深度混合学习设计模型的构建与实证研究*

沈霞娟 张宝辉 张 浩

深度混合学习设计模型的构建与实证研究*

沈霞娟1张宝辉2张 浩1

（1．扬州大学 新闻与传媒学院，江苏扬州 225009；2．陕西师范大学 教育学部，陕西西安 710062）

在教育高质量发展的时代背景下，混合学习虽备受关注，但依然存在浅层低效的现实问题。为充分发挥混合学习的潜在优势，文章引入深度学习理论，构建了系统完善的深度混合学习设计模型，并以“教育文献检索与分析”课程为例开展实证研究，验证了模型的应用效果。研究发现：从学习结果来看，学生对课程知识掌握良好，深度学习能力显著提升，满意度较高；从学习过程来看，高水平的行为、认知和情感投入是实现深度学习的重要内因，“以学生为中心”的课堂结构、面向高阶认知的问题环境和技术支持的高效交互是促进深度学习的关键外因。文章旨在为优化混合学习的设计提供方法指导，并对推进深度学习的落地实施具有重要意义。

深度学习；混合学习；设计模型；实证研究

引言

在《2021地平线报告:教与学版》中，混合学习再次入选影响高等教育未来发展的关键技术与实践[1]，彰显了巨大的应用潜力。然而，混合学习具有空间场域多、技术门槛高、活动设计复杂的典型特征，一线教师较难准确把握混合学习的设计方法和实施逻辑，仅在表面上做到线上与线下学习的简单结合，未能实现统一、有效的教学设计，从而导致混合学习效果欠佳。景玉惠等[2]发现，混合学习存在线上线下学习内容分配不当、学习活动非互补设计、学习结构松散等突出问题。彭飞霞等[3]进一步指出，由于理论储备不足、技术运用不当、教学能力不强等原因，致使部分混合学习陷入“场面热闹、内涵不足”的两难之地。

“十四五”期间，教育将进入高质量发展新阶段，破解混合学习的发展困境、加速混合学习的实践应用迫在眉睫。因此，我们需要以更加开阔的视野审视混合学习，引入新的指导理论、实践方法或技术手段，以促进混合学习的迭代发展。大量研究证明，深度学习作为一种先进的学习理念，能够有效调动学习者的内部动机和积极参与，正在成为变革学习方式、培养创新能力的重要抓手[4]，为解决混合学习现存的“浅层低效”问题提供了新的思路。基于此，本研究尝试构建促进深度学习的混合学习设计模型，并验证模型的应用效果，以期为促进教育高质量发展提供课程层面的参考范例。

一 文献综述

随着人们对教学质量的反思，深度学习和混合学习逐渐融合发展，并形成了重要的交叉研究领域，可简称为“深度混合学习”（Deep Blended Learning，DBL）。其中，“深度”表示该类学习以知识应用和迁移为核心目标，“混合”表示需要线上/线下学习的有机结合。DBL通过对学习质量和学习环境的综合表述，有效实现了混合学习中目标与手段的统一，典型特征是高阶性、参与性、融合性与优质性。

近年来，DBL相关研究聚焦于教学设计、实施路径和评价方案三大方面：①DBL教学设计一直是研究焦点，多数研究者倾向于依据教学时序阐述设计思路，如黄志芳等[5]提出了面向深度学习的3×3混合学习模式，揭示了课前、课中、课后学习的职责分工和内在逻辑；另有部分研究者关注混合学习中深度学习活动的融入比例和难度调节，如朱永海[6]提出了阶梯式加深混合教学一般模式，旨在实现灵活的学习深度控制。②DBL实施路径需要充分考虑混合学习的环境特征，典型成果是基于深度学习路线形成具体方案，如谭爽[7]将DBL归纳为“知识获取、反思、迁移、测评”四个目标点，涵盖“知识点、交互点、实践点、评价点”四个关键点，对应于“课前、课中、课后、结课”四个阶段。③DBL评价方案具有精细化、多元化的特征，常见的评价方法包括形成性测验、开放性实践作业、总结性迁移测试、思维导图、反思日记等[8]。

