01 题记

“深度学习”是老师们常会提到的词，是说课、教学比赛，教改项目申报、工作汇报的热词。但深度学习也是一个不那么容易说得清道得明的词。

（1）深度学习有人类学习和机器学习（例如AI）之分，无论是用百度还是检索知网或是请AI生成，给出的信息往往混在一起，加之大部分都和机器深度学习有关，不是太好分辨，以至于有些公开发表的成果将其混为一谈，或出现了人类深度学习源于机器深度学习的误解；

（2）就拿人类学习来说，到底多深才算深，是一个值得教师深思的问题，即教师在课堂上带着学生做什么，做到什么程度才算深度学习。

本推文尝试与各位老师共同探讨上述两个问题。如觉得对您有所帮助，欢迎点赞。

02 概念及浅述

◆人类深度学习的概念出现的时间要比机器深度学习早30 年。

图1 深度学习是一个双重维度概念

1976年，瑞典两位心理学家，费伦斯·马顿(Ference Marton)和罗杰·萨尔乔 (Roger Säljö)通过大学生的一项阅读实验，提出了学习分为浅层学习和深度学习两类的观点^[1]。Deep Learning这个词首次出现在世人眼前。

2006年，被誉为人工智能教父的加拿大计算机科学家、认知心理学家、诺奖得主杰弗里·辛顿(Geoffrey Hinton)与另一位加拿大计算机科学家、前苹果公司AI总监鲁斯兰·萨拉赫丁诺夫（Ruslan Salakhutdinov）合作，于2006年在Science发表论文，提出深度置信网络（DBN），解决神经网络训练难题，首次提出了机器深度学习的概念^[2]。

◆看来这二者差异确实不小。为了区分二者，有学者与实践者将人类深度学习也称为“深层学习”（两种翻译对应的英语都一样，都是Deep Learning），与之对应的是“浅层学习”、“浅表学习”或“表层学习”（同样英语都是‌Surface Learning）。

但要问他们有没有关系，当然有，大家给DeepSeek、Kimi、豆包等输入提示词，之所以它能蹦蹬蹦蹬的显示推理过程，生成文字、图片、视频、PPT等所需的结果，全靠这些平台服务器端那些高算力的电脑在模仿人脑高速进行信息加工，其中离不开模仿人脑进行深度学习，特别是在给AI投喂了资料的情况下。故亦有专家认为机器的深度和教育学相关理论有相通之处^[3]。

虽我喜欢给芯片打个孔弄成小挂件，这充其量仅算是“叶公好龙”，只图好玩。毕竟隔行如隔山，本文不再详述机器深度学习，仅单表人脑深度学习。

图2 我的芯片小挂件

2.1概念提出者的定义

马顿和萨尔乔认为，浅层学习注重对事实和概念的记忆；深度学习是高阶认知过程，强调学习者通过批判性思维、知识整合与迁移应用，实现对复杂概念的内化与重构^[4]。

有实践者在马顿和萨尔乔定义的基础上，总结出实现深度学习有7个标准^[5]：

（1）有明确的学习目标和成功标准；
（2）有吸引力的内容与学习体验（教学产品）
（3）创造协作学习文化
（4）为学习者赋权
（5）扶放有度
（6）提供工具和资源
（7）有效反馈并促进学习

2.2麦克泰的定义

杰伊·麦克泰（Jay McTighe）是UbD（理解为先的教学设计/追求理解的教学设计）的作者之一，其著作《为深度学习而教》中对深度学习所下定义传承了UbD的核心理念^[6]，认为深度学习的结果是对重要思想和过程的持久理解，要求学生自己能在头脑中进行建构，通过高阶思维技能实现意义建构。并指出高阶思维技能共7种，对应的课堂教学工具如表1所示：

表1 深度学习的高阶思维技能与典型学习工具

2.3黎加厚的定义

黎加厚教授是我国知名教育技术专家。黎教授认为^[7]，深度学习是指在理解学习内容内涵的基础上，批判性地学习新知识，并将其融入已有认知结构，实现知识迁移与创新决策的能力。

2.4其他

有学者基于各种目标分类学，对学习的深度进行了分类式的阐述，例如有学者认为在布卢姆教学分类体系中，记忆层面的目标对应的知识是浅表学习；理解、应用、分析、评价、创造五个层面的目标对应的知识是深层学习。

