国外近十年深度学习研究进展

李嘉雯 李玉斌 袁子涵

摘  要： 随着教育信息化的发展，深度学习逐渐成为教育领域的热点话题。本文采用文献计量学分析和共现分析方法，运用Cite Space图谱分析软件和Excel软件对2009年至2018年间Web of science核心合集SSCI数据库中的深度学习相关文献进行分析处理，总结了深度学习领域的基本现状以及重要主题和进展，并对国内深度学习研究提出几点启示和建议，以期为深度学习的进一步研究提供有益的借鉴和参考。

关键词： 深度学习;研究进展;关键词共现分析;引文分析;知识图谱

【Abstract】： With the development of educational informationization， deep learning has gradually become a hot topic in the field of education. This paper uses the method of bibliometrics analysis and keyword co-occurrence analysis， using cite space map analysis software and Excel software to analyze and deal with the literature of deep learning in the database of the core collection Ssci of web of Science from 2009 to 2018， summarizes the basic status quo and important themes and progress in the field of deep learning， and puts forward some enlightenment and suggestions on the study of deep learning in China， in order to provide useful reference and reference for the further study of deep learning.

【Key words】： Deep learning; Research progress; Keyword co-occurrence analysis; Citation analysis; Knowledge graph

0  引言

21世紀以来，伴随着信息技术、教育信息化和大数据的发展[1]，深度学习开始盛行并逐渐成为教育领域内一种重要的学习理念。深度学习这一概念最早源于国外，是美国学者Ference Marton和Roger Saljo首次公开提出的，他们认为深度学习是一种学习过程[2]。2017年《地平线报告（高教版）》指出深化学习方法是高等教育领域的六大关键趋势之一[3]。人们也愈发关注如何达到深度学习或如何提升深度学习效果的问题。

相较国内，国外对于深度学习的实施效果研究已取得一定的成果，一些学者认为采用新型学习方式能够达到深度学习效果[4-5]，Balasooriya等人在探究一种新的综合医学教育设计对学生学习方法的影响时证实了这一观点，同时他们还发现了使学生转向深度学习可能是一项复杂的任务[6]。国外的学者在深度学习的研究上有了丰硕的成果，但国内的研究结果还不够丰富，因此，亟需我们从多维视角分析国外近十年深度学习研究的进展，为我国深度学习领域的发展提供新的思路[7]。

为了掌握深度学习的研究进展，本研究采用Cite Space知识图谱对2009年至2018年间Web of Science核心合集SSCI数据库中有关深度学习的205篇文献进行可视化处理，从时间和空间两个维度对基本情况进行概述，并对关键词进行共现分析，梳理重要主题及进展，以期为深度学习研究提供参考和借鉴。

1  研究设计

1.1  数据来源

深度学习这一概念在计算机领域和教育领域都有涉及，计算机领域的深度学习研究是有关神经网络[8-9]和机器学习研究中的一个新领域[10]，是人工智能技术迅猛发展的体现[11]。而本文只探究教育领域下的深度学习进展。本研究以Web of Science数据库核心数据合集中SSCI（Social Sciences Citation Index）数据库作为数据纳入的来源，以（deep learning）OR（deep approaches to learning）为检索的主题词，2009至2018年为检索的时间跨度，依据文献类型=Article和Web of Science类别=Education Educational Research对数据结果进行精炼，共检索出1177篇文献，人工剔除与主题完全无关的内容后得到205篇文献数据。

1.2  研究方法和工具

1955年，Eugene Garfield提出用引文索引对科技文献进行检索的方法[12]，自此，引文索引取代了人工编制逐渐成为科学计量学领域中的一种重要的研究方法。CiteSpace软件是陈超美教授研发的一款信息可视化工具[13]，以其多元、动态、分时的可视化技术更好地反映了研究随时间变化的特点。而Excel可以很好地成为文献计量研究的基本工具，也可以胜任共现分析的需要[14]。

因此，本研究主要运用了CiteSpace 5.1知识图谱软件和Excel 2010等办公软件。

1.3  研究流程

如图1所示，首先，对数据样本进行文献计量学分析并通过Cite Space 5.1知识图谱软件进行合作网络分析和共被引分析，从时间和空间两个维度，初步了解国外深度学习研究的基本情况;其次，对文献数据进行Keyword（关键词）的共现分析，可视化的展示出深度学习领域当前重要的研究主题和进展;最后探讨国外深度学习研究对我国深度学习的进一步研究有哪些重要启示。

