基于关键词聚类的深度学习研究

李玉斌 吴静哲 陈小格

摘 要：在信息时代，学习者获取知识的途径呈多元化发展，然而从实际效果看，机械式的识记无法取代情感上的体验，因此国内外研究者针对深度学习进行了深入探索。以中国知网（CNKI）数据库收录的相关文献为样本，利用Bicomb与SPSS等分析工具，通过关键词聚类与多维尺度分析，对国内有关深度学习研究的重要主题与知识图谱进行分析，对研究热点进行探讨，并对未来深度学习的研究与实践提出参考建议。

关键词：深度学习;关键词聚类;知识图谱;核心素养;生命教育

DOI：10. 11907/rjdk. 181855

中图分类号：G434文献标识码：A文章编号：1672-7800（2019）003-0199-05

0 引言

深度学习的概念在20世纪50年代中期被首次提出，2004年在国外掀起了一阵关于深度学习的讨论。在国内，对于深度学习的研究则起步较晚，2010年国内首次提出深度学习特征，即学生的自主学习能力，以及学生在学习中的主动性、独立性、体验性等。深度学习开始逐渐以其独特优势得到更多人关注，深度学习理念也日益受到教育者的重视与认同[1]。如今，在这个充斥着碎片化教育的互联网时代，知识与信息获取方式层出不穷。MOOC、微课、微视频等学习平台，以及自媒体学习等新型学习方式，虽然解决了人们学习与获取知识的需求，但并不能够给学习者提供完美的学习与实践体验。深度学习将核心素养培养落实在实践层面，通过对学习本质内涵的探究，深入学习者内心，在一定程度上契合了我国推进新课程改革的需要与教育可持续性发展的需求，从而让当今身处教学改革中的教育者、学习者看到了新的希望。在此期间有关研究层出不穷，本文以中国知网（CNKI）数据库收录的相关文献为样本，整理国内关于深度学习研究的部分专题与存在问题的基本脉络，以期为相关研究提供参考。

1 研究方法与数据处理

1.1 研究方法与工具

根据深度学习发展趋势，本文采用词频分析法与共词分析法对其进行研究，通过知识图谱把握深度学习研究热点，通过直观的图表分析挖掘潜在的价值信息[2]。词频分析法是指提取深度学习相关研究文献中最重要与核心的词，利用这些词语出现的频次大小，掌握该领域的发展态势及研究热点;共词分析是指利用深度学习研究相关文献中某些专业术语出现的频次情况，把握学科研究主题之间的联系。本研究利用CNKI文献检索引擎、Bicomb共现分析系统以及SPSS19.0统计分析软件等，通过关键词聚类与多维尺度分析，对国内有关深度学习研究的重要主题与知识图谱进行分析[3-4]。

1.2 研究过程

本研究在对关键词词频与共词数据分析的基础上，进行聚类分析与多维尺度分析，从而得到深度学习知识图谱，具体研究过程如图1所示。

1.3 样本采集

在CNKI社会科学II辑下，以“深度学习”为篇名关键词进行检索，檢索到相关文献1 024篇（检索时间为2018年5月1日）。发表文献大多集中近在5年，共931篇，占总数的90.9%，说明深度学习作为新的研究热点已经形成，且研究成果呈稳步增长态势。其中2017年共发表文献506篇，占总数的近一半。考虑到文献数据的准确性，本文以检索到的1 024篇文献作为样本来源，以“深度学习、深层次学习、深层学习”等为篇名关键词进行检索，共检索到文献及硕博论文1 030篇，其中与研究主题不符的文献4篇，剔除无作者论文、会议通知、重复论文等，最后确定有效研究样本共1 024篇。

1.4 数据处理

整理研究数据时，为了确保数据的准确客观，对意义相同的关键词如“情境学习、情景教学、教学情境、教学情境化”、“学习活动设计、活动设计、教学活动设计”等，以及关键词使用不准确及带标点符号等情况进行了修正。经过统计，1 024篇文献涉及的关键词共有2 933个，关键词总频次为5 799次，根据具体的实验数据及研究需要，规定高频词为频次在12次（含）以上的关键词，统计结果如表1所示。高频关键词的总频次为1 618次，占所有频次的百分数为28%，超过了知识图谱规定的27%标准，符合实验分析要求。

从表1的统计结果可知，国内有关深度学习的研究中排名前10的关键词分别是：深度学习（580）、学习过程（163）、课堂教学（78）、浅层学习（73）、学习活动（58）、认知结构（52）、教学策略（51）、问题解决（50）、自主学习（48）、情境化学习（45）。统计结果说明目前我国针对深度学习的研究仍处于基本理论研究阶段，主要从概念定义出发，相对于浅层学习而言，其是一种基于问题解决的情境化学习方式。另外学习过程、学习活动、教学策略也是当前的研究热点。然而，仅凭关键词的统计，很难发现其内在联系，还需作进一步分析与挖掘。

