教学干预对学生深度学习的影响——基于62项实验或准实验研究的元分析

王胜兰 彭 双 钟燕兰

(1.华南师范大学 教育科学学院，广州 510631; 2.国防科技大学 电子科学学院，长沙 410003; 3.嘉应学院 教育科学学院，梅州 514015)

深度学习作为信息时代学习方式变革的标志，有助于改变教学围绕识记、领会、运用等浅层学习的现状,将教学改进的目标指向深层认知能力和创造力的培养(何克抗,2018)。深度学习作为学生核心素养培育的重要途径，是我国落实立德树人根本任务的战略重点(郑葳等，2018)。对学生来说，他们只有通过深度学习，才能更好地掌握和理解学科知识，以及应用这些知识解决真实情境问题。

人们普遍认为，深度学习不是一种固定的学习方式，可以通过设计特定系统的教学来培养(Trigwell & Prosser, 1991; Entwistle, 2000)。国内外已有许多学校将深度学习的培养纳入教学，并通过实验验证教学干预对学生深度学习的影响，但并未达成共识。部分研究认为教学干预在促进学生深度学习方面效果显著，部分研究指出教学干预不一定能促进学生深度学习，甚至存在负效应。教学干预对学生深度学习是否有效？各研究的影响效应之间是否存在显著差异？哪些因素可以解释各研究之间的差异？为回答上述问题，本研究采用元分析方法对国内外有关实验研究结论进行定量整合，分析不同调节变量对深度学习提升效果的影响，为教师开展教学干预提供指导。

一、研究概述

(一)界定

“深度学习”(deep learning)也称“深层学习”。付亦宁(2021)通过文献分析发现，不同时期人们对深度学习的理解和认识都存在差异。本研究通过回顾深度学习概念的发展历程来把握其核心内涵并合理界定概念。在早期研究中，研究者将深度学习描述为学生在学习过程中采用的学习方式。这一概念最早源于马顿和萨尔乔(Marton & Säljö, 1976)。他们通过质性研究比较学生阅读学术文本的学习过程，区分出两类不同的信息加工水平，即“深层加工”(deep-level processing)和“浅层加工”(surface-level processing)。斯文森(Svensson, 1977)在此基础上，运用“原子论方式”和“整体论方式”探讨了深层加工和浅层加工的区别，即在浅层加工中，学习者关注的是材料本身，采取的是死记硬背的策略；而在深层加工中，学习者更关注材料背后的意义，并采取积极主动的学习策略。比格斯(Biggs, 1978)发现，学生在学习过程中通常会选择与自己动机相一致的学习策略，学习策略与学习动机的组合即为学习方式。学生在学习过程中存在三种不同的学习方法，即深度学习方式(deep learning approach)、浅层学习方式(surface learning approach)与成就学习方式(achieving learning approach)。此外，恩特威斯尔(Entwistle, 1991)和拉姆斯登(Ramsden, 1981)等从学习方式的角度对深度学习的内涵进行了界定。

进入21世纪后，国际组织与世界各国均致力于探究新世纪人才能力结构和信息技术的教育变革潜力。受人才培养理念以及信息技术引发的系列教育教学变革的影响，深度学习再次引发热潮。此时，研究者对深度学习的关注开始从学习过程中采用的学习方式转向学习结果。作为学习结果的深度学习将布鲁姆的认知目标分类理论和比格斯的SOLO(Structure of the Observed Learning Outcome)分类层级框架与深度学习作为学习方式的概念相融合，以解析深度学习可达到的高阶学习目标(彭红超，2019)。如美国研究院(National Research Council, 2013)将深度学习结果划分为认知领域、人际领域和个人领域，包含掌握核心学科知识、批判性思维和复杂问题解决能力、团队协作、有效沟通、学会学习、学习毅力六个核心竞争力。

事实上，以上两种深度学习的界定方式并不矛盾。大量研究表明，学生采用的学习方式与学习结果相互关联，深度学习往往与高质量的学习结果有关(Uiboleht et al., 2018; Gerritsen-van Leeuwenkamp et al., 2019)。因此，本研究的深度学习既包括学习过程中采用的学习方式，也包括学习结果。

