深度学习内容及其资源表征的实证研究
2017-12-07胡航董玉琦
胡航+董玉琦
【摘 要】
研究基于“深度学习”的研究框架，在“技术怎样促进学习”这一核心命题的多变量探索实验基础上，针对“学习内容及其资源”这一变量进行深入的验证性实验。依据认知与脑科学的机制以及数学学科学习心理的规律，设计了C-S两类课堂（各2个班），包含4个变量水平，在T市Y小学五年级的数学课堂展开，为期4周，每天1学時，其中C为控制组，S为实验组，主要实验内容为“4S”学习内容及基于CRF数字化学习资源的开发与应用。通过学业成绩、眼动仪和ERP脑波观测等数据分析，得出了以下结论：一是基于认知过程的学习内容及其资源重构具有较高的有效性；二是学习品质与技术存在交互关系；三是“技术设计”而非“技术本身”促进了学习者发展；四是验证性实验结论与探索性实验基本一致；五是学业成绩、眼动与ERP脑电可构成“三角互证”研究方法。
【关键词】 学习内容；学业成绩；数学课堂；数字化资源；重构；应用；认知；实证研究
【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009-458x（2017）08-0057-07
一、引言
学习者中心设计指导下的深度学习目前不仅是教学设计的核心思想，而且已经成为学习科学研究与教育技术实践领域追踪的热点，也是一线课堂教学的指导思想。那么，什么是学习者中心设计？如何实施深度学习？目前却鲜见可操作的范例，也少有认知心理层面的证据。麦库姆斯等人（McCombs & Whisler， 1997）对“学习者中心”作了如下界定，即“教学要把对每个学习者的关注与对学习本身的关注结合起来，其中对每个学习者的关注，是要关注他们的遗传特性、个人经历、天赋才能等个人需求与个体属性。对于学习本身的关注，是要关注学什么，其是如何发生的，以及相关学习动机和学习成绩等”。学习科学把人的深度学习作为重要的研究内容，认为学习既是个体感知、记忆、思维等认知过程，也是根植于社会文化、历史背景、现实生活的社会建构过程（冯锐， 任友群， 2009）。可见，深度学习一定是基于学习者个体属性的个性化学习，同时又是个体之间协同的社会化过程。那么，深度学习如何设计、如何实施，如何理解技术，技术能否促进深度学习，成为教育实践领域研究的重要课题。
基于对“学习者中心设计”的理解和“技术即学习者的生存方式”的观点（颜世刚， 2015），研究在对学习技术的原有理解基础上（胡航， 任友群， 2008）进行了新的理解：“指对技术使能孕育于整个学习过程的模式、方法与策略的描述，包含学习者选取与重构学习内容，构建适宜的学习环境，按照科学的学习策略，执行学习活动而达到特定学习目标等学习行为；包含学习设计（Learning Design）、学习内容（Learning Contents）、学习策略（Learning Strategies）与学习活动（Learning Activities）等结构化要素”。（胡航， 董玉琦， 2017a）基于学习技术的上述理解，研究在“技术怎样促进学习”的多变量探索性实验（胡航， 董玉琦， 2017a）中，回答了“技术能否促进学习”问题：一是现有的多媒体应用方式会增加认知负荷；二是基于“学习者中心设计”的深度学习技术能促进学习。接着在“个性化-合作学习”的学习方式单变量验证性实验中回答了“技术怎样促进学习的深度学习方式问题”（胡航， 董玉琦， 2017b），解决了深度学习“如何学”的问题。
那么，深度学习的对象或内容应该是什么呢？即深度学习应该“学什么”？Charles M. Reigeluth在其新著中（Reigeluth，2016）阐述了“基于学习者中心的教学设计的价值、策略与方法，尤其阐释了学习者中心设计的内涵与原理，其要求基于学习起点”，重构课程形式，强调学科内容的构成及其资源表征应符合学习者的认知规律（胡航，董玉琦，2016）。