还有一些学者面向思维层次，将记忆、理解和应用三个层次划归为低阶思维，对应的是浅层学习；而分析、评价、创造划归为高阶思维，对应的是深层学习。

这些说法虽在各种报告、汇报、培训专家的PPT上时常可以看到，且流传甚广，但在学界有较多争议。

◆关于目标分类的相关内容，可参考我写的另一篇文章《教学目标乱弹》，（点书名号内文字可跳转）。

2.5启示

（1）不同的学习方式带来的学习深度不同

著名教育家季清华教授认为^[8]，单纯的听讲等方式的被动学习，以及划重点、抄笔记、看视频、看AI生成的信息等方式的主动学习，均无法或很难实现深度学习。

深度学习要靠出声反思、绘制图示、总结、设问答问等方式的建构学习和对话与解释、辩论等方式交互学习方能实现。

（2）深度学习并非终点

我国著名教学设计专家盛群力教授认为^[9]，当今教育要培养的人至少有三个境界，表层学习—深度学习—迁移学习，这是一个逐级攀登的过程。所以无论任何学段、什么课程，都要求学以致用。不会用则代表没完全学会，这和我国传统文化中的“知行合一”是一个道理。可见，只有深到一定程度才能实现迁移。

那么问题来了，关于深度学习，有没有一个能区分“深”的不同程度的模型，来指导老师们的教学实践，即说清楚老师要怎么上课才算是带着学生进行深度学习，到底有多深。

还真有，叫知识深度模型（Depth of Knowledge，简称为DOK）。请接着往下看，也不妨边看边用所述工具去测一测您的课给学生带来的学习到底有多深，是否在不同深度上教·学·评相一致。

03 深度与检测

3.1知识深度模型

1997年，美国评估专家韦伯（Norman L. Webb）提出了DOK知识深度模型，该模型以标准化的学术语言区分知识的复杂性和难度^[10]，最早用于评价教学任务、技能、反馈等方面的一致性^[11],后拓展到确定学习目标评估上限以及指导教学实践等方面，是教师用来检测自己的课涉及的知识（内容）和所开展的学习方式（活动）所能达到深度的水平。DOK所述知识深度有四级水平：

表2 DOK模型的知识深度四级水平

显然，DOK模型并非是一种分类法，知识深度水平是类别，并非前后相继。美国教育项目专家埃里克·M.弗朗西斯用图示的方式表述了DOK四个水平的模块，如图3所示：

图3  DOK水平模块^[12]

3.2 认知精准矩阵

2005年，美国教育评估专家卡琳·赫斯（Karin Hess）为了进一步区分教育目标分类所表示的知识难度以及DOK所表示的知识的复杂性，将布卢姆教育目标分类法与DOK进行了整合，提出了赫斯认知精准矩阵（Cognitive Rigor Matrix，简称为赫斯CRM），如图4所示：

图4 赫斯认知精准矩阵^[13]

教师将课堂所授知识、技能所达到的水平填进矩阵，即可一目了然的得知对应知识的深度复杂程度及难度。为活动的组织与学习效果的评价及检测教学评的一致性（契合度）提供了依据。我以对分课堂的教师培训为例，做了一个简易的赫斯CRM示例，如图5所示：

图5 赫斯CRM应用示例

04  絮叨叨

知识的复杂性和难度是两件不同的事，未必很难的知识都很深。例如：“背诵π值到小数点后20位”对大多数人来说很难，但背诵出来这个学习水平并不复杂。所以有些很难的知识未必有深度，特别是在学生先前知识明显不足而觉得学习当前知能困难重重时。此时任务越多、越复杂，学生就越会认为“臣妾做不到”。

只呈现信息无法实现深度学习，例如只讲解知识或放视频，或请学生使用AI检索，并阅读所生成的信息、或仅配以面向事实性、概念性知识的答问，而不对如何运用的步骤进行展示（特别是缺乏老师自己是怎么做的相关展示），不带着学生练习并以提供样例并剖析其蕴含的规则、原理的方式进行辅导，哪怕课堂活动搞的再多、气氛再热闹，都算不得深度学习。

老师要想带着学生实现深度学习并检测到底有多深，不妨将自己的课程内容填写到DOK模型或者赫斯CRM矩阵中，便会一览无遗。亦可帮助教师分析自己课程所授内容、所进行的教与学活动及所进行的各种评价是否符合相关要求（例如中小学的课程标准/大学的人才培养方案/相关部门的指导意见等）。

文章信息
题目：课要怎样上，才能实现深度学习
作者：李笃峰
排版：李笃峰
首发公众号：玩转教学创新
2025年5月17日 9:27