|
深度学习深几许？一直是很多一线教师心中的困惑。这种困惑体现在两方面：一是学生要学到何种程度才是深度学习，二是教师如何教才能实现学生的深度学习。这需要深入剖析深度学习的内涵，找出其课堂表现形式和实施方法，才能解决这一困惑。 深度学习的愿景 2005年，上海师范大学黎加厚教授在《促进学生深度学习》中首次在国内提出了“深度学习”的理念后，随着新一轮课程改革的实施，深度学习逐渐成为国内教学研究的热点，形成了丰硕的理论和实践研究成果。对相关研究成果进行概览后，我们发现深度学习背后的研究基础几乎涵盖了所有教育心理学和学习科学基本原理，是目前教育研究领域集大成的理念。那么，深度学习到底是什么呢？不同的教育研究者和学科领域都提出了各自的理解，本文把这些多元的视角和观点进行梳理，按逻辑归纳出下面五个关于教育领域的深度学习的主流观点。 1.深度学习是指向过程的学习 深度学习是一个由浅入深的认知过程。它要求学习者从表层知识逐步深入到核心概念，从单一信息逐步建立起复杂网络，从被动接受逐步转变为主动探索，从独自探索到与他人和环境进行有效互动和交流，实现知识的内化，形成自己的文化认同和价值观。深度学习的过程是一个不断反思和修正的过程，它促使学习者不断地检验自己的理解，寻求不同的视角，解决遇到的问题，提高自己的学习效率和质量。深度学习的过程也是一个不断享受和满足的过程，它关注学习者能够体验到学习的乐趣和成就，激发学习者的学习兴趣和动力。 2.深度学习是指向结构的学习 深度学习是让学习者形成对知识的结构化掌握。它要求学习者不仅能记住知识的事实和细节，还能关注知识的内在结构和联系，理解知识的原理和规律，把知识组织成有意义的整体，形成自己的知识体系，更好地理解和掌握知识，增加学习的深度和广度。深度学习的结构是一个动态的结构，它促使学习者不断地更新和完善，使之与世界的变化相适应。深度学习的结构也是一个多维的结构，它促进学习者能从不同维度来理解和分析知识，如逻辑的、历史的、文化的等，使知识具有更丰富的内涵和外延。 3.深度学习是指向迁移的学习 深度学习培养学习者把已学知识迁移应用到新场景的能力。它要求学习者不仅能重复或复制已有的知识和价值，还能根据不同情境和需求，调整和变换自己的知识和价值，使之更加适用和有效。深度学习的迁移是一个跨越的迁移，它促使学习者能跨越不同的学科、领域、文化和语言，把知识与实践相结合，把理论与实际相联系，把自己与社会相融合。深度学习的迁移也是一个批判的迁移，它促进学习者能对已有的知识和价值进行批判性的思考，发现和挑战其中的假设和局限，提出和验证新的假设和可能，促进和推动知识和价值的进步和变革。 4.深度学习是指向创新的学习 深度学习是让学习者能创造新的知识和价值。它要求学习者具有创造性的思维和行为，能发现和解决新的问题，能提出和实现新的想法，能创造和分享新的成果。深度学习的创新是一个开放的创新，它促使学习者能接受和尊重不同的观点和意见，能协作和交流、批判和反思、改进和完善。深度学习的创新也是一个有责任的创新，它要求学习者能评估自己的创新对自己、他人和社会的影响，并在道德和法律范围内贡献和服务于创新的事业。 5.深度学习是指向发展的学习 深度学习是让学习者综合素养得到发展。它不仅关注学习者对知识的积累和技能的掌握，还关注学习者的思维和情感、价值和信念、社会交往和环境协同等方面的发展。深度学习的发展是一个全面的发展，它促使学习者能平衡和协调自己的各个方面，能自我调节和自我激励、自我评价和自我完善、自我实现和自我超越。深度学习的发展也是一个永续的发展，它促进学习者能适应不断变化的环境和挑战，持续更新和拓展自己的知识和能力，追求和探索自己的潜能和理想。 