促进深度学习的教学过程和策略研究
【Abstract】Deep learning is an important concept in contemporary study science and an effective way of learning； it advocates the depth process of knowledge information and can improve the effect of learning. The paper studies the teaching of the principle of operating system， the deep learning theory is referred， the general process of deep learning is designed and implemented in each process strictly， and practice proves that the use of the deep learning ideas get good teaching results.
【Key words】Deep learning； Teaching strategy； Teaching reform
0 引言
?S着科学技术的快速发展，现代社会已经进入“知识经济时代”；而知识通过学习得来，所以现在也是个“学习化时代”。在此大背景之下，作为社会未来的栋梁--在校大学生的学习能力的培养就显得尤为重要，因此如何培养及评价学生的学习能力，提高个人竞争力也就成为教育改革的核心问题。
为此我国教育领域实施了一系列重大改革，其重点就是转变学生的学习方式，形成自主、合作、探究的新型学习方式。深度学习就是这种新形势下的一种非常重要的学习方式，美国学者FerenceMarton和Roger Saljo，在1976年发表的《学习的本质区别：结果和过程》中首次提出这一概念[1]。一文中提出。相对于浅层学习，深度学习是在陈述性知识和程序性知识的基础上追求对策略性知识的进一步深化，它不满足于被动的接受，更注重接受之后的反思，不满足于对原有知识的扩充，更注重学习者认知结构的重建，并将已有知识迁移到新的情境中，作为决策和解决问题的一种学习方式[2]。
国外对深度学习的研究开展较早，且大多数研究都集中在课堂教学，并且取得了成功，例如：Deep K.Khosa等人已将深度学习应用到大学的兽医课程学习中，并通过案例法实现了深度学习；Jiangxia Du 和Byron Havard 等人建立了远程教育中深度学习过程的分析框架，为深度学习的开展奠定了基础。相关文献也比较丰富，Marton、Ransden等学者已经著有多本关于深度学习理论的论著，期刊论文的数量也不断上升，虚拟学习环境、教育游戏、概念图等多种策略被应用到深度学习中，评价方法也陆续提出，比如问卷测验、SOLO分类法等。我国对深度学习的研究起步较晚[3]，尚不成熟，直到2004年才出现对深度学习论述较为全面的文献，2010年后，随着学习科学研究领域的兴起，带动深度学习研究数量大幅度增加[4]，开始得到了广泛的关注，目前正是研究热点，文献的发表数量呈上升趋势，在深度学习的体系结构、技术策略和评价因素等多个关键点都取得了研究成果。
为此本文以计算机《操作系统原理》课程为例对深度学习展开了研究，引入深度学习的理论，研究其一般实现过程，并对此进行扩展，寻找适合本校学生的深度学习过程和评价方法，从而真正的提高学生的学习能力，保证学习效果。
1 深度学习的基本要素
深度学习强调以学生为主体、注重信息整合、着意迁移和运用、强调多维评价，在此思想之下，相应的教学目标、内容、策略、媒体及评价等要素都会发生变化，因此必须运用系统的方法将深度学习理论与教学理论的原理进行转化和融合，重新规划教与学的过程，从而帮助学生去实现深度学习。所以本文对深度学习的一般过程进行了研究，将其归纳为以下5个基本要素：
1.1 营造积极的、鼓舞的学习氛围
人们在认识客观事物时，不是冷漠无情、无动于衷，而总是带有某种倾向性，表现出鲜明的态度体验，充满着感情的色彩[5]。学习也是一样，为学生营造一个轻松的、有活力的、全民皆学的学习环境，才能让学生主动参与到学习中。而且这个单元贯穿于整个学习过程中，有利于保持学生的学习状态。
1.2 双向制定学习目标
任何学习都必须有目标，才能有动力去学习。教师为了设计教学单元的目标，会更加认真的研究教学内容，同时将目标传达给学生；而学生也需要设置学习目标，将教师的教学目标转化为每节课的努力方向，督促自己真正地参与到学习中。
1.3 进行预评估
预评估是指在学习活动开始之前，对于学习者进行诊断性评价。预估学生知识水平的这个过程可以让教师更好地了解所有学生的基础知识和能力，才能更好地设计出教学目标、内容、策略和方法；同时对学生来说，这个过程能够让其更好地对自己评估，然后才能有目的性的根据评估逐一解决其中所存在的问题，为新的学习做好准备，而这又是先期知识的预备。
