摘 要：数智化时代技术的发展成熟对人类学习产生了深远影响，赋予了学习新的内涵与特征，面对复杂多变、充满挑战的现实世界，以重复记忆为主的浅层学习已然不能应对时代挑战，深度学习因此受到了极大关注。但什么是深度学习？如何实现深度学习？在学界认识不同，方法迥异。学习的本质是理解，理解是深度学习的表征形式，学习的深度就是理解的程度，数智化时代深度学习的实质是从浅层记忆走向深度理解。数智化时代促进深度理解的策略包括“促进深度理解的学习转型”“促进深度理解的技术赋能”以及“促进深度理解的教学设计”三个方面。深度理解视角为解读深度学习提供了全新的理论视角，为深入研究数智化时代深度学习的发生机制和技术对学习的作用奠定了理论基础。
关键词：数智化时代；深度学习；深度理解；理解；学习转型
一、数智化时代学习的特征与内涵
随着互联网、大数据、人工智能等新一代信息技术的发展催生了数智化时代。教育呈现出：学习内容跨科综合、教育手段方便智能、学习资源丰富多样、学习环境立体智慧、人机交互高效便捷的特征。数字化转型是世界范围内教育转型的重要载体和方向，数字技术为教育创新路径、重塑形态、推动发展提供了新的机遇和挑战，世界需要共同探寻全球教育危机解决的崭新方案。
面对复杂多变的现实社会，以重复记忆为主的浅层学习已然不能应对时代挑战，要转向批判性和创造性应用知识的深度学习，深度学习不仅是对知识的学习，也是思维范式的转变。近年来，以ChatGPT为代表的生成式人工智能技术正在推动学习发生巨大变革，人、机、物三元融合的数智化时代赋予了学习新的特征。数智化时代的学习体现了“以学生为中心”的思想，无论是教育思想、教育观念，还是教学方法、教学手段，都沿着促进学生发展、支持学生学习、注重评价反馈的方向发展[1]。面对复杂的学习情境，学习者可以通过竞争、合作、伙伴等多种协作学习方式完成学习任务，在协作的过程中实现合作能力、批判思维和创造思维的培养[2]。数智化时代学习的设计要关注学生的学习体验，这种学习体验不仅表现在技术创设的虚实结合的学习环境中、学习资源的便捷获取中、学习服务的个性定制中，更要使学生在学习中具有充足的参与感。在大数据的背景下，学生学习行为变得可量化、可分析、可追踪，通过智能技术对学习者的学习行为数据进行采集处理，可以快速了解学生当前存在的问题，并根据学生的需求提供个性化的学习服务。
此外，智能技术的发展促使学习发生结构性变革，使得未来学习具有以下三个趋势。其一，未来的学习要致力于培养符合时代要求的创新人才，培养能够独立思考，深度理解知识并运用知识和技能解决复杂情境问题的人。其二，未来的学习关注个性化、多样性和适应性的学习，面向大规模的学习者群体，要使每一个学生获得适合自身发展的学习服务。其三，未来学习更加注重思维的发展。当前碎片化、浏览式、快餐式的浅层学习加剧了思维退化的风险，这要求学习者在广泛获取信息的同时要批判性地吸收新知，将所学新知与原有知识建立联系，获取对知识的深度理解，并在其他的问题情境中创造性地应用新知[3]。学习的本质是理解，数智化时代的深度学习要求学习者从浅层记忆走向深度理解。
二、数智化时代深度理解的内涵解读
实现深度学习必须要促进学生的深度理解。但深度理解的内涵是什么、它与深度学习有着怎样的关系、深度理解对于学习的价值意义有哪些？这些问题需要进行深入的思考和探究。
（一）深度学习与深度理解的关系
深度学习的兴起既是信息社会发展的客观要求，也是学习科学发展到一定阶段的自然产物，还是当今教育改革指向发展学生核心素养的必然选择[4]。数智化时代，知识的增长和更新速度远超我们学习的速度，以知识获取为核心的浅层学习已然不能适应人工智能时代社会发展的要求。那么，学习什么样的知识、如何去学习，成为了学习科学研究的核心主题。
深度学习是一种可以帮助学生深度理解知识，实现意义建构的学习方式和学习观念。1976年，瑞典教育心理学家Marton和Säljö两位教授根据学习者获取和加工信息的方式首次提出深度学习和浅层学习的概念，并进行了详细的阐述。此后，很多学者都对深度学习展开了研究，核心观点如表1所示。（表1略）