DBL的相关研究虽然取得了重要进展，但也存在一些不足：①DBL尚未实现学习目标、资源、活动、评价等要素的系统化设计；②DBL教学尚未有效解决线上/线下学习的规范化组织问题，教学流程有待明晰；③DBL评价关注知识掌握和能力发展，情感体验和过程表现的评价尚未得到充分重视。为此，本研究对现有DBL进行改进，构建了科学有效的DBL设计模型并展开实证研究，以规范实施流程，优化评价方案，提升学习质量。

图1 深度混合学习的设计模型

二 深度混合学习的设计模型构建

DBL设计的理论依据是情境认知理论和参与式学习理论，强调通过创设真实的问题情境和具有挑战性的学习任务促进学生的深度参与。同时，DBL设计还要兼顾混合学习的基本结构，处理好线上/线下学习的资源分配和活动衔接。参考黄荣怀等[9]提出的由前端分析、学习资源与活动、学习评价构成的混合学习经典设计框架，本研究进一步完善学习目标设计，并将学习资源设计和学习活动设计分开阐述，从而使设计流程更加清晰、完善，最终形成了包含五个核心要素的深度混合学习设计模型，如图1所示。

1 三位一体的前端分析

首先，教师应采用调查、访谈等方法，了解学习者的个性特征和学习准备，科学确定教学起点；其次，教师应超越学科知识的藩篱，站在“全面发展的人”的立场上确定学习内容，融入具有赋能作用的策略知识、元认知知识和人际互动知识[10]；最后，教师还应根据情景化、问题化、协作性、探究性的原则[11]，对混合学习环境进行分析与创设。线下学习开展的场所尽量为多媒体教室或智慧教室，以便随时调取网络资源和开展深度协作。

2 面向高阶能力的学习目标

从深度学习的内涵可知，掌握学科核心知识并提升高阶能力是其核心追求。教师应参考认知、动作技能、情感领域中浅层学习目标与深度学习目标的划分标准[12]，对学习目标进行精准描述，并合理分层。此外，为了实现创新人才的培养，教师还应积极回应社会发展对学生核心素养提出的要求，将支持终身发展的必备品格和关键能力纳入课程目标体系，科学确定单元目标和课程总体目标之间的对应关系。

3 线上/线下衔接互补的学习资源

Garrison[13]指出，混合学习中线上/线下学习既不能完全重叠，也不能毫无联系，而是要一体化设计，实现彼此间的衔接与互补。其中，线上学习资源是开展混合学习的基础，应科学提炼核心概念，通过视频微课、PPT课件等形式呈现完整的知识内容体系，帮助学生达成基础学习目标；线下学习资源主要服务于高阶目标的实现，因而还需要引入复杂问题、典型案例等进行知识广度和深度方面的拓展。

4 体现主动参与、深度加工的学习活动

案例分析、交流讨论、反思总结和问题解决类活动有助于促进深度学习，其共同特征是需要学生主动参与并应用高阶认知策略。因此，应在课前自主学习（线上）、课中深度研学（线下）、课后反思拓展（融合空间）三个重要阶段将这些活动融入其中，才能逐步将学习从浅层引向深度，从而解决混合学习活动组织松散、低阶无序的问题。

5 过程与结果并重的多元化学习评价

DBL以结果的高质量和过程的高投入为典型特征，这就要求开展结果与过程并重的多元化学习评价。其中，对学习结果的评价多表现为总结性评价，应将知识掌握、能力发展、情感体验的学习数据纳入评价范畴，全面考察学习对个体发展的作用；对学习过程的评价多表现为形成性评价，应从学习投入、课堂参与、师生交互等视角为学生提供针对性的反馈信息[14]，以精准实现学习调控和改进。从评价主体来看，DBL应在教师评价的基础上，适当融入机器评价、同伴评价和自我评价，确保评价科学、公平、高效。

为有效提升设计质量，应在DBL的各个设计阶段开展形成性评价，及时反馈设计中存在的问题并予以修正、优化。同时，还要关注设计要素之间的一致性问题，以促进设计模型的协调运行。Biggs等[15]在《卓越的大学教学》中详细阐述了一致性建构的重要价值，强调了学习目标与学习评价之间的一致性。本研究认为只有通过目标、资源、活动、评价四者之间的一致性建构，才能充分激发教学系统的最大潜能。其中，学习目标是教学系统的核心，深度学习不仅关注学科知识的掌握，还关注能力发展和情感体验，这就意味着学习资源不仅要呈现基本的事实、概念和原理，还要充分挖掘学科大概念和复杂问题，而学习活动需要指向协作、探究、整合、反思，以充分发挥高阶认知策略的作用。更关键的是，必须让学生了解深度学习的具体评价标准，才能有效实现“目标领学、评价促学”的良性循环。