(二)测量

研究者研制了很多经济有效、广泛使用的测量工具。常用的有学习过程问卷(Study Process Questionnaire, SPQ)(Biggs, 1978)、认知过程问卷(Learning Process Questionnaire, LPQ)(Biggs, 1991)、认知过程量表(Inventory of Learning Process, ILP)(Schmeck et al., 1977)、学习方式量表(the Approaches to Studying Inventory, ASI)(Entwistle et al., 1979)、认知与学习方式量表(Approaches to Learning and Studying Inventory, ALSI)(Entwistle & McCune, 2004)、学习方式与技能量表(Approaches and Study Skills Inventory for Students, ASSIST)(Entwistle et al., 2000)，以及在SPQ和LPQ基础上修订而成的双因素学习过程问卷(a revised two-factor version of the Study Process Questionnaire, R-SPQ-2F)(Biggs et al., 2001)和双因素认知过程问卷(a revised two-factor version of the Learning Process Questionnaire, R-LPQ-2F)(Kember et al., 2004)。作为学习结果的深度学习主要采用比格斯的SOLO分类层级框架进行测量。该框架将人的认知发展水平分为前结构、单一结构、多元结构、关联结构和抽象拓展结构，后两种结构对应深度学习(张浩等，2012)。国内外研究者使用上述测量工具进行了大量的跨学科和跨文化比较研究，验证其结构和维度的可靠性与有效性。本研究将其统称为标准化测量。此外，还有其他的测量方式，如眼动追踪(刘哲雨等，2019；She & Chen, 2009)、概念图法(Hay, 2007)、面对面访谈(Chin & Brown, 2000；Higgins et al., 2002；Mitra et al., 2010)等，本研究将其统称为自编测量。

(三)教学干预

教学干预作为一个约定俗成的概念，泛指一切对学习者学习产生影响的介入手段(李彤彤等，2016)。已有研究证实，学生是否进行深度学习，既受个体因素的影响，也受教学因素的影响。通过改变教学环境，不断强化有效的教学干预，有可能促进学生深度学习(Parpala et al., 2010；Wierstra, 2003)。基于深度学习可教的信念，研究者将深度学习培养目标整合到教学中，在真实情境中探索有效的教学干预。如以学生为中心的教学法是应用最广泛的深度学习教学策略之一，包括问题教学(Selcuk, 2010；Reid et al., 2005; Mok et al., 2009; Karagiannopoulou et al., 2014)、案例教学(Ellis et al., 2005; Baeten et al., 2013)、项目教学(Du et al., 2019)、合作教学(Beccaria et al., 2014; Hall et al., 2004)、体验教学(Abraham et al., 2006)、翻转课堂教学(Jeong et al., 2019)。教学评价作为教学过程的重要环节，也是研究者关注较多的干预措施，包括学习成果档案(Baeten et al., 2008)、反思性评价(Nieminen et al., 2019)、绩效评价(Gijbels et al., 2008；Gijbels & Dochy, 2006；Gikandi et al., 2011)。教学过程中提供及时有效的学习工具，包括情境工具(Sung et al., 2018)、认知工具(Cai et al., 2019；Jones et al., 2014)、交流共享工具(Fong et al., 2017)，有助于创设情景化的问题空间，支持学生的知识建构和社会交互。类似的教学干预还有真实性学习任务(刘哲雨等，2018; English et al., 2004)和教学反馈(Leenknecht et al., 2019; Filius et al., 2019)等。

根据作者报告的名称，本研究将深度学习的教学干预分为教学法(问题教学、项目教学、体验教学、案例教学、合作教学、翻转课堂教学)、教学评价(反思性评价、学习成果档案、绩效评价)、学习工具(认知工具、情境工具、交流共享工具)、教学反馈(同伴反馈、教师反馈)和真实性学习任务。此外，随着信息技术的快速发展，研究者也开始关注基于技术的教学干预，为此本研究还将教学干预分为有技术支持型和无技术支持型。

二、文献综述与问题提出

目前，国内外研究者针对教学干预对学生深度学习的影响开展了大量实验与准实验研究，但认识尚未达成一致。有研究者发现教学干预对学生深度学习有显著的正向作用。比如，盖茨等(Geitz et al., 2016)以77名大学新生为研究对象，开展单组前后测实验。结果表明，经过八周的问题教学法干预后，学生的深度学习水平提高显著。陈等(Chen et al., 2015)将绩效评价应用于医学教学，经过一学期的实验周期后，对实验组(61人)和控制组(44人)的深度学习水平打分后比较发现，采用绩效评价的实验组得分高于采用传统教学评价的控制组，且两者存在显著差异。国内学者姚佳佳(2020)对87名大学生进行了为期八周的实验干预，分析同伴反馈策略对学生深度学习的影响。结果显示，实验干预后学生深度学习倾向提高显著。

