本
文
摘
要
本文大概8000字 读完共需20分钟
摘要：对教育与技术领域中的深度学习进行深入解读，发现它们在神经网络机制及教与学理论方面具有相通之处: 神经网络方面均是具体到抽象的过程，教与学理论方面均旨在迁移与应用。同时也发现，人类深度学习是 21 世纪学习框架的具象发展，《共核课标》与 《下一代科学标准》均可以作为深度学习的标尺。透析发现深度学习与智慧教育高度契合，基于此从认知、自我、人际等维度建构出智慧教育领域中深度学习的能力冰山模型: 从认知到自我，能力逐渐内化；从认知到人际，能力逐渐聚合。在此基础上研制人类深度学习的发展策略：以智慧学习环境支持深度学习，以文化智慧、数据智慧、教学智慧助力深度学习，以智慧教师、适配处方指引深度学习，以智慧评估检验深度学习成效，以期为深度学习与智慧教育的携手发展铺路。关键词：深度学习；21 世纪学习；学习能力；智慧教育；人工智能
作者 | 祝智庭 彭红超
来源 |《中国教育学刊》
1970 年以来，随着技术和全球化带来的经济变化，企业对具有常规技能员工的需求急剧下降，对具有诸如复杂思维和沟通能力的人才的需求猛增。而大学教师发现，大一新生入学时的确缺乏审辨思维和解决问题的能力。社会需求与人才能力间的断层，促使21世纪学习的兴起。而深度学习作为21世纪学习的进阶发展，已经受到 *** 、学校、社会机构、媒体的重视与关注。2014地平线报告 ( 基础教育版) 指出， “越来越多的学校领导开始意识到它在正式学习环境中的价值”，“追求深度学习”已成为驱动教育技术应用的近期趋势。目前，深度学习已表现出教与学新常态之势。而在技术领域，机器深度学习也成为近几年的热词。对此，本研究对技术和教育领域中的深度学习做了较为深度的解读，并建构了智慧教育领域中深度学习的能力冰山模型，研制了智慧教育理念下人类深度学习的发展策略，以期将深度学习作为智慧教育的核心支柱与新路向，更好地为智慧人才的培育服务。
01
技术领域中的深度学习
自AlphaGo以总分4:1战胜围棋世界冠军李世石后，人工智能再一次掀起狂潮。这背后，（机器）深度学习（Deep Learning）功不可没。目前机器深度学习在很多领域（如图像分类）的表现已然能与人类比肩，表现出智慧特征。
( 一) 人工智能、机器学习、深度学习的关系
无论是AlphaGo还是近期的 “小度机器人”，均离不开人工智能（Artificial Intelligence，AI）、机器学习（Machine Learning，ML）和深度学习技术。其中，人工智能是人造的智能，表现为人工制品的智能，它旨在让机器展现出人类的智力，最终使机器能产生自我意识，并具有同人类甚至超人类的感知与思维能力和行动能力。学习是人类一项重要的智能行为，而机器学习作为一种用机器来模拟或实现人类学习活动的技术，它是抵达人工智能的一条路径。通过机器学习，机器可以获得新知识或新技能，从而不断改善自身性能，实现人工智能。机器学习有众多方法，其中比较流行的是人工神经网络（Artificial Neural Network，ANN）。深度学习作为机器学习的新领域，因人工神经网络的隐层数量多而得名，它是实现机器学习的高效技术。与深度学习相对的是（机器）浅表学习（Shallow Learning），浅表学习多是在仅含1～2 隐层的神经网络中的机器学习。
（二）深度学习的理念
机器学习的思路是通过传感器获取数据，之后经过预处理、特征提取、特征选择，再到推理、预测或识别。中间三个环节是特征表达，这是影响机器学习效果的关键，也是人工智能领域一直努力攻克的难题。神经生物学家大卫·休伯 尔（David H. Hubel）和托斯坦·维瑟尔（Torsten N.Wiesel）研究发现，视觉系统的信号处理是分级的[6]，这为深度学习神经网络的分层结构提供了生物学基础。在这种分层的神经网络中，各隐层对输入层传来的数据进行逐步的特征提取与抽象（本层的输出是下层的输入），从而得到高级的语义。因此，深度学习是一种由具体到抽象的过程（图1）。
