卜彩丽 高欣玉 陈军

摘 要：智慧教育已成为当前高等教育中一种新的教学形态和教学追求。智慧教室作为智慧教育的重要实施载体，其功能和效果在教学实践中还有诸多不尽如人意之处。而深度学习理论既与智慧人才要求具有契合之处，又能对高校智慧教室的教学理念、教学内容、教学方法、教学过程与教学评价提出新要求，这些要求则可以作为优化和改进智慧教室功能框架的理论基础。 文章从深度学习理论的视角出发，在对当前国内高校智慧教室功能的不足之处和国外智慧教室功能借鉴进行分析总结的基础上提出深度学习优化后的智慧教室“虚实结合”的空间构成，涵盖资源利用层、应用服务层、社区交互层、反馈评价层和大数据层五个层面的功能框架。

关键词：深度学习;高校;智慧教室;功能设计

中图分类号：G4文献标志码：A文章编号：2096-0069（2020）05-0025-06

收稿日期：2020-06-22

基金项目：2019年大学生创新创业训练计划省级项目“深度学习视域下高校智慧教室功能设计研究”（201910476063）、“提升职前教师信息化教学素养的课程设计与开发研究：基于深度学习的视角”（201910476025）

作者简介：卜彩丽（1980— ），女，河南兰考人，副教授，博士，研究方向为深度学习、信息化教学设计;高欣玉（2000— ），女，河南新乡人，本科生;陈军（1998— ），女，河南焦作人，本科生;曹婉迎（1996— ），女，河南驻马店人，本科生。

一、问题的提出

智慧教育在国际上受到的关注度越来越高，而作为智慧学习环境之一的智慧教室也受到了广泛关注。张亚珍等人认为现今国内外智慧教室教学功能主要是从技术的角度进行分析，对于智慧教室功能的研究较少[1]，这些功能对于教学的实质性影响则有待进一步研究。祝智庭等人认为深度学习能力与智慧人才能力高度契合，深度学习可以作为智慧教育的核心支柱[2]。而智慧教室作为实现智慧教育的智慧学习环境，则需要在功能上助力深度学习的实现。因此，如何利用深度学习理论优化智慧教室的功能总体框架，实现智慧学习环境中的深度学习，是本研究的主要目的。

二、高校智慧教室功能现状分析与借鉴

（一）国内高校智慧教室功能现状

目前国内高校智慧教室建设大都基于黄荣怀提出的SMART模型[3]或根据高校自身建设需求提出建设方案，功能框架缺乏可推广性，且国内高校对智慧教室功能的认识不同，概念炒作多于实际教学意义，智慧教室核心的高交互、大数据等功能并未真正发生作用。在实际功能设计上，高校智慧教室建设重管理、轻教学[4]，并未充分发挥智慧教室的教学功能。

（二）国内高校智慧教室功能现存问题

当前国内智慧教室功能及应用现状暴露出智慧教室功能教学支撑度低的问题，主要体现在以下四个层面。

1. 资源层面

资源缺乏整合，信息质量无法保证。当前高校智慧教室没有建立共享平台，资源缺乏整合，泥沙俱下，易产生信息垃圾或碎片化信息，造成浅层学习。

2. 服务层面

功能间的关联性不足，教学服务力度不够。各功能之间缺乏智慧关联，无法支持必要的课堂信息捕捉与分析评价，无法为教学活动提供足够的支持。

3. 评价层面

评价方式浅层，信度低。当前高校智慧教室大都仍采用传统方式（如问卷调查、教师打分等形式）对学生进行评价，评价数据的完整性和评价过程的连贯性不够，难以实现对学生学习过程的深度评价。

4. 大数据层面

数据浪费，整合力度不足。当前高校智慧教室对课堂教学信息采集不及时、不全面，且挖掘、整合方式不够合理，无法准确记录课堂教学行为。

从整体上讲，目前国内高校智慧教室的功能已经足够丰富，但对教学的智慧支持力度還不够，使得智慧教室功能的实际效能大打折扣。

（三）国外高校智慧教室功能的优点借鉴

从20世纪80年代以来国际上对智慧教室的研究历程来看，国外学者对智慧教室功能的理解经历了利用技术改善物理学习环境到从教与学的功能出发，体现教室的“智慧性”的变化[5]。这种转变也为本研究提供了一定的借鉴。