三 深度混合学习的实证研究

1 研究课程与对象

为探究深度混合学习设计模型的应用效果，本研究以西安市S大学2020年春季的“教育文献的检索与分析”课程为例开展教学实践。该课程由本研究的第一作者按照DBL设计模型进行研发、第二作者负责主讲，核心内容包括教育文献检索、阅读、管理、分析、利用五个学习单元，共36学时（线上16学时+线下20学时）。该课程通过“中国大学MOOC”（课程编号0401iCourse056）开展线上学习，选课学生为235名本科生，来自教育学、数学、化学等10余个专业，其中男生60人，女生175人。

2 教学流程

①课前自主学习（线上）。该阶段学生根据学习任务单，在线完成基础知识学习，并将发现的问题通过讨论区或QQ群等反馈给教师，典型的学习活动包括观看视频微课、参与线上讨论、完成章节测验、提出疑难问题等。在信息爆炸的环境下，学生需要具备较强的自我管理能力和学习毅力，才能减少信息迷航和拖延症，提升课前自主学习质量。

②课中深度研学（线下）。该阶段教师在课前自主学习的基础上，进一步围绕高阶认知和复杂问题解决组织教学活动。本研究关注学情评估、积极参与、及时总结等有效教学要素[16]，并根据高阶能力培养指向，提出了由“预习检测—重难点精讲—协作问题解决—分享展示—思维提升—总结深化”构成的六步深度学习法，引导教师有序开展线下教学，不断拓展学习深度。

③课后反思拓展（融合空间）。深度学习不是在简单的知识积累中发生，而是在面向新情境的知识迁移中发生[17]。建议该阶段以反思拓展类活动为主，包括：撰写反思日记，发现学习中的问题与不足，提升元认知能力；绘制思维导图，及时进行复习和总结，形成完善的知识结构；开展实践探究，将学习内容与真实情境相结合，提升复杂问题解决能力；尝试迁移应用，通过变换学习情境，巩固学习成效。

3 研究方法和工具

根据DBL设计模型中的评价方案，实证研究采集了知识掌握（学习成绩、思维导图）、能力发展（深度学习能力）、情感体验（学习者满意度）和过程表现（学习投入、课堂教学行为）四个方面的6类数据。其中，学习成绩和思维导图由主讲教师提供，其他数据通过问卷调查和课堂观察获得，具体的研究方法和分析工具如下：

①问卷调查法。该方法用于开课前的学情分析和结课后的效果评价，以开展前后测对比分析。其中，前测问卷分为学习动机、深度学习能力、知识基础三部分，后测问卷分为深度学习能力、学习者满意度、学习投入、改进建议四部分。前测和后测各发放问卷235份，剔除无效问卷后，获得有效前测问卷203份、有效后测问卷221份，前后测问卷均为有效的为200份。需说明的是，问卷中的深度学习能力着眼于学生核心素养，选择美国深度学习项目（Study of Deep Learning，SDL）发布的量表并适当优化完善[18]，从协作能力、自主学习能力、创新性思维能力等六个维度进行专项评价，共50题，前测信度为0.870，后测信度为0.903；学习者满意度属于情感体验评价，参考王改花[19]提出的混合学习满意度量表，将学习者作为享受教育服务的顾客，从质量感知、期望感知两个维度进行具体调查，共8题，信度为0.930；学习投入作为衡量学习参与水平的重要依据，依据李爽[20]提出的远程学习者学习投入量表进行问卷编制，包括行为、认知、情感三个维度，共20题，信度为0.942。

②课堂观察法。该方法主要用于探究线下学习的过程特征，通过视频全程采集师生教学行为，并从课程初期、中期和后期各选择一次教学视频，引入基于信息技术的互动分析系统（Information Technology-based Interaction Analysis System，ITIAS）进行编码分析[21]。