图1 深度学习的理念
大数据本身没有任何的价值倾向，它的价值是挖掘出来的。在深度学习中，这个挖掘过程就是由具体到抽象的过程。如图1底部所示，在图像识别的训练阶段，输入训练集中的数据是图像的像素数据，此时很难进行图像识别，需要进行逐步抽象，以便由像素抽象为图像碎片中的局部边缘或轮廓。随着抽象水平的递增，局部边缘组合成局部形状，之后是部分图像，最后抽象为整幅图像。在这逐步抽象的过程中，底层的具象特征组合为高层的抽象特征，抽象的层面越高，图像的特征和蕴含的语义就越明确，最终图像识别成功的概率就越大。这种具体到抽象的过程，使得图像特征和它蕴含的语义（数据价值）得以被挖掘出来。
( 三) 机器深度学习的教育启示
从教与学角度看，人文世界中的训练集向数据世界的特征表达的转换过程是一种内化过程，而数据世界的特征表达向人文世界的结果转变过程是一种外显过程。理想状态下，训练集和训练后的结果等价，即结果=f（训练集），这样，除输入层外的每一层，均是原有信息的另种表示，借此深度学习便实现了原有信息的分层表达。然而，信息论中的“信息逐层丢失”理念表明这难以做到，这与教育传播学中“信息在传播过程中失真”的理念吻合，说明机器学习与人类学习具有很多相同之处。
机器深度学习在机器中构建深度神经网络，使其具备抽象思维的条件，通过对神经网络的训练，使其表现出类人的智力。毋庸置疑的是，目前人类的神经网络远远比机器的人工神经网络复杂得多，隐层数量（深度）大得多。因此，人类具有进行更为深度学习的条件，这也是开展智慧教育的条件。而机器深度学习的目的是通过机器学习使其达到人工智能，从而更好地帮助人类解决现实中的问题。由此可知，从教与学角度看，机器学习的目的是知识迁移。所以，我们在教育语境中提及人工智能是为了进行这样的反思：既然人类能够教会机器深度学习，为什么在学校中我们不能教会孩子们深度学习?
02
教育领域中兴起的深度学习
（一）教育中深度学习运动的浪潮
我们高兴地看到，与人工智能领域相似，国际上在教育领域中也掀起了深度学习（Deeper Learning，Deep learning）的浪潮。2010年美国威廉和弗洛拉·休利特基金会（William and Flora Hewlett Foundation，以下简称 Hewlett基金会）发起了深度学习战略计划。该计划的长期目标是到2025 年，80% 的美国在校生致力于深度学习; 短期内，该计划资助的目标是确保到 2017 年教授800 万学生 ( 约为 K-12 公立学校人数的 15%）深度学习技能。另外，亚洲协会（Asia Society）等十大社会机构协力，促使美国深度学习实验校遍布全美（已达41个州），超过500所学校、1万多名教师、22万多名学生在致力于深度学习。2012 年，加拿大维多利亚大学发起深度学习新教育学全球伙伴行动，这个活动与 10个国家的 1000所学校合作，旨在与世界各地的教师、学校领导、家庭和政策制订者一起，寻求变革教与学的方法，提供促进深度学习的条件。2015年美国州立教育董事会国家协会（National Association of State Boards of Education）发布文件，将深度学习作为美国21世纪教育的国策。
（二）深度学习的定义及能力框架
