胡航 等丨辨证施治：深度学习研究方法论归演

【刊载信息】胡航, 杨旸. 2022. 辨证施治：深度学习研究方法论归演[J].中国远程教育（7）：70-77.

【摘要】深度学习拟架通与脑科学、心理学、教育学和信息技术的桥梁，厘清课堂与教学的样态诉求，以构建对实践具有解释力和指导力的深度学习理论。深度学习扎根于技术哲学，融合“辨证施治”思想，揭示深度学习的本质。厘清技术、人与教育的逻辑关系，即技术已成为人的“无机身体”，对技术于人、于教育的理解随着时代发展或所考察问题不断变化。在此基础上，从观察与标记、归纳与联结、描述与编码、解释与变换四个方面分别阐述了深度学习研究方法论和研究方法。深度学习从科学世界走向生活世界，关注生活世界中教育的复杂性问题，让整个教育体系的真实生活与实践有效联结，为构建深度学习教育理论体系奠定基础。

【关键词】深度学习；辨证施治；技术哲学；方法论；辩证；理实一体；研究方法；归演

如何研究学习？这是学习科学试图回答的核心问题之一，对应于有关研究方法论的创新（赵健, 等, 2007）。深度学习致力于研究在真实情境中发生的过程，并注重对教育实践产生实质性影响；其方法论研究是在生理、心理和技术三个层面，从认知科学一直延续到学习科学的一个重要领域。“如何进行深度学习研究”也成为脑科学、认知、教育与智能学习技术等方面研究与实践的重要议题。深度学习方法论的归演，既是深度学习研究的核心要素，又可以为教学优化提供指导策略。

一、

辨证施治：深度学习研究与实践的思想基石

辨证施治来自中医治疗学的总纲，是概括整个临床思维过程的方法论，辨证求本，必审其属性，伏其所主，先其所因。辨证施治被隐喻到深度学习研究与实践过程中：它强调对个体发展过程中某一阶段是否实现深度学习的省辨，注重学习者的迁移与批判；辨证是决定研究方法的前提和依据，施治是研究与教学的具体手段和方法。深度学习研究便是“辨”某一阶段个体生理与认知变化的本质，“证”其作为深度学习真实发生的原因、性质以及证据，“施治”其确切的实施手段和方法。

（一）“理论—实践”一体：从“辩证”走向“辨证”

1. 辩证：辨证之源

辩证1：理论与实践的对立统一。理论与实践的对立统一体现在保证实践操作化与循证理论化的同时，不是机械地从表面、浅层的“现象”“证据”寻求教育的“普遍规律”，而是更全面、综合、深入地对政治、经济、文化等开展科学的判断和分析。辩证通过运用历史主义和唯物主义的方法论，总体地把握教育的内在真谛、规律及其运行逻辑。因此，辩证是体现教育情境复杂性的基础。辨证则是通过认证与识证，反映并揭示深度学习因子（生理、认知、行为、环境、技术）逻辑关系及发生机制的研究范式。实际上，教育活动、现象和对象本身就具有高度复杂、动态和变化的特性，站在兼具操作化和理论化的角度，深度学习辨证施治这一范式的提出，目的就是利用大数据智能技术为教育情境带来现象化的“辨证”证据研究，从而构建可解释的、不断迭代优化的“施治”操作模型。

辩证2：实践修实践的否定之否定。否定之否定中的“否定”是一种对事物自身的回归，而这种回归就意味着一种向事物自身“未规定”状态的靠近。一言以蔽之，否定之否定规律，可以说是事物不断自我否定，只要事物发展不停止，这种否定就没有终点。从研究范式来看，在教育实践中往往会发现与教育理论不相符的现象，抑或是发现实践范式是错误的，便立即整改。这或许是一种否定，但确是机械的否定。辩证否定的实质是对旧事物既批判又继承，既克服其消极因素，又保留其积极因素。过去既定的事实，并没有扬弃之说，其仍然有一些积极因素，这些积极因素应该继承和发扬，是开始新研究的基础。深度学习基于此提出的辨证，是在循环往复的实践研究中进行一种现象与证据结合、认证与识证统一的研究。基于此，通过不断的迭代与革新，为解释深度学习的发生机制、创新理论与思想提供了坚实的证据。

