社會認知網(wǎng)絡(luò)：深度學(xué)習表征的創(chuàng)新方法

○周 榕 任瑞肖

2022 年4 月，教育部印發(fā)《義務(wù)教育課程方案和課程標準（2022 年版）》，明確義務(wù)教育階段課程育人導(dǎo)向，強調(diào)各課程應(yīng)著力培養(yǎng)學(xué)生核心素養(yǎng)，課程內(nèi)容結(jié)構(gòu)與學(xué)業(yè)質(zhì)量標準均指向核心素養(yǎng)［1］。同年10 月，習近平總書記在中國共產(chǎn)黨第二十次全國代表大會上也指出應(yīng)“發(fā)展素質(zhì)教育”［2］，進一步凸顯出培育核心素養(yǎng)人才的重要性。然而，現(xiàn)有傳統(tǒng)教學(xué)多屬于淺層學(xué)習的教學(xué)，其主要關(guān)注學(xué)生認知層面，側(cè)重于知識的記憶與理解，旨在學(xué)生能利用所學(xué)知識解答題目，是一種被動的接受和記憶知識的過程［3］。相反，深度學(xué)習則強調(diào)學(xué)習者課堂主體地位［4］，以培養(yǎng)學(xué)生核心素養(yǎng)為價值導(dǎo)向，關(guān)注核心素養(yǎng)知識的掌握、遷移與應(yīng)用，注重在知識習得過程中培養(yǎng)學(xué)生的批判性思維能力、自主學(xué)習能力、自我管理能力、協(xié)作交流能力、問題解決能力等高階思維，為學(xué)生更好地促進自我發(fā)展和適應(yīng)社會變革奠定基礎(chǔ)［5］。因此，可以將深度學(xué)習理解為培養(yǎng)學(xué)生核心素養(yǎng)的重要路徑。

深度學(xué)習（Deep Learning）最初由馬頓（Maton）和賽爾喬（Saljo）提出［6］。其涉及認知領(lǐng)域、人際領(lǐng)域、自我領(lǐng)域，是一種基于理解、追求遷移應(yīng)用的有意義學(xué)習，通過促使學(xué)生深度參與學(xué)習、采用高級學(xué)習策略來促進高階知能的發(fā)展，并實現(xiàn)這些知能在全新情境中的應(yīng)用或新高階知能生成［7］。因此，國內(nèi)外學(xué)者重視促進學(xué)習者深度學(xué)習的方式、策略與支持性環(huán)境研究，強調(diào)給予學(xué)生體驗深度學(xué)習機會［8］、創(chuàng)設(shè)深度學(xué)習環(huán)境［9］等的重要性。而學(xué)習者深度學(xué)習效果怎樣、采用怎樣的方式來評估深度學(xué)習，國內(nèi)外學(xué)者皆有研究。本文將從學(xué)習過程和學(xué)習結(jié)果兩方面來探析深度學(xué)習，并重點闡釋社會認知網(wǎng)絡(luò)如何評估深度學(xué)習，以為今后深度學(xué)習的研究奠定基礎(chǔ)和提供實用性經(jīng)驗。

一、深度學(xué)習何以表征

1976 年，馬頓（Maton）等提出深度學(xué)習的概念，根據(jù)學(xué)習者信息加工方式指出學(xué)生的學(xué)習有深度學(xué)習和淺層學(xué)習之分［10］。2012 年，美國國家研究委員會（National Research Council，NRC）強調(diào)深度學(xué)習過程中知識與技能的可遷移性，并將深度學(xué)習能力劃分為三個維度：認知領(lǐng)域、人際領(lǐng)域和自我領(lǐng)域。美國研究院進行一項旨在調(diào)查分析實驗學(xué)校培養(yǎng)學(xué)習者深度學(xué)習能力策略與途徑的實驗項目［11］。其中，深度學(xué)習能力包括掌握核心學(xué)科知識、批判性思維和復(fù)雜問題解決、團隊協(xié)作、有效溝通、學(xué)會學(xué)習、學(xué)術(shù)毅力等六種。現(xiàn)階段，有關(guān)深度學(xué)習內(nèi)涵的界定已經(jīng)較為清晰，但如何表征學(xué)習過程中學(xué)習者知識掌握的深淺等過程性以及程度性方面仍需進一步探究。