深度学习究竟意味着什么? 对于21世纪教育改革与发展有何重要意义？美国研究委员会（National Ｒesearch Council，简称NＲC，包括科学院、工程院、医学院）组织一批重量级专家开展深入论证，于2012年发布了专题报告《为了生活与工作的学习: 发展21世纪可迁移的知识与技能》，为深度学习定了基调，将深度学习定义为一种能够使学生将从某一情景中的所学应用到学习新情景中的学习过程（即迁移） 。深度学习的产物是可迁移的知识，包括某一领域中的内容知识，以及如何、为何、何时应用这些知识来回答问题和解决问题的知识。具体来讲，深度学习主要包括三大领域、六种能力（表1，融合了NＲC与Hewlett基金会的观点）。其中，掌握核心学术内容能力是学生在对学科知识理解的基础上，能够将知识应用于其他情境中的能力；审辨思维与复杂问题解决能力是利用工具和技术收集核心知识、信息来形成并解决问题的能力；学会学习能力是监控、指导自己学习的能力；发展与维持学术意念的能力是发展维持积极态度和信念，从而提升学术坚韧、促使有效学习、攻克难关，最终实现目标的能力; 协同作业能力是与他人合作，以识别和创建学术、社会、职业和个人挑战的解决方案的能力; 有效沟通能力是清楚地组织与表达自己的数据、发现、想法的能力。这些能力是对学生在快速变化的工作和公民生活中获得成功的关键“能力”。它们的有效混合，应用于核心内容的掌握时，将会极大助推预期学习结果的达成。
表1 深度学习能力框架
（三）深度学习与相关标准解析
21世纪学习伙伴组织（Partnership for 21st Century Learning，P21）于2007年推出了最负盛名的《21 世纪学习框架》(简称《框架》) 。《框架》勾勒了21世纪学习的蓝图：学习结果方面，描绘了在生活、工作等领域获得成功所需的核心知识与技能（21 世纪能力）；支持系统方面，描述了确保学生掌握21世纪能力的关键系统的特征。《框架》作为21世纪学习的纲领性文件，对后续教育变革具有深远影响，也为21世纪学习提升至深度学习提供了基础。《框架》中标定的多数能力（如审辨思维与问题解决、协作与交流、创造与创新等）即为深度学习能力。而支撑系统方面指出的学习标准应 “强调知识的深度理解，促使学生积极参与解决有意义的问题”，课程与教学应 “在核心学科和21世纪跨学科主题的情境下进行21世纪能力的教授；支持融合技术、基于探究的方法、基于问题的方法以及高级思维技能来促使学习方法创新”也为深度学习所吸纳。
为了使高中毕业生做好 “大学和职业准备”，美国州长协会中心（National Governors Association Center）和州立首席校官委员会（Council of Chief State School Officers）于2010年颁布了与大学和职业要求匹配的英语语言艺术和数学领域的《共核课标》（Common Core State Standards，CCSS） 。由于CCSS能够在规模上确保学生学习他们在未来生活中获取成功所需的知识、技能和学习意念，所以深度学习与其具有很高的匹配度。这也使得CCSS可以作为深度学习能力测量的有效标尺。CCSS与深度学习能力明显的匹配是核心内容知识、问题解决和书面沟通技能；隐晦的匹配是口头沟通、协作 和学习、学会学习的技能。为了厘清二者的关系，旨在提高学习者的大学与职业准备的领导机构Achieve制定了详细的CCSS与深度学习能力的对应表。
工人在现代职场中得以良好发展取决于科学基础。为使学生做好应对现代职场的科学准备，美国23个州联合行动于2013年发布了《下一代科学标准》 （Next Generation Science Standards，NGSS）。NGSS 关注科学的内容与实践，旨在促使科学知识、技能的深度学习，以便学生在12 年级毕业后可以获得成功。NGSS与CCSS在核心素养方面高度契合（图2），因此也可以作为深度学习能力测量的有效标尺。