结合学者们对深度学习的研究，我们不难发现深度学习与理解之间存在着非常紧密的联系：（1）深度学习是一种基于理解的学习，学习者通过批判性思考和创造性运用，有选择地吸收新知，并将新知与原有认知体系建立联系，基于一定的思维范式制定解决问题的策略和方案；（2）深度学习与理解的内涵特征是一致的，都强调对信息的整合与处理、强调学习者主动的知识建构、强调通过分析和思考进行决策；（3）学习有深浅之分，深浅的区别在于理解的程度不同，深度学习与浅层学习不是相互对立的，而是理解程度的连续体，采用深层的学习方法可以促使学生对知识的理解从浅层迈向深层。
（二）深度理解的内涵
我们知道深度学习是一种基于理解的学习，强调学习者对知识的批判性思考和创造性运用，那么，什么是“理解”？如何表征“理解”的水平？
西方现代哲学解释学（Hermeneutics）认为“理解”是人类的精神活动，是学习的一般原则和技巧，是人主体精神的再创造和再体验，是理解者将自己的视野与历史的视野融合形成全新意义世界的过程。认知心理学认为，“理解”的实质是学习者以信息的传输、编码为基础，根据已有信息建构自己的内部心理表征，进而获得心理意义的过程[5][6]。建构主义认为知识本质上是个体建构的产物，源于人的心理创造，理解的过程就是知识建构的过程，理解是学习者主动建立新旧知识的联系，不断丰富改造自身已有经验的过程，其具有“创造性”的特质[7]。脑科学则认为理解是人类与生俱来的学习能力，是学习或经验引起脑生理上产生变化的过程，当儿童初次经历一个事件时，这种经验会与过去一个相似事件联系起来，将新的信息与已有信息联系起来的过程就是理解。结合不同领域对于“理解”的界定，我们认为“理解”是指超越给定信息的表面意义，挖掘出信息背后隐藏的方法思想，通过知识建构丰富改造自身原有认知体系的过程。
“深度理解”指向理解的程度，是指学习者通过对事物的观察分析，利用自身已有的知识进行意义建构，将有关联的事物相互联系，通过自我的消化、整合，形成新认识的心理过程。从知识的社会建构性来看，深度理解是学习者赋予知识具体意义的过程，学习者参与创造，产生自身独特的理解，而不是记忆他人产生的知识[8]。其次，在对知识存在状态的认识上，“心智模式说”认为理解程度的深浅取决于事实与观点之间联系的丰富程度，深度理解意味着丰富的联系。研究发现，深度理解者会在主题、学科、知识和生活经验中建立丰富的联系，通常使用高级策略和思维组织知识[9]。深度理解是在建立新旧知识联系的基础上，构建一个高度结构化的知识网络，网络的结构化越高，新知识的连接和吸收就越快，习得的新知识越不易被遗忘[10]。可见，深度理解不是对孤立事实的记忆而是建构结构丰富的概念网络。
结合深度学习和深度理解的相关研究可以发现，理解就是通过对事物的观察分析，将有关联的事物相互联系，通过自我的消化、整合，形成新认识的心理过程，学习的本质是理解，理解是深度学习的表征形式，学习的深度就是理解的程度。深度学习更加强调学习的过程和方法，强调用深层学习方法批判性地学习知识和在新情境中应用知识解决问题；而深度理解更强调学习的目标和结果，具有很强的目标指向性和结果导向性，强调学习的结果应该使学生的创新能力和批判性思维得到发展。
（三）深度理解的价值意义
1.深度理解是连接学习目标和学习过程的桥梁
学习与理解紧密联系，理解体现了学习的内涵，学习结果是对理解程度的反映，伴随着学习中的疑问、思考、讨论、回答，理解将不断深入。深度理解是学习的目标，是希冀学生通过学习之后达到的状态。理解是有层级的，学习者通过学习从浅层理解跃迁到深度理解是学习的本质目标。深度理解也是一种学习过程，学生在学习的过程中，借助各种外界环境和资源，通过与他人的协作交互，逐步加深对知识的理解，并在此基础上可以恰当地使用知识，这种由浅入深的学习状态就是深度理解的过程。
2.深度理解是对高阶思维的表征
高阶思维是发生在较高认知水平层次上的心智活动或认知能力[11]，其可以被定义为一种非算法的、复杂的思维模式，这种思维模式通常会产生多个解决方案。高阶思维的提出源于布鲁姆等人的教育目标分类学[12]，其中，“分析、综合、评价”的思维能力即属于高阶思维，是学习者问题解决能力、批判性思维和创造性思维的体现[13]。在深度理解的过程中，学习者需要借助高阶思维将给定的知识和信息通过类比、归纳、推理相互关联，并通过一定的思维逻辑和判断标准将知识信息整合成一个抽象的系统结构，经过深度信息加工之后的知识可以被迁移到新的情境中解决真实问题。可见，高阶思维是深度理解的基础，深度理解是高阶思维的表征，拥有高阶思维并会使用这种思维方式才能达到深度理解。