1. 新兴技术的积极引进

美国教育部在《国家教育技术规划2010》中指出，教育生产力的显著提高需要利用技术支持根本的结构性变革[6]。21世纪以来科学技术蓬勃发展，技术进入教育领域成为教育改革的重要途径，因而智慧教室功能的设计也应适时添加具有时代性与新兴性的科学技术。

2. 关注技术的教育价值

任何科学技术进入教育领域的起因和结果都应是促进教学更好地发生，因而在新兴技术不断出现的当今，不能只关注科学技术的教育准入，更应挖掘技术背后的教育价值。技术的堆砌无法创建真正智慧的学习环境，应在合理的框架内选取与使用教学所需要的技术，让技术真正支持教学，而不是成为影响正常教学的障碍物。

3. 关注师生自身的智能

教育技术的焦点已经适当地从人工智能转向了放大教师和学生的智能[7]。智慧教室作为促进教学行为更好发生的一种智慧学习空间，仍然需要教师的教学智慧和学生的学习智慧，甚至智慧教室的产生与发展不仅要求教师的角色转变、学生主体性的突出，更要求师生自身教与学的智慧的提升。

4. 技术发展应伴随着有效的教学策略和方法

智慧教室如果仅被视为一种技术的发展，那么它将不会像人们期望的那样有用。相反，智慧教室的技术方面应该伴随着有效的教学策略和方法。教学环境的转变，相应地也应带来教学策略与方式的转变，否则这种转变将会是无效的。

国际视野中的智慧教室从最初的重视技术转变为在关注新兴技术的引进的同时，也更为关注技术对师生、对教学的实际影响，更关注智慧教室内教与学的行为，这种变化趋势也为国内高校智慧教室功能设计研究提供了一定的借鉴之处。

通过分析面向深度学习的智慧教室的功能建设总体框架，在吸收国内外智慧教室建设经验并考虑国内高校学生深度学习特征和深度学习条件的基础上，本研究设计了面向深度学习的智慧教室的功能模型。该功能模型旨在打造以大数据为链接的集资源、服务、交互和评价于一体的创新型智慧教室。

1. 资源利用层

资源利用层是面向深度学习智慧教室的第一个基础功能，主要包括四大功能。①资源获取功能：教师可借助电子或实体资源进行备课工作，便捷获取教学资料，选取适配的教学策略;学生可自主获取学习资源进行主动性学习。②资源推送功能：系统根据课程内容与实时教学进度，利用大数据进行资源筛选和重组，为教学活动提供精准的信息资源，师生之间也可相互推送，也允许师生对资源内容进行编辑，以提高资源的利用率和适配度。③资源共享功能：师生之间、生生之间可共享笔记、同屏播放资源。④资源上传功能：学生们可以上传个人学习笔记以及教师的电子板书，进行讨论与交流;上课形成的教学视频也可在教师审核后上传云端;另外，师生也可直接对获取到的资源进行收藏与标记，上传到个人学习空间，创建个人学习足迹。

2. 应用服务层

应用服务层是面向深度学习智慧教室的第二个基础功能，主要是为深度学习提供教学支持，辅助教学管理。管理端主要针对教学管理工作，管理人员可通过应用服务层进行分类管理。师生端主要针对课堂教学，可根据实际教学需要使用所需系统。教学辅助功能可辅助教师智能备课，在课堂上为教师提供所需虚拟教具，并根据学生实际学习情况智能调整教学内容或进度;视频会议功能可以远程互动，提高学生的社会性经验;录播课程可记录整个教学过程，形成优质教学资源;电子书包功能可为学生呈现数字化学习资源，可作为学生自主学习和协作学习的工具;虚拟现实功能是基于全息投影、AR和VR等技术，为情境化学习、探究式学习等提供技术支持;智能感知功能可以感受学生学习状态、评估学生学习情况以及课堂教学预期效果;自适应功能能够采集课堂教学过程中的信息数据，根据师生的教学过程的动态变化，预测教学效果，为教学提供更加科学化的决策方式。另外，服务应用层也可对教室环境进行指挥控制，助力网络维护与设备维护工作。

3. 社区交互层

社区交互层是面向深度学习智慧教室的第三个基础功能，主要包括保障良好的教学交互与建立学习社群功能。高交互是实现深度学习的重要条件。教学交互借助无线网络技术和自适应交互系统技术，实现人机、师生、生生、师师、远程等多主体的良性交互。建立社群的目标是借助移动设备，构建贯穿学习者、家庭、教师、社会和其他人的多主体交互网络，包括学生交流社群、教师交流社群和社会交流社群等。