图2 NGSS 与 CCSS 的契合图谱
注: 1. 资 料 来 源: CCSS for Mathematics ( Practices) ; CCSS for ELA ＆ Literacy (student capacity) ; ELPD Framework (ELA “practices”) ; NGSS (science and engineering practices) 。
2. MP1 ～ MP8 表示 CCSS Mathematical Practices (p.6－8) ; SP1～SP8表示NGSS Science和 Engineering Practices；EP1 ～ EP6 表示 ELPD Framework 定义的 CCSS for ELA“Practices”; EP7*．表示 CCSS for ELA student“capacity”(p.7)
综上所述，《框架》是CCSS、NGSS、深度学习的顶层设计，而CCSS与 NGSS高度契合。CCSS可以作为深度学习在英语语言艺术和数学领域的标准，NGSS可以作为深度学习在科学领域的标准，深度学习则是实现CCSS、NGSS的有效过程。
03
教育中深度学习的理论与实践
（一）深度学习的核心理念解析
深度学习涉及三个方面的 “深度”。第一，学习结果的深度，表现为认知、自我、人际三方面的高阶能力，这是学生以后在高校、生活、工作中成功解决问题的能力储备。为了培育学生的这些能力及其实现有效迁移，需要与之配套的学习方法。第二，学习方法的深度，表现为复杂问题的解决 ( 而不是知识传授) ，深度学习的方法有很多，如探究学习、项目学习等，但无论是哪种方法，均以问题解决为导向。为了促使学生顺利完成深度学习，需要他们积极参与其中。第三，学习参与深度，这是深度学习的基础。人类的神经网络也可以人为地分为输入层、隐层和输出层。深度参与可促使更多层数的隐层参与“训练”，从而实现更高层次的抽象，挖掘出更深的意义（外在表现为学生从识 记、理解到思维、创造的提升）。从这个层面讲，教育中的深度学习与技术中的深度学习具有相通的理念（图3） 。只不过，前者的训练集是蕴含知识的习题与项目，而终极目标是发展人类智慧。
图3 技术与教育领域中的深度学习
综上可知，深度学习的核心理念是 “促使深度参与、培育高阶能力、为迁移而学”。它与（教育中的）浅表学习（Shallow Learning，Surface Learning） 的区别见表2。
表2 深度学习与浅表学习比较
（二）深度学习的理论基础
虽然深度学习是一个相对较新的术语，但是其核心理念并非如此。也就是说，深度学习具有一定的理论基础。
机器深度学习是计算机科学发展的阶段产物，而人类的深度学习可以看作是学习科学（Learning Sciences）发展的阶段产物。学习科学的其中一个使命即 是识别、促进深度学习，相关的研究也最为普遍和严谨。它是一个跨学科的研究领域，致力于对学习更科学地理解，学习创新的设计、实施以及教学方法的改进。学习科学研究的一大主题是社会境脉，它认为知识只有浸润在复杂的真实的社会境脉中，学生才可能实现不同境脉的迁移，这是深度学习的前提。[23]遵循这一理念，深度学习强调它发生于复杂的社会情境中。
深度学习理论近代可以追溯到杜威（John Dewey）的教育理念，他认为学校不仅是一个获得内容知识的场所，而且还是一个学习如何生活的场所。最好的教育就是 “从生活中学习、从经验中学习”，而教学过程就是 “做”的过程，它将知识、能力的学习与生活中的活动联系在一起。学生在一个允许他们体验和与课程互动的环境中必然会茁壮成长，所有学生都应该有机会参与自己的学习。杜威的 “做中学”思想是深度学习活动设计的依据，它不但将学生与社会境脉联系在一起，也将学生神经网络的输出与输 *** 系起来，使得深度学习形成一个 “闭环”（图4） ，学生正是在这种 “闭环”的循环迭代中逐层抽象，形成深度学习能力。
