成人在线深度学习何以发生？

刘京鲁　夏洁　王宇　张珐

[摘   要] 随着终身学习理念的普及，在线学习日趋成为成人学习者获取知识与技能的主要途径。为分析成人在线深度学习的影响因素和作用机制，探索有效促进深度学习发生的在线教学策略，研究构建基于“课程设计—教学实施—教学评价” 三阶段的“成人在线深度学习发生机制模型”，开发成人在线深度学习测评工具，基于对494名在线学习者的问卷调查结果，开展了实证研究。研究结果表明：从学习者需求出发组织真实情境下的教学是提高学习动机和学习参与程度的关键因素，成人在线课程设计秉持“因需施教”的理念；教师要重视对学习者的“支持—调节”，培养学习者沟通协作、知识建构、问题解决等高阶能力；成人在线教学应提升学习者“在场”体验，引导学习者“学会学习”和“主动参与学习”。

[关键词] 深度学习； 因需施教； 支持—调节； 实践导向； 在线临场感

[中图分类号] G434            [文献标志码] A

[作者简介] 刘京鲁（1992—），男，山东济南人。讲师，博士，主要从事教育技术学基本理论与远程教育研究。E-mail：liujl@ouchn.edu.cn。

一、引   言

党的十八大以来，我国经济社会飞速发展，产业结构优化升级，对我国人民的职业技能发展与转型提出了新的时代要求。党的二十大报告提出深入实施人才强国战略，以人才驱动科技产业创新发展和国家经济社会高质量发展，我国成人在职群体的职业技能和知识面临动态提升的需求。在学习型社会建设和终身学习理念日趋普及的背景下，在线学习逐渐成为我国成人在职群体提升职业技能、满足学习兴趣的主要途径。第48次《中国互联网络发展状况统计报告》显示，截至2021年6月，我国在线教育用户规模达3.25亿[1]。然而，成人在线学习仍面临“量”与“质”发展不均衡的问题，即成人在线学习存在通过率低、学习效果差、学习体验不佳等现象[2]。

近年来，面向深度学习的课堂教学逐步成为教育高质量发展研究的热点，以深度学习理念促进学习者高阶认知能力发展是国内外教学改革的新趋势。为突破成人在线学习中“量”与“质”的发展瓶颈，提升成人在线学习的质量，以深度学习理念改进成人在线学习策略，探索成人在线深度学习如何发生发展的“黑箱”成为亟待解决的问题。基于此，研究以成人在线学习者为研究对象，运用“课程设计—教学实施—教学评价”的三阶段框架，通过实证研究聚焦成人在线深度学习的现状并探究在线深度学习的影响因素和作用机制，为在线教育教学质量提升提供策略支持。

二、文献综述

（一）深度学习的内涵与测量

“深度学习”（Deep Learning）概念最早由马顿提出，他认为深度学习是对内容的理解和将新知识与已有知识、经验进行联结[3]，此后国内外研究者逐步将深度学习的特征聚焦于高阶思维、认知加工、知识建构和问题解决等层面[4-6]。随着在线教育浪潮席卷全球，学界强调要适应在线教育的特点以调整教学模式，关注在线学习者主动参与、主动建构和协作探究[7-9]，促进在线深度学习发生。

在深度学习测量层面，国内外研究逐步从认知目标、学习参与、深度学习达成向体系化的测评指标演进。比格斯所提出的有关学习方式的“教学设计—教学过程—教学评价”（Presage- Process-Product）模型为系统性分析深度学习和浅层学习提供了框架[10]，对影响深度学习发生的因素以及深度学习与学习产出之间的关系进行了测量。吴峰等开发成人在线学习动机量表，发现学习动机有助于促进主动学习发生[11]。美国的“全国大学生学习性投入调查”（National Survey of Student Engagement，NSSE），从学生学习投入的角度测评学生的深度学习质量[12]，此后清华大学对该调查进行本土化改编并进行应用，从行为投入、认知投入和情感投入三个维度研究学生的深度学习情况[13]。

