我国深度学习的研究主题、研究热点及未来发展趋势——基于国内核心数据库的文献计量分析

王 壮，朱丽莉

(温州大学生涯教育研究中心，浙江温州 325035)

科技迅速发展的 21世纪对未来人才的素养和教育都提出了新要求，如何让受教育者不被人工智能取代是当前学校教育所亟须解决的重要问题，也是当前课程改革深化阶段面临的挑战。为回应时代需求，近年来有关深度学习的研究和实践迅速推进，引领着教育改革的热潮。为把握我国深度学习的研究现状、研究热点以及发展趋势，有必要对深度学习当前的研究进行梳理。已经有学者对深度学习的研究现状进行了阐释。例如，沈霞娟等的研究综述主要针对国外近十年的深度学习研究[1]；胡晓玲等关注的是教育技术领域深度学习的相关研究现状[2]；郭艳玲等关注的是我国近十五年深度学习研究[3]。但上述研究对我国深度学习研究发展趋势把握不足。当前我国深度学习的研究主题有哪些，研究的热点领域以及未来的发展趋势如何，这些问题还有待进一步研究。为此，本文对我国深度学习的研究现状、研究主题进行系统化、可视化的梳理，以期揭示国内深度学习发展脉络、研究热点以及未来发展趋势。

一、研究方法与数据搜集

（一）研究方法与工具

本文首先采用文献计量法中的关键词词频统计、关键词聚类，来分析国内深度学习研究领域的研究现状与研究主题。其次，本文运用Bicomb 2.0、SPSS 22.0、UCINET 6.0、Gephi v0.9.3等研究工具，对数据进行聚类分析及多维尺度分析等可视化处理。最后，本文结合社会网络知识图谱和社会网络中心度分析法可视化呈现国内深度学习的研究热点和趋势。

（二）数据搜集与分析方法

根据知识图谱量化分析的相关要求，本文将研究过程分为五个步骤，分别如下。第一步骤，确定文献数据来源。本文以“深度学习”为关键词进行文献检索，同时在中国知网中检索来源限定为核心期刊和CSSCI期刊，设定时限是发表时间截止至2021年12月31日，共检索到文献9 635篇，考虑本文的目的，将文献范围选定为社科类，去掉科技类，共检索到文献1 535篇，剔除会议纪实、通知、书评、国际资讯等无效文献后还剩1 499篇文献，将其导出关键词、年代、期刊等研究需要的关键信息。第二步骤，根据截取累积频次达到总频次30%左右的关键词为高频关键词的原则[4]，提取29个核心关键词，最低频次为10，最高频次为1 324。第三步骤，聚类分析，形成研究主题。将29个核心关键词生成的词篇矩阵导入SPSS软件进行系统聚类分析，在导出的聚类树状图上划分研究主题。第四步骤，利用SPSS软件对相异矩阵进行多维尺度分析，生成“我国深度学习研究”多维尺度分析图。第五步骤，“我国深度学习研究”趋势分析。借助软件UCINET和 Gephi对关键词相异矩阵进行热点可视化分析，利用聚合的“疏密程度”和“去中心之远近”分析研究的未来趋势。

二、研究态势分析

（一）深度学习研究文献年度数量分析

利用Bicomb软件以“年份”为关键词对文献进行年度数量排序梳理，将其导出的数据进行图表绘制，得出“我国深度学习研究”文献数量年度分布图（图1）。根据图1中文献年度分布的趋势，将我国深度学习研究分为萌芽期、起步期和发展期三个阶段。

图1 国内深度学习文献数量年度分布图

1. 我国深度学习研究的萌芽阶段（2005年―2012年）

早在 2005年就有相关文献探讨了深度学习中某些要素之间的内在联系，用以说明学生深度学习的内在发生机理。2005年，“深度学习”的概念被黎加厚教授团队正式引入国内，开始在教育技术领域发展，而后被引入教育领域。相对来说，这一阶段关于深度学习研究的文章少且增长缓慢，未在教育领域引起关注。