图4 深度学习的 “做中学”理论基础
在内部世界，除了前面所说的神经网络机制（具体到抽象）外，深度学习的理论基础还有友好练脑五原理（Five Key Principles of Brain-Friendly Ｒehearsals）[24]。一是所做即所学：学生能记住所说的14%，却能记住教与他人（即所做）的 92% 。二是大脑喜欢通过多样的新奇事物产生联系：意想不到的、不寻常的事物或活动可 *** 并连接突触，因此深度学习应富有创意而不是循规蹈矩。三是行动涉及更多的大脑区域（50%的脑细胞），它可以内化深度学习：任何动觉联系（Kinesthetic Connection）都可使大脑得到增强，行动是智性理解的基础，它可以巩固学习，促使工作记忆或程序记忆进入长时记忆。四是情感激发是深度学习的必要条件：大脑的一个主要功能是丢弃无用信息，通过情感激发来让大脑知道现在做的事是有价值的。五是适当的失败风险可增强大脑参与和深度学习：深度学习需要创建一个安全的、支持性的环境，环境中失败风险得到认可，并成为学习的一部分，以便通过适当的 “关注的水平（有益的焦虑）”提高动机和记忆力。
深度学习理论更久远可追溯到中国古典治学理念，例如，《礼记·中庸》十九章有云：“博学之，审问之，慎思之，明辨之，笃行之。”荀子《儒效篇第八》有云：“不闻不若闻之，闻之不若见之，见之不若知之，知之不若行之。”王阳明《传习录》卷上有云：“博学、审问、慎思、明辨、笃行者，皆所以惟精而求惟一也。”如何使中国古典教育智慧在新时代发扬光大，乃是当今教育者的重要使命。
（三）深度学习的实践探索
美国艾维伦中学（Avalon School）等八所公立学校采用深度学习进行创新变革，并获得了较大的成功。它们的制胜法宝是深度学习行动理论。行动理论指出，如果建立了 “教育者和学生相互信任、尊重; 并且作为学习者时，能为彼此的成功负责”的文化，加之教师作为协作社群中的专业人员，那么教师就可以设计或调整对学生有意义的学习体验，这将致使学生通过深度学习技能的有意实践，有规律地获取、应用知识和能力。从而促使学生毕业时，具有知道如何、为什么和何时应用内容知识的本领，具有一组能够解决大学、职业和生活中挑战性问题的非认知技能（知识迁移）。行动理论四要素如图5所示，这四要素是不可或缺的，且需按照顺序依次建立。
图5 深度学习行动理论的四要素
本团队在研究智慧教学模式时，借用翻转课堂的概念，提出翻转课堂2.0模式，践行创造驱动的学习理念与方法（图6），与深度学习有很高的契合 度。创造驱动的学习将由“识记”走向 “创造”的爬坡式常规方法转变为以创造为中心的驱动法。这种深度学习方法的起点和归宿都是 “创造”，学生一开始就为实现某一创造任务而学，在创造过程中，学生需要用到什么就学什么，需要开展什么活动就开展什么活动。这种学习方法避免爬坡式驻留于低级认知水平的弊端。在创造驱动的学习方法中，教师需担任四种角色：“帮学者” “促学者” “导学者” “评学者”。在学习初期，以前两种角色为主，后期以后两种角色为主。目前这种方法已借助翻转课堂的形式，投用于本课题的实验校中，来助力智慧人才的培育。
图6 创造驱动的学习
此外，其他机构也采用各种不同的方法来开展深度学习。澳大利亚墨尔本皇家理工学院（ＲMIT University）采用项目学习的模式来培养学生的创造力和解决问题的能力。芝加哥的Wildwood IB World Magnet School 利用在线思维导图开展深度学习。还有学校采用数字故事促进深度学习，采用结构化思维方法开展深度学习，通过数字技术支持完成深度学习……