有研究者提出与上述研究结论完全相反的观点，他们发现教学干预对学生深度学习具有显著的负效应。尼梅宁等(Nieminen et al., 2019)将绩效评价应用于数学教学中，测试采用传统教学评价的控制组(152人)和采用绩效评价的实验组(149人)的深度学习得分差异。结果表明，传统教学评价的效果明显优于绩效评价。西格斯等(Segers et al., 2006)以参加国际商业战略课程学习的718名大二学生为研究对象，控制组的406名学生采用传统教学法，实验组的312名学生采用问题教学。经过一学期后，传统教学组学生的深度学习水平高于问题教学组。奈豪斯等(Nijhuis et al., 2005)也有类似发现。其研究采用准实验方法检验问题教学对学生深度学习的影响，结果表明传统教学法的效果更好。

此外，还有研究者指出教学干预对学生深度学习无显著影响。阿里和西巴伊(Ali & Sebai, 2010)选取30名护理专业大学生为研究对象，研究问题教学对学生深度学习的影响。结果显示，实验干预前后学生深度学习水平无显著差异。阿尔库利蒂等(Alquliti et al., 2019)和蓓特等(Baeten et al., 2013)也得出了类似结论。斯特鲁伊文等(Struyven et al., 2006)将研究对象分为多项选择题教学评价、学习成果档案袋、绩效评价和反思性评价四组，研究四种教学评价方式对学生深度学习的差异性影响。结果显示，四组学生深度学习水平无显著差异。奥古斯特-布雷迪(August-Brady, 2005)选取80名护理专业大学生，将其分为实验组(35人)和控制组(45人)，探讨认知工具对学生深度学习的影响。经过一学期后，两组学生的深度学习得分结果显示，实验组的得分高于控制组，但差异未达到显著水平。

由此可见，教学干预对学生深度学习影响的实验研究并未得出统一结论。这说明，教学干预对学生深度学习影响或受多种因素的调节，有着较为复杂的作用机制。因此，仅仅考察单个的实验研究结果并不能指出教学干预对促进学生深度学习是否有效，以及哪些因素可能会影响研究效果。本研究尝试通过元分析解答“教学干预是否有利于学生深度学习”问题存在的分歧，并探讨造成差异的原因，重点回答三个问题：1)教学干预对学生深度学习有无正向影响？2)各研究的影响效应之间是否存在显著差异？3)若存在显著差异，哪些因素可以解释各研究结果之间的差异?

三、研究设计

(一)文献检索与筛选

1.文献检索

为保证文献的代表性和全面性，本研究在国内外多个数据库检索文献。类型包括期刊论文、会议论文和学位论文，时间跨度为1976-2021年。其中，外文以 “approach(es) to learning” “learning approach(es)” “deep learning” “deep-rooted learning” “deep understanding” “deep processing” “deep strategy” “deep learner” “pretest” “posttest” “control group” “experiment”为关键词，从EBSCO、Web of Science、 ERIC、 Springer、 PQDD、 Google Scholar等数据库中检索。中文以“深层学习” “深度学习” “深层理解” “深层学习策略” “深层加工” “前测” “后测” “控制组” “实验”为关键词，从知网和万方数据库进行组合检索。本研究还通过引文回溯进行二次检索，确保文献的全面覆盖。

2.文献纳入标准

文献纳入标准为：1)主题为教学干预对学生深度学习的影响；2)类型为实验研究或准实验研究，包括单组前后测或双组对照，双组对照实验中应设有实验组和对照组；3)研究类型为前实验设计或准实验设计的需报告前测结果，参照张和斯莱文(Cheung & Slavin, 2013)标准，排除差异过大(效应量>0.5)的研究，随机实验可不进行前测；4)双组对照实验应至少由两名老师分别对实验组和控制组进行教学，减少教师因素带来的影响，保证教学干预的独立性；5)实验过程中，不应告知学生研究的目的；6)实验组与对照组的样本量应相近，排除实验组与对照组中有一组样本量过小，且两者差距过大的文献；7)实验干预周期应在1周以上，时间过短可能导致研究结果存在偏误；8)研究必须报告完整的数据统计结果，包括均值、标准差、样本量或t 值、F 值等统计信息，确保能够计算出效应值；9)排除以不同形式发表的同一研究。

