《在线学习中深层次学习发生策略的研究》-教育论文，远程教育论文-论文范文参考-科学狗论文网

标题

在线学习中深层次学习发生策略的研究

范文

穆肃王孝金

【摘要】在在线学习中，深层次学习的发生对在线教育有效、持续地开展意义重大。深层次学习是学习科学重点关注的内容，不论是在常规教育还是在线教育领域，一直都追求深层次学习的发生。然而，在在线学习项目广泛开展的今天，在线学习的质量和效果并未如预期那样令人满意，深层次学习鲜有发生。如何促进在线学习中深层次学习的发生是本研究的重点研究内容。基于相关文献的梳理和内容分析，本研究以在线学习中深层次学习理论框架为基础，聚焦在线学习中深层次学习的策略，重构促进在线学习中深层次學习发生的策略模型及相应学习活动。研究形成以下结论：①促进在线学习中深层次学习发生的策略，包含激励、认知重组、联系、反馈、参与、问题、交互、拓展八项策略;②每项促进在线学习中深层次学习的策略可以通过系列在线学习活动推动;③建构了促进在线学习中深层次学习发生策略模型，包含理论、策略和实践三个层面;④建构的策略模型及相应学习活动经过在具体课程中的应用检验，表明其具有一定的实用性。本研究是对在线学习的深入研究，也是对在线教育中深层次学习实施策略和应用的新思考，对促进深层次学习的发生具有重要实践参考意义。

【关键词】? 在线学习;深层次学习;内容分析;学习活动;活动设计;学习策略;策略模型;应用分析

【中图分类号】? ?G420? ? ? ? 【文献标识码】? A? ? ? ?【文章编号】? 1009-458x（2019）10-0029-11

一、研究背景

21世纪以来，随着科学技术的发展和经济全球化的推进，“深层次学习”跨越了认知界限，融入时代元素。深层次学习能力成为社会迫切需要的学习能力，促进学习者的深层次学习成为教育界的重要议题（戴歆紫，等， 2017）。在构建学习型社会的过程中，在互联网及移动互联网的带动下，教育逐渐从线下走向线上，在线教育一直处于教育行业发展的风口浪尖，成为大众关注的实践领域（穆肃， 2015）。但已有不少研究表明目前在线学习质量并不能让人满意，多数学习停留在浅层次水平上。深层次学习的发生对在线学习有效、持续地开展意义重大，因此在线学习中也需要促进深层次学习的开展。在在线学习中，师生处于准分离状态，学习者根据自己的需要和实际情况自定学习步调，按照教学活动安排有序地进行学习，因此学习自由度、自主性较高。在这样的过程中，学习者容易产生孤独感，学习也容易因工作、生活或身边事务等受到干扰，因此常不能投入地学习，不易深入地思考，更较少对学习内容进行系统梳理，等等，较难自发产生深层次学习。为此教学团队需要针对性地采用策略来引导和组织在线学习过程。开展在线学习中深层次学习策略的研究，并以此为切入点指导学习活动的设计和教学实施，促进在线学习中深层次学习的发生，成为本研究开展的重要起点。

二、研究思路和方法

本研究梳理了促进在线学习中深层次学习发生的策略，建构了促进在线学习中深层次学习的策略模型，为设计、组织和引导在线学习中深层次学习的发生提供了方法和策略指引。

（一）研究思路

基于前期研究成果，本研究认为在线学习中的深层次学习体现在学习者对学习过程的参与程度上，具体体现在情感、行为和认知三个层面。本研究的策略梳理和提炼也将从这三个方面开展。情感上的参与主要表现为对学习过程、结果的享受和满足程度等;行为参与包括参与学习与交互活动的情况，如积极提问、主动回应他人、阅读课程资源等;认知的参与即学习者完成高阶学习目标的程度，如学习中能达成迁移运用、问题解决等高阶认知目标（穆肃等， 2019）。

研究采用“理论梳理—模型建构—案例分析”的思路开展。理论梳理主要对国内外已有研究中在线深层次学习策略进行整理，结合在线学习中深层次学习的表现，利用内容分析法进行归并，将其梳理为情感、行为和认知三个层面。为推动策略的应用，本研究从在线学习活动设计的角度出发，探讨从利用所梳理出的深层次学习策略指导在线学习活动设计的角度建构策略模型。在策略模型的建立中，对当前已有的各种在线学习活动按照其不同的效果和具体活动形式与能体现的对应策略进行归并。本研究将梳理出的策略和建构的策略模型运用到具体的在线课程中，通过分析应用过程验证策略模型的实用性探讨这些策略对促进学习者深层次学习的作用。