3.深度理解是深度学习的基本前提
学生对知识理解程度的加深不是一蹴而就的，而是在体验现实情境、解决真实问题的过程中逐渐提高的。因此，要想促进深度学习的发生，教师可以通过设计真实性和挑战性的学习活动来激发学习者的兴趣和动力，活动的设计与实施不仅要传授基础知识，还要引导学生在新的情境中运用知识，探索未知，提供更加真实复杂的生活情境与问题，从而启发学习者亲身体验、深入思考、协作探究，促进知识不断创生、思维与能力不断发展。
三、数智化时代促进深度理解的学习转型
随着人们思维方式的改变和技术的进步，人们对教育教学有了更深刻的思考，试图用更符合时代要求的观念、方法和技术促使学习发生转变，使得人类学习从浅层迈向深层。
（一）学习目标：从三维目标到聚焦核心素养的深度理解目标
1.深度理解是实现核心素养的基础
深度理解是学与教的本质追求，促进深度理解的学习目标是在坚持核心素养导向的基础上，将人为割裂开的三维目标转化为更贴合智能时代人才培养要求的深度理解目标。深度理解目标是将学习者的知识学习、思维态度看作一个整体，重点关注学生在解决实际问题时所具有的思维、采用的方法以及对知识的合理迁移与应用，强调学生对事物的批判性思考、采取积极的态度直面问题以及解决复杂问题的能力，促使学生对知识从了解、知道、记忆的浅层理解到应用、分析和创造的深度理解。
2.高阶思维是学生适应知识时代发展的关键能力
深度理解是一个涉及思维发展的学习过程，高阶思维的培养也是一个涉及知识创生的过程，这个过程不是简单的知识积累，还要求学习者批判性地看待问题并创造性地使用知识解决问题，在这个过程中，学习者动态的知识建构是产生高阶思维的催化剂，思维的发展也是衡量学习者是否真正达到深度理解的重要标志。高阶思维的培养要求学习者摆脱被动机械地获取知识表层含义的固有思维，而是要学会使用元认知、反思、辩论、总结等高阶认知策略积极调节、内化、建构自己的认知结构，实现从知识的简单累加转向知识的再度创生，真正做到将知识背后的深层意义内化为自身的固有属性。
3.发展学生核心素养是数智化时代的人才诉求
核心素养是学生在学习过程中，逐步形成的适应自身发展和社会需求的必备品格与关键能力，而深度学习是发展学生核心素养的有效路径。学生在深度学习的过程中，深度理解学科知识，掌握学科的核心概念和本质思想，成为可以独立思考、具有批判性思维以及创造意识的优秀学习者。值得注意的是，发展学生的核心素养依然重视知识和知识学习，但更强调知识的组织和对学生发展的意义。
（二）学习内容：从接受知识点到建构知识体系
技术革新促使人类获取知识的途径、筛选高质量信息的方法变得智能化。智能化技术不仅可以为学习者提供丰富多彩的资源、创设多维联动的智慧学习环境，更可以为学习者提供会话交流的机会，促使学习者从获取孤立的知识点到学会构建自身的知识体系和认知结构。
1.从丰富多彩的学习资源中获取知识
从媒体形式来看，过去的学习资源主要是交互性差、形式单一的音视频、图片和文本等多媒体资源，而在智能时代，融合虚拟现实技术和增强现实技术的具有交互感和浸入感的学习资源开始变得普及。从媒体质量和数量来看，每时每刻都有海量优质的自媒体资源上传到网络，并且由于网络的传播也会产生更多优质的衍生性资源（如二次创作、评论、讨论等）。此外，人工智能技术可以在海量的学习资源中，构建贴近学习者需求的分门别类的开放的可拓展的资源库，可以支持学习者定制适合其自身学习情况的课程、时间等，满足其个性需求[14]。
2.从多维联动的智慧学习环境中体验知识
在数智化时代，教育教学空间不再局限于师生面对面的物理课堂，而将走向多维联动、立体交叉、虚实融合、人机互动的智慧学习环境[15]，各种增强现实、虚拟现实和数字孪生的工具与资源被用于教育教学，如航空领域体验飞行器操作、医学领域体验手术操作等。随着物联网技术和智能传感器的发展成熟，智能设备对环境的实时感知与精准调控使得学习环境更加智慧化。