3.文献筛选流程

本研究共检索获得671篇文献，随后进行了三轮筛选(见图1)：第一轮对标题进行筛选，剔除重复文献或以不同形式发表的同一研究后，共获得文献651篇；第二轮对摘要进行筛选，剔除研究主题不相关或非实验性研究后，共获得文献439篇；第三轮对内容进行审读，剔除前实验设计或准实验设计中前测差距过大、实验干预周期过短、实验组与对照组的样本量差距过大、实验组与对照组由同一教师任教、学生知晓研究目的或数据不完整的研究后，最终获得62篇文献，其中中文文献3篇，英文文献59篇。在满足效应量计算独立性前提下，若一篇文献同时呈现多个独立样本，则分别提取，共提取出67个效应量。

图1 文献筛选流程

(二)文献编码

本研究以文献的第一作者、发表年份、地区、学段、学科、样本量、实验类型、实验周期、测量方式、教学干预为变量逐一编码。1)地区：以作者报告的地区名称作为编码；2)学段：分小学、中学和大学三个阶段；3)学科：分自然科学、社会科学和人文学科三类，未报告学科或同时包含多个学科的统称为其他学科；4)样本量：大于250人的为大样本，小于或等于250 人的为小样本；5)实验类型：分前实验、准实验和随机实验；6)实验周期：分1-4周、 5-12周、12周以上；7)测量方式：将使用SPQ、LPQ、R-SPQ-2F、R-LPQ-2F、ILP、ASI、ALSI、ASSIST和SOLO分类层级框架作为测量工具的编码为标准化测量，其余编码为自编测量；8)教学干预：根据作者报告的教学干预名称，分教学方法(问题教学、项目教学、合作教学、案例教学、体验教学、翻转课堂教学)、教学评价(反思性评价、学习成果档案、绩效评价)、学习工具(交流共享工具、情境工具、认知工具)、真实性学习任务、教学反馈(教师反馈、同伴反馈)；根据教学干预中有无技术支持，分技术支持型和无技术支持型。

表一 文献编码信息

为保证编码的准确性，本研究由两位研究者进行双重编码，编码的一致性系数为0.878，说明编码结果具有较好的信度。文献编码信息略。

(三)文献质量评估

在元分析中，纳入文献的质量会影响最终结果。本研究参照瓦伦丁和库珀(Valentine & Cooper, 2003)的文献质量评估方法，按纳入文献是否清晰描述了干预措施、样本特征、实验设计、测量工具和测量过程五个方面对文献质量打分。其中， “不清晰”为0分，“较清晰”为1分，“清晰”为2分。一篇文献最高可获得10分，得分越高说明文献质量越高。为确保文献质量评价结果的客观性，评价过程由两名研究者独立进行，各文献分值范围为6-10 分，评分一致性为0.890(p<0.0001)，说明纳入文献的质量基本满足元分析要求。

(四)研究方法与工具

元分析是对同一主题的多个研究结果进行再分析的方法，即运用统计手段综合某一主题多项相关的实验或准实验研究数据，通过获得其合并效应量来研究整体效应的分析方法。相较于传统的、描述性的文献综述，元分析能相对科学地探索研究结果存在差异的原因，有效解决研究争议，得出综合性的研究结论，现已经成为医学、教育学、心理学、经济学等多个学科领域的重要研究方法。本研究采用元分析方法，探讨教学干预对学生深度学习的影响。由于学生深度学习为连续变量，纳入的文献皆为实验或准实验设计并比较组间或组内差异，且总体样本量均大于20，因此本研究选用Cohen’s d(简称d)作为效应量。元分析中的所有数据统计过程均使用软件Comprehensive meta analysis3.0(CMA3.0)完成。