（二）研究方法

1. 文献的收集

本研究基于中国知网数据库首先以“在线学习”“深层次学习策略”为关键词进行检索，定位于中文核心期刊，检索得到2000年到2018年10月间的相关论文共124篇。为确保文献搜索的全面性，鉴于“在线教育”“网络学习”“远程教育”“远程学习”“开放学习”“远程开放学习”等相关研究都可能涉及对在线学习和在线学习中深层次学习策略的研究内容，本研究扩展了关键词的搜索范围再次进行相关文献的查找，在中文核心期刊在2000年1月至2018年10月期间查找文献。文献查出后，首先将搜索得到的相关文献汇总，阅读文献摘要并将内容无关的文献剔除，然后通读保留的文献并进行再次筛选，最终共获得29篇中文文献。

英文文献检索词与中文保持一致，包括“Online Learning”“Online Education”“e-Learning”“Distance Learning”“Open Learning”“Open Distance Learning”，深层次学习策略相关检索词包括“Deep Learning Strategy”“Deeper Learning Strategy”（有些深层次学习研究使用“Deeper Learning”一词）、“Strategy for Deep Learning”在Web of Science、Elsevier ScienceDirect、SpringerLink、Wiley InterScience、EBSCO数据库中进行检索，选取被引用次数大于或等于1次的文献，时间限定在1983年1月至2018年10月。文献筛选方法和中文文献筛选方法一致，最后共获得33篇有效英文文献。

2. 文献内容分析类目表的拟定

根据对文献的阅读和整理，将其中提到的促进深层次学习发生的策略一一列出，然后汇总形成表1所示的策略汇总表。

次数提高动机包括内部和外部动机的激发 Intrinsic Motivation 8 在线讨论同步和异步的在线交流 Communicate Effectively 9 在线协作在线协作完成某项任务 Work Collaboratively 5 及时评价对在线学习者的任务给予及时的评价 Assessment 4 反思能够及时反思学习过程，调整学习步骤 Reflection 9 主导策略学习者占据主导地位 — 1 参与积极参与在线学习 Active Engagement 11 应用案例应用一些和现实生活联系的案例 — 2 反馈对学生的学习给予及时的反馈 Effective Use of Feedback 9 提高效能感增强学生在线学习的满足感 Sense of Satisfaction 4 联系任务等要与真实世界关联，与先前经验联系 Relate Ideas to Previous Knowledge and Experience 11 问题化学习多采用问题解决的方式 Solve Complex Problems 14 拓展性学习学习超出课程要求的知识点 Beyond the Requirements 4 交互增加学习者之间的有效互动 Effective Interaction 8 加强监控增加在线教师对学习者的监控 — 2 认知重组提高认知参与，进行概念交互 Knowledge Transfer 7 创设真实情境在线学习任务多联系真实的情境 — 4 细化和集成策略知识点细化 — 1 跨学科学习融合多学科的学习 — 2 激励鼓励学习者的参与 Encouragement 3 ]

对各策略具体内容进行梳理后可知，某些策略在不同文献中所使用的术语和提及方式不尽相同，但实际上含义相似。为此，本文对表1中含义相近的策略进行了归并：“提高动机”“效能感”都属于激励策略，将其与激励策略归并;将“创设真实情境”归并到联系策略中;对学习者提供“及时评价”“反馈”归并为反馈策略;将“问题化学习”归并为问题策略;“在线讨论”“在线协作”均为在线学习中的交互形式，因此与交互策略进行归并;“拓展性学习”“跨学科学习”归并为拓展策略。对没有相近策略归并且提及次数较少（仅为一、二次）的“主导”“应用案例”“监控”“细化和集成”策略，因共识性较小，不列入本次拟研究的策略中。经过梳理最终保留的八项策略是激励策略、认知重组策略、联系策略、反馈策略、参与策略、问题策略、交互策略和拓展策略，如表2所示。

3. 案例分析

对在线学习中深层次学习策略模型及应用案例进行分析。案例分析框架为策略采用、具体体现和应用效果三方面。

三、在线学习中深层次学习策略梳理及分类

已有研究从不同层面提出了促进在线学习中深层次学习的策略。

（一）在线学习中深层次学习策略的含义

段金菊（2012）在对e-Learning环境下促进深层次学习的研究中认为动机激发策略是促进学习者深层次学习的首要条件，这一观点在纪宏璠等（2015）利用iTtools3.0平台进行深层次学习过程设计与实践的研究中也得到了体现，他们通过设计激励学习者动机的学习活动来促进在线学习中的深层次学习。Bonk等（2016）在其《在线学习动机与激励：TEC-VARIETY模型》一书中重点强调利用激励策略减少在线学习者辍学率并通过学习活动提升其学习效果。也只有学习者内部自发地想要进行深层次的学习，才能取得良好的学习效果，才能促成有意义的学习和对知识主动的建构（王英彦， 2010）。因此，在在线学习过程中，应通过对学习者进行激励，营造自我超越的精神文化，提高自我效能感，激励策略关注学习者情感层面的参与。