（二）在线深度学习的实证研究

优质的教学设计和积极的学习投入是深度学习发生的关键。国内外不同研究者针对在线学习者动机激发、学习支持、活动引导、在线学习环境设计如何影响指向深度学习的沟通协作、反思建构、问题解决等指标展开了一系列研究。马丁等提出交互、讨论、参与、协作是促进深度学习有效发生的手段[14]；刘哲雨等发现深度学习与学习者投入程度相关，在课程设计中提供“思维发展脚手架”，有助于促进深度学习的发生[15]；吴亚婕从个体、行为、环境三个维度，提出在线学习环境设计、课程设计、教师教学设计及应用能力、学生学习动机、学习策略是预测学生能否发生在线深度学习的关键指标[16]；胡航等通过课堂教学研究，提出高品质的深度学习应重视学习内容设计和学习策略供给，并重点关注学习者的认知结构和认知发展情况[17]。此外，马云飞等从“输入—加工—生成”的认知过程出发[18]，探究深度学习的发生机理，为成人在线深度学习的机制分析提供了视角。

三、研究设计

（一）假设模型

本研究将在线深度学习定义为学习者在课程设计的引导和教师教学组织下，主动参与各项学习活动，通过发展知识建构、批判性反思、沟通协作等高阶认知，达成学科知识技能的学习的过程。本研究从课程设计视角出发，整合有关深度学习的测量和影响因素以及成人在线学习等研究，构建了“成人在线深度学习发生机制假设模型”（以下简称“假设模型”），如图1所示。其中，課程设计阶段考查如何从学习者特征出发进行目标设计、内容设计等，教学实施阶段从支持的角度考查学习者的深度学习参与行为，教学评价阶段采用修订版学习过程问卷（Revised Study Process Questionnaire）考查学习者的深度学习效果。

综上所述，本研究提出以下研究假设：

H1：课程设计对深度学习效果有显著正向影响；

H2：课程设计对深度学习支持有显著正向影响；

H3：学习者特征对深度学习效果有显著正向影响；

H4：学习者特征对深度学习支持有显著正向影响；

H5：深度学习支持对深度学习效果有显著正向影响。

（二）研究工具和数据来源

为探究成人在线深度学习的作用机理，课题组研制了“成人在线教育课程学习情况调查问卷”。研究从学习者特征、课程设计、深度学习支持、深度学习效果四个维度对问卷中的65个题项进行分析。研究采用分层随机抽样的方法，从参加开放学历教育的学生群体和参加中国大学MOOC等社会化学习平台的学生群体中发放网络调查问卷。采用SPSS 23.0 软件和AMOS 24.0 软件对数据进行统计分析，采用结构方程模型验证研究假设、修正模型、计算效应值。

四、研究结果

研究共回收有效问卷494份，其中学历教育的学生占比82.2%，非学历教育的学生占比17.8%；男生占比47.4%，女生占比52.6%。经检验，量表各维度的可信度Cronbach's α值均在0.9以上，有效度KMO值均在0.8以上，说明信效度较为可靠。基于修订版学习过程问卷，成人在线学习深度学习和浅层学习得分范围是10～50分，深度学习平均得分42.78分，浅层学习平均得分38.68分。根据得分差值，将样本划分为深度学习组和浅层学习组，其中深度学习组205人，占比41.5%；浅层学习组289人，占比58.5%。

（一）深度学习者与浅层学习者的差异分析

深度学习者对课程设计和学习中的深度学习支持评价显著更高，可从设计和支持入手促進学习者的深度学习。研究通过李克特5点量表调查了成人对在线课程目标、学习支持以及学习过程中的沟通协作、知识建构、问题解决、学习动机等维度的评价。表1为两组学习者在各维度上的得分均值，除学习动机外，深度学习者得分高于浅层学习者。均值比较结果显示，两组在学习支持、沟通协作、知识建构、学习动机方面具有显著差异。