③内容分析法。该方法主要用于评价学生的思维导图质量。课题组前期开发了基于SOLO的思维导图五级评价标准[22]，明确了各级导图的内容特点和思维操作。前结构、单点结构和多点结构的思维导图知识结构不够完整，多为单向分类思维，属于浅层学习结果；关联结构和抽象拓展结构的思维导图知识结构完善，且需建立知识之间的内在联系，属于深度学习结果。

四 研究结果与分析

1 知识掌握分析

学习成绩是评价学生知识掌握情况的核心指标。DBL课程平均分为86.54，及格率为97.87%，优秀率为79.57%（≥85分），对比前测试题的正确率（31.75%）进步十分显著，表明学习者较好地掌握了学科核心知识。

按照前述基于SOLO的五级评价标准对学生提交的1164幅思维导图进行分析，发现：其中25.69%属于关联结构，3.52%属于抽象拓展结构，这些思维导图不仅反映出学生成功构建了完整的知识结构，而且进一步开展了分析、综合、抽象、概括等高阶思维操作，从而实现了新学内容与自身知识体系的有机融合，成为深度学习发生的重要标志。

2 能力发展分析

为了检测DBL在促进学生知识掌握的同时能否提升核心素养能力，本研究进一步开展了深度学习能力发展分析。由于单样本K-S检验发现深度学习能力的前测、后测数据不服从正态分布，故采用配对样本Wilcoxon符号秩检验进行对比分析。如表1所示，六类能力的后测成绩全部高于前测成绩，检验结果在0.001水平上存在显著性，表明学生的深度学习能力得到了有效提升。其中，增值幅度排名前三的是学习毅力、创新性思维能力和批判性思维能力，说明DBL能够有效锻炼学生的坚毅品格，并培养高素质人才必备的关键能力。

表1 深度学习能力配对样本Wilcoxon符号秩检验（N=200）

3 情感体验分析

问卷调查发现，课程整体满意度达93.76%。从质量感知来看，教学内容、活动、评价、质量、互动、平台六个子维度选择“比较满意”和“非常满意”的人数均超过90%（如图2所示）；从期望感知看，87.79%的学生认为学习收获比较多或非常多。可见，深度学习符合学生的内在需求，获得了多数学生的认可，带来了良好的学习获得感和情感体验。

图2 质量感知六个子维度的满意度统计（N=221）

4 过程表现分析

（1）学习投入水平

充分的学习投入是提高学习质量、实现深度学习的重要条件。如表2所示，DBL中学生在行为、认知、情感三个维度的投入均值为4.11～4.21（总分为5分），整体投入均值为4.15，高于马婧[23]、徐春华[24]报告的混合学习投入水平，凸显了深度学习的本质。进一步分析三个维度的均值差异情况，发现情感投入显著高于行为投入和认知投入。可见，虽然学生在情感上比较认可深度学习的价值，但是行为投入和认知投入还需进一步加强，教师应引导学生将积极情感转化为实际有效的学习行动，才能真正提升学习质量。

表2 学习投入情况分析（N=221）

（2）课堂教学行为分析

课堂教学视频能直观揭示DBL的发生过程和师生行为特征。本研究将课程初期、中期和后期随机抽取的教学视频依次编码为01、02、03，并从教学结构、互动行为、提问质量三个维度开展分析。

①课堂教学结构分析。ITIAS根据教师语言、学生语言、沉寂、技术四类行为的时间比例，判定课堂教学结构。如表3所示，01课堂的教师语言时间占72.42%，属于典型的“以教师为中心”的课堂结构；02课堂的教师讲授时间大幅减少，以协作问题解决为主，学生语言时间占比增至33.49%，表明正在向“以学生为中心”的课堂结构转变；03课堂的教师进一步下放学习控制权，以学生协作活动和同伴互评为主、教师点评拓展为辅，学生语言时间占比上升至57.06%，“以学生为中心”的课堂教学结构稳步形成。

表3 课堂教学结构分析

②课堂互动行为分析。ITIAS中课堂互动行为分为教师提问、学生应答、学生提问、交流讨论四类。如表4所示，01课堂以师问生答为主，学生没有主动提出问题；02课堂学生主动应答和主动提问的占比有所上升；03课堂教师提问时间最少，但学生的主动应答潜能得到充分激发。此外，受疫情影响，2020年春季面授教学改为在线直播，讨论区成为师生互动的新渠道，参加讨论的人数大幅上升，出现了一问多答、相互补充的现象，交互的广度和深度均有拓展。

