信息化環境下促進深度學習的精細教學策略研究〔〕:

摘要：傳統的工廠形式的教育體系下，由于時間、空間、技術等多個因素的限制，學習者很難在傳統的課堂上達成深度學習的目的。如今，互聯網、大數據、人工智能的飛速開展，打破了之前的種種限制，MOOC、翻轉課堂、挪動學習等方式給學習者帶來了新的體驗，但學習的碎片化、微型化、在線化也帶來了一系列新的問題，學生的學習只停留在淺層學習，并不能到達深度學習。本文提出了在信息化背景下應用精細教學策略來促進深度學習的詳細思路，以期讓批量化、可復制的深度學習成為可能。

關鍵詞：深度學習；教學策略；認知等級；精細教學；學習行為

本文引用格式：李珩，彭靜.信息化環境下促進深度學習的精細教學策略研究[J].教育現代化,2022,8(39):130-133,144.

researchonPrecisionTeachingStrategytoPromotedeepLearninginInformationEnvironment

LIHeng1，PENGJing2(1.CenterforEnhancementTeachingandLearning,ChongQingUniversity,Chongqing;2.SchoolofForeignLanguagesCultures,ChongQingUniversity,Chongqing)

Abstract:Underthetraditionalfactorymodeeducationsystem,duetothelimitationsoftime,space,technologyandotherfactors,itisdifficultforlearnerstoachievethegoalofdeeplearninginthetraditionalclassroom.Now,duetotheInternet,bigdataandtherapiddevelopmentofartificialintelligence,moderneducationhasbreachedtherestrictions.ThoughMOOC,flipclassroomandmobilelearningbroughtnewexperiencestothelearners,learningfragmentation,miniaturizationandonlinelearningalsobringaseriesofnewproblems,studentslearntostayontheshallow,andcan"treachdeeplearning.Thispaperproposesaspecificideaofapplyingpreciseteachingstrategiestopromotedeeplearningundertheinformationbackground,inordertomakemassandreproducibledeeplearningpossible.

Keywords:deeplearning;teachingstrategies;cognitivelevel;precisionteaching;learningbehavior

一深度學習的提出

1900年，美國的教育者參照了工業體系中出現的有效工廠體系，創造了一個通用的教育體系：學生按年齡劃分年級，按年級將學生安排在不同的教室并裝備一名教師，教學和測試都被標準化。在那個年代，這種工廠形式的教育培養了大量的學生，但這些學生所從事的工作大局部不需要更高層次的教育，只有大概17%的工作需要知識型人才。隨著科學技術飛速開展，超過60%的工作都需要知識型人才，按照布魯姆的學習目的分類，現代的人才培養更加重視高階目的的達成。學術性的知識和技能本身不能使學生成為適應和駕馭將來的人，學生還必須知道如何分析、評判、協作、創造和創新。

要實現這一人才培養的目的，教學形式和學習方式都面臨著重大的變革，而這其中引起教育者們最為廣泛關注的熱點之一便是深度學習。1976年，在?學習的本質區別一:結果和過程?一文中，瑞典的費倫斯-馬頓和羅杰-薩爾喬首次提出了深度學習(DeepLearning)和淺層學習(SurfaceLearning)這兩個概念【1】。2022年，黎加厚等人從布魯姆的教學目的分類學的角度對深度學習進展了界定，他認為淺層學習的認知程度停留在前兩層，而深度學習的認知程度對應著后四層【1】。

郭華認為深度學習就是在教師引領下，學生以具有挑戰性的學習主題，全身心積極參與、體驗成功、獲

得有意義的學習過程【2】。何克抗提出：深度學習以全新的理念、方式和必要的工具、資源和手段來到達高級深層認知才能尤其是創造才能，不僅能記憶、理解各學科根底知識，還可對根底知識做分析與評價，并創造新知識和新產品【3】。

學習者如何才能擺脫淺表層的學習，實現高階思維的深度學習呢？在過去，教育者們往往依賴于一些比擬傳統教學策略，如基于問題的學習、任務驅動式的學習、基于過程性的評價【1】等等來促進學習者的深度學習。然而，在傳統的工廠形式的教育體系下，由于時間、空間、技術等多個因素的限制，學習者很難在傳統的課堂上達成深度學習的目的【4】。如今，互聯網、大數據、人工智能的飛速開展，打破了之前的種種限制，MOOC、翻轉課堂、挪動學習等方式給學習者帶來了新的體驗，但學習的碎片化、微型化、在線化也帶來了一系列新的問題，學生的學習只停留在淺層學習，并不能到達深度學習【4】。深度學習需要通過運用多步驟的分析與加工策略，如概念轉變、認知構造養成、資源交互、反思再認等，以期獲得對知識的深層認識【5】。因此，不僅僅要借助于信息化的力量，同時要結合有效的教學策略，方能使得深度學習到達理想的效果。