1.5 知识图谱分析过程

根据高频关键词出现在不同文献的频率组成词篇矩阵，并在此基础上，通过系统聚类与多维尺度分析揭示关键字之间的关系与研究热点，具体过程如图2所示。

2 研究结果与分析

2.1 相似矩阵与研究热度分析

在得到的？Ochiai相似矩阵中可以统计得到高频关键词，分析这些关键词后可以得到一些潜在信息。本文通过Bicomb共词分析系统对22个高频关键词进行共词分析，得到以txt文件格式存储的词篇矩阵，再将此文件读入SPSS，选取Ochiai二分类度量标准将其转化为22×22的共词相似矩阵，计算结果如表2所示。

在相似矩阵中，数值大小表示对应两个关键词之间距离的远近，数值越接近1，表明关键词间距离越近，相似程度越大;数值越接近0，表明关键词间距离越远，相似程度越小。从统计结果看，学习过程（0.359）、课堂教学（0.277）、浅层学习（0.329）、学习活动（0.22）、认知结构（0.222）、教学策略（0.316）、问题解决（0.224）、自主学习（0.251）、情境化学习（0.199）等与翻转课堂的距离较近，说明这些主题受到了研究者关注。例如，从研究对象来看，数学学科与物理学科针对深度学习的研究热度较高，研究成果也较多。在CNKI以“深度学习+物理”或“深度学习+数学”为篇名关键词进行检索，相关文献多达173篇，占文献总数的16.9%。相比较而言，其它关键词（甚至是一些重要领域）与翻转课堂距离较远，相似度相对较低。例如，情感投入（0.049）、可视化分析（0.093）、评价标准（0.037）等，说明在现阶段研究成果中，基于这些关键词的研究成果较少，受关注程度较低，因而具有较大的探索空间。

2.2 关键词聚类与研究主题分析

本文通过关键词聚类分析的方法进行相关实验，分析对象为关键词两两出现在同一篇文章的频数，再通过聚类的统计学原理，将实验中的关键词聚集为类团[5-6]，该方法反映了出现频数较高的关键词之间的亲疏关系。将Bicomb生成的词篇矩阵导入SPSS生成的聚类，分析结果如图3所示。

从图3来看，目前深度学习的主要研究方向如下：

（1）种类1：关于深度的理论及一般应用研究，包括学习过程、学习方式、学习效果、信息化运用、思维能力培养等。

（2）种类2：深度学习在学科教学中具体情境的应用研究。该类研究呈现3大特点：①聚焦具体课程教学改革;②针对大学课程与职业院校课程的研究较多;③针对物理数学学科教学研究较多。

（3）种类3：深度学习在核心素养培养方面的价值研究。

（4）种类4：深度学习在学科素养、课程评价、课程创设、教学改革方面的应用研究，例如基于深度学习的校本课程创设、语文阅读能力培养、英语语篇教学能力提升等。

2.3 多维尺度分析

多维尺度分析是指对实验观察数据在概念空间中的特殊位置进行分配，根据所有由数据构成点之间距离在数值上等于预计算的不相似性，展示了分别以向心度与密度作为参数的二维坐标系，该数学结构能够概括地表现一个领域（或亚领域）的结构。从坐标系中点的位置来看，处于第一象限的主题通常具有关联密切与处于研究网络核心地位的特点;第二象限中的主题结构紧密程度较低，具有一定发展空间与潜在重要性;第三象限主题内部的紧密程度较高且联系密切，这些主题虽然正研究中，但靠近研究网络的边缘;第四象限中的主题处于研究网络的边缘地带，重要程度相对较低[7-8]。

在SPSS 19.0中，将23×23相似矩阵进行处理得到相异矩阵，再对其进行多维尺度ALSCAL分析，根据深度学习关键词聚类，绘制出深度学习相关研究热点知识图谱，如图4所示。

3 当前研究热点

3.1 理论及应用研究

在理论研究方面，主要包括提升深度学习有效性的理论，其中涉及具体学科应用的一些教学方法及策略，代表文献包括段金菊的《学习科学视域下的e-Learning深度学习研究》、《e-Learning 环境下促进深度学习的策略研究》。前者肯定了深度学习在学习科学中的重要地位，并对学习科学视域下e-Learning深度学习的研究热点进行了详细论述;后者以深度学习交互层次模型为依据，深入剖析了e-Learning环境下促进深度学习的策略，并对深度学习交互层次模型与学习策略指导下的实践案例及其效果进行阐述。在具体学科应用方面，傅竹伟在《在高中物理教学中促进学生深度学习的策略研究》中通过充分分析学习者特点，提出在具体物理学科中促进学生进行深度学习的策略，以提高学生学习效率，并强化对学生核心素养的培养;蒋新芳的《导向深度学习让“留白”落户课堂》主张在课堂中采用“留白”策略，以促进学生的深入思考与探索，获得更好的学习效果[9-12]。在教学模式方面，潘庆玉的《导向深度学习的游戏沉浸式教学模式》提出，要将传统的理解性学习转变为深度学习过程。