1.4 获取新知识，深度加工知识
开始新的知识学习，首先获得陈述性知识，而后对知识进行构建，这个过程既包含对新信息进行建构，又包含对原有知识的改造和重组；通过变式联系，将新知识转化为技能，为更好的分析和解决实际问题做好准备，并最终具备能够解决真实情景中复杂问题的能力，这个就是深度学习的最高目标。 1.5 多维度评价学习
如何确保学生始终处于深度学习的路线上，就需要对其学习过程进行监控调节，及时提供反馈信息以引导学生调整自己的学习活动[6]；而学习者收到反馈后则可以对自己的学习活动进行反思，从而调整学习方法，这就需要在整个学习过程中进行形成性评价。在深度学习活动结束时，再进行总结性评价，对学习者的学习结果进行价值判断，确定学生所获得的学习成效和所达到的层次。
2 深度学习的具体实施和策略
学习是个完整的过程，更是一个有感情的过程，所以学习的第一步就是要营造一个积极的学习氛围，让学生愿意学、主动学、成为学习的主人，这需要构建一个广泛参与的学习共同体，鼓励所有的学生都参与到这个学习的环境中，使他们能够互学互助。所以在每节课上都会设置讨论时间，学生们可以对课程中的内容进行充分讨论，提出自己的问题和见解；课后建立了通信群，老师和学生可以在通信群里进行讨论，布置任务等，学生的参与度会非常高，而且能够拉近师生之间的距离，无限的扩展了课堂。
如果没有学习目标，学生在学习时会觉得迷茫，在学习过程中就缺乏动力，参与度不高。
所以在学习的一开始，教师就必须认真地研究课程的内容、确定相关的概念、设计相关的问题、提出相关的技能等，并将上述要素综合起来创造为教学单元和目标，在每节课开始之前，在通信群里下发该课时的学习目的和要求，让学生有时间、有目的地去预习内容，使得部分学生能够在课堂教学前就参与学习中，从而有效的保证了学习的开展。这样学生就能明确地知道学习的方向。另外一方面，在每节课中，会让每个学生自己给出本次学习的目的，每个学生的目的会有差异性，但是每个人都会因为是自己定的目标，会更好的自我约束，从而朝自己定的目标去努力，对目标的完成情况又会作为后期的考核评价，从而更好的督促学生去实现自己的目标。
一次新的学习开始，对知识的建构必然是建立在学习者原有的知识基础上。通过前面的预评估可以发现，很多学生会对原有的知识有所遗忘，所以在面对新的学习任务时，就需要重新预备和激活学习者原有的知识，以便帮助学生建立新旧知识之间的联系，实现两者之间的整合，使学生在理解的基础上去学习，从而促进对新知识的掌握和理解。所以就必须对课程的内容进行充分的分析，列出每节课中所需要的先期知识，并设计出相关的问题，形成测试文档，发布给学生并要求其独立完成。对于共性问题，在课堂上统一讲解，个别问题在通信群中单独回答。对教师来说，会根据评估结果，对教学内容等进行适当的调整，对学生来说，可以根据评估结果进行先期知识的准备。
真正的学习过程、深度加工知识的这个环节非常重要，需要充分调用一切手段来进行教学。在这次教学中，特别引入了概念图的方法。概念图是由美国康奈尔大学Novak教授及其同事提出，是一种知识加工工具，更是一种有效的学习策略和元认知策略。概念图用图和线帮助学生把新概念与已有的概念建立联系，从而将头脑中的知识可视化出来；也可以帮助学习者整合零散知识、增强记忆力和理解力；帮助学习者评价知识结构的总体特征、知识间的有机联系。所以每节课都会要求大家完成相应的概念图，并且在课程结束时，完成一个关于这门课程的完整概念图，最终实现对知识的构建。为了实现对知识的迁移和面向解决问题，在教学中也引入了多??实例，引导学生利用课堂上学习的操作系统的原理解决实际问题。
学习中离不开评价，需要通过评价来对学习过程进行调节，或者对学习结果做出价值判断。所以多种评价方法被应用到深度学习中。过程性多维评价方式贯穿了整个学习过程，并及时将评价结果反馈给学生：在每个单元结束时，会设置习题对学生测试，获得学生对知识的评价；会设置PPT演讲环节，让学生自己总结在这个单元所做的努力和收获，获得学生对自我的评价；统计通信群里学生的参与度，获得学生学习过程中的感情评价。过程性评价可以帮助教师调整教学策略，也可以帮助学生发现自己在学习过程中存在的问题和不足。课程结束时，会给出综合性评价，给出每个学生的课程完成情况。
3 总结
将深度学习的理论和方法引入到《操作系统原理》的课程中，改变了传统的“灌输式”教学方式，变“被动式”学习为“主动式”学习，提高了学生的学习积极性、创造性；改变当前较为单一的学习效果评价方法，提出多元素评价方法；转变了学生的学习方式，提高了学生的学习能力。深度学习的研究还在不断发展和继续，未来本文会在“如何促进深度学习”、“评价深度学习”、“深度学习的技术支持”等多个方面继续研究。