通過梳理國內(nèi)外現(xiàn)有研究，深度學(xué)習表征方式可以概括為以下兩種。

1.基于深度學(xué)習過程的表征。為了表征大學(xué)生學(xué)習過程，比格斯團隊開發(fā)了“學(xué)習過程調(diào)查問卷（Study Process Questionnaire，SPQ）”，主要用于評價學(xué)生學(xué)習過程（包括深度學(xué)習、淺層學(xué)習和成就學(xué)習）中的學(xué)習動機和學(xué)習策略［12］。2001 年，該團隊對問卷進行修改，將學(xué)習過程簡化為深度學(xué)習和淺層學(xué)習，形成R-SPQ-2F 簡化量表［13］。隨后，為了更好評價學(xué)習的“質(zhì)”與“量”，比格斯等提出SOLO 學(xué)習結(jié)果分類理論，即可觀察的學(xué)習結(jié)果結(jié)構(gòu)（Structure of the Observed Learning Outcome，SOLO）［14］。該理論強調(diào)學(xué)生學(xué)習的“量”與“質(zhì)”的評價問題，即教育者應(yīng)當從學(xué)生“學(xué)了多少”和“學(xué)得怎樣”兩個方面對其學(xué)習進行評價。其中，關(guān)聯(lián)結(jié)構(gòu)（學(xué)生能整合多個知識信息解決問題）和抽象拓展結(jié)構(gòu)（學(xué)生能在關(guān)聯(lián)和整合的基礎(chǔ)上概括出更抽象的特征）兩個層次被歸為深度學(xué)習狀態(tài)［15］。另外，有些學(xué)者通過學(xué)習投入來評估深度學(xué)習過程。弗雷德里克斯（Fredricks）通過研究學(xué)生學(xué)習投入的不同策略來實現(xiàn)深度學(xué)習的課堂教學(xué)，并給出三種評估學(xué)習投入的方法：其一，學(xué)生自我評估，通過讓學(xué)習者填寫包括行為、情感、認知投入相關(guān)問題在內(nèi)的自我評估報告來了解學(xué)生的學(xué)習投入程度；其二，教師評分法，教師基于一系列行為、情感和認知方面的問題選項來評估學(xué)習者的投入程度；其三，課堂觀察法，觀察者首先預(yù)先設(shè)定編碼指標來觀察學(xué)習者投入狀況［16］。教師一般通過觀察學(xué)生專注于課業(yè)的行為和課堂參與情況來衡量行為投入［17］。馬云飛等基于認知心理學(xué)、教育神經(jīng)學(xué)和具身認知，通過分析信息輸入、深度加工和學(xué)習生成三個環(huán)節(jié)，初步構(gòu)建了深度學(xué)習的發(fā)生機制模型，并設(shè)置相關(guān)的學(xué)習狀態(tài)指標［18］。另外，該團隊依據(jù)深度學(xué)習的多模態(tài)數(shù)據(jù)測評框架，綜合性采集與分析學(xué)習者的生理數(shù)據(jù)、自我評估數(shù)據(jù)、在線學(xué)習平臺數(shù)據(jù)和課堂參與數(shù)據(jù)等多模態(tài)數(shù)據(jù)，實現(xiàn)對深度學(xué)習發(fā)生程度的精準評價。