张豪锋等（2011）在对成人在线学习模型构建及策略的探究中，提出认知层面的策略需要重视课程模型建设，内容能够引发学习者的认知冲突，从而促进认知层面的深层次参与。段金菊（2012）认为e-Learning环境下促进深层学习可以通过认知重组策略，使学习者在学习过程中通过对新学习的概念进行加工形成新的观点。认知重组策略可以促进在线学习者认知层面的深层参与。

周荣等（2017）认为促进在线学习中的深层次学习需要创设真实的生活情境，能够将任务与真实生活相联系。Betul（2014）在对在线学习中深层次学习环境建设的研究中也指出，要创造能够促进深层次学习的真实情境，让学习者进行真实的体验。课程内容设计要和学习者发生关联，学习材料的设计要融入学习者的真实生活。可见，真实生活与学习的关联有助于促进深层次学习的发生。

反馈能够提高学生的学习成绩和自我效能感（Wang & Wu， 2007）。同时，反馈是提升深层次学习的有效策略之一，这一结论在很多研究中得到论证。如Betul（2014）认为要通过形成性评估提供频繁的反馈，Hacker（2000）认为提升在线深层次学习的方法包括及时对学习者进行反馈。及时反馈是引导学习者深度反思自己的学习状况并及时调整学习行为、实现行为层面深层次参与的有效途径。

DeLotell（2010）在利用深层次学习策略促进在线学习保持度的研究中提出非常重要的一点是提高学习者的参与性，让学习者充分参与到课程学习中。Hacker（2000）提出的在线深层次学习策略也包含让学习者变成积极的参与者，促进他们进行深度的探索、判断和分析。通过让学习者积极参与，讓其体会到学习中的成就感，可以促进其情感层面的深层次参与。

诺尔斯认为学习者的学习应该是以问题解决为中心的，学习的主要目的是应对工作与生活中的挑战。Betul（2014）认为要通过设置问题解决的任务来让学习者积极地思考问题，引发其高阶思维的产生。余胜泉等（2017）设计了深度交互的学习活动，使学习者学会处理复杂的非良构的问题，以此提高学习者深层次认知加工的能力。

在线学习中学习者需要参与社会性学习，如共同写作、同伴评论等，通过多样性的在线学习活动加强学习者之间的相互联系，促进学习者在线沟通的能力和深层次交互。在线学习活动设计时要鼓励学习者之间的对话，通过这种方式来促进深层次学习（Czerkawski， 2014）。杜建霞等（2006）在交互式学习环境的深层次学习研究中通过实证分析方法验证了动态在线讨论可以促进深层次学习发生。由此可见，深层的互动是促进在线学习中深层次学习发生的一种策略。

深层次学习的发生需要引导学习者尝试一些学习目标要求之外的内容（康淑敏， 2016）。适度拓展是对已有教材的二次开发，对教学进行的系统设计。这是帮助学习者提升能力、培养思维的重要环节（刘晓萍， 2015）。通过拓展学习对已有知识形成新的认识，促进思维的延伸，也是促进在线学习过程中深层次学习的一项策略。

（二）在线学习中深层次学习策略的作用

在线深层次学习的表现主要在情感、行为和认知三个维度上，已梳理的八项策略在促进深层次学习发生时的作用各有侧重。

1. 促进情感深层次参与策略

激励策略可以推动学习者的学习积极性，提高自我效能感，从而得到更好的在线学习体验。鼓励学习者积极参与，可以充分调动学习者。参与性体现为学习者参与相关任务或活动的强度和情感质量，参与性通过持续的参与行为及其对任务完成的总体积极影响或情感来体现（Reeve， 1996）。通过在线学习活动让学习者解决现实问题或者参与某种真实任务时，学习主动性会增强。当学习者可以将课程中的新知识联系到个人或职业生活时，他们就会更有动力掌握知识（Keller， 1983）。综合来看，激励策略、参与策略和联系策略在促进在线学习中情感深层次参与方面发挥主要作用。

2. 促进行为深层次参与策略

尽管在线学习环境中学习者的行为表现具有一定的不准确性和可欺骗性，但是行为参与的频度、广度和深度仍然能在一定程度上反映学习者的学习参与。在线学习中深层次的参与表现为学习过程中能根据反馈进行自我反思与自我调节，积极地参与深层交互活动。为了让学习者能进行深层次的行为参与，一方面，从自身行为调节的角度需要在教学活动中给予他们及时的反馈，引导其深度反思学习状况并及时调整学习策略;另一方面，从与他人交互的角度可以通过设计一些活动来促进在线学习者之间的深层互动。形式多样的社会性交互活动能够有效消除时空分离带来的距离感，促进学习者的深层次学习（张豪锋， 2011）。综合以上分析可知，促进学习者在线行为深层次参与的策略包括反馈策略和深层互动策略。