3.从高速联通的网络平台中分享交流知识
在万物互通互联的网络中，每个学习者都是一个节点，学习者利用网络获取知识的同时，也可以通过网络分享自己的观点。交互是使理解迈向深层的重要途径，所有的交互可以通过网络、通讯软件、学习平台等进行，高速联通的网络平台也可以支持学习者分享知识、交换观点、深度辩论。
4.从会话反思中建构知识体系
学习者可以通过与他人的会话交流和批判性反思重构自己的知识体系。通过与他人的会话交流往往会产生更多角度、更深层次的观点，不仅使学习者记忆深刻，更可以改变学习者原有的认知机构，加深学习者对某类知识的深度理解。在学习过程中，如果只是简单地通过记忆、背诵了解知识的表层含义，不仅很难将知识牢记，更难以将知识转化到自己的知识体系中。因此，高质量的课堂学习必须立足于构建学生的学科知识体系，没有知识体系的建构，素质和能力的培养就成了无本之木了。
（三）学习方式：从被动接受知识到主动创生知识
学习观念的改变导致学习方式从被动接受式转向主动探究式。学习不是简单的信息接收，而是要将新旧知识有机融合，在深度理解新知识的基础上，将其纳入到自己的知识结构中[16]。深度理解是一种主观能动的学习，尤其强调学习者的知识创生，强调对知识的再加工。
1.项目化学习
项目化学习是学习者在探究复杂真实问题的过程中，掌握并应用知识和技能精心设计项目作品、规划和实施项目任务的过程[17]。项目化学习最本质的特征在于通过设计和制作作品解决驱动性问题，学生在完成项目的过程中实现对解决问题所需知识（专业知识、行业知识、跨学科知识等）与技能（计划、组织、领导、创新等）的掌握和运用，是学习者问题解决能力的综合体现。
2.协作探究式学习
协作探究式学习旨在培养学生的协作思维与复杂问题解决能力，它并不是一种具体的学习方式，而是一种协作探究的理念。在协作探究式学习中，学习者可以自由地表达观点，也可以听取和采纳别人的观点，还可以通过讨论、辩论、演讲创新重构自己的观点，这种协作探究的氛围，提升了学生的积极性，促进了学生认知和情意的发展。
3.基于设计的学习
基于设计的学习既是一种设计学习活动的方法也是一种学习方式。当学生被要求设计与制作出需要深度理解知识并应用知识的作品时，他们会更深入地学习和思考[18]。基于设计思想的学习可以唤醒学习者在深度理解知识时不同的思维框架，有利于引发学习者的反思，帮助学习者将所学知识进行整合、发现并创造知识间的逻辑关系、论证问题出现的原因，通过在迭代修改循环往复的过程中逐步完善自己的设计成果并最终解决问题。在基于设计的学习中，学习者需要批判性的看待问题、科学的论证、系统的设计、强有力的执行，这些方面依靠对知识的浅层理解是远远不够的，需要学习者在深度理解知识的基础上进行设计，在设计的过程中再次加深对知识的理解。
四、数智化时代技术赋能深度学习
数智化时代人类学习的变化不仅体现在学习观念和学习方式的转型上，还体现为技术对人类学习的赋能作用上，主要表现为：技术支持创设开放互联的智慧学习环境、技术支持开展精准个性的多元过程评价、技术支持注重分享探究的协作学习，智能技术的支持是促进学习者深度理解的必要条件。
（一）学习环境：从物理空间到多维融合的智慧场域
多维融合的智慧场域重构了原有的学习环境，为深度理解提供了生长土壤。智慧场域是指学习者的学习行为被学习所发生的智能技术支持的场域所影响，而智慧场域并非单指物理环境，也包括场域中人的行为以及与此相连的许多因素，常见的智慧场域有智慧校园、智慧课堂、VR、元宇宙等。
1.智慧场域发展了学习组织新形态—自组织学习社区
当前，基于互联网的B站、简书、知乎等自组织开放交互社区，以及教育领域形成的基于联通主义学习理论的cMOOCs社区型课程实践形态，均体现了自组织学习社区模式在促进非正式学习、推动群智汇聚与知识协同创生方面的巨大优势[19]。基于智慧场域构建开放、多元、自治、共享、自生长的自组织学习社区，推动学习者和学习共同体开展泛在化、多元化、共享化的深度学习与交流是促进知识创生、汇聚群体智慧的必要途径。
2.智慧场域助力个性化学习
