好地理解學(xué)習(xí)的本質(zhì)，分化與整合知識的結(jié)構(gòu)并自主對其進行加工的學(xué)習(xí)過程。深度學(xué)習(xí)不僅是一種學(xué)習(xí)方式，更是一種培養(yǎng)學(xué)生高階認(rèn)知思維與問題解決能力的重要手段。

2 文獻分析

深度學(xué)習(xí)的已有研究來自多個學(xué)科領(lǐng)域，本文僅基于社會科學(xué)領(lǐng)域進行統(tǒng)計分析。在中國知網(wǎng)的社會科學(xué)分類下，在文獻檢索的主題檢索搜索條中輸入“深度學(xué)習(xí)”，利用中國知網(wǎng)的可視化工具，得出主題的分布情況圖（圖1）和發(fā)表相關(guān)文章數(shù)量趨勢圖（圖2）。

從圖1可以看出，深度學(xué)習(xí)是第一大研究主題，學(xué)習(xí)者是第二大研究主題，一些教學(xué)方式主題研究（如翻轉(zhuǎn)課堂）也占比較大，淺層學(xué)習(xí)以及人工智能的主題研究也較多，說明深度學(xué)習(xí)和學(xué)習(xí)者以及學(xué)習(xí)方式的相關(guān)度較高。

從圖2趨勢圖可以看出，深度學(xué)習(xí)相關(guān)發(fā)文量自2008年起到2019年總體上處于上升趨勢，雖然在2010年、2011

年、2014年、2018年相比前一年有所跌落，但是幅度不大。《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(xué)過程中最重要的是培養(yǎng)學(xué)生的自主學(xué)習(xí)能力，發(fā)展學(xué)生個性化需求，從而使學(xué)生在面對問題時能夠獨立自主解決問題[11]。這說明教育教學(xué)改革對學(xué)習(xí)者高階能力培養(yǎng)的注重與深度學(xué)習(xí)可促進學(xué)生多層次提升的理念不謀而合。在此背景下，深度學(xué)習(xí)以其更專注于學(xué)習(xí)者能力提升的奇特視角得到教育工作者更多的關(guān)注。2016年開始，深度學(xué)習(xí)相關(guān)文獻發(fā)文量激增，說明深度學(xué)習(xí)在社會科學(xué)領(lǐng)域的關(guān)注度進入高峰期。

利用可視化工具分析預(yù)測了2019年的發(fā)文量，表明深度學(xué)習(xí)無論是在計算機領(lǐng)域還是在教育領(lǐng)域，都將是熱點研究話題，而且隨著時間的推移，深度學(xué)習(xí)的關(guān)注點將逐漸從計算機領(lǐng)域轉(zhuǎn)向教育領(lǐng)域。

3 研究設(shè)計

數(shù)據(jù)來源? 研究對象來自中國知網(wǎng)（CNKI）數(shù)據(jù)庫，是在社會科學(xué)分類目錄下從中文社會科學(xué)引文索引（Chinese

Social Sciences Citation Index，CSSCI）期刊庫中選取的文章，共有344條結(jié)果。離散律理論認(rèn)為，核心期刊才能反映學(xué)科領(lǐng)域的研究情況。CSSCI期刊論文質(zhì)量較高，基本可以反映我國教育學(xué)領(lǐng)域深度學(xué)習(xí)的學(xué)術(shù)研究情況。經(jīng)由統(tǒng)計篩選，得到與主題相關(guān)有效文獻共計341篇。

研究方法與工具? 本研究采用多種研究方法，其中共詞分析法是通過分析出現(xiàn)在同一篇文獻中的關(guān)鍵詞，預(yù)測該領(lǐng)域關(guān)鍵詞之間的關(guān)系，最終達到展現(xiàn)該學(xué)科的研究結(jié)構(gòu)的目的[12];社會網(wǎng)絡(luò)分析可以探測關(guān)鍵詞間的聯(lián)系及中心性，從而確定該領(lǐng)域的研究熱點;聚類分析則是根據(jù)研究對象的主要特點，將研究對象進行類型劃分[13]。

