首页 >> 教育学 >> 教学论
郭元祥:论深度教学的源起、基础与理念
2018年02月13日 08:52 来源:《教育研究与实验》 作者:郭元祥 字号
关键词:深度学习;深度教学;知识观;学习观;课堂教学改革

内容摘要:从深度学习走向深度教学,是教与学的一致性与相融性所决定的必然选择。

关键词:深度学习;深度教学;知识观;学习观;课堂教学改革

作者简介:

    原标题:论深度教学:源起、基础与理念

  作者简介:郭元祥,中国基础教育质量监测协同创新中心华中师范大学分中心,华中师范大学教育学院。430079

  内容提要:从深度学习走向深度教学,是教与学的一致性与相融性所决定的必然选择。追求发展学生的核心素养,必须克服表层教学的局限性,实施深度教学,引导学生深度学习。深度教学的根本基础是知识观和学习观的深刻转变,强调知识处理的充分广度、充分深度和充分关联度,突显学习的丰富性、沉浸性和层进性,通过突出知识学习的文化敏感性和包容性,增强课堂的画面感,促进反思性学习和批判性思维,实现知识的意义生成和多样性价值。

  关 键 词:深度学习 深度教学 知识观 学习观 课堂教学改革

  标题注释:本研究为中国基础教育质量监测协同创新中心重点课题“中小学生实践能力评论与诊断”(批准号2016-4-002-BZK01)项目研究成果。

  随着认知科学、脑科学、人工智能和学习科学的不断发展和深化,关于教学和学习的研究由对教和学的形式与技术层面的关注走向对学习过程的深刻探寻。超越对符号知识的表层学习,注重深度学习,追求公共知识的个人意义达成,几成国际教学改革的基本方向。①学生的深度学习,需要教师深度教学的引导。十一年来,笔者基于知识观和学习观对我国新一轮基础教育课程改革中出现的过于注重教学形式、教学时间、教学技术改变等种种局限的反思,在国内开展了深度教学的理论研究和实验研究。深度教学的本质、基础、理念是什么?在追求发展学生核心素养背景下,明确这些问题,实施深度教学,引导深度学习,是深化课程教学改革的核心问题。

  一、从深度学习到深度教学

  (一)源起:深度学习概念的提出

  深度学习的概念,源于三十多年来计算机科学、人工神经网络和人工智能的研究。20世纪八九十年代,人们提出了一系列机器学习模型,应用最为广泛的包括支持向量机(Support Vector Machine,SVM)和逻辑回归(Logistic Regression,LR),这两种模型分别可以看作包含1个隐藏层和没有隐藏层的浅层模型。计算机面对较为复杂的问题解决训练时,可以利用反向传播算法计算梯度,再用梯度下降方法在参数空间中寻找最优解。浅层模型往往具有凸代价函数,理论分析相对简单,训练方法也容易掌握,取得了很多成功的应用。②随着人工智能的发展,计算机和智能网络如何通过基于算法革新,模拟人脑抽象认知和思维,准确且高清晰度的处理声音、图像传播甚至更为复杂的数据处理和问题解决等问题,在21世纪来临的时候成为摆在人工智能领域的关键问题。

  三十多年来,加拿大多伦多大学计算机系辛顿教授(Hinton,G.)一直从事机器学习模型、神经网络与人工智能等问题的相关研究,并在机器学习模型特别是突破浅层学习模型,实现计算机抽象认知方面取得了突破性的进展。2006年,他在《Science》上发表了《利用神经网络刻画数据维度(Reducing the Dimensionality of Data with Neural Networks)》一文,探讨了应用人工神经网络刻画数据的学习模型,首先提出了深度学习(Deep Learning)的概念和计算机深度学习模型,掀起了深度学习在人工智能领域的新高潮。这篇文章的两个主要观点是:第一,多隐藏层的人工神经网络具有优异的特征学习能力,学习到的特征对数据有更本质的刻画,从而有利于可视化或分类。第二,深度神经网络可以通过“逐层初始化”(Layer-wise Pre-training)来有效克服训练和优解的难度,无监督的逐层初始化方法有助于突破浅层学习模型。③基于深度置信网络(DBN)提出非监督逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。④2012年,辛顿又带领学生在目前最大的图像数据库ImageNet上,对分类问题取得了惊人的结果,将计算机处理图像数据问题时排名前五的错误率(即Top5错误率)由26%大幅降低至15%,大大提高了人工智能图像数据处理的准确性和清晰度,这是早先计算机仅仅依赖数学模型的表层学习和单层学习根本无法实现的水平。