辩证3：实践炼理论的量变到质变。实证主义研究是教育理论创新的重要手段，但决定理论研究量变到质变的支柱是研究本身有意义、有价值的“品质”。深度学习品质代表习惯、信仰、机制、氛围（校风、学风）等，超越了特定的学习与工作情境，却影响整个学习共同体的运行。深度学习是研究者对特定场域中行为、认知、表情、情绪和大脑等内隐与外显表现的科学描述以及进行可理解的操作化过程。深度学习理论建构的根本任务，不是整合抽象的教育理论与规律，而是通过施治使其成为可能；不是停留在分散的个体研究，抑或是越过个体进行的联结（联结指在活动的交互与转化中形成感知、理解、分析和概括），而是在个案与特定时空维度中进行的变换（变换指能够在复杂的信息空间中定向和导航，通过对信息理解、应用、分析和优化，最终在高水平的复杂问题解决能力中形成自动化“变换”）。可见，辩证是能从浩瀚如海的数据中深度挖掘出深度学习品质意蕴的模式，是确保技术分析具有意义与有效的关键（姜勇, 等, 2020）；辨证在深度学习识证与认证的过程中被赋予意义，是将大数据转变成深度理解的过程。

2. 辨证：深度学习之基

综上所述，深度学习从辩证走向辨证，坚持理论与实践的辩证统一，从“现象”与海量数据中辩证事件背后的内在逻辑，通过辨证架通逻辑与逻辑的关系纽带；从不断迭代的数据模型与不断发展的个体中，辩证消极与积极的影响，并辨证深度学习品质表征的本质。

深度学习之所以提出辨证，还因为其与中国“和之道”一脉相承，是具有浓厚中国本土特色的研究范式，“万物负阴而抱阳，冲气以为和”（《道德经》第42章）。深度学习的“辨证”强调融合教育、哲学、人文、历史等理论，以“百家齐放”“和而不同”的姿态保持和谐友善的态度，在深度学习研究中多方考量；在认证、识证与施治的过程中，“内外协同，漏刻之闲，桀逆枭夷”（《后汉书·桓帝纪》）。“和”的思想是我国哲学思想的核心价值所在，“天人合一”“和为贵”“和谐美”，也是对深度学习研究范式的诠释。因此，辨证施治不仅融合不同教育范式的主张、思想、观点和技术，还互相欣赏、借鉴和影响。

（二）“技术—人—教育”融合：从“辨证”走向“施治”

随着技术的产生与发展，人们开始不自觉地形成某种技术观，并无意识地受其影响，在此基础上形成一定的技术哲学观。技术哲学作为关系到教育研究合理性和学科发展的基本课题之一，它的产生已深刻地影响了哲学、社会学、科学技术、文学艺术以及人们的价值观、人生观乃至生活方式（李世改, 等, 2007; 桑新民, 1999）。深度学习就是以辨证施治作为核心思想，从技术哲学的角度来探求技术、人与教育的融合点，主要出于以下几方面考虑：

1. 三者为什么能融合：辨证施治之因

逻辑1：技术与人的同源性。教育以培养人为使命，而培养什么样的人？用什么方式培养人？这些问题都随着时代的变化而变化（李艺, 等, 2008）。正如吴国盛（2001）所说：“技术成就人性”，二者在相互作用的过程中实现相互协同与建构，因此需要动态、发展地看待二者关系。从技术哲学的视角来看，人与技术具有历史同源性，二者都处于历史的流变之中（李美凤, 等, 2008）。对于当今社会而言，技术已可以被视为人类的“无机身体”，就如同水对于鱼、氧气对于人一样不可分离。虽然善用科技的现代人的生理结构相较于使用木斧的古代人来说并没有发生显著变化，但是人于社会、自然的作用关系已发生了本质的变化。在此语境下，要研究人与技术的关系不能脱离附属工具（可以是笔记本电脑，也可以是一根木斧）的作用。因此，技术与人的关系界定随着时代的发展或所考察的问题不断变化。

