晋欣泉 姜强 冯雅楠 李松 赵蔚

[摘   要] 从浅层学习走向深度学习，仍面临着干预方面的挑战。智能同伴互评作为一种强化双向互动交流的元认知学习方法，为促进深度学习有效发生提供了新的可能。文章以Peerceptiv智能互评系统为例，从智能同伴互评视角解析了深度学习过程中的干预机制及作用。研究发现，经智能同伴互评干预后，学习者的认知水平得到显著提升，且整体具有更积极的情感体验，同时激活了更多深层次的学习行为投入，有效促进学习者的深度学习，并在此基础上提出了智能同伴互评对促进深度学习的发展路径。研究成果对实现深度学习的研究具有重要的理论贡献，为强化深度学习可持续、高质量发展提供了借鉴。

[关键词] 智能同伴互评； 深度学习； 干预机制； 协作交互

[中图分类号] G434            [文献标志码] A

[作者简介] 晋欣泉（1996—），女，河南焦作人。讲师，博士，主要从事学习分析与评价研究。E-mail：jinxq805@nenu.edu.cn。姜强为通讯作者，E-mail：jiangqiang@nenu.edu.cn。

一、引   言

在“以教为中心”向“以学为中心”教育理论迭代革新的进程中，力图破解浅层学习现象，探寻深度学习真实发生的施治方法，逐渐成为教育信息科学与技术交叉融合实践研究的核心话题。探索加强人才培养，实现深度学习发展，是教育研究担负着的紧要使命责任。教育部《关于一流本科课程建设的实施意见》中着重强调要全面开展一流本科课程建设，提升课程学习深度[1]，唤醒人们对深度学习的诉求与意识。作为智能时代学习方式变革的重要标志，深度学习被视为达成深层次学习目标的学习样态[2]，通过提供高质量的教学干预措施逐步促进深度学习，将持续成为面向高等教育数字化转型与发展的学术议题。

新时代下智能科技与教育教学的不断融合推动着高等教育科学学习范式的转变，教育学者普遍关注思考深度学习理论与实践教学，多视角探索促进深度学习的干预机制[3]，整体提高了深度学习质量，助力破解浅层学习困境。然而，具有差异性学习投入的学习者表现出不同程度的深度学习水平，已有研究表明，学习评价往往以教师一对多滞后反馈为导向，对话互动通常以学生被动参与或单向交互为主，同伴合作极易出现“搭便车”的投机行为问题，引发表层学习异化风险[4]，造成囿于传统注重静态结果的取向，偏离深度学习所强调的多元文化属性与知识批判性迁移运用的应有之义。为突破深度学习研究局限，亟须拓展与更新促进深度学习的干预机制，审视其对深度学习发生过程中产生的作用影响。

根据社会学习理论的观点，深度学习发生原理既依赖于学习者主体意识的积极调节和选择，也受到社会文化环境的影响，需要构建自主交互式场域催化自主个体走向深度学习。智能同伴互评以有序参与引导、强交互行为驱动、个性化实时反馈的方式有效解决了缺乏参与动力、交互效率低、反馈时效性低等教育痛点，可视为促进深度学习的助燃剂。虽然既往研究证实智能同伴互评对深度学习的促进效果[5]，但仍多聚焦结果层面，缺少从认知、情感和行为等不同维度深入探索其对深度学习过程的干预作用。因此，基于智能同伴互评视角，以Peerceptiv智能系统为例，全面揭示深度学习过程中的干预机制及其作用影响，致力于应对深度学习面临的风险挑战，切实推进深度学习落地应用，为实现高等教育人才培养全面而有质量的发展提供行动指南。

二、文献与理论

（一）深度学习干预机制概述

教育领域中的深度学习是相对于浅层学习而言，指学习者以知识掌握理解与迁移应用为目标，通过对话性、批判性和协同建设性交互，能动参与学习的总称[6]。随着智能时代多模态学习分析技术的不断成熟，深度学习评测方法突破以问卷量表或单维外显行为识别为代表的技术瓶颈，更加注重分析学习者在认知、情感与行为领域的多维发展[7]。教育研究者从不同学科视角对如何促进深度学习进行了积极探索，主要集中于以下三種类型。