从大部分文献中可以看出，应用研究多着眼于实际问题，而且非常注重学习者能否积极、主动地参与教学活动。然而，教育者大多仍局限于学科知识层面，而忽略了核心素养的全面培养，虽然保证了学习者的积极参与，但是无法保证学生真正进行积极、深入的思考。同时也没有关注学习者的思维层面、身体情况、情感投入、生命可持续性发展等，因而未能对其进行更加深入的研究[13]。

3.2 学科教学研究

学科教学研究主要是指在学科教学具体情境中应用深度学习的策略、方法、模型等。该研究呈现3大特点：①聚焦具体课程教学改革;②针对高校与职业院校课程研究较多;③针对理科及语篇、阅读教学研究较多。

王树涛的《大学生课程学习经验与教育收获：基于深度学习的中介效应检验》中有效探寻运用深度学习方式的学生教育收获指标，肯定了深度学习方法的教学效果，并强调了课堂情境创设的重要性。相关热点文献还有朱建军的《鲁迅〈故乡〉综述：阅读、研究与深度学习》、黄艳春的《深度学习视角下的非连续性文本的阅读策略研究》、管小雯的《促进初中物理深度学习的教学模式初步研究》等。以上文献从实际学科教学方法与课程目标出发，将深度学习应用于教学中，以促进学生对知识的理解，同时推动课堂教学改革[14-17]。

3.3 核心素养价值研究

核心素养价值研究是指对于深度学习在核心素养层面以及价值感培育层面的方法模型研究。对核心素养的培养是当今时代的基本教育原则，培养主旨即培育全面发展的人，培育的主心骨为文化基础、自主发展、社会参与、人文底蕴、科学精神、健康生活、责任担当、实践创新等[18]。相關研究中具有代表性的文献有钟启泉[19-20]的《基于核心素养的课程发展：挑战与课题》，文献介绍了核心素养培养的发展趋势及我国课改过程中产生的问题与矛盾，强调了课程结构关联的重要性，分析新时代课程需要面对的系列问题并提出建议。

3.4 学科课程及其评价研究

学科核心素养及课程评价研究着眼于学科及课程本身，培养学生的学科核心素养需加强对学生实践能力、情感体验的培养。课程评价是对于深度学习设计与实施效果的检验过程，也是促进深度学习发展的一个关键环节。近年来，研究者在深度学习学科核心素养研究中取得了一些研究成果，如张浩在《深度学习的目标与评价体系构建》中勾勒出深度学习的多维评价体系及现实标准，并且结合具体学科评价方向构建多样化的评价体系;汤国荣的《基于地理核心素养培育的深度学习课堂建构》、陈连林的《深度学习：致力语文核心素养的建构》进行了具体学科课堂的构建研究，并得到了大部分研究者认同。虽然研究者们近年来已在不同评价层面进行了相关研究，但从国内外现状来看，我国对深度学习评价方法的研究依然很少，需引起重视[21]。

4 问题与建议

4.1 资源建设与技术探寻

资源与技术是深度学习顺利开展的基本保障。资源建设需要以学习者为中心，围绕实践性、真实性与可持续发展性原则，充分考虑学习者的知识需要、情感需求与价值追求，提供能够促进学习者深度学习的一切资源，并且能够满足教育者的教学需求，从而达到更好的深度学习效果。

深度学习资源建设方面的数据资料显示，针对平台构建方面的研究非常少。从网络课程资源开发角度而言，需要更好地进行前端内容与界面的开发设计，并根据时代的多样化需求，构建能够满足学习者个性化需求的资源渠道或平台。具体过程包括：基于大数据的学习者学习兴趣资源与符合学习者专业方向的资源选择，基于人机交互、人人交互、合作共同体的评价资质获取，以及基于小组合作协同的资源平台建设等。

4.2 评价标准建立

无论是教学评价还是学习评价，都是检验并改善学习效果的有效途径。在现有的国内外研究成果中，尚未建立明确的评价标准。目前研究者对于深度学习评价标准层面的研究还比较少，而且对于深度学习中的情感體验、实践注意力、实践参与度、深度学习的学习质量检测等方面并未重点关注。因此，为了保障学习质量，需根据学习者的自我评价、相互评价、教师评价与家长评价，建立具体的评价模型与评价机制，而且在学习过程中对学习者进行多角度、全方位监控，同时采取相应的分析方法与可视化分析过程等。