2.基于深度學(xué)習結(jié)果的表征。富蘭（Fullan）等指出，學(xué)校對學(xué)生學(xué)習結(jié)果評價最常用的方法是檢驗學(xué)生對課程內(nèi)容的掌握程度。而對課程內(nèi)容掌握程度的評價并不能滿足深度學(xué)習目標的多樣性，如對學(xué)生掌握新知識的能力、合作與交流的能力、創(chuàng)新知識的能力等?？死锼沟倌龋↘ristina）等為了檢驗學(xué)校采取的促進深度學(xué)習的一系列策略和途徑是否有效，主要從學(xué)習者認知能力、人際和個人能力、高中畢業(yè)率、大學(xué)入學(xué)情況等四個方面進行效果評價。其中，認知能力的評價主要通過兩個測試成績，即OECD 的PISA 測試和英語語言藝術(shù)與數(shù)學(xué)測試；而個人和人際方面的能力主要通過深度學(xué)習能力量表進行評價［19］。湯普森（Thompson）等探討不同學(xué)習方法（淺層學(xué)習與深度學(xué)習）如何影響學(xué)生學(xué)習結(jié)果。研究過程中，學(xué)者采用基于計算機輔助考試（理論與實踐）和R-SPQ-2F 簡化問卷來評估學(xué)習者學(xué)習結(jié)果，結(jié)果表明采用深度學(xué)習方法的學(xué)生在處理高階與低階問題上表現(xiàn)較好。張浩等以深度學(xué)習目標為導(dǎo)向，構(gòu)建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(chǔ)的深度學(xué)習多維評價體系，以非結(jié)構(gòu)化的深層知識、高階認知技能、高階思維能力和高水平動作技能等形成深度學(xué)習評價的現(xiàn)實標準，構(gòu)建認知、思維結(jié)構(gòu)、動作技能和情感思維一體的深度學(xué)習評價體系，以解析不同領(lǐng)域中深度學(xué)習者可達到的預(yù)期目標［20］。朱麗明和宋乃慶認為，STEAM 教育和深度學(xué)習具有內(nèi)在耦合性，兩者相容相契，構(gòu)建了STEAM 教育理念下深度學(xué)習測評指標體系，具體涵蓋主題統(tǒng)整、知識構(gòu)建、情感投入、思維診斷等四個維度［21］。

綜合來看，現(xiàn)有研究用以表征深度學(xué)習的手段多是聚焦在傳統(tǒng)考試與問卷評估，導(dǎo)致所得數(shù)據(jù)并非客觀展現(xiàn)學(xué)習者深度學(xué)習能力。為了避免評估的主觀性，少數(shù)學(xué)者也嘗試采用多模態(tài)數(shù)據(jù)測評技術(shù)（如馬云飛等），但該項技術(shù)實現(xiàn)相對困難。因此，一個能夠?qū)W(xué)習者深度學(xué)習過程和結(jié)果客觀且可視化表征的方法尤為重要。正所謂“山重水復(fù)疑無路，柳暗花明又一村”，社會認知網(wǎng)絡(luò)恰好能夠緩解其研究困境。該方法能夠囊括深度學(xué)習三領(lǐng)域，且能夠客觀化、可視化展現(xiàn)數(shù)據(jù)所蘊含的文字與圖像的含義，因此，廣泛嘗試使用該方法評估學(xué)習者深度學(xué)習是可行的，其亦在現(xiàn)有研究［22］［23］中得以印證。然而，殊途同歸，研究中均提及應(yīng)用社會認知網(wǎng)絡(luò)來評估深度學(xué)習，但流程與步驟不一。所以，厘清該方法的步驟為后期研究提供莫大幫助。

二、社會認知網(wǎng)絡(luò)應(yīng)用流程：同名不同質(zhì)

社會網(wǎng)絡(luò)和認知網(wǎng)絡(luò)被國內(nèi)外學(xué)者熟知，社會網(wǎng)絡(luò)主要用于剖析研究對象的人際關(guān)系和社會網(wǎng)絡(luò)特征；認知網(wǎng)絡(luò)則依據(jù)交互中所涉及的知識、價值、決策過程等要素，建立個體或者群體的認知框架模式。但是，兩者均有瑕疵，前者缺乏對交互內(nèi)容的關(guān)注，后者對交互角色、子社群等社交網(wǎng)絡(luò)特征有所忽視。然后，社會認知網(wǎng)絡(luò)將兩者融合，分別提取認知網(wǎng)絡(luò)與社會網(wǎng)絡(luò)的主要功能，用于主題研究。已有研究證實了社會認知網(wǎng)絡(luò)是促進深度學(xué)習交互的有效支架［24］。本研究通過梳理已有文獻，總結(jié)兩類社會認知網(wǎng)絡(luò)的應(yīng)用流程，以為今后的研究提供借鑒。