一是深度学习教学模式构建，以学习资源、活动等教学要素的系统重整、重用与再造为线索，架构教学理论模式[8]，意在变革“教”来实现不同课堂实践中深层次的“学”。虽然这些教学模式干预机制被证明显著增强深度学习结果，但也有研究者指出，学习活动与深度学习之间的关系完全由教师引导为中介[9]，面对大规模集体授课制，教师无法及时提供针对性评价，易导致学习体验难以持续深化，实践活动的深度学习价值被消减。

二是深度学习干预支架设计，运用学习提示、任务解释等工具设计基于智能技术的多元化学习支架，将其嵌入到动态学习过程中，以支持学习者的自主学习[10]。这类基于学习支架的干预机制尽管形式丰富多样，但也容易使学习者局限在与资源内容或智能技术的交互中。考虑到嵌入社会性情境中的学习离不开群体交互对话，同伴合作对于推进深度学习不可或缺，这意味着脱离与学习同伴的协作探究难免引发深度学习育人结果的浅表化。

三是深度学习导向的协同建构机制，由同伴促进的对话交互相比于教师发起，更能实现批判性思维发展和深度学习的证据已被提出[11]。与其他协作学习类型相一致的是，协同建构涉及小组成员之间的不同角色分工，但深度学习不单指向多元认知双向认同，个人持续性参与亦是核心要素，而在实际教学中每位成员的不平等参与或一盘散沙的合作心态等问题将弱化知识建构所带来的有意义互动和知识创造效果[12]，势必阻碍深度学习进度。

统整研究来看，已有干预机制研究有助于拓展促进人类学习深层次发展的实施路径，但集中化评价、单向度交互、浅表化参与等异化问题依然存在，促进深度学习仍面临着挑战困境。在此背景下，伴随着“以评促学”理念的不断深入，智能同伴互评引起了深度学习领域对其干预价值的青睐，且对深度学习的积极影响已得到证实。然而深度学习本身兼具内隐性和多元因素复杂特性，相关研究主要关注静态深度学习结果，很少关注对深度学习过程的干预作用，智能同伴互评在多大程度上促进了深度学习，仍有待深入探究。

（二）智能同伴互评视角下深度学习的干预机制

智能时代下公众对个性化教育的需求，驱动着教学评价改革从傳统教师主导的总结性评价转向以学生为主体的同伴互评。智能同伴互评通常被定义为个体对同伴作品或成果进行评级评语的在线形成性评价方法[13]，旨在破解评价反馈不及时、学习者单向被动接受评价、无法采取有效解决行动等学习局限性问题，为促进深度学习提供了可能的创新出路。在原有研究成果的基础上，学者将智能同伴互评作为切入点，探讨并证明了这一干预方式在提高深度学习结果中发挥的积极作用，主要呈现两种趋势。其一，对学生深度学习影响的探索。以实验或准实验研究法为主，综合问卷调查、文本分析等方法的实证研究范式，运用深度学习水平量表、布鲁姆认知目标分类等方式，通过实验组和对照组数据对比分析智能同伴互评对深度学习的实施效果，结果普遍表明，同伴反馈能显著提高深度学习水平[14]。其二，不同类型评语的效果探索。在过程取向研究的驱动下，研究者逐渐从分析深度学习总体水平转变为探究深度学习转化过程，有学者基于深度学习量表与同伴反馈功能量表，对比分析不同反馈类型对深度学习的促进效果[15]。然而，深度学习的发生表现在认知、情感和行为全身心深度参与，单一深度学习结果或认知、情感评价难以全面衡量对深度学习的促进效果，揭示深度学习的内在作用研究仍然缺位。据此本研究试图多维度理解智能同伴互评在深度学习转化过程中可能存在的干预机制及作用（如图1所示），解析干预机制“黑箱”，为后续智能互评活动实施与深度学习多模态数据测评提供理论指导。