2. 我国深度学习研究的起步阶段（2013年―2016年）

从 2013年开始，关于深度学习的文献开始逐渐增加。这与国家相关政策的颁布密切相关。2014年教育部颁布的《关于全面深化课程改革 落实立德树人根本任务的意见》中强调要把核心素养落实到各个学科教学中。为深化课程改革，落实立德树人的根本任务，2014年教育部基础教育课程教材发展中心着手研究开发“深度学习”教学改革项目，推动课堂教学和人才培养模式的改革，但整体上研究的理论和实践成果仍旧很少。

3. 我国深度学习研究的发展阶段（2017年―2021年）

从 2017年开始，深度学习研究的相关文献开始以爆发式的数量增加。核心素养、深度学习的概念和理念的深入，以及人工智能技术的快速发展，给教育领域带来了巨大冲击，研究者在深度学习目标、过程、评价等各个方面都进行理论与实践的探讨。

（二）关键词分析

在词频统计过程中，为避免同义、无意义等关键词对核心关键词排序影响，本文对近似意义的关键词进行了相关合并，比如将“高阶思维能力”合并为“高阶思维”，将“学科核心素养”合并为“核心素养”，将“卷积神经网络”“循环神经网络”“深度神经网络”合并为“神经网络”，将“教学策略”合并为“策略”。在处理无实质性意义的关键词时，删除“发展”“启发”“模式”等无益于研究的宽泛性词汇。经过以上处理，其截取的高频关键词如表1所示。

表1 高频关键词

从表1可以看出，排在前5的高频关键词分别是深度学习、人工智能、核心素养、卷积神经网络、机器学习。分析这 5个词汇，可以看出，国内关于深度学习的研究主要集中在两个方面。深度学习是机器学习接近人工智能的途径，常用算法之一为卷积神经网络。所以深度学习一个方面是围绕人工智能技术展开的。随着人工智能技术的不断成熟，深度学习技术对教育的影响也会逐渐加深。高频词的第二个方面为“核心素养”。可以说，深度学习是实现学生核心素养的重要途径之一[5]。

（三）主题关联度分析

利用SPSS生成的高频关键词相异矩阵（29×29），以此呈现出高频关键词的相似度（表2）。相似度反映了不同关键词之间关联的密切程度[6]，可初步了解当前深度学习研究主题下的分析视角。为了更好地呈现其他关键词与深度学习研究主题的关联，将相异矩阵进行由近及远的排序。

由表2可知，与深度学习研究主题由近及远的关键词分别是核心素养、翻转课堂、浅层学习、高阶思维、学习评价、教学策略、深度教学、人工智能。这说明当前我国深度学习的研究大多是核心素养视角去研究深度学习的问题。在核心素养的视角下，一些研究者从翻转课堂、高阶思维、学习评价的微观视角进行研究，并在文献中已经呈现一定的关联度，如表中呈现的翻转课堂、高阶思维、学习评价。

表2 深度学习高频关键词相异矩阵（排序后部分）

（四）深度学习研究主题分析

关键词聚类分析的原理是以关键词两两在同一篇文章中出现的频率（共词）为分析对象，利用聚类的统计学方法，把关联密切的关键词聚集在一起形成类团，关键词之间的亲疏关系可以反映当前的研究热点[6]。在 Bicomb生成的词篇矩阵的基础上，对关键词进行系统聚类分析，形成聚类树状图（图2）。根据聚类分析结果，深度学习研究可以划分为三大种类：种类一归纳为人工智能技术及其教育应用，种类二归纳为指向深度学习的教学设计研究，种类三归纳为基于真实情境的实验教学研究。其中，指向深度学习的教学设计研究是研究的重点，人工智能技术及其教育应用是研究的创新点。

图2 “国内深度学习研究”主题树

深度学习研究的重点为“教学研究”，关注的是指向深度学习的教学设计研究。有学者认为，深度学习是指学生基于教师预设的专业方案，经历有指导、有挑战、高投入、高认知的学习过程,并获得有意义的学习结果[7]，因此，教师的教学设计是关键。教学设计是引导学生展开深度学习的重要步骤，课堂教学活动是教学设计实施的重要环节，是我国一直以来教育研究的重点[8]。在教学实践中创新课堂教学模式，例如这一主题中出现的翻转课堂、混合式教学等关键词就是当前探索较多的教学模式。通过重塑课堂教学设计，使得深度学习得以在课堂教学中实现。