4.3 重视情感投入

教育的根本是培养全面发展的人，应重点关注学生学习过程中情感变化、情感归属、意志形成等情感投入层面的现状。在众多的文献分析与研究中，主要重视思维能力与核心素养的培养，并未强调情感投入，即使强调了情感投入也并未在实践中看到成效。深度学习强调学习情境创设，突出情感体验对解决问题的重要性。学习环境、学习过程、学习结果中的情感参与对于最终学习效果可产生积极影响。情感体验对象包括教师与学生、学生与学生、学生与教学课程，也可称之为“教学共同体”。从大多数研究实践中可以看出，教师引导、学习环境创设、学生获得的情感体验在预设水平上呈现比较饱满的状态，教学的每一个环节可能限制学生在情感上的感受与表现，因此适当的情绪留白有助于学生深度学习的开展。

4.4 生命发展与成长

宏观教育认为《国家中长期教育改革和发展规划纲要 （2010-2020年）》从国家意志层面明确了生命教育的地位。广义的生命教育认为，教育本身是一项关乎生命的事业，生命教育是“通过生命”的教育和“为了生命”的教育。生命教育概念中对于潜力给予了特别强调，认为每一个学生个体都具有发展潜力，在正确引导下，隐性潜能会很大程度地激发出来。同时，生命历程是一个动态发展的过程，生命发展取决于多种因素的相互作用。因此，对待个体生命与生命发展，要以全面、发展的角度来看[22]。深度学习主张培养全面发展的人，与生命教育的理念不谋而合，也肯定了生命教育对深度学习的指导意义。综合生命教育的特征，深度学习的未来一定是重视生命成长与发展的学习。在具体实施过程中应关注生命个体的成长，如学习环境是否有利于个体学习？是否让生命体感觉舒适、愉悦且思维放松？活动设计是否有利于生命的持续发展？能否充分满足学习者的学习愿望？能否实现生命的价值？此外，也应为学习者预留出思考的空间。

参考文献：

[1] 樊雅琴，王炳皓，王伟，等. 深度学习国内研究综述[J]. 中国远程教育，2015（6）：27-33.

[2] 王佑镁，叶爱敏，赖文华. MOOC何去何从：基于知识图谱的国内研究热点分析[J]. 中国电化教育，2015（7）：12-18.

[3] 姚巧红，武亚男，李爽，等. 基于关键词聚类的翻转课堂研究分析[J]. 电化教育研究，2016 （7）：106-112.

[4] 黄艳春. 深度学习视角下非连续性文本的阅读策略研究[D]. 武汉：华中师范大学，2015.

[5] 王佑镁，陈慧斌. 近十年我国电子书包研究热点与发展趋势——基于共词矩阵的知识图谱分析[J]. 中国电化教育，2014（5）：4-10.

[6] 管小雯. 促进初中物理深度学习的教学模式初步研究[D]. 苏州：苏州大学，2015.

[7] 宋爽. 共现分析在文本知识挖掘中的应用研究[D]. 南京：南京理工大学，2006.

[8] 董赟. 基于案例的深度学习研究[D]. 聊城：聊城大学，2016.

[9] 刘青. 微视频支持下的深度学习过程设计与实践研究[D]. 贵阳：贵州师范大学，2016.

[10] 王秀云. 网络环境下师范生深度学习的现状及对策研究[D]. 兰州：西北师范大学，2013.

[11] 廖智勇. 网络环境下促进大学生深度学习的研究[D]. 南昌：南昌大学，2014.

[12] 权国龙. CSK可视化知识表征设计、应用及效用分析[D]. 上海：华东师范大学，2017.

[13] 张浩，吴秀娟. 深度学习的内涵及认知理论基础探析[J]. 中国电化教育，2012 （10）：7-11.

[14] 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，2017（10）：144-150.

[15] 刘哲雨，郝晓鑫. 深度学习的评价模式研究[J]. 现代教育技术，2017，27（4） ：12-18.

[16] 刘哲雨，侯岸泽，王志军. 多媒体画面语言表征目标促进深度学习[J]. 电化教育研究，2017（3）：18-23.

[17] 王树涛，宋文红，张德美. 大学生课程学习经验与教育收获：基于深度学习的中介效应检验[J]. 电化教育研究，2015（4）：90-94.

[18] 李葆萍，陈晨，万海鹏. 未来教室环境中学生核心技能评估研究[J]. 中国电化教育，2017（7）：20-25.

[19] 卓晓孟. 近七年来我国核心素养研究的回顾与展望[J]. 现代教育科学，2017（10）：144-150.

[20] 张禄佳. 美国现代中学历史课程嬗变研究[D]. 上海：华东师范大学，2017.

[21] 王文静. 基于学生核心素养发展的人教版小学语文教科书分析[D]. 聊城：聊城大学，2017.

[22] 孙卫华，许庆豫. 生命教育研究进展述评[J]. 中国教育学刊，2017（3）：72-78.

（责任编辑：黄 健）