研究统计了两组在各维度具体题项上的得分差异（见表2），得分越高表示该题项的描述越符合个体情况。方差分析结果显示，深度学习者和浅层学习者在学习过程中的沟通协作、知识建构、问题解决等方面存在显著差异。

主动互动和协作学习是深度学习者的显著特征，可以采用问题引导类在线协作学习增强深度学习效果。由表2可知，在沟通协作层面，强化学生主动参与提问（p=0.007）与讨论（p=0.100），培养学生主动与教师、同伴互动的能力，是影响深度学习发生的重要因素。此外，以小组讨论为代表的在线协作学习已被证明是有效在线教学的方法，而“脚手架式”的问题引导类小组协作学习（p=0.080）则成为有效激发在线学习组深度学习的途径之一。

师生间的认可与信任有助于促进学习者的在线学习参与，师生、生生分离状态下的成人在线学习需要获得情感方面的支持，来自教师或同伴的认可和信任（p=0.002）是增强学习者在线学习信心、激发学习者主动参与各项学习活动的有效策略。

帮助学习者增强信息获取能力和知识体系建构能力有助于深度学习的达成。在知识建构与反思建构层面，如知识体系建立（p=0.008）是高阶思维能力的重要体现，对于在线学习者而言，联通时代的信息获取能力（p=0.016）和学会知识体系建构（p=0.000）成为在线深度学习者的突出特征。

营造学习与实践相结合的在线学习临场感，助力学习者知识的迁移与应用。在问题解决层面，课程知识与实践相结合，是学习者增强真实情境下问题解决能力的有效手段。在强调知识和技能获取的在线教育领域，课程学习内容或作业与实践结合（p=0.003）的学习临场感塑造和理论迁移到实践的能力培养（p=0.000）是衡量在线深度学习能否达成的重要标志。

（二）假设模型检验与影响效应分析

研究首先对量表各维度题项进行因子分析，提取“学习动机”“课程目标”“学习支持”“沟通协作”“知识建构”“问题解决”六个公因子，并对深度学习效果量表得分进行标准化计算。基于数据统计分析，研究发现投入性别、年龄、受教育年限为代表的个体背景类变量后，模型未达适配标准，这与成人在线教育中性别、年龄等个体背景类因素对学习效果预测作用不强的实际情况相符，故在模型中剔除个体背景类变量。研究基于修正后的模型进行拟合检验，发现修正后的参数检验指标均符合标准。假设模型修正后的参数检验值见表3。

对修正后成人在线深度学习发生机制的结构方程模型（以下简称“修正后模型”）的拟合检验值与拟合标准值进行对比，可得到修正后模型的拟合程度。数据分析表明，CMIN/DF、RMSEA、RMR、GFI、AGFI、NFI等指标的检验值均满足评价标准，说明修正后模型具有较好的拟合度。修正后模型拟合检验值见表4。

如图2所示，修正后的模型呈现了“课程设计（课程设计、学习动机）—教学实施（深度学习支持）—教学评价（深度学习效果）”之间的路径关系。

路径系数可以衡量各维度影响深度学习效果的效应值，具体包括标准直接效应值、标准间接效应值和标准总效应值。修正后模型的效应值见表5，数据分析结果表明：

第一，学习动机显著影响学习者获取在线课程提供的深度学习支持，直接和间接影响深度学习效果，且通过深度学习支持影响深度学习的间接效应更大。学习者的在线学习动机对其获取在线课程提供的深度学习支持有直接的正向影响，标准直接效应值为0.160；学习者的在线学习动机对其深度学习效果有直接的正向影响，标准直接效应值为0.099；通过获取在线课程提供的深度学习支持的中介作用，学习者的在线学习动机对其深度学习效果产生了间接的正向影响，标准间接效应值为0.103。可见，在线学习动机通过深度学习支持影响深度学习效果的间接效应明显高于在线学习动机对深度学习效果的直接效应。