1. 以“规则引导—互评回评—作品重传”活动流程为牵引，激发行为能动参与

深度学习的持续推进在很大程度上取决于学习者行为参与的自主性，而互评赋权激活了学习者能动参与的内生驱动力。目前对深度学习干预的设计集中在提高知识结构深度和广度，忽略了高度自主行为投入的能量，由此产生参与积极性不高、搭便车普遍等问题。智能同伴互评以基于评价量规的互评任务为核心，赋予了每位学习者评价他人的权利和责任，学习者在学习过程中的主体意识得以觉醒，充分催生了能动参与的内生力；同时借由精心设计的互评回评环节，摒弃了传统教学中师生权威与服从的二元对立关系，转变为生生之间协调与引领的共存开放交互关系，实现了从被动、封闭的浅层学习状态向能动、多元的深层学习状态转变，诱发自主反思与修订评阅，达成个体学习行为的深层次持续参与。

2. 以“随机组建—匿名评价—持续追踪”互评环境为保障，唤醒积极情感体验

深度学习的发生需要多元化观点的相互碰撞与融合，具备匿名性和随机性的智能互评系统作为实施同伴互评活动的必备要素，为促进深度学习提供了情感支持与技术保障。在实际教学中，促进学习者之间积极交互的学习环境是学习活动设计的核心，缺乏与同伴良性双向互动的深度学习过程，容易导致学习者产生无聊、厌烦等消极情感体验，且随着时间累加，这种负性情感会持续聚集。智能同伴互评环境是一种可支持构建随机性的学习群体结构、提供匿名化的协同评价机制以及可视化的讨论线程的在线学习环境，这一取代传统模式下固化团队成员的方式为学习者带来极为丰富、更加多元化的良性情感体验，加深了对话双方的认知与情感联系[16]，对深度学习的成功开展至关重要。

3. 以“互评输出—回评交互—意义建构”个体内化为抓手，驱动深度认知加工

深度学习通常是裂变和聚合并发、迭代递进式的高质量学习状态，而以结果为导向的线性学习流程倾向运用固有思维解决问题，为深度学习可持续性发展带来挑战，智能同伴互评的往复互评机制赋能了认知螺旋发展的理性建构，有效规避浅层学业风险。首先，通过提供思考现有质量与期望标准差距的机会，推动学习者主动输出与注意外部同质性和异质性评价，强化生生之间论证协商的建设性交互。其次，智能同伴互评中的回评交互环节，可视为指引学习者在最近发展区内相互调节或搭建脚手架的有效途径。学习者既是评价者也是被评价者，不仅自主引证检索、筛选佐证观点的证据，也在互评回评的迭代循环中不断产生知识增值、裂变或聚合，逐渐建构更深度、有序化的概念结构，促进深度学习。

4. 以“观点流动—冲突协商—反思重构”多元协同为布局，持续走向深度学习

处于复杂的深度学习境脉中，知识的共享获取与迁移应用并非终点，引导学习者实现协同交互中的意义生成方是其宗旨。智能同伴互评是多元输入、自我反思与重构输出的螺旋式上升过程[17]，充分激发蕴藏于学习者互动之中的图式创造潜力。一方面，异质性主体共同参与智能同伴互评，势必会凸显知识差异性，在持续理性冲突与对话协商中，学习者以已有图式为起点，不断更新旧的价值判断与内容结构，开启深度学习。另一方面，智能同伴互评以协作式同伴评价为起点，但最终发展为个人自主写作探究，使自我反思重构贯穿于整个互评活动的始终。评价者与被评价者身份的不断转变，使得学习者能够自我修剪交替与巩固强化神经网络或催生出新的神经元联结，是深度学习得以取得良好效果的关键。

三、研究方法

（一）研究对象

本次研究对象为东北某高校教育技术学专业“教育技术学前沿”课程的24名一年级硕士研究生，且均没有使用智能同伴互评系统的经验。本次实验的学习任务为针对在线直播课这一前沿问题完成不低于1000字的思辨文章，要求按照学术论文写作规范，在掌握相关专业知识的基础上，运用科学逻辑思维明确表达与阐明个人观点并进行论证。