实践证明，深度学习具有良好的学习效果。加州宾夕法尼亚大学（California University of Pennsylvania）和戴尔玛学院（Del Mar College）利用探究学习模式开展深 度学习，结果表明：81%的学生掌握了主题内容，91%的学生在课程中展现了自己的毅力。美国研究所（American Institutes for Ｒesearch）近期对22所学校1762名学生的调查，也证实了深度学习在培育高阶能力方面的有效性：在 PISA测试中得分更高；更有可能高中毕业；更有可能考上大学（四年制），具有更高的协作能力、学术笃力、学习动机。
04
智慧教育视域中的深度学习
（一) 深度学习与智慧教育的契合
作为21世纪学习的提升，深度学习不仅仅要求掌握核心学科内容，更要注重审辨思维、问题解决、学术意念等高级能力与品性的培养。而智慧教育( Smarter Education，SerE）所培育的智慧人才，善于学习、善于协作、善于沟通、善于研判、善于创造、善于解决复杂问题，他们不但掌握基础知识，而且心灵手巧、人格美好、务实创造。因此，深度学习与智慧教育在人才培育方面高度契合，都是培育知识、技能、能力、品性均衡发展的新型人才（见表3）。
深度学习的最终目的是使学生为日后在大学、生活、职场的生存与发展做好准备（属于做得了、思得准层面）。因此，深度学习高度重视培育这三个领域需求的高阶能力及其迁移应用能力。而智慧教育不仅要求学生有能力生存和发展，更要求学生具有较好的思维品质、较深的创造潜能（属于做得巧、思得妙层面）。因此，表3所示的智慧人才能力水平比深度学习能力水平高，由此也导致了智慧人才的培育更具有挑战性。而深度学习 “培育高阶能力、为迁移而学”的理念恰是智慧人才培育的有效途径和刚需。
正是二者的高度契合以及上述刚需，使得深度学习可以作为智慧教育的核心支柱，撑持智慧教育培育智慧人才梦想。
表3 深度学习能力与智慧人才能力的契合
（二）智慧教育中深度学习能力模型
由上述可知，深度学习可以作为智慧教育的核心支柱，但智慧教育对它也提出了更高的要求，另外当前社会对智慧人才也有了新的诉求（如人文意识等）。对此，笔者修订了智慧人才框架，并将其作为智慧教育中的深度学习能力模型 （图7）。该模型是一种冰山模型，越向下能力愈发难以监测与培育。从神经科学角度看，这
是因为越向下的能力在培育时，所需要的神经网络的隐层数越大（以进行更高级别的抽象，形成更高级别的意义）的缘故。另外，该模型采用认知、自我、人际三个维度来分布不同的能力：自顶而下，按三个维度逐渐增大的顺序排列。从认知到自我，能力逐渐内化; 从认知到人际，能力逐渐聚合。
图7 智慧教育中深度学习能力冰山模型
具体讲，知识与技能主要针对核心学科内容以及读写算等基本技能，属于 “学会”层面能力。问题解决能力属于 “会做”层面，它包括发现问题、分析问题和解决问题。在发现问题层，不仅能够解决已面临的问题，还具有发现潜在问题的能力，即洞悉力。在分析问题层，根据已有的信息、材料，解析出问题的原有脉络，即推理能力。在解决问题层，基于已有的分析，作出决策、制订解决方案，并依据实际情况对实施中的方案作出调整、优化，即执行力。问题解决作为成功迁移的重要标志，有学者也将问题解决作为深度学习与浅表学习的分界线。沟通能力包括两层：有效沟通、善于社交。有效沟通是口头、书面或借助工具，清楚地组织、表达客观信息、主观想法与理念，并且能够理解他人的表达。而善于社交包括善于察言观色，感知与理解他人情感、思想、需求等内心活动，自己的仪态、言行富有感染力。技术素养与 《框架》吻合，包括三层：媒体素养、信息素养、ICT素养。上述这四类能力，知识与技能容易培育且可监测，在水平线以上，而其他三类能力少部分可监测，多数处于水平线以下。
