胡晓玲 范博 赵凌霞

摘 要：本文以教育技术八种核心期刊中与深度学习主题相关的214篇论文为研究对象，在利用COOC、SPSS等软件对文献数据进行高频关键词词频分析、时区分布分析、聚类分析及多维尺度分析的基础上绘制知识图谱。根据高频关键词时区分布及文献梳理情况，将国内深度学习研究划分为依托学习科学基本研究的萌芽阶段、融入多种学习方式及网络技术的发展阶段、扎根智慧教育的成熟阶段三个阶段。关键词聚类树状图及多维尺度图谱结果表明，当前我国深度学习研究主要集中在技术支持、教学模式、学习活动以及应用领域四个方面。展望未来，技术支持的深度学习研究常态化、不同教学模式深度学习影响因素分析、深度学习研究在学习科学分支中进一步细化以及拓宽深度学习研究的学科融合度将是我国深度学习研究的重点。

关键词：深度学习;演进阶段;热点及趋势;可视化分析

中图分类号：G434 文献标志码：A 文章编号：2096-0069（2020）05-0009-05

收稿日期：2020-05-25

基金项目： 2020年兰州大学中央高校基本科研业务费项目“大学生混合式学习效果的影响因素研究”（2020jbkyxs030）

作者简介：胡晓玲（1975— ），女，山东济宁人，兰州大学高等教育研究院，博士，副教授，研究方向为高等教育信息化;范博（1995— ），男，甘肅临夏人，兰州大学高等教育研究院硕士，研究方向为教育信息化;赵凌霞（1996— ），女，甘肃甘南人，兰州大学高等教育研究院硕士，研究方向为教育信息化;穆萍（1996— ），女，宁夏中卫人，陕西师范大学教育学院硕士，研究方向为信息技术教育应用。

关于教育领域深度学习的研究现状，国内有多名学者已进行了阐释，例如沈霞娟等对国外近十年深度学习的主题、情境、方法及结果展开了实证研究[1];彭红超、祝智庭通过计量统计与内容分析的方法对中外深度学习相关文献进行解读，并提出了深度学习发展的脉络与存在的瓶颈[2]。虽然上述研究系统地分析了国内外深度学习的研究现状，但是依然存在对国内深度学习的综合研究不足等问题。因此，本研究基于国内教育技术八大核心期刊论文的可视化分析，从多维度对我国深度学习研究的热点及趋势进行梳理分析，以期为后续深度学习的相关研究提供借鉴。

一、研究方法及文献来源

本研究主要采用词频分析法、共词分析法以及科学知识图谱。词频分析法是文献计量法的一种，该方法用能表达文献核心内容的高频或主题词在相关研究领域文献中出现的频次高低来确定该领域研究热点和发展动向。共词分析法通常指利用文献中名词短语共同出现的情况， 来确定所属文献集所代表研究领域中各主题之间的联系。[3]科学知识图谱是用图形等量化的方式把抽象数据反映出来，进而从宏观、中观、微观等各个层面揭示一个领域、学科的发展概况。上述研究方法与Endnote、COOC、Citespace、SPSS这些可视化分析和数据统计工具相结合，在文献筛选、文献计量、高频关键词统计、聚类以及多维尺度分析的基础上，从多个角度全面地分析深度学习研究的热点及趋势。

文献来源方面，笔者在中国知网的高级检索中，以主题为“深度学习”或“深层次学习”进行检索，文献来源为CSSCI来源期刊目录（2019-2020）中教育学学科下与教育技术学相关的八种期刊（含CSSCI扩展版），分别为《开放教育研究》《中国电化教育》《电化教育研究》《现代教育技术》《现代远程教育研究》《远程教育杂志》《中国远程教育》《现代远距离教育》，其中《现代远距离教育》为CSSCI扩展版来源期刊，发表时间截止到2019年12月31日，检索到相关文献240篇。而后，笔者利用Endnote文献管理软件对文献进行筛选，删除会议通知、综述以及计算机领域的深度学习相关文献后，最终保留了214篇有效文献作为研究数据。

