國外近十年深度學習研究進展

李嘉雯 李玉斌 袁子涵

摘? 要： 隨著教育信息化的發(fā)展，深度學習逐漸成為教育領域的熱點話題。本文采用文獻計量學分析和共現(xiàn)分析方法，運用Cite Space圖譜分析軟件和Excel軟件對2009年至2018年間Web of science核心合集SSCI數(shù)據(jù)庫中的深度學習相關文獻進行分析處理，總結了深度學習領域的基本現(xiàn)狀以及重要主題和進展，并對國內深度學習研究提出幾點啟示和建議，以期為深度學習的進一步研究提供有益的借鑒和參考。

關鍵詞： 深度學習;研究進展;關鍵詞共現(xiàn)分析;引文分析;知識圖譜

【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世紀以來，伴隨著信息技術、教育信息化和大數(shù)據(jù)的發(fā)展[1]，深度學習開始盛行并逐漸成為教育領域內一種重要的學習理念。深度學習這一概念最早源于國外，是美國學者Ference Marton和Roger Saljo首次公開提出的，他們認為深度學習是一種學習過程[2]。2017年《地平線報告（高教版）》指出深化學習方法是高等教育領域的六大關鍵趨勢之一[3]。人們也愈發(fā)關注如何達到深度學習或如何提升深度學習效果的問題。

相較國內，國外對于深度學習的實施效果研究已取得一定的成果，一些學者認為采用新型學習方式能夠達到深度學習效果[4-5]，Balasooriya等人在探究一種新的綜合醫(yī)學教育設計對學生學習方法的影響時證實了這一觀點，同時他們還發(fā)現(xiàn)了使學生轉向深度學習可能是一項復雜的任務[6]。國外的學者在深度學習的研究上有了豐碩的成果，但國內的研究結果還不夠豐富，因此，亟需我們從多維視角分析國外近十年深度學習研究的進展，為我國深度學習領域的發(fā)展提供新的思路[7]。

為了掌握深度學習的研究進展，本研究采用Cite Space知識圖譜對2009年至2018年間Web of Science核心合集SSCI數(shù)據(jù)庫中有關深度學習的205篇文獻進行可視化處理，從時間和空間兩個維度對基本情況進行概述，并對關鍵詞進行共現(xiàn)分析，梳理重要主題及進展，以期為深度學習研究提供參考和借鑒。

1? 研究設計

1.1? 數(shù)據(jù)來源

深度學習這一概念在計算機領域和教育領域都有涉及，計算機領域的深度學習研究是有關神經網絡[8-9]和機器學習研究中的一個新領域[10]，是人工智能技術迅猛發(fā)展的體現(xiàn)[11]。而本文只探究教育領域下的深度學習進展。本研究以Web of Science數(shù)據(jù)庫核心數(shù)據(jù)合集中SSCI（Social Sciences Citation Index）數(shù)據(jù)庫作為數(shù)據(jù)納入的來源，以（deep learning）OR（deep approaches to learning）為檢索的主題詞，2009至2018年為檢索的時間跨度，依據(jù)文獻類型=Article和Web of Science類別=Education Educational Research對數(shù)據(jù)結果進行精煉，共檢索出1177篇文獻，人工剔除與主題完全無關的內容后得到205篇文獻數(shù)據(jù)。

1.2? 研究方法和工具

1955年，Eugene Garfield提出用引文索引對科技文獻進行檢索的方法[12]，自此，引文索引取代了人工編制逐漸成為科學計量學領域中的一種重要的研究方法。CiteSpace軟件是陳超美教授研發(fā)的一款信息可視化工具[13]，以其多元、動態(tài)、分時的可視化技術更好地反映了研究隨時間變化的特點。而Excel可以很好地成為文獻計量研究的基本工具，也可以勝任共現(xiàn)分析的需要[14]。