3. 促进认知深层次参与策略

问题解决策略可以鼓励学习者分析问题，并能运用所学知识来解决问题，最后归纳出解决问题的方法，这个过程就是学习者进行高阶思维的过程。认知重组策略让学习者将新学的知识技能和已有的知识技能建立连接，以达到知识结构的转变，发生有意义的学习，而通过概念的重组能产生创新性的观点。拓展策略促进学习者学习额外的知识，对已有知识形成新的认识，拓展学生的思维。综合来看，问题策略、认知重组策略和拓展策略在促进在线学习中深层次认知参与方面发挥着作用。

基于以上分析，可形成图1所示的策略分类图。侧重情感参与的策略包含激励、参与、联系策略;侧重行为参与的策略包括反馈策略和深层互动策略;问题策略、重组策略和拓展策略更侧重于促进学习者认知层面的参与，因而属于认知层面的策略。

四、促进深层次学习的在线学习

活动梳理及分类

学习活动是在线学习过程中促进深层次学习发生的重要途径，利用深层次学习的促进策略有助于在活动的设计和实施中将学习者的新知识和技能与生活经验、实践领域和兴趣建立联系，因此本研究从在线学习活动设计和实施出发，建构促进深层次学习策略的应用模型。

本研究对当前在线教育中常用的在线学习活动进行了梳理。活动来源于三个方面：第一，借鉴和参考Bonk等（2016）梳理的100个在线学习活动;第二，来源于国内常用慕课平台中提供的在线学习活动;第三，来源于在线培训平台和在线课程管理平台提供的在线活动。对已收集到的在线学习活动，据其在深层次学习三个层面效果的不同作用及其所体现的深层次学习策略进行分析，整理得出能分别重点体现8项学习策略的48个在线学习活动，具体如表3所示。

（一）体现激励策略的在线学习活动

在“寻找同伴”活动中，学习者通过自由组合形成学习伙伴，互相提醒学习进度或者给对方学习反馈和鼓励等，学习者之间通过互相激励促进对方深层次参与的学习活动。在“学习者调查和投票”活动中，学习者提出自己对某一观点或活动的理解、期望和建议等，投票和调查结果可能被在线教师采纳，用以安排和调整教学。通过该活动，教师了解并关注了学习者的偏好和想法，学习者在该课程学习中则可能因此产生更好的体验，从而有更多的情感投入。“回复评论”活动可以鼓励学习者深入思考他人的观点和建议等，从而推动学习者积极思考和参与在线评论。“学习者自我互动”是指学习者自己反思学习内容、学习过程，通过不断的自我鼓励，指向学习者的自我激励。“教师发起在线投票”中教师通过投票了解学习者存在的问题，是鼓励学习者表达自己观点的有效方法。“特定时间的专家在线答疑”则是邀请学科领域知名专家参与在线教学，与学习者进行积极互动，介绍相关领域最新进展，可激发学习者的学习兴趣。以上学习活动都侧重于激励在线学习者积极参与和投入在线学习。

（二）体现参与策略的在线学习活动

在在线学习中体现参与策略的在线学习活动是多样的。例如，让学习者推荐最喜欢的课程资源，充分调动学习者的参与和资源共享。“网络探索资源”活动让学习者自主探索感兴趣的课程资源，从而提高课程学习参与程度。“限时作业展示”活动让学习者展示与分享课程的作业或作品，以让每一个学习者都参与到在線交流中，提高参与度。“在线圆桌会议”为在线学习者营造一个轻松的交流氛围，鼓励学习者之间匿名发表观点和看法，放心参与活动。“发起和总结”活动让学习者在固定时间段担任课程某一章节的负责人，参与组织课程活动和总结活动情况。“在线的‘翻转课堂”让学习者观看、倾听或者浏览指定的资源，但是各自承担不同的任务或职责，每一个学习者都会参与到固定时间的分享和讨论中。这些学习活动都从不同侧面增加学习者的参与性。

（三）体现联系策略的在线学习活动

在“技术工具示范”活动中，学习者展示和分享与自己学习或生活相关的实用工具，彼此进行分享、咨询和回应，因而产生相互联系。在“课程相关热门新闻推荐”活动中，学习者搜索与课程内容相关的新闻并对其进行观点的解读，建立与真实世界的联系。“多媒体案例片段和决策”活动为学习者的学习提供与生活最相关的案例供学习者分析，也鼓励学习者积极提供身边的案例。“将任务与工作联系起来和制定战略规划书”要求学习者结合真实工作情景，根据所学内容制定工作方案，也可与真实世界建立联系。“协作解决现实问题”强调小组协作，解决现实生活中与课程相关的问题。“在线的探究性学习活动”鼓励学习者小组或个人选定真实世界中的选题进行探究，最后形成探究报告。这些学习活动促进学习者通过联系生活或现实中的问题来促进在线深层次学习的发生。