学习数据的精准采集与分析是实现个性化学习的基本前提。人工智能与大数据技术的融合有助于实现学习数据的精准采集、有效筛选以及科学分析[20]。再者，随着物联网、智能传感器的发展成熟，利用智能传感器设备采集多模态数据，通过对数据的深入计算与分析，可以实现个性化的智慧学习供给服务[21]。此外，基于学习分析技术可精准诊断学生的学习状态和薄弱点，既可通过学习分析仪表盘为学生推送个性化的学习内容、资源和建议，也可为教师有效捕捉学生学习行为、学习兴趣和学习态度等数据，真正实现因材施教。
3.智慧场域营造逼近真实世界的虚拟情境
教育元宇宙是当前多维融合智慧场域的典型代表。教育元宇宙指学习者以“虚拟化身”方式进入泛在性数字场域，在虚拟世界中开展由于时空限制而无法在现实世界完成的情境学习，最终实现全面的虚实结合、人机协同、校社联结[22]。教育元宇宙具有涉身性、体验性和情境性等特征，这为学习对象、学习方式、学习过程和学习结果赋予了全新的可能。教育元宇宙的具身学习特性不仅能够产生积极的学习效果，借由数字孪生技术设计的认知与情感环境也使学习者获得了“真情实感”，提升了学习者意义学习水平[23]。
（二）学习评价：从群体性评价到智能技术支持的个性化评价
智能技术为“因材施评”提供了可能性，从评价维度来看，可促使评价从单一的总结性评价向多元的过程性评价转型；从评价对象来看，可促进评价从群体性评价向个性化评价转型。
1.利用教育测评多维数据来评估理解深度
利用大数据和人工智能技术对教学过程进行识别、监督、采集、处理、评价、反馈是智慧教育的发展趋势。但在实际的教学中，由于收集数据的类型不明确、设备的精度不够以及数据的难以处理等缺点，通常采用的是教育测评数据。利用物联网技术和多维信息传感设备，实时采集学习者学习行为数据，利用互联网收集学习者的网络学习数据，利用文本识别和自然语言处理技术识别学习者的作业、测试等数据……这些可获得的事实数据的集合体就是教育测评数据，根据事先确定好的分析框架和观测维度，利用智能技术对教育测评数据进行处理分析，从而实现对学习者理解程度的多维评估。
2.利用多模态数据分析学习者情感投入
情感投入对协作学习者的分享、互动、协商等有重要影响，因而弄清楚情感的演变机制是至关重要的[24]。通过采集多模态数据可以更加精准地分析协作学习者的情感投入特征和变化情况[25]。在协作学习中，主要通过行为、文本、生理、心理四种模态数据表征学习者的情感投入[26]，从多模态数据的采集、多模态数据特征的提取与分类、多模态数据的分析都依赖智能传感设备和人工智能技术，这为利用多模态数据分析学习者情感投入提供了可能性和便利性。
3.利用学习分析技术为学习者提供精准反馈
学习反馈是学习者改善当前自身学习行为的依据。学习分析技术支持下的学习反馈打破了传统的以学期或单元为单位的弊端，针对学习者当前学习中的问题提供即时精准的反馈，具体表现为：第一，反馈即时性，系统自动地收集并分析学习者的学习行为数据，并将学习分析的结果实时地反馈。第二，反馈个性化，智能技术的支持使得反馈对象从群体性转向个性化，系统通过收集学习者在网络平台的学习痕迹以及线下课堂的学习行为，利用学习分析技术，可以个性化地反馈学习者当前的学习状态。第三，反馈可视化，学习反馈的形式是多样的，可以是基于文字的反馈报告，也可以是基于可视化技术的图表反馈，反馈的可视化可以帮助学习者快速了解自身的学习状态[27]。
（三）学习策略：从独立学习到开发智慧的协作学习
1.互联网为协作学习提供丰富的学习资源和交互机会
互联网可以为协作学习提供丰富的学习资源和交互机会，具有促进学生合作探究、分享观点、开发智慧的价值。基于Web3.0和云计算的分布式学习环境可以将不同时空的学习者联系在一起，并为他们提供即时多样的交互，学习者们通过网络进行协作交流，表达对某些现象或事物的观点，在分享观点的过程中吸纳他人观点、反思自己的认知，实现对知识的深度理解。此外，分布式学习环境可以将分布在世界各处的学习资源、人力资源、设备与数据资源联系在一起，使得学习者可以轻松获得符合自身需求的高质量资源，这为学习者的自主学习提供了充足的资源保障，而丰富多元的学习资源极大地增强了学习者与学习内容的交互性和浸入感，提高了学习的效率和质量。
2.深度神经网络为改善面向协作知识建构的会话智能分析提供可能