表4 课堂互动行为比例

③教师提问质量分析。ITIAS中教师提问分为封闭性问题、开放性问题两类，无法准确判断对应的认知层次。为评估教师提问能否促进深度学习，本研究将教师提问细化为记忆、理解、应用、分析、评价、创造六类，前两类为浅层互动、后四类为深度互动。如表5所示，01课堂教师提问中记忆、理解类的浅层问题和应用层以上的深度问题各占一半；02课堂中应用层以上的问题占69.23%，教师提问开始转向深度交互；03课堂中的问题则呈现出“少而精”的特征，且应用层以上的问题达85.71%，提问深度进一步增加。因此，促进深度学习的教师提问不是以数量取胜，而是以少量精心设计的深层次、开放性问题为主，不断驱动高阶认知活动的开展。

表5 教师问题质量分布

五 结论与建议

深度混合学习是高质量教育发展理念在互联网环境下的生动体现。基于对相关文献的梳理，本研究构建了以前端分析为基础、以“目标—资源—活动—评价”一致性建构为特色的深度混合学习设计模型，明确了线上/线下学习的职责分工、资源差异和教学流程，并开展了多维度数据分析，结果表明此设计模型有效解决了混合学习中存在的“浅层低效”问题。具体来说，从学习结果来看，学生对课程知识的掌握良好，深度学习能力显著提升，满意度较高。从学习过程来看，学生的行为、认知、情感投入均处于较高水平，是实现深度学习的重要内因；“以学生为中心”的课堂结构、面向高阶认知的问题环境、技术支持下的高效交互，激励学生从边缘参与走向核心对话，成为促进深度学习的关键外因。

为推动更多的混合学习课程实现高质量发展，建议开展教学设计时遵循以下原则：①精准有效的前端分析原则，即针对学习者、学习内容、学习环境等影响教学的主客观因素进行合理分析，厘清现状和问题，为科学开展教学设计提供依据；②面向高阶能力的目标引领原则，即积极鼓励学生树立面向知识应用与创新的学习目标，有效激发内部学习动机；③线上/线下学习资源的一体化建设原则，即统筹考虑学习内容的知识类型和认知层次，确保线上资源和线下资源定位明确、衔接互补；④以问题解决为核心的参与式活动原则，即鉴于深度学习任务的复杂性，积极开展关联、整合、反思等高阶认知活动，并为学生提供充足的参与机会；⑤过程与结果并重的多元评价原则，即积极开展包含知识、技能、情感等多个维度的综合评价，充分发挥学习评价的导向、诊断、激励和改进作用。后续研究将进一步开展更加严谨的教育准实验研究，力争在多样化的教学实践中验证和优化设计原则，取得更加系统的深度混合学习研究成果。

[1]高巍,周嘉腾,经湛,等.后疫情时代的高等教育技术转向:实践反思与未来图景——《2021地平线报告(教与学版)》要点分析[J].现代远程教育研究,2021,(3):63-72.

[2]景玉慧,沈书生.走出混合学习误区:误区剖析与破解之策——以“音视频加工与制作”课程为例[J].现代教育技术,2019,(7):66-72.

[3]彭飞霞,阳雯.混合学习如何加深学习深度——兼及教育大数据如何支持学习分析[J].现代远距离教育,2017,(2):31-39.

[4]何克抗.深度学习:网络时代学习方式的变革[J].教育研究,2018,(5):111-115.

[5]黄志芳,周瑞婕,赵呈领,等.面向深度学习的混合式学习模式设计及实证研究[J].中国电化教育,2019,(11):120-128.

[6]朱永海.深度学习视角下混合教学系统化设计与体系化模式构建[J].中国电化教育,2021,(11):77-87.

[7]谭爽.指向深度学习的高校“混合式教学”模式构建[J].中国高等教育,2019,(6):51-53.

[8]Grover S, Pea R, Cooper S. Designing for deep learning in a blended computer science course for middle school students[J]. Computer Science Education, 2015,(2):199-237.

[9]黄荣怀,马丁,郑兰琴,等.基于混合式学习的课程设计理论[J].电化教育研究,2009,(1):9-14.