（四）体现问题策略的在线学习活动

“资源提供者”活动收集学习者具有的关于问题的资源，要求学习者提供可解决问题的相关资源，展示资源并陈述如何解决问题。“基于wiki的问题解决”强调学习者利用wiki或在线平台的其他协作工具一起来构建问题解决的方法或方案，当然问题是需要提前预设的。“提供选择的机会”活动给学习者不同的问题解决方案，要求学习者选择方案并陈述理由。“提交分析报告”活动给出一个真实的问题，要求学习者进行深入分析，并提交问题分析报告。“大规模在线开放课程应用”要求学习者对学习中遇到的问题，通过查找和学习相关在线课程尝试解决。“在线问题箱”可以收集问题并将问题进行归类，要求学习者之间先互相解决问题，最后由教师进行总结和建议。以上学习活动侧重于让学习者通过解决问题来进行在线学习。

（五）体现交互策略的在线学习活动

“解惑活動”要求学习者在论坛发表对课程所学的疑惑，鼓励学习者之间互相解答问题，教师再给予评论，充分促进生生、师生之间的互动。在“探究性教学和在线辅导”活动中教师制定探究性主题并让学习者完成，要求学习者分阶段提交成果，教师或者学习者之间进行评论。“连珠炮式发问”由教师设置一系列的问题，设置不同的讨论主线，在活动过程中可以增加新的信息或额外问题。对非常激烈的讨论，教师可以减少干预。“互动学习者提问和讨论”活动让学习者进行自由交流，每个参与者都得到鼓励，学习者通过提出问题、被反馈、分享不同观点、共享资源等，参与深层次互动。“实用小工具推荐”要求学习者展示和学习相关的工具，展示使用过程和方法，并为其他学习者提供咨询。“弹幕协作视频注释”利用视频弹幕功能，让学习者对视频中与课堂有关的内容深入讨论。以上学习活动都侧重增加师生、生生之间的深层互动。

（六）体现反馈策略的在线学习活动

“同步移动的在线辅导”活动要求教师对学习者提出的问题给出及时反馈，双方可基于已有的社交软件进行同步反馈。“在在线的三级提问”活动中，教师依据三级框架①设计问题，让学习者回答并及时反馈。在“在线评价学习者作品”活动中，教师对学习者的作品给出及时评价，学习者根据教师意见进行修改，不断完善作品。在“案例点评”活动中，教师对学习者的案例内容进行针对性反馈和指导。“在线咖啡馆”是为学习者设置一个可以互相聊天、互相解答问题的轻松聊天室，学习者之间能够针对学习、生活等问题及时交流。“同伴作品互评”则是同伴之间对作品进行评价，是生生反馈的一种形式。以上学习活动侧重于通过反馈促进在线深层次学习的发生。

（七）体现认知重组策略的在线学习活动

“在线头脑风暴”鼓励自由发表观点，学习者可对已有观点进行发散性思考与讨论，产生新的观点，实现观点重组。“案例分析”要求学习者对案例进行深入分析，需要学习者根据自己的分析框架对原始案例材料进行重新组合和结构。“协作思维导图”活动通过小组协作形式开展，小组成员交流观点、更新小组作品，最终依靠小组力量形成成员观点重组后的方案。“关键字云”活动安排学习者利用词云图工具为每个章节创建关键字的词云图，展示关键字云并进行阐释。“总结观点”要求学习者对某个论坛的所有观点进行总结，在梳理观点的基础上形成新的认识。“提交述评”是依据课程的某一观点，发表自己的见解并阐释相关的论据。以上活动侧重于通过学习活动来推动学习者的概念重组，从而促进在线深层次学习的发生。

（八）体现拓展策略的在线学习活动

“探索动态网络内容”“开放探索周”“开放教育资源探索”活动都是让学习者尝试学习一些课程之外的知识;“跨区域视频会议”可以让学习者通过视频会议了解其他区域的相关信息;“虚拟世界角色扮演”让学习者尝试扮演一些其他领域的角色，从而学会其他领域的相关知识;“在线知识竞赛问答”活动采取竞赛的形式，让学习者学习更多拓展知识。这些活动都侧重让学习者拓展学习。

五、在线学习中深层次学习

策略模型建构

策略采用的目的是促进在线学习中深层次学习的发生，提升学习兴趣、学习投入和学习效果。为此，促进深层次学习的各项策略之间不应零散作用，而应各有侧重又协调配合地共同作用于在线学习。为了能清楚地展示深层次学习与相应策略和在线学习活动之间的关系，基于以上梳理，本文提出了以在线学习中的深层次学习发生为核心的策略模型，如图2所示。该模型的中心是深层次学习，具体包含情感、行为和认知三个层面。与深层次学习的三个层面直接对应的策略形成了相应的策略层。模型的最外层是实践层，由各项策略相对应的在线学习活动构成，即表示策略的落实体现到在线学习活动的设计和实施中，通过在线学习活动推动深层次学习的发生。