（一）始于社會網(wǎng)絡(luò)，落于認知網(wǎng)絡(luò)

該類社會認知網(wǎng)絡(luò)主要運用社會認知網(wǎng)絡(luò)特征（Social Epistemic Network Signature，SENS）法來構(gòu)建。SENS 是由Gasevic 等人提出，主要用于在線協(xié)作學(xué)習的研究［25］。國內(nèi)已有研究證實該方法可以很好地表征深度學(xué)習三個子領(lǐng)域，并給出在深度學(xué)習中的一般應(yīng)用步驟。但給出步驟中減弱深度學(xué)習學(xué)習者自我領(lǐng)域的分析，本研究嘗試在此基礎(chǔ)上重新完善優(yōu)化使用SENS 構(gòu)建深度學(xué)習的社會認知網(wǎng)絡(luò)（如圖1）。

圖1 SENS 用于深度學(xué)習的一般步驟

1.數(shù)據(jù)獲取。第一步，獲取用于分析的數(shù)據(jù)，包括學(xué)習者在學(xué)習活動中的話語數(shù)據(jù)、交互數(shù)據(jù)和學(xué)習者背景信息數(shù)據(jù)。話語數(shù)據(jù)可以涉及記錄學(xué)習者交流文本、語音或者視頻以及個人的反思日志等能夠表征學(xué)生認知和知識等方面的信息。交互數(shù)據(jù)是指能夠反映學(xué)習者在學(xué)習活動中交互關(guān)系的數(shù)據(jù)。其中，交互關(guān)系用學(xué)生間交流溝通（包括語言、行為、肢體等）的信息流向來表示，即學(xué)生A 與學(xué)生B 之間的一次對話、一次回帖或者一個手勢等。學(xué)習者背景信息數(shù)據(jù)則是包括人口統(tǒng)計數(shù)據(jù)（如性別、年齡、學(xué)習階段等）、學(xué)習心理狀態(tài)以及學(xué)業(yè)成績等信息，便于將學(xué)習者自我形象化。

2.數(shù)據(jù)分析與網(wǎng)絡(luò)構(gòu)建。第二步，社會網(wǎng)絡(luò)構(gòu)建。首先，基于交互數(shù)據(jù)來確定學(xué)習者在深度學(xué)習過程中所扮演的角色。其次，使用社會網(wǎng)絡(luò)分析（Social Network Analysis，SNA）搭建社會網(wǎng)絡(luò)。最后，根據(jù)所搭建網(wǎng)絡(luò)來確定社群。其中，社群識別是指利用某種方法將網(wǎng)絡(luò)劃分成內(nèi)部聯(lián)系緊密、相互之間聯(lián)系稀疏的簇，每個簇代表一個社群，在同一個社群的成員，往往具備某些相似的特征［26］。其中，加權(quán)度中心度、接近中心度、中介中心度和特征向量中心度等度量指標能夠反映學(xué)習者在社會網(wǎng)絡(luò)和社群中所扮演的角色。

第三步，認知網(wǎng)絡(luò)構(gòu)建。該網(wǎng)絡(luò)構(gòu)建主要應(yīng)用認知網(wǎng)絡(luò)分析（Epistemic Network Analysis，ENA）技術(shù)。ENA 是量化民族志的一種數(shù)據(jù)分析方法，被用于建模話語中的編碼之間的關(guān)聯(lián)，提供一種對話語內(nèi)容的可視化表征，以及用于統(tǒng)計檢驗，來提供關(guān)于建構(gòu)經(jīng)歷含義的定性論斷是否達到理論飽和的統(tǒng)計學(xué)保證［27］。其包括數(shù)據(jù)編碼與統(tǒng)計、分節(jié)與鄰接矩陣創(chuàng)建、認知網(wǎng)絡(luò)降維與建模［28］。