因此，深度学习要求重构教材经典学习内容，一方面要满足个体属性的认知需要，另一方面要有利于学习者社会化过程的参与。因此，基于上述基础，本研究以小学数学“运算与问题解决”为载体，对“学习内容”单变量进行深入的验证性实验，重点探讨深度学习内容及其资源表征的构成、方法与策略。研究共分为三个部分：第1部分即本文，主要阐释实证研究的过程与应用效果；第2部分在实证研究的基础上，归纳深度学习内容的构成与要素、深度学习内容与课程重构框架与策略；第3部分依据深度学习的认知过程，阐释重构后的学习内容所对应的数字化学习资源的动态表征方法、深度学习资源的开发模式、资源案例及课堂应用策略。
二、研究设计
（一）研究基础
1. 学习内容及其资源表征
学习内容包括内容构成和资源表征（Reigeluth，2016）。内容的呈现有多种形式，但如何让学习者接受并且领会这种抽象事物，需借助符号、图形、文字等工具。这类能够具体呈现在表面的形式叫作资源表征（向冬梅， 2008）。可见，资源表征是内容的外在呈现形式，通过可视化的方式表达内容，使内容得以传播和被学习者理解。总之，内容构成与资源表征相辅相成，从而将学习内容所要表达的知识、情感、态度、价值观传递给学习者。资源表征可以将学习内容具体化、可视化，是反映学习内容的相关属性。
数字化资源表征是信息表征的一种更高级形式。信息技术的发展为数字化资源提供了可视化的有力帮助，在资源表征的开放性、虚拟现实技术表征的情境性和人工智能表征的交互性与智能化等方面引起了关注，在数字化学习环境下对信息进行表征和认知，提升了学习者的思维高度和主观能动性。
2. 探索性实验概述
在探索性实验阶段，研究包含学习方式、学习内容、学习资源和学习序列四个变量，其中学习内容和学习资源与学业成绩的相关性（.561和.498）仅次于学习方式（.562），而且差距非常小（胡航， 董玉琦， 2017a）。同时，学习内容与资源表征本身就是一对孪生兄弟，只是前者强调内容的构成，后者强调内容的表征。据此，在验证性实验阶段，研究将两者统一为单变量“学习内容”，以进一步验证其有效性。endprint
（二）研究问题
基于探索性实验的基础与结论，本研究拟实施两类课堂（四个班，四种变量水平）教学实证研究，从学业成绩、眼动变化、ERP脑电变化三个维度进行分析，以回答三个问题：一是检验学习内容的重构及其对应数字化资源开发的有效性；二是通过实证研究，分析学习内容的要素与结构，归纳其组织策略；三是总结数字化学习资源的表征方法和开发模式。本文主要通过数据详细阐释学习内容变量的有效性，在后续文章中进行理论分析与构建。
（三）研究方法
1. 准实验研究法。研究在真实的课堂情境中开展，学习内容及其资源作为唯一变量，控制学习方式、教学策略等变量，以探索有效学习操作模式。
2. 心理学实验研究法。通过眼动仪和ERP脑电观测，搜集学习者的眼动行为和脑波数据，分析学习内容、注意力和学业成绩之间的关系。
（四）详细设计
由相关研究和探索性实验结论可知：学习内容构成及其资源表征方式与学业成绩存在较大相关性，且是“内容”的两面，因此在验证性实验阶段合并为同一变量“学习内容”。探索性实验中的相关设计、研究术语、数据分析和研究结论（胡航，董玉琦， 2017a），本文不再赘述，直接使用。为了表述的连续性和清晰性，两类实验的设计描述如表1所示。