第二，在线课程设计直接影响学习者深度学习效果，还通过学习者获取深度学习支持间接影响深度学习效果，且深度学习支持的间接效应更大。在线课程设计对学习者获取在线课程提供的深度学习支持有直接的正向影响，标准直接效应值为0.871；在线课程设计对学习者的深度学习效果有直接的正向影响，标准直接效应值为0.232；通过获取在线课程提供的深度学习支持的中介作用，在线课程设计对学习者的深度学习效果产生了间接的正向影响，标准间接效应值为0.558。可见，在线课程设计通过深度学习支持影响深度学习效果的间接效应明显高于在线课程设计对深度学习效果的直接效应。

第三，学习过程中的深度学习支持直接正向影响学习者深度学习效果，给予在线学习者充分的深度学习支持，对激发其深度学习有重要作用。在线课程提供的深度学习支持除在以上两条路径中发挥重要的中介作用外，同时对在线学习者的深度学习效果有直接的正向影响，标准直接效应值为0.641，这充分说明了课程实施过程中深度学习支持的重要价值。

整体而言，在线课程设计和在线课程提供的深度学习支持是影响在线学习效果的关键因素。在线课程设计既能够直接影响成人在线深度学习效果，更能够通过促进成人获取在线课程提供的深度学习支持间接促进成人在线深度学习效果。从标准总效应值来看，各维度对深度学习效果的影响从强到弱依次为在线课程设计（0.790）、在线课程提供的深度学习支持（0.641）和学习者的学习动机（0.202）。因此，教师一方面要以促进深度学习为目标进行课程设计，另一方面要在课程实施阶段给予在线学习者充分的深度学习支持。在线课程的设计阶段，着眼于学习者的最近发展区，设计有难度的学习目标，兼顾熟练性与复杂性；关注课程中的在线学习支持服务、环境设计和教学设计，设计有用、易用的教學活动，则学生在学习过程中越容易获得深度学习支持，即进行深度学习行为参与，从而越可能达成深度学习。关于设计学习目标，有研究归纳出指向深度学习的目标类型，如联系与迁移、批判与创造、具体情境下知识分析与应用、建构自我认知等[19-21]。在线课程教学即深度学习支持发生的阶段，如果课程学习促使学生互动交流、协作学习，建构了知识体系，整合、应用知识和信息解决问题，那么学生更可能达成深度学习。

五、结论与讨论

研究基于问卷调查数据，通过比较深度学习者与浅层学习者的差异，对成人在线深度学习的影响因素进行了分析，使用路径分析的方法考查了成人在线深度学习发生、发展的脉络和机制。主要研究结论如下：

第一，“支持—调节”理念下的成人在线教学设计是深度学习发生的前提。研究发现，在成人在线教育语境下，深度学习发生需要教师在课程设计阶段与教学实施阶段提供有效的支持与调节。一方面，课程设计阶段是明确学习需求和制定教学策略的阶段，特别是设计基于“最近发展区”与“实践需求”结合的认知发展脚手架，是达成深度学习的典型特征。已有关于成人学习研究也提出，启发式教学和基于问题解决的课程设计能有效提升学习者的学业表现和工作绩效[22-23]。另一方面，教学实施过程是调节深度学习发生的核心“场域”，教师充分发挥课程“组织者”的角色，通过引导式的提问和小组协作，为学习者提供沟通协作、知识建构等方面的支持，是激发成人在线深度学习的重要前提。有研究通过对在线课程的分析发现，教师实现精准的支持调节不仅能激励成人学习者更多参与学习活动，也提高了课程的完成率和通过率[24]。