（1）數(shù)據(jù)編碼與統(tǒng)計。首先，在話語數(shù)據(jù)中尋找關(guān)鍵詞，確定編碼方案，即生成一個編碼集合和一個對應(yīng)的編碼本。然后，由兩位編碼者根據(jù)方案對數(shù)據(jù)的抽樣樣本進行編碼并計算其kappa 值和rho值以保證編碼的一致性。最后，根據(jù)社會網(wǎng)絡(luò)分析和學(xué)習者背景信息數(shù)據(jù)所確定社群（一般來說，包括低水平和高水平）的話語文本進行編碼與統(tǒng)計。

（2）分節(jié)與鄰接矩陣創(chuàng)建。學(xué)習者每條發(fā)言稱為數(shù)據(jù)行，多行組成即為節(jié)。行數(shù)主要通過滑動窗來確定，并確保每節(jié)中至少有兩個編碼的行且節(jié)的參考行包含節(jié)中所涉及編碼。之后，使用鄰接矩陣（Connection Matrix）來表征每個學(xué)習者建立的不同編碼之間的聯(lián)結(jié)總和。其中，矩陣的行和列代表的是每個編碼，每個元素代表兩個編碼在多少個數(shù)據(jù)節(jié)中同時出現(xiàn)的次數(shù)。

（3）認知網(wǎng)絡(luò)降維與建模。首先將鄰接矩陣以向量表示的方式轉(zhuǎn)化為高維空間上的一個點。再次，將向量標準化，以排除組內(nèi)成員話語量不均衡所帶來的影響。然后，通過奇異值分解（Singular Value Decomposition）的方法來旋轉(zhuǎn)標準化向量的空間，以展示數(shù)據(jù)中的最大方差。最后，構(gòu)建認知網(wǎng)絡(luò)。

目前已有繪制認知網(wǎng)絡(luò)的在線工具，研究者只需將編碼數(shù)據(jù)上傳至ENA Webkit（http：//www.epistemicnetwork.org/），根據(jù)研究需求設(shè)置相關(guān)參數(shù)，便可生成認知網(wǎng)絡(luò)圖來可視化話語文本內(nèi)容。但像所有統(tǒng)計學(xué)方法一樣，重要的是理解方法背后的含義是什么以及為什么這么做，以更好地解釋數(shù)據(jù)所反映的內(nèi)容。

（二）社會與認知疊加，歸一為社會網(wǎng)絡(luò)

該類網(wǎng)絡(luò)的內(nèi)涵則是將社會網(wǎng)絡(luò)分析中學(xué)習者之間的社會關(guān)系網(wǎng)絡(luò)與認知網(wǎng)絡(luò)分析中的群體認知網(wǎng)絡(luò)進行疊加［29］，以參與者和認知要素（交互內(nèi)容中體現(xiàn)出的認知加工的關(guān)鍵環(huán)節(jié)）為節(jié)點，以“人—人”“人—認知要素”“認知要素—認知要素”等節(jié)點間的連線表征互動關(guān)系，并將其作為不同網(wǎng)絡(luò)間相互匹配的通道和橋梁［30］。與第一類不同，該類是將社會網(wǎng)絡(luò)與認知網(wǎng)絡(luò)整合來分析，即將深度學(xué)習中三個領(lǐng)域“冗雜”在一塊進行分析，最終使用社會網(wǎng)絡(luò)圖將其可視化，即認知網(wǎng)絡(luò)與社會網(wǎng)絡(luò)均以社會圖的形式呈現(xiàn)。該類網(wǎng)絡(luò)包括節(jié)點（認知要素節(jié)點與學(xué)習者節(jié)點）與交互關(guān)系（節(jié)點與節(jié)點的連線，又稱為“邊”），兩點成線，線線組面，即形成社會認知網(wǎng)絡(luò)。其步驟包括認知數(shù)據(jù)與交互數(shù)據(jù)的獲取與構(gòu)建社會認知網(wǎng)絡(luò)兩大步驟。