二、研究结果分析

1.高频关键词分析

本研究在关键词词频统计的基础上，以关键词频次排列前十位作为截点绘制了部分高频关键词统计表（如表1所示）。可见除“深度学习”这一主题关键词外，“翻转课堂”“人工智能”“学习分析”“在线学习”“MOOC”等排列在前五位，这在一定程度上反映出深度学习的学习模式、应用领域及技术支持等。

2.高频关键词时区分布分析

各学科领域的研究在不同的发展阶段研究焦点是不同的， 各阶段文献集中的高频关键词可以体现出该阶段的研究焦点。本研究通过在Citespace软件中导入已筛选过的文献数据，将文献的时间区域设置在2007年至2019年之间，时间切片（Time Slicing）设置为一年，Top N值设置为50后进行高频关键词时区图谱分析并绘制高频关键词时区图谱（如图1所示）。

3.聚类分析

通过上述的高频关键词可以初步了解深度学习研究的热点。为进一步了解我国深度学习研究的主题分布情况，本研究对高频关键词进行了聚类分析，即通过聚类分析把本研究样本文献的所有关键词中关联密切的关键词聚集在一起形成不同的类，以此来表达深度学习研究分支的组成情况。本研究利用COOC软件（6.3）生成了文献集的相异矩阵，并将其导入数据统计软件SPSS中展开多维尺度分析，在系统聚类的基础上生成高频关键词聚类树状图（如图2所示）。

4.多维尺度分析

在聚类分析的基础上，结合树状图可基本确定我国深度学习研究主题的大致分布情况。为明确相关主题在深度学习研究领域中的位置，本研究对文献集数据进一步展开多维尺度分析，进而分析深度学习的研究热点及未来研究趋势。多维尺度分析是将多维空间的研究样本通过简化到低维空间进行定位、分析和归类，并将对象间原始关系进行保留的一种数据分析方法。本研究将上述相异矩阵导入到SPSS中，在“度量”中展开多维尺度分析，并生成分析图谱（如图3所示）。

三、我国深度学习研究的演进阶段划分

在绘制高频关键词时区图谱的基础上，依据高频关键词的时区分布情况，本研究将我国深度学习的研究演进过程划分为如下三个阶段。

1.依托学习科学基本研究的萌芽阶段（2007年至2011年）

学习科学研究的不断深入，催生了众多分支，深度学习就是其中之一。国内深度学习一词，由上海师范大学黎加厚教授于2005年首次提出。他认为建立在理解的基础上，学习者批判性地学习新思想和新知识，并把所学新知识融入原有的认知结构中，在达到知识迁移水平的基础上，做出决策并解决问题的学习就是深度学习。[4]由此，国内关于深度学习的相关研究相继迸发而出。本研究所选的文献集中，詹青龙和顾小清于2007年提出信息技术教师培训必须要以深度学习为中心。[5]而后，随着相关研究的不断深入，段金菊于2011年针对依托Moodle平台的课程展开基于设计的研究，提出深度学习的核心特征是高水平思维的培养[6]，并对教师提出针对基于网络环境的深度学习培养学习者的高水平思维能力要求。综上所述，结合图1可知，2011年后深度学习相关研究出现频次较多的关键词分别是“互联网”“学习分析”等，说明基于技术支持的深度学习相关研究逐渐出现，标志着我国深度学习研究由依托学习科学基本分支的萌芽阶段逐步进入网络技术支持且与多种学习方式融合的下一阶段。

2.融入多种学习方式及網络技术的发展阶段（2012年至2016年）

随着教育信息化的不断发展，深度学习广受国内教育技术界的关注。由图1发现，自2012年开始，本研究所选的文献集中，深度学习研究的高频词有“学习分析” “在线学习” “翻转课堂” “MOOC”等，说明该阶段深度学习的研究主要是依托网络技术和学习分析等技术，结合在线学习、翻转课堂、混合式学习等多种学习方式进行的。例如，张琪在其文中分析了网络深度学习的影响因素，并提出提升网络自我效能感，可以促进学习者使用更加多元化的学习策略，进而促进深度学习的发生[7];曾明星等从MOOC到SPOC的发展出发构建了深度学习模式，并提出SPOC支持的深度学习需要加强情境、交互和反思三个要素。[8]近年，人工智能、大数据等技术的教育应用，逐渐带动深度学习的相关研究扎根于智能教育，并向成熟阶段过渡。