2  国外深度学习研究的基本情况

2.1  时间分布情况

基于时间维度对发表文献数量和引文数量进行分析，如图2所示。从发文数量看，2009年至2018年间论文数量大体呈现一个稳步增长的趋势，从引文数量看，2009年至2018年间每年的被引文献数呈现出显著增长的趋势，这表明了国外教育领域内

的深度学习研究整体呈现出日益发展的稳定上升  趋势。

2.2  空间分布情况

（1）国家分布

为了探究国外深度学习领域的前沿国家，本文对205篇论文进行国家合作网络分析（Country）。图3中可视化的展示了基于文献数量的国家分布图谱。CiteSpace分析图谱中节点的大小代表了发文的数量，节点越大，发文数量越多也就代表在深度学习领域的地位越重要[15]。在基于文献数量的国家分布图谱上，澳大利亚、美国、中国和英国的节点最大，代表了这四个国家在深度学习领域的科研成果丰硕。我国深度学习研究的文献数量居于第三位，显然还有一定可以提升的空间。

（2）期刊分布

为了考察国外期刊发表论文的情况，对205篇文献进行期刊共被引分析（Cite Journal），得到基于CiteSpace的期刊分布可視化图谱，如图4所示。字体的深浅代表了期刊的地位，颜色越深，说明该期刊的被引次数越高，换言之该期刊的地位就越高，节点之间连线越粗代表联系越紧密[15]。通过期刊分布的可视化图谱中字体深浅，可以看出中心性最高的期刊是英国教育心理学杂志，代表了英国教育心理学杂志在国外深度学习期刊中处于最高地位。通过图谱间各个节点之间较粗的连线和几乎没有分散的节点，可以看出，在期刊层面，国外深度学习研究具有持续稳定的良性发展特征。

3  当前研究的重要主题及进展——基于关键词的统计

从知识理论的角度看，中心度和频次高的关键词代表着十年内研究者共同关注的问题，关键词共现的频次越高，节点的中心性越高，说明该节点在深度学习领域越重要[13]。本文对205篇文献进行关键词共现分析（Keyword），首先得出图5所示的关键词聚类图谱，然后对前40个高频关键词进行统计并绘制成表1。根据高频关键词对当前研究的重要主题进行划分，主要分为关于深度学习内涵的理解与分析、基于深度学习的实践探究和深度学习的评价研究等三个方面。

3.1  关于深度学习内涵的理解与分析

从图5关键词聚类图谱中的几个较大的节点education、deep learning和表1中education、deep learning、knowledge和conception等高频关键词可以看出，深度学习注重基本理论的理解，尤其是深度学习的概念。Dinsmore和Alexander研究发现，不同的研究中对深度学习和浅层学习的研究结果是模糊不清的，因此他们强调，研究应该从一个清晰的理论框架来定义深度学习。

目前深度学习的定义有两种，一种理解认为深度学习是一种过程即学习方式[16]，最具代表性的人物美国学者Ference Marton和Roger Saljo。在Marton对大学生的研究中，他发现学生在面对学习材料时参与的学习过程类型存在明显的个体间差异[2]。Marton使用术语“deep-level processing”和“surface- level processing”来区分和解释个体间的差异，对应于学习者关注的学习材料的不同方面。另一种理解则认为深度学习是一种学习结果[17]。进入二十一世纪，深度学习在教育领域更多的是作为一种学习结果而不是学习过程。其中最具代表性的是美国研究院（American Institutes for Research，AIR）对深度学习概念的界定，AIR将深度学习界定为学生对知识的深度理解和在实际情境中迁移运用的一种能力[18]。

3.2  基于深度学习的实践探究

从图5中较大的节点knowledge performance和表1中achievement、academic performance、per formance、science education、self-efficacy、academic achievement和student learning等多个高频关键词和可以看出，国外深度学习的研究相比于理论更注重实践。