研究从表1中的五个设计维度进行以下阐释： ①从研究目的来看，探索性实验是要寻求“学习者中心”课堂的主要影响因素，探求综合性的实践方法；验证性实验主要是进一步确认探索性实验中的“学习内容”的有效性及其具体操作模式。② 从研究对象来看，探索性实验选取了一所水平较高的小学，有利于实验取得较好的效果；验证性实验却选取了一所水平中等的小学，并且调整了实验年级，主要为了验证“学习内容”变量的适用性和可推广性。③从实验环境和工具来看，均选择真实课堂，以探索研究的可操作性。同时，在验证性实验阶段增加了眼动仪，以求得学业成绩、外在眼动行为和内在脑电波变化的三者互证，增强研究证据的说服力。④从实验内容来看，均是小学数学“运算与问题解决”，但四年级较简单，五年级较复杂，其目的同②。⑤从实验时间来看，均采用4周，共计20学时。该时间是真实课堂情境实证研究中的最低量，否则难以说明有效性。在后续进一步实验中，将增加研究的实验时间。
在验证性实验中，四个班级的教学方式由教师根据学习内容和学习资源自行设计，学习方式为唯一变量，班级代码用学校名称“Y”表示，4个班级按照课堂内容的属性分为4类：①基于经典内容且无数字化资源表征（Classic Content Class，简称“C1课堂”），②基于经典内容且有经典数字化资源表征（Classic Content and Representation Class，简称“C2课堂”）；③基于4S内容且无数字资源表征（SK+KS+CS+SS，简称“S1课堂”）；④基于4S内容且有体现认知过程的数字化资源表征（SK+KS+CS+SS and Representation，简称“S2课堂”），操作属性如表2所示。
由表2可知，两类课堂的教学活动均由教师根据经验自行设计，而没有采取探索性实验和“学习方式”变量验证性实验中的“个性化-合作学习（PCL）”方式（胡航， 董玉琦， 2017b）。因为探索性实验表明PCL方式对学业成绩的影响最大，为了消除该变量的影响，本研究只干预“学习内容”一个变量，学习方式由教师根据经验掌控。
三、研究实施
（一）学习内容的选取与重组
此阶段处于探索性实验操作路线中的实验准备环节，研究开发了4S学习内容，主要包含以下四个方面：一是学科知识（SK），指以学科知识点为单位的表征，即C课堂中的经典学习内容。二是与学科知识对应的学习策略（KS），如“四则混合运算”中的“凑整法”。三是组织认知结构（CS），指引导学习者有意识地在学习过程中构建个体自己的图式和认知结构。四是社会技能（SS），指“与他人交往的行为，如接受权威、谈话技巧、合作行为；与自我有关的行为，如情感表达、道德行为、对自我的积极态度；与任务有关的行为，如参与行为、任务的完成、遵循指导等”（辛涛， 邹泓， 2000），以促进学习者学习过程的元认知能力，保障学习活动高效开展。
（二）数字化资源的设计与开发
基于上述学习内容的选取与重组，研究基于图式理论（schema theory）、思维适应控制理论（adaptive control of thought，简称“ACT理论”）和心理活动（actions）-程序（process）-对象（objects）-图式结构（schemas）（简称“APOS理论”），以及探索性实验中的数字化资源开发模式，设计了S-DIP深度学习资源表征态。依据该模式，研究开发了与学习内容对应的体现学习者认知过程的数字化资源。4S学习内容、S-DIP资源表征态和CRF深度学习资源开发模式将在后续理论归纳与构建文章中详细阐释。
（三）实施过程
实施过程包含四个阶段：一是实验教师确认与培训阶段。Y学校五年级4个班由两位教师教学，包含一位成熟型教师（教龄18年，区级骨干教师，本科学历）和一位新手型教师（教龄2年，小学教育专业硕士研究生学历），各负责两个教学班。因此，确定成熟型教师为S1和S2班級，即控制组，不给予任何干预，也不参加实验培训。新手型教师对应S3和S4班级，即实验组，接受实验培训，尽量缩小同一教师负责班级的变量差异。二是开展为期四周的教学工作，研究者随堂观察和记录教学过程。三是运用2位教师联合出具的后测题目，进行单元测试和访谈。同时，由教师随机确定每个班的学习优秀、中等和困难三个等级学生各2名，共24名学生在学习过程中进行眼动仪和ERP脑电观测。四是进行SPSS数据分析和ERP波形分析。