逻辑2：技术与教育的互构性。教育可以被视作社会的一个重要部分，同样教育也可以是一个“小社会”。在价值视野下，教育被视作一个由教师、学生、管理者、研究者以及开发者构成的主体，技术则是其客体（李政涛, 2006）。基于技术哲学对技术价值的分析，将“技术社会化”与“社会技术化”两个概念作为分析工具的逻辑起点，便形成了对于教育与技术的关系认识（胡航, 等, 2020）。从技术的价值来看，技术与教育的相互作用导致两者的关系会因为各自的特性而相互影响。这样的过程便是技术与教育的“双向建构”，即教育与技术通过不断的协同与融合发展为蕴含教育意蕴的“教育的技术”；技术通过介入教育潜移默化地介入至教育的每一个环节、每一个要素中，进而发展为“教育纳入的技术”。由此可见，教育与技术的关系是动态并相互建构的。

逻辑3：技术、人与教育的生命统一性。基于以上分析，技术、人与教育三者的关系可以总结如下：技术通过促进人的发展来体现其人文化的特性；技术与教育的双向建构关系为两者提供了发展机会；在人、教育与技术三者关系中人发挥着中介作用，这也是将人作为教育主体的有力佐证（李康, 2000）。唯有如此，才能形成对教育中的技术价值的深刻、全面认识。教育本质的存在，依附于成为教育的核心，离开此，教育便会脱变为它物（朱德全, 许丽丽, 2019）。而构成教育本质的内涵和外延，随着时代语境的发展和教育自身的演变而随之发展变化。这样的变化在很大程度上离不开技术的介入，可见技术正在甚至已经与教育的本质不可剥离，这显然是技术、人与教育形成生命统一性的有力佐证（胡航, 杨旸, 等, 2021）。

2. 三者如何融合：辨证施治之法

基于上述理解，团队在过去十余年研究中形成了如图1所示的研究范式图，构建兼具理论层面意义诠释和实践层面现象分析的研究闭环，在体现教育复杂性与动态性的同时，反应深度学习辨证施治在特定情景中的发展模型（胡航, 等, 2017d; 胡航, 等, 2022），以及深度学习技术在实践应用中的理论依据，具体表现为“察、联、码、释”四个流程的闭环表征。

图1 深度学习辨证施治研究范式图

一是“察”课堂与生活行为的现象。正如亚里士多德在《形而上学》中所说：“观察能使我们识知事物，并明察事物之间的许多差别，此于五官之中，以得之于视觉者为多。”在深度学习主体行为转换为现象的研究中，学习者的特征与背景均会不由自主地进入研究者的意识或潜意识中，因而以“在场”与“不在场”融合式的观察研究，以实现“旁观者清”与“当局者迷”的互补关系。二是“联”大数据与现象的证据与依据，融技术之术，探教育现象。海量的数据为教育研究提供更为深层的解释，通过构建有效的数据关系模型，从而折射出内隐化的教育现象，对其作为教育世界自然表征的先验有效性进行深度剖析。三是“码”行为与教育理论的联系与阐释，是对“现象”与“证据”的描述与解释，是深度学习发生的本质研究，从而编码与诠释我们生活经验的意义。四是“释”现象与证据的意义与机制，是回归于教育本质及深度学习内核，通过辨证施治发现与生成有意思的、值得玩味的、引发震撼的新话题、新现象与新思考，最终落在实际施治中，使用适切的方法解决确切的问题。