生成课堂的使命 2006年，华东师范大学叶澜教授在其“新基础教育”研究中明确提出：教学活动的过程是生成的过程。这一观点逐渐成为教育界的共识。虽然关于“生成”的研究尚未形成持续性的热点，但经过众多教育研究者和一线教师的不断探索和实践，让教育界对“生成”的理念演绎和进化出更为多元的认识，并出现了多种表述，如生成课程、生成课堂、生成教学和生成学习等。从以下四对关系的探讨中，可以进一步明晰生成的内涵和使命。 1.生成与预设 预设和生成并非相互对立，而是相辅相成的。预设为课堂教学提供了基础框架，使教学过程更加有序和连贯。动态的预设为生成留下了时间和空间，让生成和预设可以在教学过程中有机融合。没有预设只有生成的课堂可能会出现没有方向、杂乱无章的情况。教学中，为了更好地促进生成，教师需要充分了解学生的需求和实际情况，制定出符合学生发展的教学目标和计划。同时，教师也需要根据课堂中的实际情况，灵活调整预设，以便更好地引导和促进学生的生成。 2.生成与再现 学生对知识的再现并非简单的复制，而是一种生成的过程。知识的生成可以分为基础生成（再现）和高阶生成（创新）两个层次。基础生成是指学生在对当前课程知识的理解和掌握的基础上，获得相对于自身旧知而言的新知识和新技能，产出符合课程框架的见解和应用。高阶生成则是指学生能够创造性地运用所学知识，产生新的思维和创意，产出超越课程框架的新见解和新应用。在教学中，教师应关注学生的高阶生成过程，引导学生从不同角度开展深度思考和创新实践。同时，教师也需要关注学生的基础生成，确保学生能够扎实掌握基础知识，为更高层次的思维发展奠定基础。 3.生成与建构 生成是将建构的内容外显展示的过程。建构是学生大脑中内在的对知识进行构造的活动，即学生把获取的新信息与自身的先前知识和经验进行联系和整合，形成新的认识和理解。生成则是学生通过语言、图像、行为等方式呈现出建构的内容。生成不仅仅是一个结果展示，更是一个持续的认知和社会化进程，在这个过程中，学生将内隐的思考和理解转化为外在行为、语言表达和问题解决方案，并通过交流共享和反思深化其建构成果，这样可以使学生更清晰地认识自己的学习过程和结果，同时也让他人得以观察和理解。在教学中，教师应关注学生的建构过程，提供适当的支持和引导，帮助学生完成知识的自我建构。同时，教师也要注重生成活动的开展，促进学生与教师和同伴之间的交流和反馈。 4.生成与生长 生成是一个在交互中促进学生生长的过程。生成是一个社会化行为，学生在通过生成展示来与他人和环境进行交互中，不断更新知识和成长体验。这种交互不仅包括认知层面的交流，还包括情感、态度和行为等方面的互动。教师在教学中应创设良好的交互环境，鼓励学生积极参与互动，促进良好的学习和成长体验。同时，教师也应关注学生的个体差异和需求，提供个性化的指导和支持，帮助学生实现个性化的发展。为了更好地促进学生的生长发展，教师还需要关注学生的情绪状况和心理需求，提供必要的疏导和支持。 课堂教学的思辨 教育界对教学改革有着完美的构想和宏大的愿景，深度学习和生成课堂也被包裹在其中，赋予了课堂教学太多的使命，使得教师在实践中难以应对。但是，透过现象看本质，课堂教学的核心任务还是以学生获得知识的方式来传承人类的文明，并在发展学生认知的同时伴随性地提升其他品质和能力，然后实现各项之间的相互促进。 循着这个思路，经过抽丝剥茧后，可梳理出深度学习和生成课堂的关系；然后化繁为简，构建出深度学习的模型和生成活动的实施流程。 1.深度学习和生成课堂关系 把深度学习和生成课堂放在一起探讨，主要是因为二者被赋予了很多相同的使命，有着密切的联系和互动。