四、数据分析
（一）两类课堂学业成绩数据endprint
两类课堂经过对“学习内容”变量的不同水平进行控制与干预，平均成绩及标准差如表3所示。由表3可知，从平均学业成绩维度来看，在四类课堂中，S2课堂最高，C1课堂最低；按从高到低排序为S2> S1 > C2>C1，即S>C。从标准差维度来看，S2课堂最低，C1课堂最高，按从低到高排序为S2< S1 < C2 两类课堂的平均学业成绩差值两两比较，结果如表4所示。由表4可知：S-C>S2-S1> C2- C1即S、C两类课堂的平均学业成绩远大于两类课堂内部不同变量水平的差值，且S类内部的差值大于C类内部的差值。其中，平均学业成绩最高的S2课堂比最低的C1课堂高出11.49分，而S课堂平均学业成绩也比C课堂高8.43分。 表3 两类课堂平均学业成绩表 [班级 C1课堂 C2课堂 C课堂 S1课堂 S2课堂 S课堂 学业成绩 （平均值） 80.07 82.13 81.10 87.49 91.56 89.53 标准差 14.308 7.359 8.827 8.719 3.165 4.642 ] 表4 两类课堂（4个班）学业成绩均值差值表 [C1课堂 C1课堂 C2课堂 2.06 C2课堂 C课堂 1.03 -1.03 C课堂 S1课堂 7.42 5.36 6.39 S1课堂 S2课堂 11.49 9.43 10.46 4.07 S2课堂 S课堂 9.46 7.40 8.43 2.04 -2.03 S課堂 ] （二）两类课堂眼动数据 研究使用SMI公司Iview X RED眼动追踪系统进行双眼追踪采样，采样率最高可实现500Hz，追踪分辨率0.03deg，凝视定位精度<0.4deg。该设备为非接触式测量，遥控红外眼部摄像自动记录被测试者眼睛运动信息，包括眼睛凝视位置、瞳孔直径、瞳孔位置、跟踪位置、眼动图像等，经过图像采集与分析实时计算出眼球的水平和垂直运动时间、注视位置、位移距离、速度及瞳孔直径等数据。在阅读过程中，“眼睛的注视时间越长、平均瞳孔直径越大、眨眼频率越低、扫描路径越长、眼跳幅度越大、眼跳次数越少，在一定程度上说明阅读内容对被试者来说更加具有吸引力”（程利等，2015）。由于设备数量限制，两类课堂（4个班）学生中，每班教师根据经验和前后测学业成绩，按照优秀、中等、困难的学业标准，每类选出两名学生参加眼动实验，每班6名学生，共计24名学生，分4组进行，即每个班一组进行一轮。在每一轮中，通过对被试连续3次的观测，每次10分钟，中间休息5分钟，两类课堂4个变量水平的学习者眼动数据如表5所示。 表5 两类课堂学习者眼动（平均值）描述表 [课堂 类型 注释点 持续时间（ms） 瞳孔 大小（mm） 眨眼频率计数（s） 扫描路径长度[活性] 总眼跳幅度（°） 眼跳 次数 C1课堂 186.30 12.24 0.25 11，100.5 226.42 46 C2课堂 209.40 12.65 0.13 11，689.3 245.97 45.25 C课堂 197.85 12.46 0.19 11，394.9 263.20 45.63 S1课堂 198.65 12.51 0.18 11，645.5 263.80 45.36 S2课堂 253.80 12.93 0.05 12，871.8 318.22 44.25 S课堂 226.23 12.72 0.12 12，258.6 291.01 44.81 ] 由表6可知，从眼动描述的6个维度观测可得出以下数据：①从注视点持续时间、瞳孔大小、扫描路径长度来看，由高到低排序均为S2> C2> S1> C1，S>C；②从总眼跳幅度来看，由高到低排序均为S2>S1>C2>C1， S>C；③从眨眼频率计数和眼跳次数来看，由低到高排序为S2 （三）两类课堂ERP脑电数据 研究使用神念科技（Neurosky）公司的Mindwave Mobile脑电仪，其采样率为512Hz，能够测量出高精度ERP脑电信号。