综上所述，可以总结并归纳出以下几点，它们不仅可以作为深度学习技术价值论的关键点，还是深度学习方法论研究的内核：一是技术不是中性的，而是负荷价值的。在技术中立论的视角下理解技术的本质，把技术的社会属性排斥在外，这便意味着技术中立论只讨论技术的内在价值，而否认包含人的价值判断，从而导致了对于技术本质的曲解（郭冲辰, 等, 2002）。因此，需要从技术哲学、价值哲学等哲学思想领域中寻求适切的理论工具，以探求技术、人与教育之间的深层内在联系。二是深度学习技术包含学习场域、资源和服务等，学习者在特定场域提供的技术、环境和服务的支持下进行各种活动，教室结构、资源与活动是在技术设计与开发下支持学习场域运行的服务，在该服务中形成师生、生生之间的场域关系。

二、

宏观归演：深度学习研究方法论

学习的方法论研究涉及教育领域的技术价值论，根据特定的教育主体与技术客体，辩证地从主客体关系中考虑双方的关系，用技术哲学思维与方法贯穿深度学习辨证施治研究，解决“怎么办”的问题。深度学习研究方法论是在理实辩证统一思潮的背景下，倡导深度学习研究的独特性：受阐释学的影响，强调对个体行为的描述与解释；受现象学的影响，强调“透过现象看本质”；受结构化理论的影响，弱化“在场”与“不在场”教学情境之间的边界，强调将所有活动联结在一起；受中医辨证施治的影响，强调结合教育现象与证据，认证与识证更深层的教育本质，从而构建深度学习因子关系网络，最终提出适切方法。深度学习研究方法论由观察与标记、归纳与联结、描述与编码、解释与变换四部分组成，这些方法论在研究中可以被单独使用，但利用组合式的套路来深入研究才是深度研究的精髓。

（一）深度学习行为观察与标记

如前所引亚里士多德关于“五官之观察”的观点可见，观察为学习科学研究获取知识提供有效的途径。深度学习行为观察与标记可分为参与式与非参与式，是在真实自然的学习与生活情境中对一切活动进行有目的的观察与标记，两者兼具“旁观者清”与“当局者迷”的互补关系。因此，研究者选择合适的观察视角与方向确定所要标记的深度学习因子，其与研究者的研究目的与问题密切相关。只有在这样的视阈下，才能更容易观察到深度学习发生的真实现象。相较参与式的观察与标记，非参与式不要求研究者直接进入深度学习场景之中，观察者以“置身事外”的姿态了解研究主体心理与生理的发展动态。因此，非参与式的观察与标记更注重客观、公正地记录研究主体的行为与活动，但囿于未亲自参与活动，缺乏对所观察主体与项目的深度理解。

实际上，将参与式与非参与式完全割裂的研究并不常见，它们之间可以充满丰富的融合形态，如完全的观察、参与式的观察、完全的参与等。在研究深度学习的过程中，研究者作为参与者时，其观察方法受研究个体身份的影响；研究者作为观察者时，其方法受非参与观察的身份所限不能亲身体验与参与。因此，为了更有效地深入观察和有效标记，研究者应因地制宜，切换不同的身份展开研究。

（二）大数据驱动的归纳与联结

大数据为学习的研究提供了新的研究途径，挖掘出新的研究对象，为经典教育理论与研究开辟量化与循证的新范式。但随之也浮现出新的问题，即如何提高数据背后的真实性与科学性，以及如何为海量数据建立关联，这直接关系到基于大数据教育研究的科学性和有效性。因此，深度学习“归纳与联结”通过对大数据采取辨证方法，对其为教育世界自然表征的先验性进行“深度质疑”与“取证”。归纳与联结是建立在对深度学习理论认证与识证的基础上，通过建构数据关系模型以表征深度学习的运行机制与深度学习因子的联结关系，最后通过施治加以证明或证伪。与量化研究不同的是，深度学习不囿于预想之外的现象与问题，或偏离预先的假设与期望，而是将其“否定之否定”。深度学习为大数据研究提供了一种自下而上的归纳推理方法论，即使用大数据挖掘与分析技术，从多种教育场景（课内与课外）提取数据，以实现对数据的预测、聚类、关系挖掘和判断等分析。当对两个以上的因子进行建模时，时序分析能够说明各因子在时间变化的条件下所表现出的相互作用。例如，在时间的推移下，早起行为与学习绩效的相关关系分析及两者的之后关系等（胡航, 杜爽, 等, 2021）。因此，深度学习数据归纳与联结，通过构建深度学习数据库提取深度学习因子，从而削弱非中立的理论假设所带来的限制。