会话是协作学习的关键特征，是学习与教学交互的关键手段，是学生之间观点共享与协商的中介[28]，也是人工智能技术赋能学习评价的重要着力点[29]。通过会话分析可以掌握学习者协作知识建构的过程和状态，但当前主流的面向协作知识建构的会话分析编码一致性较低，难以应用在大规模的会话情境中[30]。而深度神经网络在理解语义结构方面有着更好的性能[31]，因而，利用深度神经网络可以实现从会话语义特征层面对会话类型进行精准识别，从而改善面向协作知识建构的会话智能分析[32]。尤其是深度学习算法的不断优化，面向协作知识建构的会话智能分析将在大规模、即时性、伴随式的会话情境中逐步得到应用和普及。
五、数智化时代促进深度理解的教学设计
教学模式和教学设计都需要以对“学”的深刻理解和思考为基础，才能使“教”成为有实际效果和意义的活动[33]。本研究在基于团队对于理解性教学多年研究的基础上，结合时代特征和育人要求，建构了智能时代深度理解视角下的教学设计模式，如图1所示。（图1略）
1.设计驱动性问题
现代思维科学认为，问题是思维的起点，也是创造的前提，一切的发明创造都是由问题开始的。那么，什么样的问题是有意义的？它具有什么样的特点呢？关于这一点，国内外很多专家学者都认为可以启发学生积极思考并主动探究的、可以连接学习目标和学习过程并激发学生探究欲望的问题是值得用来设计的，这样的问题我们称作驱动性问题。驱动性问题是源自生活的，能激发学生兴趣的问题。学生通常会对与他们实际生活直接相关或间接相关的主题更感兴趣，因此，驱动性问题要具有生活性、真实性，这样才能使学生具有充足的学习动机，从而投入到问题的探究中[34]。驱动性问题的设计也要直指课程的核心内容，只有与课程核心知识相关的问题才是有价值和有意义的。
2.确定促进深度理解的目标
促进深度理解的目标要表明学习者需要学习的概念、知识、技能、思维等，更要确定通过学习后学习者的理解水平。在确定深度理解的目标时要注意：一是目标需清晰明确，具有可评价性。目标的设定不仅要指出学习的内容和需要达到的水平，还应该具有可评价性，不能过于抽象。二是目标之间必须相互关联，课程目标、项目目标、单元目标层级互套，紧密联系。三是目标在课程或学科中占据核心地位。一门课程中涉及的知识有很多，但是只有核心知识和关键概念才能将大量知识点串联起来组成完整的知识体系，掌握这些核心知识和关键概念才能推动学生的理解进入更深层次。
3.创设促进深度理解的智慧环境
促进深度理解的智慧环境是一种线上线下的混合学习环境，主要由传统课堂环境、网络学习平台、学习情境、学习资源有机构成，是一个具有高度集成性和智能性的学习支持生态系统，旨在利用智能技术支持师生、生生、人机之间的互动。师生交互的质量是学习效果好坏的关键。智慧环境为教师提供了丰富的教学资源和工具，用以支持教师进行学习设计、创设真实的学习情境和任务情境；智慧环境还可以收集并分析学生的学习行为和学习结果数据，将分析结果反馈给教师；此外，技术也拉进了远程学习中教师和学生的距离，教师可以通过视频、虚拟现实技术对学生的疑问、汇报、展示做出回应，营造了一种真实的“面对面”环境。互联网拓展了学习者的交互范围和交互机会，生生交互通过汇聚群体智慧的方式实现知识创新、通过集思广益和观点碰撞实现知识创生，使学习者在知识创生的过程中发展思维、培养核心素养[35]。人机交互旨在突出学生在学习中的交互感、现场感和体验感，人机交互通常以一对一的交互为主，具有即时反应、强反馈、多样选择、允许学习者自定步调等特征[36]。
4.设计基于协作探究的理解性活动
认知与理解发生在解决驱动性问题和形成人工制品的过程中，这个过程以学习活动为中介。为了让学习者完成学习目标，教师需要帮助学习者在预设的学习活动中内化知识、发展技能。设计基于协作探究的理解性活动时，要把学习活动设计当作课堂教学设计的中心，要尽可能将教学内容转化成通过学生自己的努力可以解决的具体问题和任务，转化成同伴间可以讨论切磋、交流分享的问题。学习活动的设计要兼顾学生的自主学习、学生之间的合作学习、师生之间的对话和情感交流，这样才能让课堂充满活力、富有生成性和创造性。在设计学习活动时，注意发挥教师的作用，教师要清楚自己作为课堂学习活动的主要设计者、组织者和指导者，要在课堂上发挥协同学生学习的作用。