本文提出了在信息化背景下應用精細教學策略來促進深度學習的詳細思路，以期讓批量化、可復制的深度學習成為可能。

二認知開展理論

瑞士心理學家皮亞杰在其發生認識論、運算邏輯和兒童心理學體系中提出了關于兒童認知開展可以分為四個階段的理論，這四個相繼而又有質的差異的階段是：

〔1〕感知運動階段；〔2〕前運算階段；〔3〕詳細運算階段；〔4〕形式運算階段。皮亞杰認為，在個體從出生到成熟的開展過程中，認知構造在與環境的互相作用中不斷重構，從而表現出具有不同質的不同階段，盡管不是所有兒童都在同一年齡完成一樣的階段，但通過各個階段的順序是一致的，前一階段是到達后一階段的前提【6】。階段的開展不是連續性的跳躍，而是逐漸、持續的變化。

皮亞杰以邏輯與運算的數理工具對兒童內部心理構造進展的系統性分析,對當代心理學與教育學的開展產生了宏大影響，從中我們得到的啟發是：人類認知的生長取決于個體自身思維運演活動，遵循著獨特的開展步調與構造規那么。但皮亞杰理論的局限性在于：僅僅包括了兒童及青少年階段；理論局限于解釋邏輯、數學及科學學科方面的問題。在皮亞杰理論的根底之上，結合Dawes等提出的標準數學模型(Coombs,Dawes,andtversky,1970)【7】和信息科學(monsandRichards,1984a,1984b;monsandRodriguez,1990,1993;林賽和諾曼，1977)[8]，哈佛大學的mons教授提出了等級復雜度模型MHC〔ModelofHierarchicalplexity〕，該模型由一個16層的等級來描繪不同的認知階段〔見表1〕。

其中前四個等級0-3對應了皮亞杰的感知運動階段，MHC的4-6階段對應了皮亞杰的前運算階段，6-8對應了詳細運算階段，9-11對應了形式運算階段，12-15最后四個高級階段沒有出如今皮亞杰的模型中。0-5通常發生在人的嬰兒期和幼兒期。MHC的主要思想在于：學習者理解開展的階段是由層級順序構成的，每一個階段〔層級〕都是為下一個階段〔層級〕所需的根底。比方語言學習，我們根本上都是按照發音-單詞-句子-段落的順序進展學習，每一個新動作/理解都依賴于成功完成前的一個步驟。

MHC在皮亞杰的根底上對認知的等級進展了進一步的細化，對于深度學習而言，不同的認知等級讓深度學習有了可測量的根據，深度學習者將追求更高的認知等級的達成。目前的教學策略不能很好地理解學生的認知開展階段，不同認知階段的學生用不同的方式處理知識，而教師用同樣的教學方法對待認知階段不同的學生，并主要依賴于考試以及分數來衡量學生對知識的掌握程度。

三促進深度學習的精細教學策略

〔一〕精細教學策略的根本模型

精細教學策略是根據學習者對知識流暢程度的測量，來最大限度的到達深度學習的效果。精細教學策略由三個局部構成，如圖1所示：認知等級、學習行為和學習任務。

認知等級是基于MHC所規定的理想形式，用于復雜性級別的構造。認知等級的先后順序是客觀的，并且在本質上是定量的：與之相匹配的學習任務要么是能正確完成的，要么不能完成，沒有中間狀態。詳細來說，比方完成兩個數字加法的任務:學習者只能正確地做或根本不能做。

學習任務的復雜程度各不一樣，任務的表現由認知等級的不同階段來衡量。每個學習任務的難度都有一個層次復雜度的順序，以便學習者能正確地完成它，假設想要到達下一個認知等級，需要完成以下任務：該任務是由至少兩個不一樣的難度較低的任務組成；可以整合這些難度層次較低的任務。例如，掌握數字和加減法的任務是執行乘法任務的必要條件。成功完成加法和乘法任務是兩個不同階段的任務的例子，可以使用認知等級來量化。這一目的、任務和階段的量子特征意味著可以給它們分配離散的分數。

學習任務的復雜性有兩種不同的類型：程度的和垂直的。程度復雜度源自經典信息論(ShannonandWeaver,1949)[9]，指的是完成一項任務所需要的"是-否";問題的數量。例如，當一個人問另一個人關于翻轉硬幣后是否正面朝上的問題時，這本質上是傳遞了1比特的"程度";的信息，當有兩個硬幣時，就需要至少針對每個硬幣問一次。因此，每增加一個額外的信息就會增加一個比特。程度復雜度是由所有關于事件的比特信息累計而成。再舉例來說，假設有一個四面體的四個面的編號為1，2，3，4，當有人想知道在它拋起來降落后是哪個數字出如今最上面，可以先問最上面的數字是不是偶數，假設是，可以繼續追問是不是2以需求最后的答案，因此本次信息的積累只需要2個比特，就能在沒有親眼看到的情況下推斷出頂部的數字。

垂直復雜度也可以看作層次復雜度，較高層次的任務由較低層次的子任務構成。另一種說法是，較為簡單的任務是由更復雜的任務組織協調的。垂直復雜度由執行一組相關聯的任務的遞歸的次數構成，遞歸涉及到每個層次任務的復雜度。