（二）实验环境与过程

本研究实验环境采用Peerceptiv智能同伴互评系统[18]，在实验正式开始之前，提供了平台功能介绍与使用操作培训。依据智能同伴互评视角下深度学习的干预机制分析，实验过程如下：一是任务规则发布。教师发布此次写作任务要求、介绍互评活动流程并提供五维评价量规，详细说明各维度下的七个等级标准且均提供实例描述。二是学生作品提交。根据要求完成学术论文撰写，并上传至平台。三是匿名同伴互评。待全部提交后，系统随机为每篇论文分配5名评价者进行定性评论和定量评级。四是回评反馈交互。学习者查看接收到的同伴评价后，对其有用性进行评级并给予相应回复交流。五是作品修订重传。经讨论后，自行修订一稿并重新上传二稿。实验结束后，立即对每名学习者的学习体验进行访谈。

（三）数据采集与处理

在学习投入的视角下，为增强智能同伴互评视角下对深度学习过程进行测量的可操作性，基于CIMO-logic框架[19]，結合现有学习投入度评测方法，本研究综合采用评价量规描述、情感语义分析与行为模式分析等方法，以精准评估实际教学中智能同伴互评对促进深度学习过程中的干预作用程度，如图2所示。

图2   智能同伴互评促进深度学习的作用效果评估框架

认知投入反映了学习者在学习活动中的学业成就水平。本研究中学习者认知投入主要体现在对自我作品的修订且最终转化为提交作品，可定义为智能同伴互评活动前后作品质量的提升程度。邀请两位领域专家基于评价量规对第一稿（G1）和第二稿（G2）质量进行评分，Kappa系数分别为0.72和0.81，具有内部一致性，专家平均值即为每篇论文成绩。

情感投入指学习者学习体验的主观积极和消极情感。因每名学生均依据量规进行评价，难以精准反映学习满意度，故使用访谈法，共获得274条有效文本数据。随机选择5名参与者对自我体验进行人工情感标注，并以此为依据邀请两名独立编码者进行情感编码，Kappa系数为0.91，不同之处则由被访谈者审查调整。其次，对消极和积极情感数据进行语义网络分析，可视化表征不同情感倾向聚焦的话题。

行为投入指学习者的活动参与度和贡献值。智能同伴互评的行为模式以评价者和被评价者的双向交互为主线，以生成评语与回评交互内容为核心体现，故将文本数据作为行为的外显表征，依据布鲁姆认知目标分类的行为编码方案[20]，记忆（A）、理解（B）、应用（C）、分析（D）、评判（E）和创新（F），两名独立编码员对采集到的1123项行为单元数据进行独立双重编码，Kappa系数为0.80，针对存在争议的行为单元进行协商讨论直至达成共识，进而分析行为频率和模式以解析学习者深度学习行为倾向。

四、研究发现

（一）学习认知分析

由表1可知，学习者第一稿作品成绩（M=76.666， SD=7.843）与开展智能同伴互评后的第二稿作品成绩（M=87.261，SD=5.956）之间存在显著差异（t=8.671，p<0.001），且互评活动后，论据分析、语言规范、内容逻辑、观点表达均得以显著提升，而论文结构维度则不显著，表明智能同伴互评能够显著提高学生写作质量，增强深层次认知投入水平。

（二）学习情感分析

从积极和消极二元极性情感状态进行判定，可知在智能同伴互评中，积极情感类型为201条，占比73.35%，消极情感类型为73条，占比26.65%，表明大部分学习者认为智能同伴互评可以满足学习过程中的情感交互需求，诱发积极情感体验。为进一步挖掘分析积极或消极情感生成的原因，分别以积极情感语义和消极情感语义为分析单位，得到如图3所示的情感语义网络图。由图3a可知，积极情感语义聚类为四个方面：一是通过查看他人观点能获得新颖想法，愿意积极参与交互；二是具有相似认知水平的同伴评价更易理解，且匿名环境更乐于接受他人观点与主动修订；三是不同观点激发了对自我和他人认知的批判性反思与自主判断，增强自信心和成就感；四是丰富了自身知识储备，获得良好学习体验。对于消极情感参与者来说（如图3b所示）：一是因缺乏先验知识，不确定如何解决问题或修订错误，学业负担加重；二是出于对同伴的不信任，仅接受同质性较强的评语，而质疑差异性评价的正确性；三是因评价维度限制使得评语相似性较强，建设性评语较少；四是评论与回评并非即传即阅，异步评价反馈周期性过长，导致学习体验不佳。