六、在线学习中深层次学习策略

模型应用及分析

（一）课程介绍

研究者将建构的深层次学习策略模型应用于广东省质量工程在线课程“教学媒体的理论与实践”的教学中。该课程是教育技术学专业学习者的专业必修课，帮助他们掌握教学媒体的相关理论和应用方法，也为他们深入掌握各类教学媒体的设计、制作和应用奠定基础。学习者在线学习过程中既需要学习理论以指导媒体设计、制作和应用的实践，也需要通过实践来理解和领会这些理论与方法，因而是一门理论和实践并重的课程。在该在线课程的教学中，教学团队设计了基于项目的学习以及丰富的在线学习活动来组织学习，让学习者通过线上学习认识、领会和应用理论与方法，通过线下实践和项目学习综合应用所学知识和方法。

（二）策略模型的应用过程及方法

基于本研究提出的深层次学习策略模型，教学小组先分析学习者的特征和课程学习目标，然后根据课程的内容、分析策略的应用分别设计能够帮助学习者在情感、行为和认知三个层面开展深层次学习的在线学习活动，最后收集学习过程数据，分析学习效果。在线课程中在线学习活动的设计过程如图3所示。

（三）数据收集分析工具及方法

学习活动过程产生数据的收集，共涉及四类学习活动中的量化数据和质性材料。量化数据有基于问卷调查的数据、在线学习的行为数据，质性数据包含学习者交互内容及数据、学习者提交作品和相互评价的内容等。基于不同的数据类型，分别采用了词频分析、社会网络分析、交互深度分析和基于SOLO理论的内容分析方法。

（四）活动设计及效果分析

1. 促进情感参与活动设计示例及分析

在课程开始之初，为调动学习者参与课程的积极性和热情，采取激励的策略，设置了“学习者调查和投票”活动。该活动是课程开始时的破冰活动，给学习者发表个人“期望”和建议的机会。教师对每个学习者提出的问题或表述都做出及时回复，让其感受到自己是被关注和重视的。

教师开启“my idea”的话题，邀请学习者“说出你对本课程的想法和建议”。学习者参与度和积极性较高，在65名学习者中有64名参与回帖。对所有回帖的内容进行断词分析，形成如图4所示的词云图。数据显示学习者都表达了自己的观点，多数学习者认为该课程应为学习者提供实践的机会，希望课程内容是有趣的，通过课程可以运用所学知识等，如“多实践，让我们了解各种教学媒体的基本操作和使用方法”等。

2. 促進行为参与活动示例及分析

为了给学习者及时反馈，课程设计了“同伴作品互评”活动，通过学习者之间的互相评价促进自我反思。为推动学习者之间的深层互动，课程设计了“互动学习者提问和讨论”活动。

同伴互评活动使学习者成为评价者，主体作用得到体现，61位学习者参与活动，参与率为94%。其中141条评价给出了分数，83条评价给出了评语，比例为60%，对83条评价的内容中各类表述进行归类分析得到了图5所示的雷达图。图中数据表明学习者评价内容能够指出“存在不足”和“给出建议”的占比较高，部分学习者能对同伴作品提出质疑，通过评价别人作品反思自己的作品，进行深层次思考。

该在线课程在第三单元的学习中设置了“互动学习者提问和讨论”活动。讨论的主题围绕“比较计算机支持的协作学习和在线协作学习这两种不同的协作学习，说明各自特点、优势和局限”。为提高学习者参与的深度，保证他们都参与进来，活动明确要求每位学习者至少发布一次观点帖并回复其他同学的观点两次。最终43位学习者参与，其中21位学习者回复至少两次，他们在线交互数据形成了交互关系图（如图6所示）。学习者之间有次数不等的交互，形成了相对紧密的网络。利用Gunawardena（1997）设计的交互分析模式对学习者间交互内容进行分析①，发现37%的交互层次达到第四、第五层的深度，说明这一活动促进了学习者学习参与的深度。

3. 促进认知参与活动示例及分析

在线课程中设计了“案例分析”活动以促进理论的应用。要求学习者“用ASSURE模式评析教学设计方案”，即以所学的理论模型为分析框架进行教学设计案例的剖析，推动学习者对所学知识的应用、分析和评价。

该活动为小组活动，各小组需讨论分析案例并提交报告。对各小组的评析方案依据SOLO（Structure of the Observed Learning Outcome，可观察学习结果的结构）分类理论进行分析①，内容分析结果如表4所示。

从表4可以看出，七组学习者分别利用所学的理论框架进行了案例分析，有的小组对案例不仅仅只基于框架做了陈述，还对其进行了深入评价。图7的示例对学习者和运用媒体与材料这两个维度进行了分析，基于理论框架指出了案例存在的不足之处。这表明该小组对这部分知识的掌握不是仅仅停留在应用阶段，已能进行评价，实现了更高阶的认知目标。