深度学习研究的创新点为“人工智能技术及其教育应用”，关注的是智能时代下的深度学习研究和新型教学模式的创新。2017年7月8日,国务院印发的《新一代人工智能发展规划》中提出：“利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系”[9]。自人工智能应用到教育领域以来，人工智能在教学活动、教学管理、资源建设等方面有了全程化的应用，创设了多方交互、超强感知的学习环境，为学生经验与知识的相互转化、活动中的具身体验、知识的深度加工以及知识的应用创造了良好的学习环境，为学生深度学习的发生提供了有利条件。人工智能技术与大数据应用使得量化自我和定制学习的个性化成为可能[10]，推进人工智能与教学的有效结合，深入发展了“以学习者为中心”的教学理念，进一步推进了深度学习能力作为衡量学习效果的重要标尺[11-12]。

在智能化教育的时代背景下，新型的教学模式、教学方法、课程形态等教育要素在教学应用中逐渐从边缘化走向主流趋势，深度学习被视为信息化教学的诉求和旨趣[13]。翻转课堂作为一种新的教学改革模式，核心是对教与学关系的重新定位，目的是指向学生的深度学习，实现学生学习的高投入和高产出服务[14]，低阶认知水平向高阶认知水平发展[15]。随着翻转教学模式在课堂教学中的推广与应用，课堂教学中的个性化学习、深度交互的行为等特征为培养学生解决复杂问题、创造性思维、批判性思维和反思能力等深度学习目标提供了关键途径。

三、热点领域分析

为了进一步探寻关键词之间的亲疏关系，利用SPSS对29个关键词构成的相似性矩阵进行多维尺度分析。由多维尺度分析得出的战略坐标图，以向心度和密度为参数绘制成二维坐标，可以概括地表现一个领域或亚领域的结构[16]。其中横轴表示向心度（centrality）,即领域间互相影响的强度；纵轴为密度（density），表示某一领域内部联系强度[17]。在坐标图中的各个小圆圈代表各个高频关键词所处的位置，圆圈间的距离越近代表它们的联系越紧密，反之关系越疏远，距离战略图的中心点越近的关键词表示影响力越大[4]。另外，处于第一个象限的研究是核心且成熟的研究，第二个象限是边缘但成熟的研究，第三个象限是既边缘又不成熟的研究，第四个象限是核心但不成熟的研究。根据生成的“国内深度学习研究”多维尺度分析图（图3），结合战略坐标图的解读,可以发现国内的深度学习研究热点内容包括技术与教育的深度融合研究、深度学习与教学设计研究和真实情境的教学研究。

图3 “国内深度学习研究”多维尺度分析图

（一）技术与教育的深度融合研究

如图3所示，种类一中的关键词最多，同时分别最广，在四个象限中都有分布，其中人工智能、课堂教学、强化学习、神经网络、强化学习、注意力机制都是分布在第一象限，说明这类研究是处于研究网络中的中心地位。同时人工智能和注意力机制相互有交叉，说明当下的研究热点中人工智能和注意力机制联系是非常紧密，而且是有交集的。张海等认为深度学习已经成为人工智能教育研究领域的前沿，研究热点包括了教育应用场景，涉及教育、学习者、预测、情绪分析、大数据、人工智能等内容[18]。曾明星等认为人工智能正在深刻改变着人们的生产和生活方式，将逐渐成为推动科技与教育发展的重要力量，人工智能赋能深度学习，可以激发学习兴趣与学习动机，促进新旧知识相容，助力跨领域知识重构与情境重构，提升学习者的整体特性，进而促进深度学习内部关联迁移与外部拓展迁移，实现学习者认知结构的不断转化，大力提升学习的效率与效果[19]。

大数据、自然语言处理、机器学习、核心素养、教学改革等都分布在了第二象限，说明利用智能时代背景下的新技术进行核心素养、教学改革等研究有了一定的研究基础，目前还处于边缘地位，但接下来应该会有越来越多的成果出现。颜磊等认为在信息化时代的学习中，网络化学习是大学生学习模式的重要组成部分，在网络学习平台上利用学习分析技术来收集学生学习大数据，从而引导学生开展深度学习[20]。