（三）学习行为分析

1. 频率分析

通过分析智能同伴互评中学习行为编码结果可知，浅层学习行为与深度学习行为之间存在显著差异（t=-16.028，p<0.001），且应用、分析、评判和创新深度学习行为占比89.49%，表明智能同伴互评能够很好地促进学习者深层次学习行为，引导参与者在综合分析与辩证推理的基础上对他人及自我已有图式进行评判，提出更具创造性的意见或观点。

2. 行为序列模式分析

由图4a可知，参与者在智能同伴互评中共有10种行为路径达到了显著差异，且行为序列转换表现出由浅层行为向深层行为逐步转化的趋势，主要集中于两种类型：一是以“B→C”为主的高频次行为序列，在理解他人观点的基础上引用相关知识进行评价；二是通过辨识异同点推进新观点或知识产生的“D→F”行为转换。这与智能同伴互评中匿名互评和回评交互阶段保持一致。进一步挖掘两个阶段中促进深度学习的行为转化路径可知，第一阶段中有6个显著行为序列（如图4b所示），能够引导学习者以评价者的身份对比与理解分析不同作品表达的想法观点与逻辑结构，且在评价量规的提示下主动检索学科知识，合理推理与识别问题或检视原有认知，在多次评判过程中，不断掌握新的知识与思路，逐渐向高水平深度学习发展。第二阶段中7种行为转化具有显著性（如图4c所示），可以看出学习者行为序列整体向深度学习行为靠近。在回评交互中，以基于证据的辨别质疑和以正确理解为前提的批判性评价为主。整体而言，智能同伴互评促进深度学习过程中的行为转化有明显的非线性但连续统的复杂特征。

五、智能同伴互评对促进

深度学习的发展路径

从认知、情感和行为维度分析智能同伴互评对促进深度学习的干预机制及作用效果，结果表明，智能同伴互评显著提升参与者的认知质量、积极学习情感体验和深层次行为参与，对促进深度学习具有正向效应。同时真正实现促进学习者向深度学习过程转化，还需考虑如何对待分歧评语、评价量规是否合理、监测反馈能否及时等，未来应强调教师引领作用，完善评价量规体系，优化互评功能需求服务，统筹互评网络全覆盖，促进深度学习发展。

（一）活动牵引与教师引领的动态调控，助推冲突走向共识

教师精准、及时的教学反馈对于维持学习者参与热情、确保观点冲突方向的正确性是必不可少的。随着智能同伴互评活动的深入，针对同一主题的多角度论证激发学习者以初始图式为基础进行独立思考，观点表达、论据分析、内容逻辑、语言规范等维度均有不同程度的提升，然而通过访谈发现，当多名评价者均未提及超出认知水平的特定问题或解决方案时，该类型学业误区或困难的修订率相对较低，致使促进深度学习受阻。因此，在切实加强以学生为主体的促进深度学习活动时，需进一步深化智能时代教师的引领者角色，紧跟评价方向发展与思维碰撞演变的实时变化，突出正向引领，降低针对无意义问题的无效沟通，强化正确逻辑推理，为促进深度学习奠定良好基础。

（二）互评规范与自主细化的协同治理，构建开放话语体系

在把握互评规范框架质量的前提下，实行统一互评标准与学生自主细化解读相结合，是进一步激发学生互评活力，促进深度学习的重要举措。虽然基于评价量规的智能同伴互评任务尽可能规避错误评价导向，但这种外部规范驱动下的评价尚未使学习者拥有完全的自主反思意识。简要说明、信息量过少等缺乏科学阐述的评语依然存在，不足以提高学生写作质量，亦会造成一定程度上的认知偏差[21]。由于个体认知网络的激活依赖于感知觉行为的运动体验，可按照总体规划、自主推进的原则，以预先设定的评审规则为基础，各评价者灵活细化实施评价标准，让学习者在获取评价细则的经验中形成理性思考，落实评分评语的倒查追责制，为有意义建构打牢认知基础，确保深层次学习投入实效的达成。