深度思维属于 “会思”层面，它与其他各能力均有交集且是它们的基础，因此处于中心地位。深度思维是浅表学习中思维能力的进阶提升，包括理解力、分析力、综合力、概括力、抽象力、推理力、论证力和判断力等。特别是审辨思维（Critical Thinking） ，已成为各界公认的核心素养。学习能力包括两层: 学会学习、乐于学习。学会学习属于 “会学” 层 面。世界著名未来学家艾文·托夫勒 ( Alvin Toffler) 曾预言21世纪的文盲是不会学习的人。事实证明，学习能力的确已成为人们跟上快速变化的21世纪的刚需。而乐于学习属于 “乐学”层面，它是一种积极的学习态度、一种求知欲，它有助于促发自主学习与终身学习，以便学生能在生活、工作中持稳发展。协作与领导能力是学生能够与他人讨论、协商制订团队目标、规划并协同作业，必要时能够展现出一定的领导力的素养。其中，领导力包括前瞻力、感召力、影响力、控制力、决断力。自主意识主要是与自我发展相关的意识，旨在做好自己，包括应变意识、自我监管、安全意识、健康意识与自我保护意识。想象与创造属于 “会创”层面，它是指具有丰富的、新奇的想象力，且能够依据这些想象力，形成具有创新意义的思想观念、理论方法，并将其转化为有价值的精神或物质产品的能力。此类能力附有坚强的毅力与持久力。人文意识主要是社会文化的意识，旨在益于社会，包括人文底蕴、社会责任、国家认同、国际理解、全球共善。人文意识是智慧人才良好价值观的体现。
（三）基于智慧教育的深度学习发展策略
1. 以智慧学习环境支持深度学习
智慧学习环境具有联通、感知、适配、记录四大属性。它将线上空间与线下空间联通，将各个个人学习空间联通，这种无缝联通，可促使学生使用各种平台、设备开展深度学习。它能感知学习场景、学生位置及其社会关系，这种全面感知，为深度学习与社会境脉融合提供了技术支持。它能结合学习目标、学习者个体特征及其当前学习状态适性配送学习材料、服务、工具，这种精准适配，可使深度学习活动更贴心。它能记录学生学习数据，并以直观、简洁的形式呈现，这种全程记录，可使学生的深度学习精准地可视化。
2. 以文化智慧、数据智慧、教学智慧助力深度
学习人机协同的文化智慧表现在科技工具的使用（制品符号）、技术增能的多样行为活动（协作、开放、共享、交互） ，以及由此产生的理念价值的改变。而21世纪主题以及大学、生活、工作的诉求均是文化中理念价值的体现。教育本质上是为了文化的传承与发展，而智慧人才的能力只是传承与发展的手段，因此，文化智慧可引领深度学习持续健康发展。借助大数据挖掘与学习分析技术，记录的学习数据可以从知几无（Know-Nothing，数据本身没有任何价值倾向) 经过知是何（Know － What） 、知如何（Know － How）、知为何（Know － Why），达到知最佳（Know － Best）的状态，这就是数据智慧。它可以为支持深度学习服务，为师生提供决策依据。技术将规则性、重复性、单调性的工作承担后，教师将有更多的时间和精力专注于富有情感性、启发性、创造性的教学工作。加之每位教师都有自己的一技之长，这样具有不同专长的教师在一起便可打造出完美的教师团队，从而大大放大教学智慧，服务于深度学习的设计。