采用新型的教学或者学习方式，是否能促进深度学习呢？Xiaoyan Wang和Yelin Su等人探究了教师在课程设计中的建设性的协调课程（CACs）是否会鼓励学生在学习中采用“更深入”的方法和“更少”的表面方法。实验结果的分析表明，无论个体差异，学生们会调整自己的学习来响应课堂教学方法和学习行为的学习环境，并且更有建设性地协调的教与学环境将导致学生调整学习方法，在某种程度上采用更多的深度学习和更少的表面学习[19]。

同样，深度学习的影响因素又有哪些呢？2012年Michelle Richardson发表了一篇综述《大学生学业成绩的心理关联：系统回顾与元分析》，文章中阐述了不同学科、教师、课程质量、学生年龄、内外动力、自信性和自我效能感等等都是能够影响深度学习的因素[20]。通过时间的探究，国外学者认为深度学习的影响因素可以大体划分为：环境因素、感知的环境因素以及学生因素[21]。

3.3  深度学习的评价研究

对于深度学习的评价研究方面的高频关键词有Assessment和Peer assessment，也就是说，评价研究也是深度学习的一个重要主题。目前有两种最常用的评价测量问卷，分别是修订双因素学习过程问卷（R-SPQ-2F）和修订双因素认知过程问卷（R-LPQ-2F）。

修订双因素认知过程问卷（R-LPQ-2F）是由二十二个选项、两个因素和四个维度组成[22]，经过对原始LPQ的修改形成的最终版本，两个主要因素分别是深层方法和浅层方法，四个维度分别是深层动机维度、深层战略维度、浅层动机维度和浅层战略维度。修订双因素学习过程问卷（R-SPQ-2F）的调查表同R-LPQ-2F一样由二十个选项、两个因素和四个维度组成[23]。这两个问卷都是由Biggs和Kember编写修改的，问卷很简短并且只解决了深层和表层的方法，可以由一名正规教师快速而容易地管理，用于监控教学环境，能够有效的评价学生在学习过程中是否达到了深层次的学习方法。

4  结论与展望

本文对国外近十年的深度学习研究进行了剖析，综合上述剖析，我国在深度学习研究上较国外还有一定的不足，我们应该清楚的认识到这些不足并借鉴当前国际前沿的重要主题及进展，为我国深度学习的进一步发展提供几点启示。

一方面，我们应该更注重实证研究。研究发现，由于教育背景和文化的差异，相较国内对理论的持续探究，国外更注重实证型研究，通过实证研究探究深度学习在实践中的应用效果和价值，发现深度学习方法对结果有积极地影响[24]或有消极的影响以及影响的原因是什么[25]，最终为教育事业服务。国内对于深度学习的活动设计，因素分析等实证研究还为数不多，相较国外还有很大差距，能够保证其信度和效度的研究更是寥寥无几。这就需要我国的研究人员在未来开展更多的活动设计，进行更多的实践研究。

另一方面，我们应该构建出一个具有中国特色的深度学习评价标准。由于我国教育文化的背景复杂并且多元，国际上公认度较高的两种问卷很难直接应用于我国教育实践中。换言之，原有的测量工具，比如修订双因素学习过程问卷（R-SPQ-2F），大都着眼于国外的学习背景。这些测量方式都不可避免的站在了国外的教育背景中，不能全面系统的对我国学习者的深度学习能力进行精准定位。因此，为了全面科学的评价我国学习者的深度学习能力，业内学者就需要站在我国教育背景下，对21世纪核心素养[26]进行深入探究，构建出一个符合我国国情的、本土化的深度学习评价标准。

本研究还存在一定的局限性。本文主要是基于Web of Science数据库的文献数据进行分析的，因此对于那些没有收录在此数据库中的文献，难免有所遗漏，这些局部的遗漏和疏忽，并不会对本研究产生重大的消极影响，但可能会导致些许偏差。关于未来的研究，我们应该在已有的理论基础上进行实践研究，进行深度学习的活动设计，在一定的信度和效度基础上，测量深度学习的效果。

参考文献

马凯航， 高永明， 吴止锾， 等. 大数据时代数据管理技术研究综述[J]. 软件， 2015， 36（10）： 46-49.

F. Marton and R. Saljo. On qualitative differences in learning： I-Outcome and process[J]. The British journal of educational psychology， 1976， 46（1）： 4-11.