（三）追踪问效与预警提醒的联动推进，促进生生良性互动

健全智能同伴互评中学习过程数据的实时监测与可视化反馈，加强学业风险防控管理，为促进深度学习提供有力技术保障。智能同伴互评遵循统一的评价规范以及异步互通的往复交互机制，但对促进深度学习的干预效果会随着反馈时间间隔的推移而产生差异性，预警算法可视为解决异步讨论弊端的有效途径之一。一是日常监督、持续追踪学习者同伴互评学情诊断，针对同伴互评过程中可能存在的随意性评价、消极性参与、选择性交互等浅层学习风险点进行分析研判，及时提供干预策略。二是基于预警算法对学习时间、交互行为、交互内容等日志数据持续监测与分析挖掘，感知学习者学业拖延、人际游离等预警趋势，提醒督促按时完成评阅回复任务，以增强反馈的时效性。

（四）移动群智与批判增质的沟通参与，实现持续自我反思

随着微型传感器、无线网络等技术的成熟发展，主流互联网产品逐步从固定台式平台转移到移动终端设备，拓展了人们对学习地点延伸的认知，但较少关注智能同伴互评中学习情境对促进深度学习过程的研究。通过构建可感知、可捕捉、可联的计算型社会，破除系统随机分配的群体认知壁垒，可加强与其他学习者之间的知识流动，打造多元协同共评共建共治的局面。其一，配合全球定位系统、摄像头等感知功能应用，实现特定学习情境中的语义理解、推理计算与服务推送[22]。其二，完善以同伴互评为基础的开放评价管理体系，建立全覆盖、无死角的同伴互评环境，为同伴相互评价学习与沟通交流提供支持，注重考察评语质量和影响力，拓展评价观点的多元化发展，确保深度学习取得实效。

六、结   语

智能同伴互评是一种有效规避学业风险促进学习者向深度学习转化的干预机制。研究结果强调了智能同伴互评在促进学习者深层次认知投入、情感投入和行为投入方面的重要作用，揭示了智能同伴互评促进深度学习的干预机制及作用，对深度学习研究成果的推广转化与可持续发展具有重要的理论贡献与实践价值。然而，研究样本数量较少且局限于相同专业，未来可以选择具有差异性专业的研究对象，扩大研究样本数和研究周期，探究多轮同伴互评对规避学业风险向深度学习转化过程的持续干预作用。其次，虽然总体研究结果支持了同伴互评对促进深度学习正向干预成效，但可能仍存在学习者未能完全表现出的深层次学习投入，因此下一步亟须引入发展路径完善同伴互评干预机制，以进一步深入发掘规避学业风险向深度学习转化过程中的独特机制。

[参考文献]

[1] 中华人民共和国教育部.教育部发布《关于一流本科课程建设的实施意见》[EB/OL]. （2019-10-30）[2022-12-28].http：//www.moe.gov.cn/srcsite/A08/s7056/201910/t20191031_406269.html.

[2] 何克抗. 深度学习：网络时代学习方式的变革[J]. 教育研究，2018，39（5）：111-115.

[3] 刘哲雨，刘畅，许博宇. 计划调节学习支架对在线深度学习的影响机制研究[J]. 电化教育研究，2022，43（8）：77-84，100.

[4] 姜强，药文静，赵蔚，李松. 面向深度学习的动态知识图谱建构模型及评测[J]. 电化教育研究，2020，41（3）：85-92.

[5] JIN X Q， JIANG Q， XIONG W Y， et al. Effects of student engagement in peer feedback on writing performance in higher education[J]. Interactive learning environments，2022，30：1-16.

[6] 鐘启泉. 深度学习：课堂转型的标识[J]. 全球教育展望，2021，50（1）：14-33.

[7] 刘智明，武法提. 促进深度学习的个体认知发展阶段模型构建研究[J]. 电化教育研究，2022，43（10）：26-32.

[8] VOS N，VAN DER MEIJDEN H，DENESSEN E. Effects of constructing versus playing an educational game on student motivation and deep learning strategy use[J]. Computers & education，2011，56（1）：127-137.