4. 反馈评价层

反馈评价层是面向深度学习智慧教室特色部分，主要功能是进行课堂反馈与课后评价，并建立学生成长档案与教师成长档案。反馈评价层依据大数据采集课堂教学信息，及时评量学生深度学习情况，汇聚反馈数据，发现学生问题，帮助教师实现精准教学决策，并进行即时教学补救。课后生成深度学习教学诊断报告，帮助教师关注学生的深度学习情况，进行个性化课后教学补救。这种教学补救可将诊断报告推送给学生个人，让学生自主进行学习补救，帮助深度学习更好实现。反馈评价层还能结合过程性评价与总结性评价，生成学生成长档案与教师成长档案，评估深度学习的实现情况。

5. 大数据层

大数据层是面向深度学习智慧教室的核心部分，主要功能是大数据分析与大数据管理。大数据层重点关注智慧教室功能的整体性与效能性，串联并整合其他四个层面的数据信息。在大数据分析功能中，大数据层可进行数据采集、数据挖掘，并对数据进行分析，在教学过程中适时进行推送教学资源或问题反馈，并根据学生学习问题为教师提供科学性的教学决策，预测深度学习效果。大数据管理则是对人员、资源和管理等数据进行分类管理，并建立相应的数据库，为教学过程的不断发生提供更加精准的数据基础。

以大数据空间为核心的“虚实结合”的智慧教室涵盖了深度学习教学内容呈现、教学过程支持、良性教学交互、过程性评价等功能，这些功能为师生的大数据提供来源，并应用大数据优化教学决策，提高深度教学质量。各子模块相互关联、共生协调，为实现智慧教室内的深度学习提供所需的智慧支持。

五、结论

本研究在深度学习视域下探讨智慧教室的功能设计，以期为实现深度学习创造智慧学习环境，實现了教育技术与教育理论的有效融合。现有的智慧教室建设经验表明，将技术引入课堂固然重要，但一味地追求新兴技术的“堆砌”是舍本逐末的行为。面向深度学习的智慧教室功能设计是对智慧教室建设目标的一种具体化，使得其功能更具效能性和整体性。当然，本研究主要围绕面向深度学习的智慧教室功能设计，但这种创新型智慧教室对深度教学的具体影响，还有待更多的教学实践研究。

[1][5]张亚珍，张宝辉，韩云霞.国内外智慧教室研究评论及展望[J].开放教育研究，2014（1）：81-91.

[2]祝智庭，彭红超.深度学习：智慧教育的核心支柱[J].中国教育学刊，2017（5）：36-45.

[3]黄荣怀，胡永斌，杨俊锋，等.智慧教室的概念与特征[J].开放教育研究，2012（2）：22-27.

[4]殷斌.智慧教室建设现状及发展方向[J].现代信息科技，2018（12）：135-137.

[6]Transforming American Education：Learning Powered by Techno-logy[DB/OL].（2010-07-06）[2020-02-20].http：//www.ed.gov/technology/netp-2010.

[7]DEDE C.The Role of Digital Technologies in Deeper Learning[R].Boston，MA：Jobs for the Future，2014：5-7.

[8]卜彩麗.深度学习视域下翻转课堂教学理论与实践研究[D].西安：陕西师范大学，2018.

[9]CHEN C D，CHANG Y H，CHIEN Y T，et al.Incorporating a Smart Classroom 2.0 Speech-Driven PowerPoint System（SDPPT）into University Teaching[J].Smart Learning Environments（S2196-7091）.    2015 （2）：7-17.

[10]陈蓓蕾，张屹，杨兵，等.智慧教室中的教学交互促进大学生深度学习研究[J].电化教育研究，2019（3）：90-97.

（责任编辑 孙兴丽）

Abstract： Smart education has become a new teaching form and teaching pursuit of present college education.As an important implementation carrier of smart education，smart classrooms function and effect have many disadvantages in the teaching practices.However，the theory of deep learning not only accords with the requirements of smart talents，but puts forward new requirements to college smart classrooms teaching ideas，teaching contents，teaching methods，teaching process and teaching evaluation，and these requirements can serve as the theoretical basis for optimizing and improving smart classrooms functional framework.Based on the analysis and summary of the deficiencies of present national college smart classrooms functions and the drawing lessons of smart classroom functions from abroad，this paper，from the perspective of deep learning，has put forward the smart classrooms space composition of“combination of virtuality and reality”，including five levelsfunctional framework，namely，resource utilization level，service application level，community interaction level，feedback and evaluation level，and big data level.

Key words： deep learning;college;smart classroom;functional design