3.扎根智慧教育的成熟阶段（2017年至今）

从图1发现，2017年开始深度学习的相关研究，与“人工智能”“教育大数据”及“网络学习空间”等相融合，这一阶段的深度学习研究已扎根于智慧教育相关的研究之中，以期促进学习者的深度理解及高阶思维能力。本研究文献集中，何聚厚等学者构建了基于虚拟现实技术的深度学习场域模型[9];姚巧红等通过研究得出“在面向深度学习的翻转课堂模型、网络学习空间和学习支架的综合作用下， 通过课前的整合性学习、课中的高阶学习和课后的反思性学习有效促进了学生的深度学习”[10]的结论。此外，沈霞娟等在2019年对国外近十年深度学习研究展开了综述，提出在与学习方式、技术融合的基础上，我国深度学习研究应与学科相融合并关注其具体路径。[11]

从上述我国深度学习研究的三个演进阶段来看，目前我国教育技术学界对深度学习的研究已步入成熟阶段，并逐步尝试以个性化学习、自适应学习等技术支持的学习方式构建深度学习新模型。

四、我国深度学习研究热点及趋势分析

如图2及图3所示，深度学习研究的高频关键词聚类树状图聚类情况与多维尺度图谱中的分类基本保持一致。本研究在上述基础上，对我国深度学习研究的主题进行划分，并将我国深度学习研究的热点及趋势概括为以下四个领域：

1.深度学习的技术支持研究

该主题主要由“人工智能”“学习分析”及“教育大数据”等18个关键词组成，结合相关文献分析得知，该主题紧紧围绕深度学习研究的科学化对数据精准性的要求以及深度学习研究对学习方式灵活性的诉求展开。其中，学习分析、教育大数据等技术是数字教育时代深度学习研究开展的核心支持要素，上述技术为深度学习相关研究的科学性提供了一定的保障。此外，自适应学习、个性化学习以及混合式学习等多种新型学习方式为深度学习研究拓宽了研究视域，进而大大提高了学习方式选择的灵活性。

2.深度学习的教学模式研究

该主题由 “翻转课堂”“MOOC”“SPOC”“教学模式”等21个关键词组成。该主题主要围绕深度学习的在线教学模式研究和深度学习的教学设计研究展开。首先，在线教学的不断精进衍生出混合式教学、MOOC、翻转课堂等多种教学方式，国内学者大多以上述教学模式展开基于深度学习的教学模式研究，随着混合式教学模式、翻转课堂教学模式的逐渐成熟，深度学习的在线教学模式研究也逐渐成形;其次，教学设计作为深度学习最核心的关联要素，其教学策略的选择会直接影响学习者高阶思维的提升，在关注深度交互的基础上力争相关研究促进学习者的深度学习。

3.深度学习的学习活动研究

该主题由“学习活动”“学习策略”“协同知识建构”等8个关键词组成，主要涉及深度学习的学习活动设计研究、深度学习的学习策略研究两方面。其中，学习科学相关研究的细化加速了学习活动设计相关研究的发展，国内类似于促进深度学习的学习活动设计一类的研究也随之成熟起来，如秦瑾若等依托“现代教育技术”课程，基于深度学习理论展开MOOC学习活动的设计研究[12]。此外，国内深度学习的学习策略研究也不断丰富起来，如段金菊对促进网络环境下的深度学习策略展开研究，并依据激发外显学习行为和促进认知加工两阶段进行策略设计和验证。[13]

4.深度学习的应用领域研究

该主题主要涵盖了“网络学习空间”“高等教育”等7个关键词，可见深度学习在高等教育领域研究中的应用十分广泛。首先，高等教育信息化的不断蓬勃发展催生了数字化学习时代的网络学习空间等教育信息化产物，深度学习研究逐渐基于网络学习空间展开;其次，复合型人才培养的核心是批判性思维等高阶思维能力的培养，因此深度学习相关的研究主要集中在高等教育领域，以期培养复合型人才，为我国在世界舞台上的竞争尽一份绵薄之力。