[9] 王勝兰，彭双，钟燕兰. 教学干预对学生深度学习的影响——基于62项实验或准实验研究的元分析[J].开放教育研究，2022，28（2）：96-109.

[10] BULU S T，PEDERSEN S. Scaffolding middle school students' content knowledge and ill-structured problem solving in a problem-based hypermedia learning environment[J]. Educational technology research and development，2010，58（5）：507-529.

[11] KOSZALKA T A，PAVLOV Y，WU Y. The informed use of pre-work activities in collaborative asynchronous online discussions：the exploration of idea exchange，content focus，and deep learning[J]. Computers & education，2021，161：1-14.

[12] CHEN J，TAN J，LEI J. Exploring learner identity in the blended learning context：a case study of collaborative writing[J]. System，2022，108：1-15.

[13] 马志强，孔伶玉. 以学习者为中心的评价何以可能——学评融合视域下的自主与同伴互评研究前沿进展[J]. 电化教育研究，2022，43（10）：41-48，56.

[14] SUGDEN N，BRUNTON R，MACDONALD J，et al. Evaluating student engagement and deep learning in interactive online psychology learning activities[J]. Australasian journal of educational technology，2021，37（2）：45-65.

[15] FILIUS R M，DE KLEIJN R A M，UIJL S G，et al. Strengthening dialogic peer feedback aiming for deep learning in SPOCs[J]. Computers & education，2018，125：86-100.

[16] SU W，HUANG A. More enjoyable to give or to receive？ Exploring students' emotional status in their peer feedback of academic writing[J]. Assessment & evaluation in higher education，2022，47（7）：1005-1015.

[17] TORSHIZI M D，BAHRAMAN M. I explain，therefore I learn：improving students' assessment literacy and deep learning by teaching[J]. Studies in educational evaluation，2019，61：66-73.

[18] 高瑛，汪溢，SCHUNN C D. 英语写作同伴反馈评语采纳及其影响因素研究[J]. 外语电化教学，2019（2）：17-24.

[19] DENYER D，TRANFIELD D，VAN AKEN J E. Developing design propositions through research synthesis[J]. Organization studies，2008，29（3）：393-413.

[20] SUN F R，HU H Z，WAN R G，et al. A learning analytics approach to investigating pre-service teachers' change of concept of engagement in the flipped classroom[J]. Interactive learning environments，2022，30（2）：376-392.

[21] 晋欣泉，姜强，梁芮铭，赵蔚. 深度学习视域下认知偏差对知识建构的影响机制研究[J].电化教育研究，2021，42（7）：75-82.

[22] 刘三女牙，杨宗凯，李卿. 计算教育学：内涵与进路[J]. 教育研究，2020，41（3）：152-159.

Research on Intervention Mechanism and Its Effect on Deep Learning Process from Perspective of Intelligent Peer Assessment

JIN Xinquan1，  JIANG Qiang2，  FENG Yanan2，  LI Song3，  ZHAO Wei2

（1.Jiangsu Research Center of "Internet Plus Education"， Jiangnan University， Wuxi Jiangsu 214122;

2.School of Information Science and Technology， Northeast Normal University， Changchun Jilin 130117;

3.School of Education， Open University of China， Beijing 100039）

[Abstract] Moving from shallow learning to deep learning， one still faces the challenge of intervention. Intelligent peer assessment， as a metacognitive learning method that reinforces two-way interaction， offers new possibilities for facilitating deep learning to occur effectively. Taking the Peerceptiv intelligent peer assessment system as an example， this paper analyzes the intervention mechanism and its role in deep learning from the perspective of intelligent peer assessment. It is found that after the intervention of intelligent peer assessment， learners' cognitive level is significantly improved， and they have more positive emotional experience on the whole. At the same time， more in-depth engagement of learning behaviors is activated， which effectively promotes learners' deep learning. On this basis， the development path of intelligent peer assessment to promote deep learning is proposed. The research results have an important theoretical contribution to the study of realizing deep learning， and provide a reference for strengthening the sustainable and high-quality development of deep learning.

[Keywords] Intelligent Peer Assessment; Deep Learning; Intervention Mechanism; Collaborative Interaction