高阶思维、学习分析、问题解决等关键词分布在了第三象限，可以看得出来，此类是属于刚刚起步的研究，同时距离较远，说明相互之间的联系还不是特别紧密的。段茂君等提出了高阶思维的生成机制和深度学习的生成机制，并从宏观、中观、微观三个层面剖析了这两个生成机制的关系，构建了基于深度学习的高阶思维培养模型，利用该模型有助于在基础教育课程中促进学生的深度学习，从而更好地发展学生的高阶思维[21]。

而知识图谱分布在了第四象限，说明此类研究非常重要，但是还不够成熟。例如，刘辉等发现：当前国内深度学习的相关研究成果较少，机构间的合作性不强[22]；张思琦等运用基于引文分析与共词聚类分析的方法，以Web of Science数据库2005年―2015年收录的459篇文献为研究对象，通过可视化知识图谱，探析近十年来国外深度学习领域的研究现状与研究热点,并进一步结合国内研究现状提出几点启示[23]。这也是本文要用知识图谱、社会网络分析软件对“深度学习”进行研究的意义所在。可见，智能时代技术与教育的深度融合研究这个研究主题既有成熟的研究基础，也有刚刚起步的研究，有些相互之间关系紧密，有些关系又较远，但都是围绕深度学习这个核心进行的。

（二）深度学习与教学设计研究

如图3所示，种类二中的关键词分布在第三象限和第四象限，其中分布在第三象限的有翻转课堂、教学模式、教学设计、混合式教学。朱永海等认为混合教学已经成为高校教学常态化形式，分析当前混合教学研究中存在的问题，从深度学习框架提出了混合教学的新模式，聚焦混合教学系统化设计，从而完善混合教学课堂2.0生态[24]。

分布在第四象限的有浅层学习、学习科学，可以看出大多数的关键词之间的分布较为松散，说明指向深度学习的教学设计研究的主题尚处于起步阶段还未形成一定的体系。杨子舟认为新一轮课改已取得明显进步,但在课程理念、教学目标、学习方式、教学方法和效果评价等方面出现了浅层学习的倾向，深度学习是对特定主题进行的持续探究，使学生超越表层的知识，达成对知识意义的深层次理解，当前应当用深度学习的方法修正浅层学习存在的问题,促进学生学习的持续性、理解性、批判性、探究性、体验性和反思性[25]。

（三）真实情境的教学研究

如图3所示，种类三中的关键词主要是分布在了第一象限和第四象限，其中实验教学在第一象限，而且密度值比较高，说明“实验教学”这个主题的成熟度比较高，而且与其他主题的联系是比较密切的。黄惠涛等讨论了应用格斯丁翻转教学模式在生物学实验教学中达成深度学习[26]；谭敏等以疫情期间留学生在线程序设计实验课教学为例，运用人工智能深度学习技术提出了一体化的智能教学模型,并搭建个性化的教学平台，构建了一套有效的程序设计实验课教学模型[27]。

而真实情境、迁移学习分布在第四象限，说明这两类研究虽处于中心地位，但是尚处于起步阶段，还未形成一定的体系。这也说明基于真实情境的实验教学研究这个主题未来还有较多的研究空间。唐敏认为深度学习策略以真实情境链接学习内容，深度学习的关键在于通过创设有效的真实问题情境，形成学习任务，连接学生、学习内容、学习，把学习变成学生主体主动参与的过程，真实情境作为深度学习的载体，在缩短学科知识和学生心理差距的同时，将学习与解决现实问题关联起来，让学习变得更有意义和价值[28]。

四、发展演化趋势

根据社会网分析软件Gephi生成的“国内深度学习研究”关键词网络图（图4）以及社会网络分析软件 UCIENT生成的关键词“点度中心度”“中间中心度”和“接近中心度”（表 3），预测未来国内深度学习研究的发展趋势。