[10]胡航,董玉琦.深度学习内容的构成与重构策略[J].中国远程教育,2017,(10):72-78、80.

[11](美)R.基思·索耶著.徐晓东,杨治平,鲁文娟,等译.剑桥学习科学手册[M].北京:教育科学出版,2010:545-551.

[12]张浩,吴秀娟,王静.深度学习的目标与评价体系构建[J].中国电化教育,2014,(7):51-55.

[13](加)D.兰迪·加里森,诺曼·D·沃恩著.丁妍,高亚萍译.高校教学中的混合式学习:框架、原则和指导[M].上海:复旦大学出版社,2019:4-5.

[14]Filius R M, Kleijn R A M D, Uijl S G, et al. Promoting deep learning through online feedback in SPOCs[J]. Frontline Learning Research, 2018, (2):92-113.

[15](澳)约翰·比格斯,凯瑟琳·唐.王颖,丁艳,高洁译.卓越的大学教学:建构教与学的一致性(第四版)[M].上海:复旦大学出版社,2015:135-155.

[16]曹丹平,印兴耀.加拿大BOPPPS教学模式及其对高等教育改革的启示[J].实验室研究与探索,2016,(2):196-200、249.

[17]Pellegrino J W, Hilton M L. Education for life and work: Developing transferable knowledge and skills in the 21stcentury[M]. Washington: The National Academies Press, 2012:95.

[18]Zeiser K L, Taylor J, Rickles J, et al. Evidence of deeper learning outcomes: Technical appendix. Findings from the study of deeper learning opportunities and outcomes: Report 3[R]. Washington: American Institutes for Research, 2014:16-20.

[19]王改花.大学生学习者特征对线上线下混合式学习效果的影响研究[D].西安:陕西师范大学,2020:130.

[20]李爽,李荣芹,喻忱.基于LMS数据的远程学习者学习投入评测模型[J].开放教育研究,2018,(1):91-102.

[21]顾小清,王炜.支持教师专业发展的课堂分析技术新探索[J].中国电化教育,2004,(7):18-21.

[22]沈霞娟,张宝辉,冯锐.混合学习环境下的深度学习活动研究:设计、实施与评价的三重奏[J].电化教育研究,2022,(1):106-112、121.

[23]马婧.混合教学环境下大学生学习投入影响机制研究——教学行为的视角[J].中国远程教育,2020,(2):57-67.

[24]徐春华.基于MOOC的混合式学习投入影响因素模型与干预策略研究[D].西安:陕西师范大学,2020:207.

Construction and Empirical Research of Deep Blended Learning Design Model

SHEN Xia-juan1ZHANG Bao-hui2ZHANG Hao1

Under the time background of the high-quality development of education, although blended learning has attracted much attention, there are practical problems of superficial inefficiency. In order to give full play to thepotential advantages of blended learning, this paper introduced deep learning theory, constructed a systematic and complete design model of deep blended learning, and carried out an empirical study by taking the “educational literature retrieval and analysis” course as an example to verify the application effect of the model. It was found that from the aspect of learning resultsstudents had a good grasp of curriculum knowledge, and their deep learning abilitieswere significantly improved and their satisfactionswere high. Meanwhile, from the aspect of learning process, the high-level behavior, cognition and emotional investment were the important internal factors for deep learning. In addition, “student-centered” classroom structure, problem environment oriented for high-order cognition and efficient interaction supported by technology were the key external factors of deep learning. The purpose of this paper was to provide method guidance for optimizing the design of blended learning and was of great significance to promote the implementation of deep learning.

deep learning; blended learning; design model; empirical study

G40-057

A

1009—8097（2022）08—0050—09

10.3969/j.issn.1009-8097.2022.08.006

本文受全国教育规划课题“碎片化阅读学习行为及认知深度提升研究”（项目编号：BCA170084）、江苏省社科基金项目“‘双减’背景下江苏中学生的深度学习能力评价与培养研究”（项目编号：22JYB006）、扬州大学教学改革研究课题“运用思维导图促进大学生深度学习的实践研究”（项目编号：YZUJX2021-C5）资助。

沈霞娟，讲师，博士，研究方向为学习科学与教学设计，邮箱为shenxiajuan2009@163.com。

2021年11月23日

编辑：小时