（三）深度学习行为描述与编码

维特根斯坦认为，“哲学的方法是描述的，哲学的出路在于抛弃一切说明，而用描述取而代之”。胡塞尔曾把他的现象学定义为一种“纯描述性的科学”“一种描述本质的科学”。因此，深度学习基于行为的描述与编码，其旨趣在于回归事实本身，其本体亦回归于“辨证施治”思想。因此，对于行为的描述与编码，一方面是个体行为特点的认证，另一方面是生活与学习经验所传达的意义识证，并将其作为一种方法存在于解释之中。描述与编码包含证据捕捉与解释证明，不仅强调注释或给出表面、部分、较少的事实描述，还通过对深度学习行为深入与详细的问题性经验的辨证，以澄清一种行为、意图或倾向所存在的意义。站在理解与促进深度学习专长发展的角度，描述与编码的主要作用是为深度学习发生机制与研究理论创新提供体现教育复杂性及在特定文化境遇中“脑、认知、行为、环境与技术”五类学习因子不断迭代并可解释的理论模型。作为深度学习研究者，应尽可能全面、详细地描述与编码所看到的行为表征与实践现象，并具体到研究主体在深度学习发生过程中的具体过程与所处的文化背景。

（四）深度学习理论解释与变换

深度学习的解释与变换关乎理论，即用一定理论去解释研究的各类事件。“变换”强调在不断修正和改良的过程中创造新的解决方案，实现深度学习行为、现象、关系、证据及施治的持续联结。因此，解释与变换具有双重任务，一是贯穿于研究对象的深度学习概念，二是建构深度学习理论体系。理论与变换方法论通过分析影响学习者实现深度学习的内部因素与外部因素之间的相互作用，进而探讨认知与生理之间的因果关系，最后将其精确地表达出来并给予“施治”方法。解释与变换是对深度学习品质进行意义阐释和理解的过程，其兼具质性研究从“现场文本”转向“研究文本”所分析寻找有力解释的特性，还对一系列事件或经历赋予一个抽象或因果的解释，并提出确切的施治方法。因而解释与变换力图超越教育现象的浅层，直达教育与学习背后的意义与价值，从而揭开证据背后的意义。

综上所述，深度学习方法论研究经过观察与标记、归纳与联结、描述与编码、解释与变换而形成的研究成果其实质可被视作一个个典型案例。因此，深度学习方法研究便是一种微观的案例研究，结合适切的深度学习技术，以回答“如何将四部分结合起来开展深度学习研究”。

三、

微观应用：深度学习分析技术

方法的选择依据哲学和科学的方法论目的和要求，为达到一定的价值目标，采取的适应性手段或程序（刘燕楠, 2018）。随着技术变革所带来的教育研究方法中的信息技术、多模态数据和网络由研究背后的技术支持转向方法论的核心，为教育研究提供了更多维度的思维背景、信息手段与技术设备。为促进深度学习的后续研究，在宏观归演的基础上将所应用的典型方法进行总结（如表1所示）。

表1 深度学习研究的典型方法

（一）观察与标记：融合式行为观测

深度学习秉持融合式的观察方法，通过对学生行为观察与标记，在不同情境（课内与课外）与平台（线上与线下）中进行数据特征提取，获取可供分析的教学主体行为数据（如平台操作数据、早起数据、借阅数据等）（杜爽, 等, 2020）。因此，观察与标记典型研究方法主要分为基于特征提取的行为分级与基于认知的主体分析两方面。典型的基于特征提取研究，如黎孟雄等（2015）通过检测学生的键盘和鼠标等常规输入设备的击键和滚轮等操作行为，获得击键特征（频率和力度）和滚轮特征（频率和速度）向量信息。深度学习基于五个深度学习因子，在不同情境（课内与课外）与平台（线上与线下）中进行数据特征提取，获取可供分析的教学主体行为数据（如平台操作数据、早起数据、借阅数据等）（胡航, 等, 2017b）。此外，研究者借助眼动仪、面部识别系统、ERP脑电、思维诊断系统（如图2所示）等途径获取多模态数据，分析学习者的情绪、专注度和思维变化，为实现深度学习干预提供参考。