第二，引导学习者“学会学习”和“主动参与”是成人在线深度学习达成的重要保障。成人在线学习具有“碎片化”“自适应”“异步学习”等特点，培养学习者自主学习能力和自主学习意识与知识技能传授同等重要。尤其在大规模线上学习的情境下，使学习者掌握自主学习与团队合作的方法，不仅有助于提高个人学习质量，同时也利于同伴互评、协作学习等集体学习活动的开展。科恩等在研究中也表达了类似的观点，即教师可以为学习者提供自我调节学习能力方面的培训，通过教学策略的使用和教学活动的设计帮助学习者建立良好的自我调节学习能力，包括学习策略制定、目标设定、资源管理等[25]。此外，相较于被动地完成各项学习任务，通过增强在线学习者参与学习活动的主动性，进而促进知识建构、问题解决等深度学习行为的出现，是深度学习者区别于浅层学习者的显著特征。在已有成人自主学习能力研究中，也提出利用元认知策略培养成人学习者的自我调节能力、合作能力，以提高成人学习质量[26]。

第三，“在场”是激发成人在线深度学习的关键要素。“师生分离”是成人在线学习有效发生面临的挑战之一，本研究发现，师生、生生间有效的讨论、提问与反馈是激发成人在线深度学习的关键要素。同时，在师生之间建立信任感，为学习者提供鼓励等情感支持也是激发深度学习的策略之一。有研究表明，教师支持和资源支持是为在线学习者赋能的关键影响因素[27]；增强学习者学习过程中的自信心[28]，为学习者营造沉浸式学习体验[29]，是促进学习走向深入的有效途径。此外，本研究发现“实践导向”是提升学习者真实学习环境体验的有效途径，将以“支持—调节”为核心的课程教学设计与学习者的实践需求相结合，是推动深度学习发生、发展的手段。

[参考文献]

[1] 中国互联网络信息中心.第48次《中国互联网络发展状况统计报告》[R].北京：中国互联网络信息中心，2021.

[2] 李松.新时代开放大学高质量发展的内涵与实践路径[J].国家教育行政学院学报，2022（7）：48-54.

[3] MARTON F， S？魧LJ？魻 R. On qualitative difference in learning： I - outcome and process[J]. British journal of educational psychology，1976，46 （1）：4-11.

[4] ERIC J， NICKELSEN L. Deeper learning： 7 powerful strategies for in-depth and longer-lasting learning[M]. California： Corwin Press，2008.

[5] 郭華.深度学习及其意义[J].课程·教材·教法，2016（11）：25-32.

[6] 刘哲雨，郝晓鑫. 深度学习的评价模式研究[J].现代教育技术，2017（4）：12-18.

[7] FILIUS R M， KLEIJN R A M， UIJL S G， et al. Promoting deep learning through online feedback in SPOCs[J]. Frontline learning research，2018（2）：92-113.

[8] HWANG G J， WANG S Y， LAI C L. Effects of a social regulation-based online learning framework on students' learning achievements and behaviors in mathematics [J]. Computers & education，2021，160：104031.

[9] 卜彩丽，李飒，杨海慧，王利敏，张彤，张思. 在线深度学习发生的内在机理、模型与成效研究[J].远程教育杂志，2022（6）：65-73.

[10] BIGGS J B. Student approaches to learning and studying[M]. Victoria： Australian Council for Educational Research，1987.

[11] 吴峰，王辞晓，李杰. 非约束条件下成人在线学习动机量表编制[J].现代远程教育研究，2015（4）：60-65.

[12] NSSE. About NSSE [EB/OL].（2021-03-21）[2023-04-20]. https：//nsse.indiana.edu/.

[13] 杨立军，韩晓玲. 基于NSSE-CHINA问卷的大学生学习投入结构研究[J]. 复旦教育论坛，2014，12（3）：83-90.

[14] MARTIN F， SUN T， WESTINE C D. A systematic review of research on online teaching and learning from 2009 to 2018 [J]. Computers & education，2020，159：104009.

[15] 刘哲雨，王志军.行为投入影响深度学习的实证探究——以虚拟现实（VR）环境下的视频学习为例[J].远程教育杂志，2017，35（1）：72-81.