書目共現(xiàn)分析系統(tǒng)（BICOMB）是一款幫助研究者深度分析文本內(nèi)容的工具，起初是為國際生物醫(yī)學(xué)文獻分析服務(wù)所研發(fā)的，主要功能是共現(xiàn)矩陣生成和文獻計量分析。社會網(wǎng)絡(luò)分析軟件（UCINET）主要是對一維和二維的數(shù)據(jù)進行網(wǎng)絡(luò)節(jié)點中心度分析。本研究主要使用這兩個輔助工具來支撐分析研究。

研究過程設(shè)計? 在中國知網(wǎng)進入主題檢索，勾選所用文獻。由于后續(xù)使用的書目共現(xiàn)分析軟件能夠識別的格式是Note-first，在導(dǎo)出文件格式選擇時應(yīng)選Note-first。本研究借助BICOMB 2.0軟件從篩選整理后的相關(guān)文獻中提取對應(yīng)關(guān)鍵詞并對其進行詞頻統(tǒng)計分析，整合并構(gòu)建高頻關(guān)鍵詞共詞矩陣;將相應(yīng)數(shù)據(jù)導(dǎo)入社會網(wǎng)絡(luò)分析軟件（UCINET

6.0），利用NetDraw繪制并形成可視化圖譜;再利用SPSS

17.0將共詞矩陣轉(zhuǎn)換為相關(guān)矩陣，得出關(guān)鍵詞冰柱圖;最后借助Excel表格工具將其轉(zhuǎn)換為相異矩陣并進行聚類分析。詳細過程如圖3所示。

4 數(shù)據(jù)結(jié)果與分析

高頻關(guān)鍵詞統(tǒng)計分析? 關(guān)鍵詞是整篇文章的核心所在，出現(xiàn)頻率高的關(guān)鍵詞在一定程度上可以認(rèn)為其表征的主題是該領(lǐng)域的研究熱點[14]。借助BICOMB 2.0對341篇文獻進行統(tǒng)計，結(jié)果顯示，頻次≥6的關(guān)鍵詞共有20個，如表1所示。這20個關(guān)鍵詞共出現(xiàn)341次，占總頻次數(shù)的22.849%，說明這些關(guān)鍵詞是深度學(xué)習(xí)主題下文章的研究熱點。從表1可以看出，除深度學(xué)習(xí)外，出現(xiàn)頻次≥10的關(guān)鍵詞還有翻轉(zhuǎn)課堂、人工智能、核心素養(yǎng)、深度教學(xué)、學(xué)習(xí)分析。

相似矩陣及分析? 事物與事物間存在相互聯(lián)系，Ochiai

相似矩陣能夠分析出文本之間的相關(guān)度。首先利用BICOMB 2.0軟件將關(guān)鍵詞頻次閾值設(shè)置為≥5，然后對高頻詞進行共詞分析并生成20×20的高頻關(guān)鍵詞詞篇矩陣，將得到的矩陣導(dǎo)入SPSS數(shù)據(jù)統(tǒng)計軟件，選取二分量度量標(biāo)準(zhǔn)生成共詞相似矩陣，從而深度探索關(guān)鍵詞之間蘊含的相互聯(lián)系，部分?jǐn)?shù)據(jù)如圖4所示。相似矩陣數(shù)值越接近1，相似水平越大;

反之，相似水平越小。從圖4可以看出，翻轉(zhuǎn)課堂（0.223）相對其他來說相似度略高，接下來是人工智能（0.202）、核心素養(yǎng)（0.175），說明在深度學(xué)習(xí)領(lǐng)域，翻轉(zhuǎn)課堂和人工智能是該領(lǐng)域的熱門研究主題;學(xué)習(xí)分析（0.050）、教育信息化（0.056）等距離較遠，相似度小。