因此，本研究主要運用了CiteSpace 5.1知識圖譜軟件和Excel 2010等辦公軟件。

1.3? 研究流程

如圖1所示，首先，對數(shù)據(jù)樣本進行文獻計量學分析并通過Cite Space 5.1知識圖譜軟件進行合作網絡分析和共被引分析，從時間和空間兩個維度，初步了解國外深度學習研究的基本情況;其次，對文獻數(shù)據(jù)進行Keyword（關鍵詞）的共現(xiàn)分析，可視化的展示出深度學習領域當前重要的研究主題和進展;最后探討國外深度學習研究對我國深度學習的進一步研究有哪些重要啟示。

2? 國外深度學習研究的基本情況

2.1? 時間分布情況

基于時間維度對發(fā)表文獻數(shù)量和引文數(shù)量進行分析，如圖2所示。從發(fā)文數(shù)量看，2009年至2018年間論文數(shù)量大體呈現(xiàn)一個穩(wěn)步增長的趨勢，從引文數(shù)量看，2009年至2018年間每年的被引文獻數(shù)呈現(xiàn)出顯著增長的趨勢，這表明了國外教育領域內

的深度學習研究整體呈現(xiàn)出日益發(fā)展的穩(wěn)定上升? 趨勢。

2.2? 空間分布情況

（1）國家分布

為了探究國外深度學習領域的前沿國家，本文對205篇論文進行國家合作網絡分析（Country）。圖3中可視化的展示了基于文獻數(shù)量的國家分布圖譜。CiteSpace分析圖譜中節(jié)點的大小代表了發(fā)文的數(shù)量，節(jié)點越大，發(fā)文數(shù)量越多也就代表在深度學習領域的地位越重要[15]。在基于文獻數(shù)量的國家分布圖譜上，澳大利亞、美國、中國和英國的節(jié)點最大，代表了這四個國家在深度學習領域的科研成果豐碩。我國深度學習研究的文獻數(shù)量居于第三位，顯然還有一定可以提升的空間。

（2）期刊分布

為了考察國外期刊發(fā)表論文的情況，對205篇文獻進行期刊共被引分析（Cite Journal），得到基于CiteSpace的期刊分布可視化圖譜，如圖4所示。字體的深淺代表了期刊的地位，顏色越深，說明該期刊的被引次數(shù)越高，換言之該期刊的地位就越高，節(jié)點之間連線越粗代表聯(lián)系越緊密[15]。通過期刊分布的可視化圖譜中字體深淺，可以看出中心性最高的期刊是英國教育心理學雜志，代表了英國教育心理學雜志在國外深度學習期刊中處于最高地位。通過圖譜間各個節(jié)點之間較粗的連線和幾乎沒有分散的節(jié)點，可以看出，在期刊層面，國外深度學習研究具有持續(xù)穩(wěn)定的良性發(fā)展特征。

3? 當前研究的重要主題及進展——基于關鍵詞的統(tǒng)計

從知識理論的角度看，中心度和頻次高的關鍵詞代表著十年內研究者共同關注的問題，關鍵詞共現(xiàn)的頻次越高，節(jié)點的中心性越高，說明該節(jié)點在深度學習領域越重要[13]。本文對205篇文獻進行關鍵詞共現(xiàn)分析（Keyword），首先得出圖5所示的關鍵詞聚類圖譜，然后對前40個高頻關鍵詞進行統(tǒng)計并繪制成表1。根據(jù)高頻關鍵詞對當前研究的重要主題進行劃分，主要分為關于深度學習內涵的理解與分析、基于深度學習的實踐探究和深度學習的評價研究等三個方面。

3.1? 關于深度學習內涵的理解與分析

從圖5關鍵詞聚類圖譜中的幾個較大的節(jié)點education、deep learning和表1中education、deep learning、knowledge和conception等高頻關鍵詞可以看出，深度學習注重基本理論的理解，尤其是深度學習的概念。Dinsmore和Alexander研究發(fā)現(xiàn)，不同的研究中對深度學習和淺層學習的研究結果是模糊不清的，因此他們強調，研究應該從一個清晰的理論框架來定義深度學習。