第一步，認知數(shù)據(jù)與交互數(shù)據(jù)的獲取。由于深度學(xué)習涉及三大領(lǐng)域，因此，學(xué)習者認知數(shù)據(jù)與交互數(shù)據(jù)應(yīng)在學(xué)習活動中同時獲取。以上兩種數(shù)據(jù)與第一類網(wǎng)絡(luò)相似，認知數(shù)據(jù)用以反映深度學(xué)習認知領(lǐng)域，交互數(shù)據(jù)指向深度學(xué)習人際領(lǐng)域。

第二步，構(gòu)建社會認知網(wǎng)絡(luò)。首先，根據(jù)所獲取的數(shù)據(jù)以及理論框架，識別關(guān)鍵認知要素，形成編碼方案。其次，對所收集的認知數(shù)據(jù)進行整理和編碼，編碼過程與第一類相似；然后，從個體、小組、群體三個層次構(gòu)建社會認知網(wǎng)絡(luò)。其中，個體的社會認知網(wǎng)絡(luò)主要體現(xiàn)在個人的社會性認知交互情況，能夠表現(xiàn)學(xué)習者的認知結(jié)構(gòu)，筆者將其歸為深度學(xué)習的自我領(lǐng)域；小組的社會認知網(wǎng)絡(luò)則是在個人社會認知網(wǎng)絡(luò)基礎(chǔ)之上融入小組成員的社會交互屬性；群體社會認知網(wǎng)絡(luò)反映的是群體（或社群）學(xué)習者在深度學(xué)習過程中所形成的社會認知網(wǎng)絡(luò)結(jié)構(gòu)［31］。后兩者（即小組與群體層次）均反映深度學(xué)習的人際領(lǐng)域，而三個層次均涉及深度學(xué)習的認知領(lǐng)域。最后，進行網(wǎng)絡(luò)分析。在分析過程中可以借助關(guān)鍵性指標來進行分析，如表1 所示。

表1 社會認知網(wǎng)絡(luò)分析關(guān)鍵性指標

三、總結(jié)

以上兩類社會認知網(wǎng)絡(luò)均著手于深度學(xué)習三個領(lǐng)域。第一類將社會網(wǎng)絡(luò)與認知網(wǎng)絡(luò)拆開分析，使用社會網(wǎng)絡(luò)來表征學(xué)習者深度學(xué)習過程中的人際領(lǐng)域，基于社會網(wǎng)絡(luò)劃分好的社群以及學(xué)習者個人特征構(gòu)建認知網(wǎng)絡(luò)，從而掌握學(xué)習者深度學(xué)習過程中認知情況。第二類則將社會網(wǎng)絡(luò)與認知網(wǎng)絡(luò)融合來看，并從個人、小組和群體三層面構(gòu)建社會認知網(wǎng)絡(luò)。其中，個人社會認知網(wǎng)絡(luò)來表征深度學(xué)習的個人領(lǐng)域，后兩者則聚焦人際領(lǐng)域，三者社會圖中均涉及認知領(lǐng)域?？傮w來看，以上兩類網(wǎng)絡(luò)并無孰好孰壞之分，應(yīng)根據(jù)研究主題以及研究團隊情況來選擇。此外，在分析已有文獻時發(fā)現(xiàn)，目前研究多是聚焦在網(wǎng)絡(luò)環(huán)境下深度學(xué)習的認知行為與社會交互行為［24］，而基于真實條件下的研究較少，這可能是數(shù)據(jù)采集和分析困難導(dǎo)致的。因此，這也將是未來應(yīng)考慮的，將深度學(xué)習引入真實活動情境（如STEM 探究活動等）中，嘗試使用社會認知網(wǎng)絡(luò)來表征其情境中深度學(xué)習的動態(tài)過程，即探究真實活動情境能否引發(fā)深度學(xué)習？若能夠引發(fā)，面向深度學(xué)習的真實情境下活動如何設(shè)計？思考真實活動情境下深度學(xué)習的數(shù)據(jù)采集工具應(yīng)是怎樣的？以及如何分析數(shù)據(jù)，等系列問題。