七、结论与展望

本研究通过对在线学习中深层次学习发生策略模型的建构和应用分析形成了以下研究结论：

（一）通过建构在线学习中深层次学习发生的策略模型，为促进在线学习中深层次学习的设计和实施提供了理论依据

该策略模型下的八项策略及48个在线学习活动，都是建立在已有在线学习活动和策略梳理上的重构，保证了该模型的实用性。在线教学可以依据课程的需要有针对性地选取策略，并根据在线学习者的特点设计学习活动。后续研究将针对深层次学习的真实状况提出优化学习活动的方法。

（二）通过策略模型在在线教学中的应用，对其应用过程和效果进行分析，证明其在促进深层次学习发生的过程中发挥了作用

从三个不同维度对策略应用效果的分析发现，提出的策略和相应在线学习活动在促进深层次学习的发生方面有一定作用。如通过对学习者行为层面的参与情况的分析，发现部分学习者在活动中深入思考，进行自我反思，很多交互已经达到了第四、第五层的深度。对学习者认知层面的分析表明有的分析方案已经达到了关联结构层次、抽象拓展结构层次，属于深层次的学习。但教学应用也表明学习者的学习深度是有差别的，且不是所有学习者都产生了深层次学习。如何让更多学习者发生深层次的学习，是后续研究要重点关注的问题。

目前，效果分析还仅是针对部分学习活动的过程和情况进行，后续研究还将对在线学习过程的数据做更全面和深入的分析。

[参考文献]

埃里克詹森. 2010. 深度学习的7种有力策略[M]. 温暖，译. 上海：华东师范大学出版社.

杜建霞，范斯·A. 杜林汤，安东尼·A·奥林佐克，王茹. 2006. 动态在线讨论：交互式学习环境中的深层学习[J]. 开放教育研究（04）：75-79.

段金菊. 2012. e-Learning環境下促进深度学习的策略研究[J]. 中国电化教育（05）：38-43.

段金菊，余胜泉. 2013. 学习科学视域下的e-Learning深度学习研究[J]. 远程教育杂志，31（04）：43-51.

戴歆紫，王祖浩. 2017. 国外深度学习的分析视角及评价方法[J]. 外国教育研究，44（10）：45-58.

胡敏. 2015. 在线学习中学生参与度模型及应用研究[D]. 武汉：华中师范大学.

纪宏璠，雷体南，方红. 2015. 基于iTtools3.0的深度学习过程设计与实践研究[J]. 现代教育技术，25（02）：40-46.

康淑敏. 2016. 基于学科素养培育的深度学习研究[J]. 教育研究，37（07）：111-118.

柯蒂斯·邦克，伊莲·邱. 2016. 激励和留住在线学习者的100个活动：TEC-VARIETY应用宝典[M]. 陈青，彭义平，译. 北京：中央广播电视大学出版社.

刘晓萍. 2015. 促进深度学习的教学策略[J]. 教育研究与评论（小学教育教学）（10）：14-17.

刘中宇，高雨寒，胡超. 2016. 基于深度学习的个性化学习模型设计[J]. 中国教育信息化（08）：82-86.

罗刚. 2006. 网络情境下成人深度学习策略的培养[J]. 成人教育（10）：16-17.

穆肃. 2015. 机遇与挑战：从开放教育资源到开放教学过程——从远程教育视野出发对开放在线课程的思考[J]. 中国电化教育（08）：52-58.

穆肃，王孝金. 2019. 参与和投入而非肤浅和简单——在线学习中的深层次学习[J]. 中国远程教育（02）：17-25，92-93.

诺尔斯. 1989. 现代成人教育实践[M]. 蔺延梓，译. 北京：人民教育出版社.

王英彦，杨刚，曾瑞. 2010. 在线学习者的激励机制分析与设计[J]. 中国电化教育（03）：62-66.

叶海智，程清杰. 2015. 基于Jigsaw模式的在线学习活动设计与应用研究[J]. 现代教育技术，25（01）：87-92，119.

余胜泉，段金菊，崔京菁. 2017. 基于学习元的双螺旋深度学习模型[J]. 现代远程教育研究（06）：37-47，56.

张豪锋，王春丽. 2011. 成人在线学习模型构建及策略探究[J]. 成人教育，31（06）：34-35.

张浩，吴秀娟，王静. 2014. 深度学习的目标与评价体系构建[J]. 中国电化教育（07）：51-55.

中华人民共和国教育部. 教育部关于加强高等学校在线开放课程建设应用与管理的意见[EB/OL]. [2015-04-16]. http：//www.moe.gov.cn/srcsite/A08/s7056/201504/t20150416_189454.html

周荣，彭敏军. 2017. 混合式学习中促进深度学习的助学群组构建与应用研究[J]. 教育现代化，4（33）：202-205.

Boulton-Lewis， Gillian M. （2008） Teaching for quality learning at university. Open Learning： The Journal of Open， Distance and e-Learning， 23（2）， pp. 146-149.