[16] 吴亚婕. 影响学习者在线深度学习的因素及其测量研究[J].电化教育研究，2017，38（9）：57-63.

[17] 胡航，米雪，李雅馨，郎启娥. 深度学习品质刻画：评测工具的开发与应用——基于四城市小学生数学学习的实证研究[J]. 华东师范大学学报（教育科学版），2021，39（11）：73-85.

[18] 马云飞，郑旭东，赵冉，刘慧. 深度学习的发生机制与多模态数据测评研究[J].远程教育杂志，2022，40（1）：50-60.

[19] 吴秀娟，张浩，倪厂清.基于反思的深度学习：内涵与过程[J].电化教育研究，2014，35（12）：23-28，33.

[20] 张立国，谢佳睿，王国华.基于问题解决的深度学习模型[J].中国远程教育，2017（8）：27-33，79.

[21] LIU Z Y， HAO X X. Research on evaluation model of deep learning[J]. Modern educational technology，2017，27（4）：12-18.

[22] HEW K F. Promoting engagement in online courses： what strategies can we learn from three highly rated MOOCs[J]. British journal of educational technology，2016，47（2）：320-341.

[23] MOHAMMADYARI S， SINGH H. Understanding the effect of e-learning on individual performance： the role of digital literacy[J]. Computers & education， 2015，82：11-25.

[24] FREITAS D， MORGAN J， GIBSON D. Will MOOCs transform learning and teaching in higher education？ Engagement and course retention in online learning provision[J]. British journal of educational technology， 2015，46（3）：455-471.

[25] COHEN L， MAGEN-NAGAR N. Self-regulated learning and a sense of achievement in MOOCs among high school science and technology students[J]. American journal of distance education，2016，30（2）：68-79.

[26] 王婷婷.网络环境下成人教育学生自主学习能力的培养——以英语学习为例[J].成人教育，2021，41（2）：79-82.

[27] 杨玉芹，郑之姿，左明章，等.在线学习支持学习者赋能的影响因素及作用机理[J].现代教育技术，2022，32（6）：51-61.

[28] RIEBER L P. Participation patterns in a massive open online course （MOOC） about statistics[J]. British journal of educational technology， 2017， 48（6）：1295-1304.

[29] 熊华军，苏林猛.在线教学临场感作为客体化行为的显现——基于胡塞尔客体化行为理论[J].电化教育研究，2022，43（9）：22-28.

How does Online Deep Learning Happen for Adults？

—Research Based on the Framework of "Curriculum Design， Teaching Implementation and Teaching Evaluation"

LIU Jinglu，  XIA Jie，  WANG Yu，  ZHANG Fa

（School of Education， The Open University of China， Beijing 100039）

[Abstract] With the popularization of lifelong learning， online learning has become a major way for adult learners to acquire knowledge and skills. In order to analyze the influencing factors and mechanisms of online deep learning for adults， and explore the online teaching strategies to promote the occurrence of deep learning， this study developed an "occurrence mechanism model of online deep learning for adults" based on the three stages of "Course Design -Teaching Implementation -Teaching Evaluation"， and developed an online deep learning assessment tool for adults. Based on the results of a questionnaire survey of 494 online learners， an empirical study was conducted. The research results show that organizing teaching in real situations based on learners' needs is the key factor to improve learning motivation and learning engagement， and the design of adult online course should adhere to the idea of "need-based teaching". Teachers should pay attention to the "support-adjustment" service for learners and mobilize learners to cultivate higher-order abilities such as communication and collaboration， knowledge construction， and problem-solving skills. Adult online teaching should enhance learners' presence experience and guide learners to "learn-to-learn" and "actively participate in learning".

[Keywords] Deep Learning; Need-based Teaching; Support-adjustment; Practical Orientation; Online Presence

基金項目：国家社会科学基金“十三五” 规划2020 年度教育学一般课题“深度学习视域下的成人在线教育课程设计与应用研究”（课题编号：BKA200233）