这些ERP脑电数据经过复杂的数学运算后，可以被解读成多项反映人们心理状态的参数。同时，研究利用佰意通ERP脑电生物反馈训练系统来及时监控学习者的脑电数据，通过eSenseTM算法将学习者的心理状态量化为注意力数值，作为分析学习者专注力的依据，其参数值介于0-100之间。实验过程中由于设备数量限制（实验室共计30套设备），并为了尽量缩小实验对象的差异性，仅限参加眼动的24名同学参加ERP脑电实验，并同时进行。 1. 学习内容对学习者注意力的影响 为了解学习内容变量四个水平与学习者注意力之间的关系，对四个班级的四组学习者的注意力数据进行了方差同质性检验，其显著性远大于0.05，满足方差齐性要求。在此基础上对4组学习者的注意力进行单因素方差分析，结果如表6所示。由表6可知，不同学习内容及其资源表征对学习者注意力存在显著性差异（F（3，119）=8.326，P<0.001），其影响力（M值）由高到低排序为S2>C2>S1>C1。为了进一步研究4组学习内容及其资源表征之间的注意力差异，进行了Post Hoc事后多重比较，结果如表7所示。由表7可知，S2组的注意力显著高于C1组、C2组和S1组，C1、C2和S1之间无显著差异性。 表6 学习内容对注意力的单因素方差分析 [组别 人数 M SD F P C1 30 61.53 8.724 8.326 .000*** C2 30 64.81 8.134 S1 30 63.26 7.981 S2 30 72.08 8.207 ] （***P<0.001） 表7 学习内容对注意力的事后多重比较
[组别 均值差 P C1-C2 -3.28 .089 C1-S1 -1.73 .099 C1-S2 -10.55 .000** C2-S1 1.55 .106 C2-S2 -7.27 .001** S1-S2 -8.82 .002** ]
（**P<0.01）
2. 学习内容与注意力对学习成绩的影响
为了解学习内容搭配三种不同水平（高、中、低）注意力对学业成绩的影响，研究利用因素方差分析检测了不同学习内容搭配不同注意力水平对学业成绩的影响，结果如表8所示。由表8可知，学习内容与注意力对学习成绩存在交互作用（F（6，120）=2.164，P<0.05），即不同注意力水平下，学习内容及其资源表征对学业成绩的影响不同，如图1所示。由图1可知：在低注意力水平时，由高到低排序为S2>C2> S1>C1；在中等注意力水平时，由高到低排序为S2>S1>C2>C1；在高注意力水平时，由高到低排序为S2>S1>C1>C2。
表8 学习内容与注意力对学业成绩的交互作用分析
[ SS df MS F P 学习内容 3，528.827 3 1，246.176 21.071 .000*** 注意力 10，056.283 2 5，021.481 96.853 .000*** 学习内容*注意力 798.969 6 128.867 2.164 .032* 误差 5，984.019 108 52.953 总计 570，388.000 120 ]
（*P<0.05，***P<0.001）
表8还显示学习内容构成及其资源表征方式对学业成绩存在主效应作用（F（3，160）=21.071，P<0.001）。为了进一步了解学习内容变量的不同水平之间学业成绩是否存在显著性差异，研究对4组学习者的学业成绩进行方差同质性检验，满足方差齐性要求，接着对学业成绩进行了单因素方差分析，结果如表9所示。由表9可知，学习内容变量不同水平之间的学业成绩存在显著性差异（F（3，119）=8.419，P<0.001）。四个组由高到低排序为S2>S1>C2>C1。