SPSS聚類分析? 通過把共性的事物利用一定手段進行“類聚”，可以看出同一類別中的共性和特點;通過把異性的事物“群分”，可以看出類別之間的差異。聚類分析（Cluster Analysis）是一個將數(shù)據(jù)集劃分為若干不同類別的過程，并使得同一個組別內(nèi)的數(shù)據(jù)成員之間關(guān)系緊密，即具有較高的相似度。關(guān)于相似或不相似的描述是基于數(shù)據(jù)描述屬性的取值來確定的[15]。聚類分析法中常用的是系統(tǒng)聚類，又叫層次聚類或者分層聚類。當(dāng)使用SPSS進行系統(tǒng)聚類時，可得到樹狀圖和冰柱圖兩種呈現(xiàn)圖示。樹狀圖比較直觀，但不能良好地反映聚類的過程;冰柱圖能夠較為系統(tǒng)地反映出聚類過程中的每一個步驟。因此，本研究主要采用冰柱圖來對結(jié)果進行分析。

對關(guān)鍵詞進行聚類既可以體現(xiàn)出關(guān)鍵詞間的關(guān)聯(lián)性，又可以體現(xiàn)出高頻關(guān)鍵詞間的緊密程度。根據(jù)研究，除去核心關(guān)鍵詞深度學(xué)習(xí)，本研究將BICOMB 2.0中生成的矩陣文本文件導(dǎo)入SPPS 17.0，利用SPSS數(shù)據(jù)處理功能，通過分析得到水平狀冰柱圖，如圖5所示。以5集群數(shù)為界限，將深度學(xué)習(xí)的關(guān)鍵詞劃分為五類：

1）涵蓋學(xué)習(xí)方式、深度教學(xué)、學(xué)習(xí)者以及核心素養(yǎng)這四個關(guān)鍵詞，結(jié)果表明，以學(xué)習(xí)者為中心開展的深度學(xué)習(xí)有助于核心素養(yǎng)的培養(yǎng);

2）涵蓋教學(xué)設(shè)計、問題解決、網(wǎng)絡(luò)學(xué)習(xí)空間這三個關(guān)鍵詞，主要在傳統(tǒng)教學(xué)設(shè)計的基礎(chǔ)上與信息化教學(xué)設(shè)計相結(jié)合，在網(wǎng)絡(luò)空間中開展創(chuàng)新型課堂教學(xué);

3）涵蓋個性化學(xué)習(xí)、高等教育、地平線報告、教育信息化以及大學(xué)生這五個關(guān)鍵詞，主要通過一些政策性的文件為教育發(fā)展提供方向;

4）涵蓋混合學(xué)習(xí)、在線學(xué)習(xí)、學(xué)習(xí)分析、教育大數(shù)據(jù)、機器學(xué)習(xí)、人工智能這六個關(guān)鍵詞，主要表明深度學(xué)習(xí)在技術(shù)支持的環(huán)境下可以更好地實施個性化學(xué)習(xí);

5）涵蓋實證研究、淺層學(xué)習(xí)、學(xué)習(xí)科學(xué)、教學(xué)模式、MOOC、SPOC、翻轉(zhuǎn)課堂以及深度學(xué)習(xí)這八個關(guān)鍵詞，主要表明線上線下結(jié)合的混合式教學(xué)模式可使得學(xué)習(xí)者達到深層次學(xué)習(xí)。

社會網(wǎng)絡(luò)分析? 關(guān)鍵詞出現(xiàn)的頻次并不能描述深度學(xué)習(xí)的內(nèi)部關(guān)系，因此以BICOMB 2.0中針對出現(xiàn)頻次高的關(guān)鍵詞建立的共現(xiàn)矩陣為基礎(chǔ)進行社會網(wǎng)絡(luò)分析。在使用BICOMB 2.0軟件生成矩陣時將閾值設(shè)置為≥5，將20個關(guān)鍵詞生成矩陣，矩陣（部分）如表2所示。