四、研究结果

(一)异质性检验

由于纳入元分析的文献在研究对象、研究设计和教学干预手段等方面各不相同，异质性在所难免。常用的异质性指标包括Q统计量、H统计量和I2统计量。Q统计量受纳入文献数量的影响， H统计量和I2统计量对Q统计量进行了自由度(文献数)的校正，不会随纳入研究的文献数量变化而变化，结果更稳定可靠。本研究的异质性检验主要参考I2值。根据希金斯等(Higgins et al., 2003)的标准，I2<25%表示研究存在低异质性，I2值在25%-75%之间表示研究存在中异质性，I2>75% 表示研究存在高异质性。本研究的异质性检验结果显示，I2=88.247%，且达到显著水平(p<0.0001),说明本研究选择的文献之间存在异质性。

(二)教学干预对学生深度学习影响的效应量

异质性检验发现各初始研究间存在异质性，说明除随机误差外，还有其他因素导致各研究效应量之间的真实差异，故本研究选用随机效应模型(random-effect model)分析教学干预对学生深度学习影响的效应量(见表二)。

表二 教学干预对学生深度学习影响的文献效应量及合并效应量

各文献的效应量分布在-0.524-2.035之间。参照哈蒂(Hattie, 2008)提出的教育相关研究的效应量标准，效应量在0.2-0.4之间属于小效应，在0.4-0.6之间属于中效应，大于0.6属于大效应(杨九民等，2019)。纳入文献中，报告了大效应的有11篇，且都具有统计意义，其中6篇文献的效应量大于1。效应量最大的是穆罕默德(Mahmoud, 2017)的研究，该研究采用单组前后测设计，测得合作教学对医学生深度学习影响的效应量达2.035。报告了中效应的有7篇，其余文献所报告的为小效应、负效应或不具统计意义。

(三)调节效应检验

前文的异质性检验结果表明，各文献效应量在统计意义上具有显著变异性，有必要通过调节效应检验分析这一变异性的来源。为深入了解教学干预对学生深度学习的影响机制，本研究将地区、学段、学科、样本量、实验类型、实验周期、测量方式、教学干预措施、有无技术支持作为调节变量进行效果检验。结果表明，除学科、实验类型、实验周期、测量方式、有无技术支持外，地区、学段、样本量、教学干预措施的不同是造成各研究效应量差异的原因。

1.教学干预对不同地区学生深度学习的影响

就地区而言(Q=58.792，p=0.000)，中国台湾、沙特阿拉伯、中国大陆、土耳其教学干预的效果比较好，效应量分别为0.937、0.803、0.785、0.766；西班牙教学干预对学生深度学习的影响为中效应(d=0.524)；其余地区的效应量不具有统计意义(见表三)。

表三 教学干预对不同地区学生深度学习的影响

2.教学干预对不同学段学生深度学习的影响

就学段而言(Q=6.437，p=0.040)，小学阶段教学干预的效果最好(d=0.988)，且为大效应；大学阶段是一个小效应，效应量为0.259；中学阶段的效应量不具有统计意义(见表四)。

表四 教学干预对不同学段学生深度学习的影响

3.教学干预对不同学科学生深度学习的影响

本文对旧混凝土路面共振碎石化技术进行了介绍，对路面的弯沉进行了分析，对碎石化的级配进行比较，得出了相应的结论。同时还对碎石化路面的加铺沥青路面的类型进行不同情况的分析，介绍了可参考的方案。旧混凝土路面共振碎石化技术是一种多面技术的综合体，包含旧水泥混凝土破碎效果、路面的弯沉、回弹模量、地基的强度、投资的成本等众多因素，必须依靠当地的基础资料，全面、合理、科学地确定方案，才能丰富完善旧混凝土路面共振碎石化技术。

就学科而言(Q=7.807，p=0.167)，人文学科的效应量不具有统计意义；自然科学和社会科学效应量虽具有统计意义上的显著性，但都是小效应，分别为0.318和0.234(见表五)。

表五 教学干预对不同学科学生深度学习的影响

4.不同样本量教学干预对学生深度学习的影响

就样本量而言(Q=4.529，p=0.033)，小样本研究的效应量虽相较于大样本研究而言较大，但也是小效应，为0.343；大样本研究的效应量仅为0.080，且不具有统计意义(见表六)。

表六 不同样本量教学干预对学生深度学习的影响

5.不同实验类型教学干预对学生深度学习的影响

就实验类型而言(Q=1.787，p=0.409)，随机试验的效应量最大(d=0.433)；前实验和准实验的效应量为小效应，分别为0.320和0.213(见表七)。