高媛， 黄荣怀.《2017新媒体联盟中国高等教育技术展望： 地平线项目区域报告》解读与启示[J]. 电化教育研究， 2017， 38（04）： 15-22.

Murphy， Karen; Barry， Shane. Feed-forward： students gaining more from assessment via deeper engagement in video-recorded presentations[J]. Assessment & Evaluation in Higher Education， 2016， 41（2）： 213-227.

Smith， Bernadette; Shimeld， Sonia. Using pictorial mnemonics in the learning of tax： a cognitive load perspective[J]. Higher Education Research & Development， 2014， 33（3）： 565-579.

Balasooriya， Chinthaka Damith; Hughes， Christopher; Toohey， Susan. Impact of a new integrated medicine program on students'approaches to learning[J]. Higher Education Research & Development， 2009， 28（3）： 289-302.

张海燕. MOOC的突破与挑战： 一种课程观点[J]. 软件， 2018， 39（6）： 209-213.

李平舟， 赵朗程. 基于BP神经网络的国家稳定性研究[J]. 软件， 2018， 39（6）： 142-146.

张鲁松， 张寿明. 基于ABDND算法的爐膛火焰图像脉冲噪声滤波研究[J]. 软件， 2018， 39（01）： 21-28.

张思琦， 张文兰， 李宝. 国外近十年深度学习的研究现状与发展趋势——基于引文分析及共词矩阵的知识图谱分析[J]. 远程教育杂志， 2016， 35（02）： 64-72.

梁子鑫. 探讨新时代背景下新兴技术在人工智能中的应用[J]. 软件， 2018， 39（7）： 166-169.

Eugene Garfield. Citation Indexes for Science： A New Dimension in Documentation through Association of Ideas[J]. Science， 1955， 122（3159）： 108-111.

陈悦， 陈超美， 胡志刚. 引文空间分析原理与应用： CiteSpace实用指南[M]. 1. 科学出版社， 2014 ： 1-164.

储节旺， 郭春侠. 共词分析法的基本原理及EXCEL实现[J]. 情报科学， 2011， 29（06）： 931-934.

王娟， 陈世超， 王林丽. 基于CiteSpace的教育大数据研究热点与趋势分析[J]. 现代教育技术， 2016， 26（02）： 5-13.

Zehra Akyol; D. Randy Garrison. Understanding cognitive presence in an online and blended community of inquiry： Assessing outcomes and processes for deep approaches to learning[J]. British Journal of Educational Technology， 2011， 42（2）： 233-250.

Hay， David B. Using concept maps to measure deep， surface and non-learning outcomes[J]. Studies in Higher Education， 2007， 32（1）： 39-57.

安德烈·焦尔当. 学习的本质[M]. 杭零. 上海： 华东师范大学出版社， 2015.

Xiaoyan Wang， Yelin Su， Stephen Cheung. An exploration of Biggs constructive alignment in course design and its impact on students learning approaches[J]. Assessment&Evaluation in Higher Education， 2013， 38（4）： 477-491.

Richardson， Michelle. Psychological correlates of university students' academic performance： A systematic review and meta-analysis.[J]. American Psychological Association， 2012， 138（2）： 353-387.

Marlies Baeten， Eva Kyndt， Katrien Struyven. Using student- centred learning environments to stimulate deep approaches to learning： Factors encouraging or discouraging their effectiveness [J]. Educational Research Review， 2010， 5（3）： 243-260.

D Kember， J Biggs， DYP Leung. Examining the multidimensionality of approaches to learning through the development of a revised version of the Learning Process Questionnaire[J]. British Journal of Educational Psychology， 2004， 74（1）： 261-280.

John Biggs， D Kember， DYP Leung. The revised two-factor Study Process Questionnaire： R-SPQ-2F[J]. British Journal of Educational Psychology， 2001， 71（1）： 133-149.

G Geitz， JT Brinke， PA Kirschner. Changing learning behaviour： Self-efficacy and goal orientation in PBL groups in higher education[J]. International Journal of Educational Research， 2016， 75： 146-158.

Petra Lietz; Bobbie Matthews. The Effects of College Students Personal Values on Changes in Learning Approaches[J]. Research in Higher Education， 2010， 51（1）： 65-87.

林崇德. 21世紀学生发展核心素养研究[M]. 1. 北京师范大学出版社， 2016.