需要特别指出的是，文化智慧中的学习文化创设问题。深度学习的核心理念及目标，决定了它需要创设 “教育者和学生相互信任和尊重，并且作为学习者时，为彼此的成功负责”的学习文化，需要创设乐于 “共享、协作、团结、互助”的学习文化。对此，本团队研制的文化三层结构（理念价值、行动方式、制品符号）可为这种文化的制订提供指导：文化创设时，先确定核心理念与价值（如信任、共享等），之后确定哪些行为可以体现这些理念价值，并选取需要的行为方式，最后制作一些能诱发这些行为方式的板报、宣传画等制品符号。深度学习文化创设好以后，便可借助文化智慧定深度学习 “导向”，数据智慧定深度学习 “决策”，教学智慧定深度学习 “行动”。
3. 以智慧教师、适配处方指引深度学习
由图7可知，深度学习能力大多数在水平线以下，极难监测与培育。因此，教师需要突破常规的角色，走向智慧教师。智慧教师主要包括教学辅导师、教学评估师、活动教练员、教学设计师、数据分析师、资源工程师等角色。在深度学习中每位教师只担任自己最擅长的角色，并与其他教师协作，打造优势智慧教师团队。具体讲，直面学生的智慧教师，在深度学习中需要建立与学生的信任关系；需要践行学习目标、任务和成功标准；需要在任务中帮助学生建立兴趣和机动；需要提供高质量的反馈和鼓励……为引领、激励
学生在深度学习中获得成功，教师需要具有较强的领导力，包括前瞻力、感召力、影响力、控制力、决断力。
教学策略方面，本团队研制的 “基于微文化模式的个性化学习适配处方模型（ 以下简称适配处方） ”可为深度学习提供适性指引，特别是在大班制的我国。适配处方建立了微文化模式到班级、小组进而到个人层面的适性通道。其理念为：首先在班级层面感知、学习（主要采用差异化学习）、领悟微文化模式蕴含的理念价值，以解决80%的学生面临的共同问题；之后在小组层面（主要采用小组研创型学习）解决班级层面学习后仍存留的10%～20%的学生面临的共同问题；如果仍有个别学生发生学习异常，则在个体（一般5% 学生）层面开展适性学习。这种适配处方不但建立了微文化模式到个体模式间的链路，而且可以减少单纯的个性化适性学习的高成本、高精力投入的弊端。
借助智慧教师以及适配处方的引领，可大大提升深度学习成功的可能性，也可解决 “目前学校中开展的项目学习、探究学习（均是深度学习的具体方法）多流于形式，学习效果远没有达到预期”的问题。
4. 以智慧评估检验深度学习成效
智慧评估是技术增能的基于数据的评估，它具有评估全程化、多元化、多维度、主体化以及结果可视化特性，旨在以评促学、以评促发展。智慧评估的理念为以测识学、以绘视学、以评辅学，它借助构量理论（Construct Theory）解读测变量所表征的实质意义，借助数理统计解读监测数据的潜在价值，借助科学技术实现上述过程自动化、静默化，实现全程评估、深度挖掘与结果可视化。深度学习能力均是难以监测与评估的高阶能力，而智慧评估可以作为解决这一难题的方略，以检验深度学习成效。
具体讲，深度学习的智慧评估需要建立完备的评估连续体，在这个连续体中，形成性评估贯穿始终，中期评估、总结评估的比重大大缩小。评估连续体内，包括各个预测能力的评估模式。其中一个重要的评估模式是深度学习力（即笃学力）模式。关于深度学习力，美国 Learning Emergence 研究团队通过对 15年的相关数据进行分析，得出学习力的八大要素：意识能动性、意义建构、创造性、求知欲、归属感、协作力、期望与乐观、开放意愿。这为学习力评估模式的制订提供了依据。诚实地讲，深度学习智慧评估系统的建构，是一个巨大的挑战，也是本团队后续需要攻克的一大难题。
［本文系全国教育科学 “十二五”规划 2014 年度国家一般课题 “智慧教育环境的构建与应用研究”（项目编号: BCA140051）研究成果］
《教育信息化100人》是由产学研媒联合发起的智库型媒体，关注教育信息化、教育数字化、智慧教育、互联网+教育、人工智能教育、教育技术等领域，我们要“让优质的信息和知识更快被看见” ！