表七 不同实验类型教学干预对学生深度学习的影响

6.不同实验周期教学干预对学生深度学习的影响

就实验周期而言(Q=3.013，p=0.222)，实验周期为1-4周和5-12周的效应量相近，分别为0.436和0.417，都是中效应；实验周期为12周以上是小效应，效应量为0.226(见表八)。

表八 不同实验周期教学干预对学生深度学习的影响

7.不同测量方式教学干预对学生深度学习的影响

就测量方式而言(Q=0.069，p=0.792)，标准化测量的效应量为0.289，为小效应；自编测量的效应量不具有统计意义(见表九)。

表九 不同测量方式教学干预对学生深度学习的影响

8.不同教学干预措施对学生深度学习的影响

就教学干预措施而言(Q=32.212，p=0.004)，效果最好的是同伴反馈(d=1.183)，其次是项目教学(d=0.772)、情境工具(d=0.744)和案例教学(d=0.630)，都是大效应；合作教学(d=0.509)在中等程度上有利于促进学生深度学习；问题教学、体验教学、翻转课堂教学、学习成果档案、绩效评价、反思性评价、交流共享工具、认知工具、教师反馈、真实性学习任务对学生深度学习的影响均不具有统计意义(见表十)。

9.有无技术支持对学生深度学习的影响

就有无技术支持而言(Q=3.597，p=0.058)，有技术支持是中效应，为0.438；无技术支持的效应量为0.222，是小效应(见表十一)。

表十一 有无技术支持对学生深度学习的影响

表十 不同教学干预措施对学生深度学习的影响

(四)发表偏倚检验与效应量调整

发表偏倚是影响研究结果可靠性的重要因素，常用的检验方法是漏斗图。若无法通过漏斗图直观判断效应量是否对称分布，可通过Egger检验确定。CMA3.0软件所获取的样本发表偏倚检验漏斗图(见图2)显示，研究样本的效应量并未均匀分布在漏斗图平均效应量的两侧，Egger检验的结果显著(t=2.755，p1=0.004，p2=0.008)，这表明本研究存在发表偏倚。为了最大限度地保证分析结果的稳健性，本研究运用剪补法对效应量进行修正。修正后的合并效应量为0.436，95%的置信区间为0.315-0.557。

图2 发表偏倚检验漏斗图

(五)敏感性分析

为评估经过修正的效应量是否可靠，还需要对结果进行敏感性分析。常用方法是失安全系数法(failed-safe N)，通过失安全系数的计算判断是否存在发表偏倚而逆转元分析结论的可能性。根据罗森塔尔(Rosenthal, 1979)的观点，失安全系数越大，元分析结果对缺失文献的反应越不敏感。若新增研究个数小于5K+10(K为纳入的文献数量)，则对所得结论要慎重对待。CMA3.0计算的Classic失安全系数N=2635(a=0.05，p<0.0001)，即需要额外纳入2635篇文献，元分析的结论才能被推翻。

以上分析表明，本研究修正后的效应量在一定程度上消除了发表偏倚对元分析结果的影响，且结果较为稳健。这说明，0.436更为接近教学干预影响学生深度学习的真实效应量。

六、总结与思考

(一)简要总结

本研究采用元分析方法，对62项教学干预对学生深度学习影响的实验或准实验研究进行了统计分析。研究发现，修正后的合并效应量为0.436(p<0.0001)，说明教学干预对学生深度学习具有中等程度的显著正向影响。对比同类研究，本研究所得到的合并效应量明显高于多尔曼等(Dolmans et al., 2016)的0.180。多尔曼等进行的元分析中仅纳入了问题教学法等少量文献，本研究中问题教学法对学生深度学习影响的效应量为0.121(见表十)，与多尔曼等的研究结果非常相近。相较而言，本研究综合考虑了不同教学干预对学生深度学习的影响，且进行了更严格的异质性分析、调节变量分析和结果的稳定性检验。因此，可以认为本研究的结论更具稳健性。