Bitter， C.， Taylor， J.， Zeiser， K.， & Rickles， J. （2014）. Providing opportunities for deeperlearning： Findings from the Study of Deeper Learning： Opportunities and Outcomes （Report 2）. Washington， DC： American Institutes for Research and New York， NY：The Research Alliance for New York City Schools.

Chin， C. ， & Brown， D. E.. （2000）. Learning deeply in science： an analysis and reintegration of deep approaches in two case studies of grade 8 students. Research in Science Education， 30（2）， 173-197.

Costa， A. L.. （1991）. Developing minds： a resource book for teaching thinking. Anesthesiology， 82（5）， 1131-8.

Cuneo， C. J.， & Harnish， D.. （2002）. The lost generation in e-learning： deep and surface approaches to online learning. College Students， 37.

Czerkawski， B. C. （2014）. Designing deeper learning experiences for online instruction. Journal of Interactive Online Learning， 13（2）， 29-40.

Darabi， A.， Arrastia， M. C.， Nelson， D. W.， Cornille， T.， & Liang， X.. （2011）. Cognitive presence in asynchronous online learning： a comparison of four discussion strategies. Journal of Computer Assisted Learning， 27（3）， 216-227.

Delotell， P. J.， Millam， L. A.， & Reinhardt， M. M.. （2010）. The use of deep learning strategies in online business courses to impact student retention. American Journal of Business Education， 3（12）.

Dyjur P M. （2013）. Face-to-face and Online Learning Communities and Their Effect on Deep and Surface Approaches to Learning. Higher Edu cation Acad emy.

Entwistle， N.. （2000）. Promoting deep learning through teaching and assessment： conceptual frameworks and educational contexts. Higher Education Academy.

Grover， S.， Pea， R.， & Cooper， S.. （2015）. Designing for deeper learning in a blended computer science course for middle school students. Computer Science Education， 25（2）， 199-237.

Gunawardena， C. N.， Lowe， C. A.， & Anderson， T.. （1997）. Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing. Journal of Educational Computing Research， 17（4）.

Hacker， D. J.， & Niederhauser， D. S.. （2000）. Promoting deep and durable learning in the online classroom. New Directions for Teaching & Learning， 2000（84）， 53-63.

Hanandeh， A. E.. （2013）. Encouraging Students Deep Learning through Assessment. The Australasian Association for Engineering Education （AAEE） annual conference.

Havard， B.， Du， J.， &Olinzock， A.. （2005）. Deep learning： the knowledge， methods， and cognition process in instructor-led online discussion. Quarterly Review of Distance Education， 6， 125-135.

Huberman， M.， Bitter， C.， Anthony， J.， & ODay， J.. （2014）. The shape of deeper learning： strategies， structures， and cultures in deeper learning network high schools. American Institutes for Research.

Kazmer， & Michelle， M. （2005）. How technology affects students departures from online learning communities. ACM SIGGROUP Bulletin， 25（1）， 25-30.

Keebler， D. W.. （2009）. Online teaching strategy： a position paper. Journal of Online Learning & Teaching（3）.

Keller， J. （1983）. Motivational design in instruction. In C. Reigeluth （Ed.）， Instructional design theories and models： An overview of their current status （pp. 383-434）.Hillsdale， NJ： Erlbaum.

Leung， Y. P.. （2011）. The revised two-factor study process questionnaire： r-spq-2f. British Journal of Educational Psychology， 71（1）， 133-149.

McGee， P.， &Wickershame， L. （2005）. Seeking deeper learning within an online course. In G. Richards （Ed.）， Proceedings of World Conference on E-Learning in Corporate， Government， Healthcare， and Higher Education 2005 （pp. 2205-2212）. Chesapeake， VA： AACE.

P-Dec， V. N.. （2011）. A time for deeper learning： preparing students for a changing world. Education Digest Essential Readings Condensed for Quick Review， 77， 43-49.

Reeve， J. M. （1996）. Motivating others： Nurturing inner motivational resources. Needham Heights， MA： Allyn & Bacon.

Rushton A. （2005）. Formative assessment： a key to deep learning？. Medical Teacher， 27（6）， 509-513.

She， H. C.， & Chen， Y. Z.. （2009）. The impact of multimedia effect on science learning： evidence from eye movements. Computers & Education， 53（4）， 0-1307.

Trekles， A.， & Nakayama， S.. （2010）. Work in progress： Identifying adequate level of instruction without hindering deeper learning in distance learning. Frontiers in Education Conference. IEEE.

Wang， S.， & Wu， P. （2007）. Examining the Role of Feedback on Self-efficacy and Performance in Web-based Environment. International Conference on Innovative Computing. IEEE.

Warburton， K.. （2003）. Deep learning and education for sustainability. International Journal of Sustainability in Higher Education， 4（1）， 44-56.

責任编辑郝丹

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。