將矩陣導(dǎo)入UCINET 6.0中，利用其中的NetDraw工具進行可視化中心度分析，建立我國2008—2018年間教育學(xué)領(lǐng)域深度學(xué)習(xí)高頻關(guān)鍵詞社會網(wǎng)絡(luò)圖譜，如圖6所示。圖譜中的方形節(jié)點代表關(guān)鍵詞，節(jié)點間的連線代表其所代表關(guān)鍵詞存在關(guān)聯(lián)性。方形節(jié)點的大小不同，表明關(guān)鍵詞出現(xiàn)的頻次不同，方形節(jié)點越大，表明關(guān)鍵詞出現(xiàn)頻次越多且作用越強，即該關(guān)鍵詞在同一文獻中凸顯得越強。連線的粗細代表關(guān)鍵詞間的相關(guān)度，連線越粗，兩者之間的聯(lián)系越緊密[16]。

從圖6可以看出，中心詞為深度學(xué)習(xí)，翻轉(zhuǎn)課堂、個性化學(xué)習(xí)、網(wǎng)絡(luò)學(xué)習(xí)空間、學(xué)習(xí)分析與中心詞密切相連。這表明這些關(guān)鍵詞與其他關(guān)鍵詞共同出現(xiàn)在一篇文獻中的次數(shù)最多，在這個網(wǎng)絡(luò)中的作用較大，說明深度學(xué)習(xí)需要結(jié)合教學(xué)方法和新的教學(xué)環(huán)境來展現(xiàn)其真正的效用。如何在網(wǎng)絡(luò)高速發(fā)展的環(huán)境下實施深度學(xué)習(xí)，是我國深度學(xué)習(xí)在教育領(lǐng)域的研究熱點。另外，學(xué)習(xí)分析與教育大數(shù)據(jù)、人工智能、機器學(xué)習(xí)、混合學(xué)習(xí)關(guān)系密切，這說明學(xué)習(xí)分析在深度學(xué)習(xí)方面在向智能化、個性化的方向發(fā)展。網(wǎng)絡(luò)學(xué)習(xí)空間、個性化學(xué)習(xí)、在線學(xué)習(xí)等詞與其他詞聯(lián)系較為緊密，說明這些詞是連接中心點與邊緣的紐帶?？梢?，當(dāng)前深度學(xué)習(xí)的研究熱點主要集中在“互聯(lián)網(wǎng)+”時代如何通過技術(shù)手段來進一步轉(zhuǎn)變學(xué)習(xí)者的學(xué)習(xí)方式，從而促進學(xué)習(xí)者學(xué)習(xí)。深度教學(xué)、教學(xué)模式、教學(xué)設(shè)計、核心素養(yǎng)等詞雖然處于網(wǎng)絡(luò)邊緣，與其他詞的聯(lián)系較為稀疏，但是這不代表它們不重要，而是通過中間節(jié)點來與中心節(jié)點進行聯(lián)系，說明深度教學(xué)、教學(xué)模式、教學(xué)設(shè)計、核心素養(yǎng)等將是深度學(xué)習(xí)在教育領(lǐng)域未來進一步發(fā)展的熱點和趨勢。

5 結(jié)論與思考

面對繁雜的信息和復(fù)雜的知識，學(xué)習(xí)方式和學(xué)習(xí)方法的轉(zhuǎn)變是必然的結(jié)果。當(dāng)今的教育教學(xué)已經(jīng)不再局限于固定的時間和空間，許多新的技術(shù)和手段將教學(xué)和學(xué)習(xí)變得豐富多樣。想實現(xiàn)深度學(xué)習(xí)，就要有合適的教學(xué)策略以及相對應(yīng)的技術(shù)手段，在技術(shù)的支持下進一步邁向智慧化與智能化?；诒疚牡姆治霭l(fā)現(xiàn)：從2005年開始，國內(nèi)深度學(xué)習(xí)開始進入研究者的視野，最早關(guān)注的是深度學(xué)習(xí)是什么的問題以及分析外國的相關(guān)研究;2005—2012年期間，深度學(xué)習(xí)研究成果較少，沒有太多相關(guān)論文產(chǎn)出;自2013年始，針對深度學(xué)習(xí)的相關(guān)主題研究趨向于多樣化，研究廣度呈放射性擴張，未來的研究將逐步趨向于人工智能、教育大數(shù)據(jù)、學(xué)習(xí)科學(xué)、教學(xué)設(shè)計、教學(xué)模式、淺層學(xué)習(xí)、翻轉(zhuǎn)課堂、在線學(xué)習(xí)、教育信息化等方面[9];2015年，相關(guān)文獻的突發(fā)式增長足以說明該研究百花爭艷的態(tài)勢。