目前深度學習的定義有兩種，一種理解認為深度學習是一種過程即學習方式[16]，最具代表性的人物美國學者Ference Marton和Roger Saljo。在Marton對大學生的研究中，他發(fā)現(xiàn)學生在面對學習材料時參與的學習過程類型存在明顯的個體間差異[2]。Marton使用術語“deep-level processing”和“surface- level processing”來區(qū)分和解釋個體間的差異，對應于學習者關注的學習材料的不同方面。另一種理解則認為深度學習是一種學習結果[17]。進入二十一世紀，深度學習在教育領域更多的是作為一種學習結果而不是學習過程。其中最具代表性的是美國研究院（American Institutes for Research，AIR）對深度學習概念的界定，AIR將深度學習界定為學生對知識的深度理解和在實際情境中遷移運用的一種能力[18]。

3.2? 基于深度學習的實踐探究

從圖5中較大的節(jié)點knowledge performance和表1中achievement、academic performance、per formance、science education、self-efficacy、academic achievement和student learning等多個高頻關鍵詞和可以看出，國外深度學習的研究相比于理論更注重實踐。

采用新型的教學或者學習方式，是否能促進深度學習呢？Xiaoyan Wang和Yelin Su等人探究了教師在課程設計中的建設性的協(xié)調課程（CACs）是否會鼓勵學生在學習中采用“更深入”的方法和“更少”的表面方法。實驗結果的分析表明，無論個體差異，學生們會調整自己的學習來響應課堂教學方法和學習行為的學習環(huán)境，并且更有建設性地協(xié)調的教與學環(huán)境將導致學生調整學習方法，在某種程度上采用更多的深度學習和更少的表面學習[19]。

同樣，深度學習的影響因素又有哪些呢？2012年Michelle Richardson發(fā)表了一篇綜述《大學生學業(yè)成績的心理關聯(lián)：系統(tǒng)回顧與元分析》，文章中闡述了不同學科、教師、課程質量、學生年齡、內外動力、自信性和自我效能感等等都是能夠影響深度學習的因素[20]。通過時間的探究，國外學者認為深度學習的影響因素可以大體劃分為：環(huán)境因素、感知的環(huán)境因素以及學生因素[21]。

3.3? 深度學習的評價研究

對于深度學習的評價研究方面的高頻關鍵詞有Assessment和Peer assessment，也就是說，評價研究也是深度學習的一個重要主題。目前有兩種最常用的評價測量問卷，分別是修訂雙因素學習過程問卷（R-SPQ-2F）和修訂雙因素認知過程問卷（R-LPQ-2F）。

修訂雙因素認知過程問卷（R-LPQ-2F）是由二十二個選項、兩個因素和四個維度組成[22]，經過對原始LPQ的修改形成的最終版本，兩個主要因素分別是深層方法和淺層方法，四個維度分別是深層動機維度、深層戰(zhàn)略維度、淺層動機維度和淺層戰(zhàn)略維度。修訂雙因素學習過程問卷（R-SPQ-2F）的調查表同R-LPQ-2F一樣由二十個選項、兩個因素和四個維度組成[23]。這兩個問卷都是由Biggs和Kember編寫修改的，問卷很簡短并且只解決了深層和表層的方法，可以由一名正規(guī)教師快速而容易地管理，用于監(jiān)控教學環(huán)境，能夠有效的評價學生在學習過程中是否達到了深層次的學習方法。

4? 結論與展望

本文對國外近十年的深度學習研究進行了剖析，綜合上述剖析，我國在深度學習研究上較國外還有一定的不足，我們應該清楚的認識到這些不足并借鑒當前國際前沿的重要主題及進展，為我國深度學習的進一步發(fā)展提供幾點啟示。