學習行為可以看作對學習任務的反響。學習行為和認知等級一樣，本質上也是定量的。也就是說，沒有中間行為。由于層次復雜性模型提出了將舊操作組合成新操作的階段變化一致性，因此討論可能發生的各種低階操作組合的數量非常重要。有迭代、混合、鏈和新階段的行為。迭代就是一遍又一遍地做同樣的動作。例如，添加1+2+3+1+2+3是一個添加的迭代。混合操作可能包括做一個包含簡單加法和簡單乘法任務的問題集。鏈包含子任務操作的順序，但是順序是任意的。例如，有人可以在早上醒來，開始煮咖啡，然后進展鍛煉。順序是任意的，因為順序可以顛倒，例如，鍛煉方案可以在開始煮咖啡之前完成。根據該模型，當任務以非任意順序組合，然后進展協調。因此，當兩個或多個較低階段的任務得到協調時，就出現了新階段的行為。

(二)精細教學策略的步驟

1.設定認知等級，并為相應等級匹配對應的學習行為

MHC覆蓋了從嬰兒到成人階段的不同認知等級，且對于不同學科而言，過于細化的認知等級將為教學準備帶來更大的難度。因此，在設定認知等級的過程中，不同學科的教師可以根據本門課程的特點，在MHC的根底上做挑選或者合并，并根據需要達成的目的設定與之對應的學習行為，表2列舉了局部認知等級下學生的詳細行為。

2.為不同認知等級制定學習任務，并及時反響，生成個性化學習途徑

學習任務是促進深度學習的根本，MHC將任務要求的行動層次組織進展分類。每個任務都包含許多子任務(Overton,1990)[10]。當這些任務按照要求的順序完成時，學習者們就成功地完成了任務。如今，借助于信息化系統，我們可以很準確地測量學習者每一個任務的完成情況，當系統檢測到學習者在不同等級上的任務完成情況時，自動引導學習者在不同的途徑上繼續學習。詳細做法如圖2所示。

值得注意的是，除了任務的細化，還需要在不同層次上設置反響信息：

在低階認知階段，此時的任務類型學習者可以立即獲得有關他們是否正確的信息。還可以告訴學習者，他們嘗試了多少次嘗試，嘗試次數有限。這個數字可以很高，讓學習者解決他們的錯誤。

除了允許學習者直接訪問答案，可以盡可能多地編寫解決方案。比方一些課程將提供答案的推導過程，一些課程提供解決問題的一般原那么，甚至一旦學習者點擊"顯示答案";，就會獲取新的思路。一些任務類型允許添加提示，以提醒常見的錯誤。

3.搭建在線學習平臺

我們用moodle搭建了這樣一個學習系統以施行精細教學策略。我們首先將知識分解為非常小的問題和任務，為不同等級設定量表，并對學習者做如下要求：

radic;從系統獲取實時的學習表現以強化自身的學習動力；

radic;在答復以下問題后尋求及時地反響和解析，以便通過正確答案來強化記憶和學習；

radic;利用系統制定進階式的學習途徑以促進知識的完全掌握和運用；

radic;利用答題系統的試錯機制進展大膽猜想，拓展思維的廣度和深度。

在這個學習過程中，正如事先設定的認知等級一樣，一開始大家都很輕松，并產生了強烈的學習興趣，每個人都盡力去完成不同階段的學習任務。隨著學習的深化，挑戰越來越大，類似游戲中的闖關，假設參與者正確率沒有到達目的頻率，那么無法進入下一層次的學習。越到后面，越要綜合運用前面的知識來完成復雜的任務。到最后，所有完成學習任務的人都看到了自己的顯著進步。

我們回頭再來看看這一次批量的深度學習是如何達成的。除了良好的教學理論和教學設計的支持，在這個過程中，大數據、人工智能技術取代了教師的大局部工作：

radic;搜集學生行為及學習表現，理解不同學生的認知階段；

radic;通過理解學生的認知才能，提供適宜不同學生所對應的不同資源；

radic;問題以難度的區分分為不同的局部(最簡單的問題放在最前面)，題目難度最大限度匹配學生的表現和學習才能。

課程完畢后，盡管學習者們最后所到達的認知等級有所不同，但都到達了布魯姆教學目的分類的后四層。我們對學習者進展了訪談，調查他們在這一學習過程中的感受和收獲，數據說明，學習者們均表現出較高的學習興趣和學習成就感。根據訪談結果，我們總結出精細教學進步學生參與度的四個主要原因：

radic;學生能看到自己的進步；

radic;實時得到學習表現能強化學習者的學習動力；

radic;每道小題用時很短；

radic;在學習過程中需要必要的猜想，學生必須積極的考慮。

四小結

本研究提出了信息化環境下促進深度學習的精細教學策略，通過認知等級、學習任務和學習行為構成學習的閉環，并通過詳細教學理論引導學習者在moodle在線教學平臺上展開深度學習，為下一步開展深度學習的評價工作奠定了根底。后續研究將關注深度學習下的評價形式，在基于海量學習數據和人工智能的技術根底之上，構建深度學習的自動化評價框架。

參考文獻

【1】何玲,黎加厚.促進學生深度學習[J].現代教學,2022,1(5):29-30.

【2】郭華.深度學習及其意義[J].課程.教材.教法,