需要注意的是，在采集数据后需借助必要的数据清洗和整理手段，将端口层的多种数据特征、样态和不同教学主体的行为数据进行深度学习数据样态归一，被预处理过的行为数据存储于深度学习数据库应用层，最后迭代存储至学习因子层。

图2 CSV-PDA效果图（胡航, 2017）

智能化的认知主体分析，促使分析层面由以表征教学主体的外部行为拓展到探寻其内隐认知状态，从而促进研究分析结论由浅层的归纳教学模式、描述课堂风格、总结教学效果等，深入至探寻认知主体的学习动力、学习情绪、策略方法、思维模式等，从而在把握学习者的学习规律和学习过程机制的基础上推动深度学习的进程。深度学习基于教育教学的复杂性，对学生的学习策略和认知结构进行诊断，实现学习者深度学习品质的表征与可视化（胡航, 李雅馨, 2021; 胡航, 等, 2017a），形成具有针对性的面向特定教育问题的认知主体分析模型。

（二）归纳与联结：教育数据与智能化分析

深度学习强调“审问”数据背后的意义，进而在数据分割、建模、编码等一系列实际操作后，采用智能化技术剖析其影响与关系，从而避免分析结果的表面化与牵强附会（沈小碚, 等, 2021）。例如，在归纳认知网络的深层含义时应追溯至原始数据，以此得以理解深度学习因子间共现的意义以及共现现象影响的强弱和原因等。因此，深度学习教育数据与智能化分析模型包括以下三部分（如图3所示）：一是特征提取。对生理电信号进行滤波、通道检测等预处理；提取24~36组与相空间重构相关的嵌入维、延迟时间、Lyapunov指数、关联维等非线性特征，采用自适应阈值进行归一化独立成分分析（ICA）进行降维，递归量化分析（RQA）计算相关参数，提取眼动信号的近似熵和样本熵，以及皮肤电信号的SCL和SCR值。针对面部特征，将连续图像产生的图像进行过滤，按照面部轮廓进行图像切割，标记图像并划分图像数据集，采用CNN分别进行生理维度和表情维度的多模态特征提取，在此期间对CNN中常用模型Vgg19、Inception v4、ResNet50 和 Xception进行性能和准确率比较。二是学习因子类群划分。将特征数据进行规范化运算和处理，形成学习因子数据模型，存入深度学习因子数据库。三是决策融合。采用深度信念网络（DBN）对五个学习因子进行决策分类，构建学习指标。决策阶段采用深度玻尔兹曼机（DBM）对学习指标进行决策分类，构建学习因子关系模型，进而分析深度学习的认知水平（胡航, 李雅馨, 2021）。

图3 深度学习归纳与联结数据处理流程图

（三）描述与编码：从典型场景趋向多元样态

深度学习描述与编码扎根于课堂教学，并延伸至课外活动。描述要从一个细微的点或一个确切的问题切入，这些点或问题可以是课堂学习中的难点，或是深度学习中的过程。编码是构建关系的过程，透过细节看到活动背后的真正意义。

描述与编码是微观的，从一个具体的问题或事件切入，如课堂中学生的表情变化、姿势变化等，以此对学生的学习动机与状态进行编码（胡航, 等, 2020）。微观式通过第一人称的视角把描述聚焦在关系、个人或情景上。通过微观式的描述与编码，可以将研究对象的长相、衣着、态度、性格、情绪等呈现在研究者面前，为后续研究提供基础。可以说，这种微观式的研究看似“在显微镜下看到整个研究对象的缩影”，为深度学习构建了一条“学习行为关系链”（如图4所示）。这条学习行为数据链，一方面可以让教师较准确地掌握学习者个体和群体的学习行为轨迹，另一方面可以在该链条上找到干预点，并设计干预方法与策略。