  在人工智能领域,深度学习其实是一种算法思维,其核心是对人脑思维深层次学习的模拟,通过模拟人脑的深层次抽象认知过程,实现计算机对数据的复杂运算和优化。深度学习采用的模型是深层神经网络(Deep Neural Networks,DNN)模型,即包含多个隐藏层(Hidden Layer,也称隐含层)的神经网络(Neural Networks,NN)。深度学习利用模型中的隐藏层,通过特征组合的方式,逐层将原始输入转化为浅层特征、中层特征、高层特征直至最终的任务目标。深度学习可以完成需要高度抽象特征的人工智能任务,如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络,多层非线性结构使其具备强大的特征表达能力和对复杂任务的建模能力。训练深层模型是长期以来的难题,近年来以层次化、逐层初始化为代表的一系列方法的提出,为训练深层模型带来了希望,并在多个应用领域获得了成功。

  人工智能学者们认为计算机和智能网络的这一深层的自动编码与解码过程,是一个从数据刻画、抽象认知到优选方案的深度学习的过程。由于人脑具有深度结构,认知过程是一个复杂的脑活动过程,因而计算机和人工智能网络模拟从符号接受、符号解码、意义建立再到优化方案的学习过程也是有结构的;同时,认知过程是逐层进行、逐步抽象的,人工智能不是纯粹依赖于数学模型的产物,而是对人脑、人脑神经网络及抽象认知和思维过程进行模拟的产物。应该说,到目前为止,深度学习是计算机和智能网络最接近人脑的智能学习方法。近几年来,深度学习进一步尝试直接解决抽象认知的难题,并取得了突破性的进展,AlphaGo的问世,便是明证。2013年4月,《麻省理工学院技术评论(MIT Technology Review)》杂志将深度学习列为2013年十大突破性技术之首。⑤深度学习引爆的这场革命,将人工智能带上了一个新的台阶,不仅学术意义巨大,而且实用性很强,工业界也开始了大规模的投入,一大批产品将从中获益。20世纪八九十年代以来,随着学习科学的不断发展,深度学习的概念和思想不断在教育中得到应用。

  (二)深度学习在教育中的兴起与发展

  来自脑科学、人工智能和学习科学领域的新成就,必然引起教育领域研究者的深刻反省。计算机、人工智能尚且能够模拟人脑的深层结构和抽象认知,通过神经网络的建立开展深度学习,那么人对知识的学习过程究竟应该是怎样的一个脑活动过程和学习过程?学生的学习有表层和深层等层次之分吗?从作为符号的公共知识到作为个人意义的个人知识究竟是怎样建立起来的?知识学习过程究竟是一个怎样的抽象认知过程?信息技术环境支持下深层次的学习如何实现?近十多年来,这些问题引起了许多教育研究者特别是教育技术学研究者浓厚的兴趣,深度学习、深度教学的研究日益引起人们的重视。也正是在辛顿的“深度学习”概念明确提出后,教育学领域特别是教育技术学领域的深度学习研究日益活跃起来。

作者简介

姓名:郭元祥 工作单位:

转载请注明来源:中国社会科学网 (责编:毕雁)
11.jpg
用户昵称:  (您填写的昵称将出现在评论列表中)  匿名
 验证码 
所有评论仅代表网友意见
最新发表的评论0条,总共0 查看全部评论

回到频道首页
wxgg3.jpg
内文页广告3(手机版).jpg
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们