表9 学习内容对学业成绩的单因素方差分析 [组别 人数 M SD F P C1 30 80.07 12.324 8.419 .000*** C2 30 82.13 10.547 S1 30 87.49 11.989 S2 30 91.56 8.231 ]
（***P<0.001）
图1 学习内容与注意力对学业成绩的交互作用
为了进一步研究变量4组之间的学习成绩差异，进行了Post Hoc事后多重比较，如表10所示。由表10可知，除了C1-C2之間无显著性差异外，其他课堂之间均存在显著性差异，差异大小由高到低排序为C1-S2>C2-S2>C-S>C1-S1>C2-S1>S1-S2。
表10 学习内容对学业成绩的事后多重比较
[课堂 均值差 P C1-C2 -2.06 .051 C1-S1 -7.42 .004** C1-S2 -11.49 .000** C2-S1 -5.36 .007** C2-S2 -9.43 .001** S1-S2 -4.07 .009** C-S -8.43 .002** ]
（**P<0.01）
表8还显示注意力对学业成绩也存在主效应作用（F（2，120）=96.853，P<0.001）。但由于本研究的观测变量是“学习内容”，注意力对学业成绩的影响不属于主要研究范畴，因此本文不再详细分析。
五、研究结论
综合以上平均学业成绩比较、眼动观测数据和ERP脑电变化情况，研究从身体（眼动、脑电）和认知（学业成绩）两个层面，通过“三角互证”来分析和归纳研究结论。
（一）基于认知过程的学习内容及其资源重构具有较高有效性
根据学业成绩研究数据可以得出以下结论：①由于两类课堂平均学业成绩从高到低排序为S2>S1>C2>C1，且S与C的幅度大于S2与 S1 及C2与C1的幅度，且C-S之间存在着显著性差异，说明S类课堂与C类课堂之间已经发生了质的变化；②由于两类课堂平均学业成绩标准差按从低到高排序为S2 （二）学习品质与技术存在交互关系 根据ERP脑电数据可知，学习内容与注意力对学业成绩的影响如下：在低注意力水平时，由高到低排序为S2>C2>S1>C1；在中等注意力水平时，由高到低排序为S2>S1>C2>C1；在高注意力水平时，由高到低排序为S2>S1>C1>C2。这一现象说明：①在低、中、高三种注意力水平时，S2均效用最佳；②在低注意力水平时，多媒体技术比认知过程更能吸引学习者注意力，从而取得稍微好一些的学业成绩（C2>S1）；③在中等注意力水平时，认知与技术的合力发挥更大效用（S2>S1>C2>C1）；④在高注意力水平时，认知的效用大于多媒体技术（S1>C1>C2）。 综上所述，学习品质与技术存在交互关系，大多数学习者更多处于中等注意力水平时间较长，学习设计应该协调认知与技术的关系，达到效用最优化。 （三）技术设计促进深度学习 根据学业成绩、眼动和ERP脑电数据，就两类课堂的4个变量水平而言，由于学业成绩从高到低排序为S2>S1>C2>C1，而注视点持续时间、瞳孔大小、扫描路径长度、眼动幅度却是S2>C2>S1>C1，且与学习内容对注意力的影响排序一致，并且S2组的注意力显著高于 C1、C2和S1组，C1、C2和S1之间却无显著差异性。这一现象说明：①多媒体技术能提高学习者的注意力（C2>S1>C1）；②体现认知过程的学习技术设计比目前的多媒体技术应用方式更能促进学习者发展（S2>S1>C2）；③技术设计若能体现出认知过程便能达到最优效用，否则会增加认知负荷。
（四）验证性实验结论与探索性實验基本一致