图4 深度学习学习行为关系链（胡航, 等, 2019）

描述与编码还是多元情境的。将课内与课外的多元化场景与情境作为背景，以此呈现研究对象及其深度学习发生时与场景或情境的关系，如学生早起的时间、运动的频率、借阅的次数等（胡航, 等, 2017c）。因此，要对微小且不易察觉的多元场景和现象进行深度细致的描述（吴忭, 等, 2021），并对显示出的深度学习因子关系、深度学习认知和学习策略的演变过程进行编码。

（四）解释与变换：协同视角下的深度学习理解和理论创新

深度学习通过关注深度学习因子之间的关系与联结驱动深度学习理论的创新与重构，从而呼唤一种融合式的研究范式来理解与印证其发生过程与机制。因此，解释与变换可以分为描述型和分析型。描述型倾向于分析并澄清事情背后的意义，重点在于被解释的过程本身，而不是最终理论结果的呈现。对深度学习研究者来说，所有的问题研究都是描述型的，他们认为不可能将自己的成见从研究问题中剔除，研究者也是研究问题中的一部分（胡航, 米雷, 等, 2021）。相对于描述型解释与变换，“分析型是对一系列事件或经历赋予一个抽象或因果的解释，但它更典型的是源于研究者引入研究情境中的理论”（Denzin, 1989）。从现有的质性研究成果来看，普遍倾向于寻找一种适切的理论来解释和支撑自己的研究，而这样的解释实际上是一种形式化的套用，是自下而上建立起来的。但判断理论的标准不是“正确”与否，而是“有用”与否（陈向明, 2002）。

深度学习试图采用多样化、多元化的手段进行辨证施治，但需要说明的是，不同的研究方法具有特有的视角、情境、主张和观点，选择其中的方法不应有扬弃、高下、对错之分。因为深度学习的活动、对象、现象、环境本身就是动态的、复杂的、变化的，需要审时度势，在教育研究方法论领域灵活运用。

四、

结束语

人的自我成熟是在与外部客观世界的交互中发生的，并在这一过程中实现进阶，从而从“事物的真实发生”走向“为什么这么做”。深度学习正是这样一种面向意义生成的研究与实践范式，使我们能够厘清并理解教育行为背后的深层含义，并进一步发展这种能力。深度学习基于真实情境与问题，充分应用智能化的研究方法，通过理论研究与实证研究“协同化”，拟架通脑科学、心理学、信息技术与教育的桥梁，让教育能真正服务于人的生活需求、社会需求和未来发展，构建一个具有高度开放性、灵活性、适应性和多样性的，能服务于每一个个体的终身学习生态体系。教育研究者应当重视基于教育情境生成的能够尽可能还原现实的研究数据和结果（靳玉乐, 2021），追求对深度学习背后意义的理解。

参考文献

向上滑动阅览

安东尼·吉登斯. 2016. 社会的构成[M]. 北京：中国人民大学出版社.

陈向明. 2002. 质的研究方法与社会科学研究[M]. 北京：教育科学出版社.

杜爽，飞云倩，何牧，胡航. 2020. 大学生“早起”和“借阅”行为与学习绩效的关系研究[J]. 中国远程教育（11）：47-58.

郭冲辰，陈凡，樊春华. 2002. 论技术的价值形态与价值负荷[J]. 自然辩证法研究（5）：37-39.

胡航，董玉琦. 2017a. 技术怎样促进学习：基于三类课堂的实证研究[J]. 现代远程教育研究（2）：88-94.

胡航，董玉琦. 2017b. 技术促进深度学习：“个性化-合作”学习的理论构建与实证研究[J]. 远程教育杂志（3）：48-61.

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

胡航，董玉琦. 2017d. 深度学习数字化资源表征方法与开发模式[J]. 中国远程教育（12）：5-11.