深度学习主要从学习内在发生的过程、机制和原理进行论述，生成课堂则主要关注学习进程中学生的表现、结果和评价。在教学中，深度学习作为学生内在的认知和心理发展的过程，需要学生在学习过程中不断生成自己对课程内容的理解，并用恰当的方式激发和呈现，其学习的过程、结果和深度才能被观察和评估。由此可见，生成课堂是深度学习的教学表现形式。它是将深度学习转化为可见的生成活动，根据学生在活动任务中外显的行为表现、观点见解以及思想情感，通过评价和反馈来实现对深度学习内在隐性活动过程的表征和推动。因此，深度学习和生成课堂呈现出互为表里、相辅相成的关系。 2.深度学习的模型 根据对深度学习理念的梳理和化繁为简剖析，形成深度学习核心模型：碎片化感知→结构化关联→抽象化迁移。 碎片化感知：不管用何种方式学习新知识，学生都基于自己原有认知结构来选择吸收某些信息，同时又摒弃某些信息，然后进行推论，形成理解和解释（生成学习理论）。每个学生有不同的认知基础，即便教学中信息的呈现是系统而全面的，学生对新信息的获取仍然是碎片，只是不同个体的碎片化的程度不同。 结构化关联：由于学生对新知识的获取是碎片化的，没有形成相应的知识结构，需要进一步的活动和任务来补足相关缺项，然后与原有认知结构进行关联，形成新的认知结构（认知主义学习理论）。 抽象化迁移：学生形成的认知结构并非单纯的知识结构，它由一些额外的信息（学习场景中的事实、经验和情感等）混杂结合在一起。这种在特定学习场景中形成的认知结构，需要通过抽象提炼出知识结构，才能迁移和创新地应用到新场景中（结构主义教学论）。 3.生成活动的流程 综合国外Generative Learning（生成学习支持对学习内容的连贯心理表征的构建）和Retrieval Practice（检索练习支持对构建后的心理表征的巩固）的研究成果，可形成这样的认识：阅读、听讲等形式来获取知识是大脑的输入过程，生成活动的本质是让学生把大脑中的知识提取出来的外显输出过程。因此，生成活动的实施需要通过设计和开展一些生成性任务来呈现出学习的过程、产出学习的成果和评估学习的效果，以促进学生对知识的结构化掌握和记忆。一次完整的生成活动应包含四个环节：活动准备→产出过程→展示成果→评价反馈。 活动准备：学生获取必要的课程内容和任务信息，为完成活动做准备。 产出过程：学生从大脑中提取知识，对任务要求进行回应，形成答案或成果。 展示成果：学生向他人展示自己的形成的答案或成果，并进行解释和说明。 评价反馈：学生在与他人交流中获取相应的评价和反馈，对自己的答案或成果进行修正和完善。 生成课堂的构建 接下来，把生成活动围绕深度学习模型来设计和实施，让活动任务的形式、难度和开展，与深度学习由浅入深的节点和进程相匹配，生成课堂就能逐步构建起来，实现对深度学习的表征和推动。 1.生成性任务的设计 这里的活动任务的难易度设计，参照了SOLO（可观察的学习成果结构）分类理论和POGIL（面向过程的指导型探究学习法）的解决问题层次结构。 指向性任务。这是直接指向课程内容的任务。需要学生利用所学知识直接应用来解决问题。比如，让学生用自己的语言或示例来解释概念，归纳所学内容，提出和解决相关问题。可用在新内容开始前的暖场活动，让学生回答与新授内容相关的先验知识的问题。也用在学习新内容之后，评估对新内容的感知和理解程度。在练习阶段，利用指向性任务巩固所学内容。常用形式：随机抽问、同伴互答、简答题、选择题、抽认卡等。 综合性任务。这是在与课程内容相似情境中，具有综合性的收敛性任务。需要学生综合所学内容，通过小组合作利用多个知识、多角度、多步骤来给出问题的解决方案。