5.显示基于会话反思的理解表现
会话交流与总结反思是学习者进行深度理解的关键方法，也是学习者认知加深和思维跃迁的有效途径。会话交流是通过与他人思维碰撞，接纳或吸收别人观点重构自己认知体系的过程，总结反思是自己对自身学习过程的收获与不足进行复盘的过程，两者都是内隐的和难以直接观察的。因此，教师要设计展示性学习活动让学生把自己的理解展现出来，通过层次性的理解活动，使学习者达到单元理解目标，进而实现课程理解目标。如，通过作品展示自己的研究成果、通过撰写反思总结表现自己的收获、通过思维导图呈现自己的思考问题方式。总而言之，设计的学习活动要能体现出学习者行为表现、语言技巧、论证思维、思辨逻辑、作品效果等多维理解表现。
6.基于智能技术的持续评估与反馈
深度学习具有层级性、过程性、表现性的特征。在大数据、人工智能技术的支持下，在评价目标上，应从对评价知识点记忆能力转向评价理解的深度；在评价方式上，将评价贯穿于教学的始终，从总结性评价转向伴随式、嵌入式的形成性评价，并能及时反馈；在评价主体上，要采用多元的评估方式，如教师评估、学生自评和互评相结合，作业、作品、展示理解的表现等多元化评估相结合。在学习开始之前，就将评价标准公布给学生，让学生对评价的重点有所理解，这样才能针对性的进行学习。要实现上述评价方式的转型，应将智能技术贯穿于评价反馈的全过程，要善于借助智能录播系统、学习数据采集系统、智能穿戴设备、智慧学习平台等收集学生课程学习数据，借助大数据学习分析技术分析数据、优化学习设计，利用人工智能技术进行个性化的学习反馈和资源推送。
六、结语
面对数智化时代的挑战，对学习本质的求索会是一个永恒的话题。对深度理解的解读、对学习转型的探索、对教学设计与时俱进的创新是探究学习本质、应用学习规律、改革教育教学的勇敢尝试。在教育变革中，技术虽然会给教育教学带来巨大的便利和推动作用，但归根到底是基于学习本质和学习规律的综合利用，不能脱离学习理论和教育理论单独存在。在数智化技术与教育教学深度融合的过程中，如何促进学生深度理解，如何使学生学会学习、快乐学习是一个值得不断深入思考的话题。
参考文献：
[1]刘献君.论“以学生为中心”[J].高等教育研究，2012（08）.
[2]李克东.信息技术环境下基于协作学习的教学设计[J].电化教育研究，2000（04）.
[3]曹培杰.智慧教育：人工智能时代的教育变革[J].教育研究，2018（08）.
[4]李松林，贺慧，张燕.深度学习究竟是什么样的学习[J].教育科学研究，2018（10）.
[5]李新成.现代认知心理学关于理解过程的研究[J].教育理论与实践，1997（02）.
[6]吕林海.数学理解性学习与教学研究[D].上海：华东师范大学，2005.
[7]张桂春.激进建构主义教学思想研究[D].上海：华东师范大学，2002.
[8]Blythe,T.,Croft,A.,& Strelec, N.(1998).Teaching for understanding. Paidós: Teacher’s Guide Buenos Aires.
[9]Boix Mansilla,V.,& Gardner, H.(1998). What are the qualities of understanding. Teaching for understanding,161—196.
[10]Romberg T A.(1999). Mathematics classrooms that promote understanding. Routledge
[11]钟志贤.面向知识时代的教学设计框架——促进学习者发展[D].上海：华东师范大学，2004.
[12]Bloom,B.S.,Engelhart,M.D.,Furst,E.J.,Hill,W.H.,& Krathwohl,D.R.(1956).Handbook I: cognitive domain. New York: David McKay
[13]赵永生，刘毳，赵春梅.高阶思维能力与项目式教学[J].高等工程教育研究，2019（06）.