雖然國內(nèi)目前已有的深度學(xué)習(xí)研究已達到一定的“量”，但仍然缺乏對深度學(xué)習(xí)更深入的分析和面向?qū)W校教學(xué)的實證方面的研究。因此，在此對我國社科領(lǐng)域的深度學(xué)習(xí)研究提出三點建議：

1）對深度學(xué)習(xí)的研究需要挖掘其應(yīng)用部分，不能只停留在概念及內(nèi)涵;

2）實現(xiàn)深度學(xué)習(xí)是發(fā)展深度學(xué)習(xí)的關(guān)鍵;

3）對深度學(xué)習(xí)評價方面的論述較少，要加強深度學(xué)習(xí)的評價研究。

參考文獻

[1]約翰遜，貝克爾，卡明斯，等.新媒體聯(lián)盟地平線報告：2016高等教育版[J].開放學(xué)習(xí)研究，2016（2）：1-20.

[2]貝克爾，卡明斯，戴維斯，等.新媒體聯(lián)盟地平線報告：

2017高等教育版[J].開放學(xué)習(xí)研究，2017（2）：3-4.

[3]蘭國帥，郭倩.技術(shù)賦能智能教育：新媒體聯(lián)盟《地平線報告》（2018高等教育版）解讀與啟示[J].數(shù)字教育，

2019（1）：73-80.

[4]李璇律，田莉.建構(gòu)主義視域下的深度學(xué)習(xí)[J].教學(xué)與管理，2019（12）：1-4.

[5]Marton F， Saljo R. On Qualitative Difference in

Learning （I）： Outcome and Process[J].British Journal of Educational Psychology，1976（46）：4-11

[6]何克抗.深度學(xué)習(xí)：網(wǎng)絡(luò)時代學(xué)習(xí)方式的變革[J].教育研究，2018（5）：111-115.

[7]詹青龍，顧小清.信息技術(shù)教師培訓(xùn)的新思維[J].中國電化教育，2007（7）：13-17.

[8]王麗，談云兵.基于博客的深度學(xué)習(xí)研究：以蘇州教育博客為例[J].中國遠程教育，2009（12）：40-43，79.

[9]溫雪.深度學(xué)習(xí)研究述評：內(nèi)涵、教學(xué)與評價[J].全球教育展望，2017（11）：39-54.

[10]李松林，賀慧，張燕.深度學(xué)習(xí)究竟是什么樣的學(xué)習(xí)[J].教育科學(xué)研究，2018（10）：54-58.

[11]國家中長期教育改革和發(fā)展規(guī)劃綱要（2010—2020年）[J].實驗室研究與探索，2018（6）：273.

[12]張勤，馬費成.國外知識管理研究范式：以共詞分析為方法[J].管理科學(xué)學(xué)報，2007（6）：65-75.

[13]儲節(jié)旺，閆士濤.知識管理學(xué)科體系研究（下）：聚類分析和多維尺度分析[J].情報理論與實踐，2012（3）：5-9.

[14]郭文斌，方俊明.關(guān)鍵詞共詞分析法：高等教育研究的新方法[J].高教探索，2015（9）：15-21，26.

[15]沈淵，吳麗民，許勝江.SPSS17.0（中文版）統(tǒng)計分析及應(yīng)用實驗教程[M].杭州：浙江大學(xué)出版社，2013：166-167.

[16]朱珂，馮冬雪.TPACK的研究現(xiàn)狀與未來趨勢：基于共詞分析的可視化研究[J].數(shù)字教育，2017（4）：19-25.