以上研究结论说明验证性实验与探索性实验结论（胡航， 董玉琦， 2017a）基本一致：①学习内容与资源表征具有较高相关性（.875**，P>0.01），两者可以合为“学习内容”变量进行研究；②学习内容构成与资源表征方法与学业成绩具有较高相关性（.561** &.498**， P>0.01），发挥主效应作用（F（3，160）=21.071， P<0.001）；③传统多媒体M课堂能够比讲授式G课堂提高学业成绩的原因在于技术提升了学习者的注意力（学业成绩M>G & C2>C1，注意力C2>S1>C1），而没有大幅度提高的原因是对认知过程的体现力度不够（学业成绩S2>S1>C2）；④本研究的S2-C1课堂学业成绩差值（11.49）并未达到L3-G课堂的差值（18.14），是因为教学活动由教师自行设计，未采用个性化-合作学习方式，反之，再一次证明了学习方式与学业成绩具有较大相关性（.562**，P>0.01），也说明了学习内容与学习方式配合使用效用更佳，两者具有较强的相关性（.866**，P>0.01）（胡航， 董玉琦， 2017a）。
（五）学业成绩、眼动与ERP脑电可构成“三角互证”研究方法
根据以上的综合分析，可以得出以下结论：①就S-C两类课堂而言，学业成绩从高到低排序为S>C，此顺序与眼动中的注视点持续时间、瞳孔大小、扫描路径长度、眼动幅度一致，且与学习内容对注意力的影响排序也一致，均表明S课堂比C课堂更为有效，说明三者之间相互印证，可以构成“三角互证”关系；②就4个变量水平而言，学业成绩与眼动、ERP脑电的数据关系存在一定的差异（学业成绩S2>S1>C2>C1，生理指标S2>S1>C2>C1等），揭示了认知与技术的内在交互关系：一是为“唯技术论”提供了反驳证据，二是强化了学习设计中的“认知”的地位，三是揭示了基于认知的技术设计才应该是学与教活动设计的根本。基于此，学业成绩、眼动和ERP脑电可构成“三角互证”研究方法，相互印证与矛盾能更好地研究学习规律。
综上所述，研究基于“技术即学习者的生存方式”观点，选取与重组了课堂学习内容，基于认知过程设计与开发了数字化资源，并在小学数学课程中进行了实践，最后从身体（眼动行为）、认知（学业成绩）和学习品质（注意力）三个层面验证了学习内容及其资源重构与开发的有效性，也体现了深度学习由身体到学习品质的进阶过程，进而从“学什么”维度阐释了学习者中心设计指导下深度学习的操作范式。
[参考文献]
程利，杨治良，王新法. 2007. 不同呈现方式的网页广告的眼动研究[J]. 心理科学，30（3）：584-587.
冯锐，任友群. 2009. 学习研究的转向与学习科学的形成[J]. 电化教育研究（2）：23-26.
胡航，董玉琦. 2016. 教育媒体研究未来趋势：促进学习者中心设计[J]. 现代远程教育研究（6）：11-17，38.
胡航，董玉琦. 2017a. 技术怎样促进学习：基于三类课堂的实证研究[J]. 现代远程教育研究（2）：88-94.
胡航，董玉琦. 2017b. 技术促进深度学习：“个性化-合作”学习的理论构建与实证研究[J]. 远程教育杂志（3）：48-61.
胡航，任友群. 2008. 学习技术新发展及其对教育研究的意义[J]. 中国电化教育（4）：1-6.
向冬梅（2008）. 多媒体教学信息表征设计研究[D]. 重庆：西南大学：8-10.
辛涛，邹泓（2000）. 学校心理学[M]. 北京：人民教育出版社：68.
颜士刚（2015）. 教育技术哲学[J]. 北京：中国社会科学出版社：244-246.
Charles M. Reigeluth（2016）. Instruction-Design Theories and Models：The Learner-Centered Paradigm of Education[M]. New York and London：Routledge：420-431.
收稿日期：2017-04-14
定稿日期：2017-05-18
作者简介：胡航，博士研究生，东北师范大学教育学部（130024）。
董玉琦，博士，教授，博士生导师，本文通讯作者，上海师范大学教育技术系（200234）。
责任编辑 郝 丹endprint