表3 高频关键词各个“中心度”排序（部分）

从所有关键词形成的社会网络图来看，与信息技术背景下教学法相关的关键词“大数据、自然语言处理、真实情境”等都分布在社会网络的边缘，说明信息技术驱动下的教学法是未来深度学习研究的新热点和趋势。有学者提出：“在新的教学法中，科技是普遍存在的，我们要运用科技去发现和掌握知识，去达成在实际中创造和运用新知识的深度学习目标。”[29]科技与教学的结合并非仅仅是让教授知识和学习知识的过程变得便捷，而是能够让学生在实践过程中为解决复杂问题提供方案，能够让学生在现实生活以及未来的生活中应用、创造新知识。最终通过让更多的人运用新教学法和科技达到深度学习的目的，改变整个教育体系。

（一）技术的深度应用

关键词的绝对点度中心度表示与该点直接相连的其他点的个数，数值越高则代表该关键词具有较高的度数中心度[30]127。从绝对点度中心度看，策略、教学设计、人工智能、高阶思维、课堂教学、问题解决在“深度学习”研究主题所占核心程度比较高，是国内深度学习研究主题的核心重点。因此教学研究、人工智能以及高阶思维等关键词如何深化，是未来研究趋势的重点。

（二）教学的深度发展

点的接近中心度（closeness centrality）是一种不受他人控制的测度。如果一个点与网络中所有其他点的“距离”都很短，则称该点具有较高的整体中心度（又叫作接近中心度）[30]134。从“接近中心度”来看，策略、教学设计、人工智能、高阶思维、课堂教学、问题解决与关键词“深度学习”接近中心度的值比较大，反映了这些词不受其他关键词的影响程度较大。根据“国内深度学习研究”关键词网络图可以看出关键词翻转课堂、真实情境、教学改革处在社会网络的边缘，说明他们这些关键词的研究相对独立且也正在积极发展。

（三）教育的深度变革

点的中间中心度测量的是该点在多大程度上控制他人之间的交往，其数值越大代表该关键词对其他关键词的控制程度越大[30]130。从中间中心度来看，关键词策略、人工智能、神经网络、教学设计、课堂教学的中介中心度比较高，说明这些关键词对其他主题的控制力较强，所以这些关键词在国内深度学习的研究中起着中介桥梁的作用，对其他关键词的控制程度较大。结合“国内深度学习研究”关键词网络图，与关键词“策略、人工智能、神经网络、教学设计、课堂教学”相关还有关键词“大数据、机器学习、实验教学、核心素养”，说明在未来的研究中，深度学习与大数据、核心素养会紧密结合，引领教育改革。

五、结 论

本文采用文献量化分析和知识图谱可视化的方法，选取了中国知网数据库中截至2021年12月 31日关于“深度学习”为关键词的研究论文进行统计梳理、聚类分析，主要得出了以下的结论：第一，教育领域的深度学习经历了萌芽、起步和蓬勃发展阶段，特别是从 2017年以后，深度学习的研究文献大幅上升，目前还是处于一个高位状态；第二，教育领域的深度学习，大量的研究文献围绕着人的培养比如核心素养、高阶思维、浅层学习等，围绕着智能时代技术如人工智能、神经网络、机器学习、大数据等，围绕着教学研究如深度教学、翻转课堂、教学设计、实验教学等；第三，目前的深度学习研究可以划分为三大种类，分别是智能时代技术与教育的深度融合研究，指向深度学习的教学设计研究和基于真实情境的实验教学研究这三个研究主题；第四，未来深度学习的研究趋势将与教学研究、人工智能、大数据等紧密结合。

到目前为止，国内深度学习的研究虽取得了显著的成果，但尚存在研究视角单一、科技应用覆盖范围小、研究团队固化等问题。数字时代需要人才的素养以及技术的发展在教育中的应用和支持推动了教学中对于深度学习的诉求，加快了有关深度学习的理论与实践的研究。加大科技在教学中的应用力度，有助于全面提高学生学习、合作、交互的质量，促进学生的对知识的理解、迁移、应用以及创造性解决复杂问题能力的形成。教育领域深度学习研究中引入大数据分析功能，以获取有意义的规律与模式、知识与信息,利于学生深层次理解学习、系统化建构知识, 促进实现学习迁移和培养高阶思维[32]。同时，深度学习的发展要注重与新技术糅合的可能，用新技术为深度学习的实施创造条件，同时加强相关教育资源的建设[22]，如此才能推动构建我国课程与教学改革的重要基石，有助于学生价值观的培育、核心素养的形成、高阶思维的提升。