在练习阶段，考察学生将新旧情境相联系、新旧知识相结合的过程和方法，并巩固知识的理解和掌握。常用形式：思考-结对-分享、思维导图、连线配对、出题考同学、纸笔练习等。 复杂性任务。这是在新情境中，具有综合性和开放性的任务。需要学生迁移所学内容，通过小组合作探索出可能的解决办法。在总结和课后阶段，让学生绘制概念图，抽象出知识结构，找到解决新问题的方法，实现迁移和应用。常用形式：用概念图总结单元内容、用思维导图演示成果、表演创作、论文写作等。 教师可根据各自学科特点和不同的课型，寻找相应的任务形式。每个单元根据课程内容的要求，各项任务占比分别为：指向性任务不低于70%，综合性任务20-30%，复杂性任务0-10%。 2.生成性任务的实施 生成活动需要遵循以下策略才能发挥更大效果。 反复输出。同一个主题内容的生成活动应该反复进行，至少三次以上。部分研究认为刚好三次，少了效果不好，多了效果增长不显著。更多研究表明，输出三次以上更好。但是反复输出需要与接下来的间隔和交错策略配合使用才更好。 间隔输出。反复的生成活动之间应有时间间隔。认知心理学研究表明，有规律的间隔性重复学习对记忆长期保持和有意义的学习更有利。也就是说，持续的长时间开展生成活动，与把生成活动分散到不连续时间段相比，后者更有效。 交错输出。这里的交错指的是活动主题的交叉和活动形式的变化。活动主题的交叉就是重复同一主题内容的生成活动之间的间隔不仅是休息，更应用其他主题或学科内容的学习活动进行穿插。活动形式的变化是指同一主题内容在反复输出时尽量采用不同的活动形式或题型。交错肯定会增加生成活动的难度。研究发现，增加回忆和生成的难度，能促进理解和长期记忆的保持。 即时反馈。每次生成活动后，要让学生尽快知道自己生成的展示内容是否正确，如果错了，错在哪里，正确的内容是什么。因为学生花费脑力生成的内容容易被长期记忆，所以，如果不正确，需要立即给予反馈和修正，避免错误的认知被长期保持后不易纠正。 生成记录。如果是口头的生成活动，建议给学生提供生成记录单。让学生在口头回答前，先在记录单上写下生成的内容。研究发现，口头语言转变为书面语言也是促进理解和记忆的过程。如果得到回答错误的反馈也方便即时的纸面纠正来更新记忆。同时活动进行中，教师可在学生中间快速观察生成记录单的情况，确保活动是在真正地开展。 3.生成课堂的流程 用生成课堂来实现深度学习，其实就是输入到输出，在评价和反馈中不断反复和深化的过程。其流程如图1所示。
图1 生成课堂流程图 生成式课堂的变革 在生成课堂的实践中，当教师面对全班学生时，无法对每位学生在生成活动的输出进行即时评价和反馈，对于每位学生需要个性化的补充输入时，无法进行针对性的帮助。让学生配对进行同伴互助是一个有效的方式，但是配对双方都有缺陷时，这种方式就无法奏效。直到生成式人工智能的出现，为生成课堂的高效实施提供了新的解决方案。 基于语言大模型的生成式人工智能掌握了人类所有公开知识。它能通过自然语言与人类进行对话，实现知识问答、文本续写、资料整理、逻辑推理、图像和音视频生成等功能。目前，研究者已经探索出把生成式人工智能（以下简称生成式AI或AI）应用来实现多种形式的个性化教学。 1.用生成式AI实现个性化教学 研究发现，生成式AI通过微调和定制后，能被赋予各种角色和功能，在教学中发挥独特的价值。 （1）把AI作为教师的助手 奥苏贝尔在“有意义学习”理论中认为，教师精心选择的材料和组织的讲授，让学生在新知识和原有知识、观念结构之间架设起一座“认知的桥梁”。