综上所述，我国深度学习的研究主要围绕四个领域进行，即深度学习的技术支持、教学模式、学习活动以及应用领域。本研究认为可将我国深度学习的未来研究重点放在如下方面：首先，推进技术支持的深度学习研究常态化发展，在与计算机领域的深度学习加以区别的同时，普及新型技术对深度学习的支持研究，促进深度学习研究与“教育信息化2.0”时代接轨;其次，加强深度学习在不同教学模式中的影响因素研究，构建深度学习影响因素指标体系，进而进一步完善深度学习模型;再次，进一步细化深度学习在学习科学视域下的研究，在关注学习活动设计研究的基础上，对学习过程中的深度交互、深度反思等要素展开实证研究;最后，拓宽深度学习研究的学科融合度，通过对已有文献的梳理，笔者发现深度学习的研究主要停留在与人文社会科学相关的学科，尤其是教育学领域，缺少与理工科等学科领域的交叉，应加强多学科融合，促进深度学习研究精准、全面地深化。

[1][11]沈霞娟，张宝辉，曾宁.国外近十年深度学习实证研究综述：主题、情境、方法及结果[J].电化教育研究，2019，40（5）：111-119.

[2]彭红超，祝智庭.深度学习研究：发展脉络与瓶颈[J].现代远程教育研究，2020，32（1）：41-50.

[3]钟伟金，李佳.共词分析法研究（一）：共词分析的过程与方式[J].情报杂志，2008（5）：70-72.

[4]何玲，黎加厚.促进学生深度学习[J].现代教学， 2005（5）：29-30.

[5]詹青龙，顾小清.信息技术教师培训的新思维[J].中国电化教育，2007（7）：13-17.

[6]段金菊.技术支撑下的团队深度学习设计研究[J].中国远程教育，2011（1）：44-48+94.

[7] 张琪.e-Learning环境中大学生自我效能感与深度学习的相关性研究[J].电化教育研究，2015，36（4）：55-61.

[8]曾明星，李桂平，周清平，等.从MOOC到SPOC：一种深度学习模式建构[J].中国电化教育，2015（11）：28-34+53.

[9]何聚厚，梁瑞娜，韩广欣，等.基于虚拟现实技术的深度学习场域模型构建研究[J].电化教育研究，2019，40（1）：59-66.

[10]姚巧红，修誉晏，李玉斌，等.整合网络学习空间和学习支架的翻转课堂研究：面向深度学习的设计与实践[J].中国远程教育，2018（11）：25-33.

[12]秦瑾若，傅鋼善.基于深度学习理论的MOOC学习活动设计：以“现代教育技术”课程为例[J].现代教育技术，2017，27（5）：12-18.

[13]段金菊.e-Learning环境下促进深度学习的策略研究[J].中国电化教育，2012（5）：38-43.

（责任编辑 王策）

Abstract： This paper regards 214 papers related to the theme of deep learning in the eight core journal papers of education and technology as research object，and utilizes software like COOC，SPSS，etc.to make analysis of frequency of key words，time zone distribution analysis，cluster analysis，and multidimensional scale analysis，based on which knowledge map is drawn.According to the condition of time zone distribution of high-frequent key words and literature review，this research has divided the research of deep learning into three phases，namely，the budding phase relying on the basic research of learning science，the developing phase of integrating many kinds of learning styles and network technology，and mature phase being rooted in smart education.The results of key words cluster tree map and multidimensional scale maps show that the present national research of deep learning mainly focuses on four aspects， namely，the technical support，teaching mode，learning activity，and application field of deep learning.Looking forward to the future，the key points of the research on deep learning in China will be the normalization of deep learning research of technical support，the analysis of the influential factors of deep learning of different teaching modes，the further refinement of deep learning research in the branch of learning science，and the integration of disciplines of broadening deep learning research.

Key words： deep learning;evolution phase;hotspot and trend;visualized analysis