胡航，杜爽，梁佳柔，康忠琳. 2021. 学习绩效预测模型构建：源于学习行为大数据分析[J]. 中国远程教育（4）：8-20.

胡航，李雅馨，曹一凡，赵秋华，郎启娥. 2019. 脑机交互促进学习有效发生的路径及实验研究——基于在线学习系统中的注意力干预分析[J]. 远程教育杂志（04）：54-63.

胡航，李雅馨，郎启娥，杨海茹，赵秋华，曹一凡. 2020. 深度学习的发生过程、设计模型与机理阐释[J]. 中国远程教育（1）：54-61.

胡航，李雅馨. 2021. 学习绩效预测模型的应用：运动与课堂行为关系研究[J]. 中国远程教育（10）：19-28.

胡航，米雪，李雅馨，郎启娥. 2021. 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）（11）：73-85.

胡航，杨旸，飞云倩. 2021. 教育信息化助推教育现代化：使命、路径与策略[J]. 教学研究（1）：24-31.

胡航，杨旸. 2020. 深度学习：从“点”走向“变换”[J]. 今日教育（06）：50-55.

胡航，杨旸. 2022. 多模态数据分析视阈下深度学习评价路径与策略[J]. 中国远程教育（2）：13-19.

胡航. 2017. 技术促进小学数学深度学习的实证研究[D]. 东北师范大学.

姜勇，底会娟. 2020. 论教育研究的辩证方法论立场[J]. 教育发展研究（1）：1-9.

靳玉乐. 2021. 努力建设中国特色高质量教育体系[J]. 教师教育学报（2）：9-14.

黎孟雄，郭鹏飞，黎知秋. 2015. 基于情绪识别的远程教学自适应调节策略研究[J]. 中国远程教育（11）：18-24，79.

李康. 2000. 论教育技术领域中的哲学观[J]. 电化教育研究（3）：3.

李美凤，李艺. 2008. 人的技术化之合理性辩护[J]. 科学技术与辩证法（1）：66-70.

李世改，李红梅. 2007. 技术哲学视野下的教育技术哲学[J]. 电化教育研究（3）：22-25.

李艺，李美凤. 2008. 教育中的技术价值论研究过程与方法——兼谈对教育技术哲学研究的几点看法[J]. 电化教育研究（10）：5-9.

李政涛. 2006. 为人的生命成长而设计和发展教育技术——兼论教育技术学的逻辑起点[J]. 电化教育研究（12）：3-7.

刘燕楠. 2018. 教育研究方法论变革：历史突破与理论创新[J]. 教育研究（5）：16-26.

马克斯·范梅南. 2003. 生活体验研究——人文科学中的教育学[M]. 北京：教育科学出版社.

桑新民. 1999. 技术-教育-人的发展（上）——现代教育技术学的哲学基础初探[J]. 电化教育研究（2）：4.

沈小碚，罗章. 2021. 论智慧教育视域下教学方式的变革趋势[J]. 教师教育学报（2）：57-65.

吴忭，彭晓玲. 2021. 量化民族志：一种融合定性与定量的教育研究方法[J]. 现代远程教育研究（2）：63-72.

吴国盛. 2001. 技术与人文[J]. 北京社会科学（2）：90-97.

亚里士多德. 1981. 形而上学[M]. 北京：商务印书馆.

赵健，郑太年，任友群，裴新宁. 2007. 学习科学研究之发展综述[J]. 开放教育研究（2）：15-20.

朱德全，许丽丽. 2019. 技术与生命之维的耦合：未来教育旨归[J]. 中国电化教育（9）：1-6.

Denzin, N. K. 1989. Interpretive Interactionism. New Delhi: Sage.

作者简介

胡航，博士，副教授，博士生导师，西南大学教师教育学院卓越教学中心主任（400715）。

杨旸，硕士，讲师，本文通讯作者，柳州职业技术学院（545006）。

基金项目：中央高校基本科研业务费专项资金重点项目“基于多模态数据源的深度学习数据库建设及发生机制研究”（项目编号：SWU2109236）。

责任编辑：韩世梅

2022年第7期目次