[14]余亮，魏华燕，弓潇然.论人工智能时代学习方式及其学习资源特征[J].电化教育研究，2020（04）.
[15]陈明选，来智玲.智能时代教学范式的转型与重构[J].现代远程教育研究，2020（04）.
[16]李新成，陈琦.维特罗克生成学习理论评介[J].山西大学学报(哲学社会科学版)，1998（04）.
[17]蔡艺鸣.《项目学习教师指南——21世纪的中学教学法》评介[J].地理教学，2021（16）.
[18]冯锐，缪茜惠.探究性高效学习的意义、方法和实施途径—对话美国斯坦福大学Linda Darling-Hammond教授[J].全球教育展望，2009（10）.
[19]杨阳，陈丽.元宇宙的社会热议与“互联网+教育”的理性思考[J].中国电化教育，2022（08）.
[20]赵磊磊，代蕊华，赵可云.人工智能场域下智慧校园建设框架及路径[J].中国电化教育，2020（08）.
[21]余胜泉，刘恩睿.智慧教育转型与变革[J].电化教育研究，2022（01）.
[22]刘革平，高楠，胡翰林，秦渝超.教育元宇宙：特征、机理及应用场景[J].开放教育研究，2022（01）.
[23]傅文晓，赵文龙，黄海舵.教育元宇宙场域的具身学习效能实证研究[J].开放教育研究，2022（02）.
[24]Huang,C.,Han,Z.,Li,M.,Wang,X.,& Zhao,W.(2021). Sentiment evolution with interaction levels in blended learning environments: Using learning analytics and epistemic network analysis. Australasian Journal of Educational Technology,37(2),81—95.
[25]Sakr,M.,Jewitt,C.,& Price,S.(2016). Mobile experiences of historical place: A multimodal analysis of emotional engagement. Journal of the Learning Sciences,25(1),51—92.
[26]王小根，陈瑶瑶.多模态数据下混合协作学习者情感投入分析[J].电化教育研究，2022（02）.
[27]陈明选，王诗佳.测评大数据支持下的学习反馈设计研究[J].电化教育研究，2018（03）.
[28]蒋纪平，胡金艳，张义兵.知识建构学习社区中“观点改进”的发展轨迹研究[J].电化教育研究，2019（02）.
[29]宋宇，邬宝娴，郝天永.面向知识建构的课堂对话规律探析[J].电化教育研究，2021（03）.
[30]马志强，王文秋.面向协作知识建构会话的智能观点分类研究—基于深度神经网络与会话分析的融合方法[J].现代教育技术，2022（06）.
[31]Liu,G.,& Guo,J.(2019). Bidirectional LSTM with attention mechanism and convolutional layer for text classification. Neurocomputing,337,325—338.
[32]王丽英，张义兵.融合知识建构和机器学习的观点质量评价[J].现代教育技术，2020（11）.
[33]陈明选，许晓群，王玉家.基于教育测评数据分析的教学优化研究[J].中国电化教育，2018（05）.
[34]胡婧.基于理解的初中信息技术课堂教学设计研究[D].无锡：江南大学，2011.
[35]徐亚倩，陈丽.联通主义学习中个体网络地位与其概念网络特征的关系探究——基于cMOOC第1期课程部分交互内容的分析[J].中国远程教育，2019（10）.
[36]徐亚倩，陈丽.生生交互为主的在线学习复杂性规律探究[J].中国远程教育，2021（10）.
Deep Learning in the Age of Digital Intelligence: From Shallow Memory Towards Deep Understanding
ChenMingxuan ZhouLiang
Abstract：In the complex, changing and challenging real world, shallow learning based on repetitive memory is no longer able to meet the challenges of the times, so deep learning has received great attention. But what is deep learning? How to achieve deep learning? There are different understandings and different approaches in the academic community. The essence of learning is comprehension, and comprehension is the form of representation of deep learning, and the depth of learning is the degree of comprehension. The strategies to promote deep understanding in the era of digital intelligence include “learning transformation to promote deep understanding”,“technology empowerment to promote deep understanding” and “teaching design to promote deep understanding”. The three aspects provides a new theoretical perspective for interpreting deep learning, and lays a theoretical foundation for an in-depth study of the occurrence mechanism of deep learning and the role of technology on learning in the era of digital intelligence.
Key words：the age of digital intelligence; deep learning; deep understanding; understand; learning transformation
初审：曹洪家
复审：孙振东
终审：蒋立松