本研究还通过调节效应检验分析了造成各研究结果存在差异的原因。整体而言，纳入的调节变量可分为两类。一类是与研究设计本身有关的变量，包括地区、样本量、实验类型、实验周期和测量方式。研究发现，样本所在地区不同，教学干预对学生深度学习的影响差异显著，这可能是由于地区间文化差异引起的，因此或许可推断文化因素会影响学生深度学习。就样本量而言，小样本的效应量远高于大样本研究，二者的效果差异达到了统计意义上的显著性。虽然实验周期的异质性分析结果不显著，但干预时间过长(12周以上)的研究其效应量相比其他亚组要小得多。这说明，深度学习不能在长时间内获得大幅度提高，在短时间内的提升效果更加明显。此外，就实验类型和测量方式而言，异质性分析结果不显著。

另一类是与教学干预本身有关的变量，包括学段、学科、教学干预措施以及有无技术支持。对这类变量的分析，有助于了解什么样的教学干预对学生深度学习的作用更为明显。具体而言，学段的不同是造成各研究结果差异的原因，教学干预对学生深度学习的影响似乎最适合在小学实施，在大学实施教学干预的效果一般，中学阶段的效应量不具统计意义。已有研究表明深度学习的教学效果或受学生学习经验(Gulikers et al., 2008)以及年龄(Chamorro-Premuzic, 2009)的影响，但这无法解释为何深度学习教学在中学阶段表现一般，其中机制有待揭示。就学科而言，教学干预在不同学科的影响效果不存在显著差异，对自然科学和社会学科的影响为小效应，人文学科的效应量不具有统计意义。目前学界对学科与深度学习教学有效性的关系进行了大量探讨。有研究者认为，相比自然科学，人文学科和社会科学似乎更有利于培养学生的深度学习(Kember et al., 2008)，另一部分研究者提出了完全相反的观点(Valk & Marandi, 2005)。可见，学界关于哪一类学科更有利学生深度学习并未得出一致结论。在教学干预措施方面，本研究发现不同的教学干预措施在提升学生深度学习方面具有显著差异。在教学方法中，项目教学和案例教学的效果更好，都是大效应。问题教学促进学生深度学习的效应量最小(d=0.121)，这一结果与多尔曼等所得的结论(d=0.180)非常接近。在教学评价中，绩效评价、学习成果档案和反思性评价的效应量都不具有统计意义，表明三种评价方法对学生深度学习不具有明显的促进作用。其中的原因可能是，这三种评价方法都需要学生主动规划和反思自己的学习，这在一定程度上会增加学习的难度和工作量，产生认知负荷，不利于学生的深度学习。已有研究表明，当学生感知学业任务过重或学业压力过大时，更倾向于浅层学习而不是深度学习(Kember, 2004)。在学习工具中，情境工具的效果最好，是个大效应。这说明在教学过程中，通过情景模拟和教育游戏等工具创设丰富的学习情境，能有效提升学习者的学习动机，引导学习者进行问题探究和知识建构。在教学反馈中，教师反馈对学生深度学习的影响不具有统计意义，而同伴反馈的提升作用非常明显。同伴反馈表现为学习者之间高质量、有深度的社会交互。既有研究表明，同伴反馈不仅有利于提升教学反馈的质量(Zhu & Carless, 2018)，而且是改善学习效果最有潜力的教学策略(Ajjawi & Boud, 2017)。真实性学习任务对学生深度学习的影响不具有统计意义，这可能与纳入的文献数量少有关。在有无技术支持方面，有技术支持是中效应，无技术支持是小效应，但两者的差异未达到统计意义上的显著性。这说明，技术介入与否对深度学习教学效果的影响不明显。

(二)思考

受纳入文献信息所限，本研究无法通过调节变量判断学生个体特征和学校特征是否会影响学生深度学习的教学效果。但已有研究指出，学生的个体特征如性别(Arteche et al., 2009)、智力水平(Chamorro-Premuzic et al., 2008)、个性(Chamorro-Premuzic et al., 2009)、初始学习方式(Fox et al., 2001)，学校特征如学校类型(Richardson et al., 1999)和学校层次(陆根书等，2010)都是影响学生深度学习的重要因素。未来需要更多的循证性干预研究，分析学生个体特征、学校特征、教学干预与深度学习之间的作用机制，验证教学干预对学生深度学习的价值。此外，未来还需重视理论与实证研究的双向转化与融通，在实证研究的基础上，加强理论研究，为教师创设有效的教学干预提供指导。