虽然向学生讲授课程内容，是每位教师都擅长的工作；但是，在班级授课中，一位教师面对数十名学生，而每位学生的认知基础都各不一样，如何为每位学生架设一座独特的“认知桥梁”呢？这显然是一项艰巨的工作。 研究发现，教师根据学生和课程内容的特点，通过恰当的提示词设定，可以让生成式AI为学生提供多角度的示例和多层次的解释。比如，AI生成的示例可以是类比或故事的形式作为锚点，用引人入胜的细节将概念说清楚，以帮助学生记住概念；也可以通过AI提供现实世界的背景来加深对抽象概念的理解；还可以让AI通过对不同示例的分析和评价，帮助学生进行批判性思考，或通过突出概念的细微差别和不同方面来帮助揭示概念的复杂性。 还有，根据学生的学习水平，AI对解释进行排序和重组来生成多层次的解释，有的包含示例、模型、图像或演示，有的包含大量背景信息，有的采用不同的逻辑（类比、演绎或归纳），有的则是更浅显的语言而不要参杂学科术语。 （2）把AI作为一对一的辅导教师 布鲁姆在“掌握学习”研究中发现，一对一的辅导能带来更好的学习效果。即在学习新知识后，如果每个学生都能得到针对性的即时反馈和帮助，就都会有优秀的成绩。这需要师生之间反复的沟通交流，并多次评估和反馈。而现实是，教师的辅导只能让少数学生受益，因为教师没有足够的时间和精力来为每位学生进行一对一辅导。 研究发现，教师根据课程目标要求和学生学习情况，通过恰当的提示词设定，可以让生成式AI作为每个学生的全天候且不厌其烦的一对一辅导教师。学生与AI辅导教师的一对一互动交流，可实现即时的评估和反馈，并对学生的知识漏洞进行补充，对疑难之处进行解释，以及让学生反思学习过程的问题，避免出现类似错误。 （3）把AI作为学伴 以维果茨基为代表的研究者形成的社会建构学习理论，强调学习是一个社会互动的过程，认为知识是在与他人的互动和交流中来建构和理解的。因此，学生们需要通过相互交流、讨论和合作解决问题来共同构建知识。这种互动过程能促进学生对学习的积极参与和对知识的主动建构，他们分享各自的观点、经验和理解，从而使他们能够从多个角度思考问题，深化对知识的理解。可是常常是课堂上因为时间限制和组织不力导致交流讨论不充分，课外忙于作业找不到交流的伙伴。 研究发现，教师根据学生的实际水平，通过恰当的提示词设定，可以让AI成为与学生匹配的友好的学习交流伙伴。学生可以就某个特点的知识主题与AI学伴展开充分的交流，包括分享自己的理解和新的想法，并与AI进行讨论，直至明晰。另外，AI 还可以被设定为科学家、文学家或某个历史人物的角色，这样学生可以就某个学科问题与这些AI虚拟人物交流，以更加情景化的方式进行学习。 （4）把AI作为团队成员 约翰逊兄弟的合作学习理论认为，学习中复杂任务的完成，团队合作的效果比个人更好。而给团队成员分配各自的角色任务，有助于团队成员之间建立积极的合作关系，共同完成任务，从而提高学习效果。在小组合作学习的实践中，很少学生愿意担任“反思者”角色。因为其任务复杂多样，兼具鼓励、提问、检查和质疑等工作，以避免团队合作过程中的社交惰化和缺乏多元观点的同质化思维。 研究发现，通过提示词设定后，AI能作为“反思者”加入到小组合作学习中。在团队合作过程中，当“记录员”把讨论过程和结果记录下来，并整理和提交给AI后，AI反思者就能观察和评价小组的学习过程和效果，提出质疑和改进建议，鼓励小组成员进行自我反思和互相评价，并整合形成多元的观点。当然AI也能胜任团队的其他成员角色，这个可以根据小组合作学习时的需求来分配，甚至可以把AI设定为团队教练的角色来指导合作学习的开展。AI的加入能帮助团队提高协作智能。 （5）把AI作为学生 诺贝尔物理学奖获得者理查德·费曼提出了一种高效学习方法：就是将自己学会的东西传授给他人，在这个过程中不断弥补知识漏洞，从而加深对知识的理解和记忆。虽然同伴互教有类似的作用，但是受时间和情绪的影响，并非结对双方都能受益。 研究发现，通过提示词设定可以让AI扮演准备学习新知识的AI学生，然后让人类学生教会AI学生。这个过程不需要二者像人类学生同伴互教那样互换角色，不必考虑AI学生的情绪和是否受益，时间可以节约一半。 首先是AI学生向人类学生提问请求得到解释。人类学生用自己所学知识进行讲解，AI对其讲解不清晰的地方进行追问，使得人类学生不断理清思路以实现更准确的讲授。其次是人类学生向AI学生提问评价AI的回答。人类学生就自己掌握的知识设计问题来考察AI学生，然后人类学生需要用自己的思考来评价AI学生回答的准确性并纠正其错误。这两种方式都会让人类学生与AI反复对话交流、相互启迪，最终实现人类学生更深刻的理解知识，同时还培养了自我反思和批判性思维能力。 2.用生成式AI支撑生成课堂教学 从上面把生成式AI用于教学可以发现，其关键方法就是不断与AI进行“对话”。学生在与AI对话中，通过提出问题、提供观点和见解来获得个性化的学习内容和针对性的评估、反馈和帮助。这与生成课堂的本质完全一致。因此，生成式AI似乎天然就能和生成课堂结合，作为支撑来帮助教师高效地实施生成课堂。 （1）AI帮助教师设计生成课堂 教师让AI为特定课程主题生成丰富的教学内容，包括多种示例和多层次解释。这些内容经教师审定后用来定制专用AI的知识库，并提供给学生使用，减少AI产生幻觉的风险。相比微课，这种方式学生更能个性化地获取知识的输入，为生成活动做好准备。 教师还可以让AI为特定课程主题生成相应的生成活动任务，包括指向性、综合性、复杂性任务的多种形式如练习题、讨论题等，以及相应的答案、评价指标和反馈方式。这些任务经教师审定后放在定制专用AI的知识库中，让学生在特定学习环节用相应的关键词触发，在与AI交互中完成生成活动的任务，并获得评价、反馈和帮助。也可以让AI定时把练习题发送给学生，实现一个主题多次反复有间隔的生成活动。 （2）AI帮助学生个性化的输出 除了教师预设的输入和输出的教学活动，生成课堂还有一些预设之外的情况。可能是学生对生成新知识的理解和应用还有困难，需要个性化的帮助；也可能是学生受启发产生了预设课程框架外的观点和见解，需要通过分享和讨论来明晰。通常大部分问题会在正在进行的教学后续环节得到解决。教师也可以安排专门的时间来让学生与AI交流，以解决学生个性化的问题。教师通过观察或课堂检测来分析学生的表现，并灵活地决定下一步。即便在规定时间，学生仍然没跟上来，教师也不用担心，因为有AI在帮助学习步履较慢的学生。 教师也可以借鉴翻转课堂或对分课堂的时间安排，让学生在课外或第一次课，寻求教师和AI的帮助实现个性化的输入，接下来根据需求再安排课堂或课外时间来进行生成输出。这样教师在完成既定教学流程同时，也有充裕的时间实现学生个性化的输出需求。 可见，在生成课堂实施流程的输入、输出和评价反馈环节，都能灵活地借助生成式AI来为每位学生提供支持和帮助，促进学生真正的深度学习。 结 语 由此，从深度学习的内涵梳理到生成课堂的表现形式研究，再利用生成式人工智能的支撑，实现从生成课堂到生成式课堂的变革，构建出了以反复的对话、生成、评估和反馈来促进学生深度学习的教学模式。 作者 │ 张渝江 王晓波 戴海军 罗太亮 作者单位 │ 重庆市聚奎中学校、北京教育融媒体中心 内容来源 │ 《中小学信息技术教育》2024年第2-3期 近日，有老师收到如下的用稿通知和证书，均为假冒的文件和公章。 |
|
|