一方面，我們應該更注重實證研究。研究發(fā)現(xiàn)，由于教育背景和文化的差異，相較國內對理論的持續(xù)探究，國外更注重實證型研究，通過實證研究探究深度學習在實踐中的應用效果和價值，發(fā)現(xiàn)深度學習方法對結果有積極地影響[24]或有消極的影響以及影響的原因是什么[25]，最終為教育事業(yè)服務。國內對于深度學習的活動設計，因素分析等實證研究還為數(shù)不多，相較國外還有很大差距，能夠保證其信度和效度的研究更是寥寥無幾。這就需要我國的研究人員在未來開展更多的活動設計，進行更多的實踐研究。

另一方面，我們應該構建出一個具有中國特色的深度學習評價標準。由于我國教育文化的背景復雜并且多元，國際上公認度較高的兩種問卷很難直接應用于我國教育實踐中。換言之，原有的測量工具，比如修訂雙因素學習過程問卷（R-SPQ-2F），大都著眼于國外的學習背景。這些測量方式都不可避免的站在了國外的教育背景中，不能全面系統(tǒng)的對我國學習者的深度學習能力進行精準定位。因此，為了全面科學的評價我國學習者的深度學習能力，業(yè)內學者就需要站在我國教育背景下，對21世紀核心素養(yǎng)[26]進行深入探究，構建出一個符合我國國情的、本土化的深度學習評價標準。

本研究還存在一定的局限性。本文主要是基于Web of Science數(shù)據(jù)庫的文獻數(shù)據(jù)進行分析的，因此對于那些沒有收錄在此數(shù)據(jù)庫中的文獻，難免有所遺漏，這些局部的遺漏和疏忽，并不會對本研究產生重大的消極影響，但可能會導致些許偏差。關于未來的研究，我們應該在已有的理論基礎上進行實踐研究，進行深度學習的活動設計，在一定的信度和效度基礎上，測量深度學習的效果。

參考文獻

馬凱航， 高永明， 吳止鍰， 等. 大數(shù)據(jù)時代數(shù)據(jù)管理技術研究綜述[J]. 軟件， 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， 黃榮懷.《2017新媒體聯(lián)盟中國高等教育技術展望： 地平線項目區(qū)域報告》解讀與啟示[J]. 電化教育研究， 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.

張海燕. MOOC的突破與挑戰(zhàn)： 一種課程觀點[J]. 軟件， 2018， 39（6）： 209-213.

李平舟， 趙朗程. 基于BP神經網絡的國家穩(wěn)定性研究[J]. 軟件， 2018， 39（6）： 142-146.

張魯松， 張壽明. 基于ABDND算法的爐膛火焰圖像脈沖噪聲濾波研究[J]. 軟件， 2018， 39（01）： 21-28.

張思琦， 張文蘭， 李寶. 國外近十年深度學習的研究現(xiàn)狀與發(fā)展趨勢——基于引文分析及共詞矩陣的知識圖譜分析[J]. 遠程教育雜志， 2016， 35（02）： 64-72.

梁子鑫. 探討新時代背景下新興技術在人工智能中的應用[J]. 軟件， 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.

陳悅， 陳超美， 胡志剛. 引文空間分析原理與應用： CiteSpace實用指南[M]. 1. 科學出版社， 2014 ： 1-164.

儲節(jié)旺， 郭春俠. 共詞分析法的基本原理及EXCEL實現(xiàn)[J]. 情報科學， 2011， 29（06）： 931-934.

王娟， 陳世超， 王林麗. 基于CiteSpace的教育大數(shù)據(jù)研究熱點與趨勢分析[J]. 現(xiàn)代教育技術， 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·焦爾當. 學習的本質[M]. 杭零. 上海： 華東師范大學出版社， 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世紀學生發(fā)展核心素養(yǎng)研究[M]. 1. 北京師范大學出版社， 2016.