智能同伴互評視角下深度學習過程中的干預機制及其作用研究

晉欣泉 姜強 馮雅楠 李松 趙蔚

[摘 ? 要] 從淺層學習走向深度學習，仍面臨著干預方面的挑戰。智能同伴互評作為一種強化雙向互動交流的元認知學習方法，為促進深度學習有效發生提供了新的可能。文章以Peerceptiv智能互評系統為例，從智能同伴互評視角解析了深度學習過程中的干預機制及作用。研究發現，經智能同伴互評干預后，學習者的認知水平得到顯著提升，且整體具有更積極的情感體驗，同時激活了更多深層次的學習行為投入，有效促進學習者的深度學習，并在此基礎上提出了智能同伴互評對促進深度學習的發展路徑。研究成果對實現深度學習的研究具有重要的理論貢獻，為強化深度學習可持續、高質量發展提供了借鑒。

[關鍵詞] 智能同伴互評； 深度學習； 干預機制； 協作交互

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 晉欣泉（1996—），女，河南焦作人。講師，博士，主要從事學習分析與評價研究。E-mail：jinxq805@nenu.edu.cn。姜強為通訊作者，E-mail：jiangqiang@nenu.edu.cn。

一、引 ? 言

在“以教為中心”向“以學為中心”教育理論迭代革新的進程中，力圖破解淺層學習現象，探尋深度學習真實發生的施治方法，逐漸成為教育信息科學與技術交叉融合實踐研究的核心話題。探索加強人才培養，實現深度學習發展，是教育研究擔負著的緊要使命責任。教育部《關于一流本科課程建設的實施意見》中著重強調要全面開展一流本科課程建設，提升課程學習深度[1]，喚醒人們對深度學習的訴求與意識。作為智能時代學習方式變革的重要標志，深度學習被視為達成深層次學習目標的學習樣態[2]，通過提供高質量的教學干預措施逐步促進深度學習，將持續成為面向高等教育數字化轉型與發展的學術議題。

新時代下智能科技與教育教學的不斷融合推動著高等教育科學學習范式的轉變，教育學者普遍關注思考深度學習理論與實踐教學，多視角探索促進深度學習的干預機制[3]，整體提高了深度學習質量，助力破解淺層學習困境。然而，具有差異性學習投入的學習者表現出不同程度的深度學習水平，已有研究表明，學習評價往往以教師一對多滯后反饋為導向，對話互動通常以學生被動參與或單向交互為主，同伴合作極易出現“搭便車”的投機行為問題，引發表層學習異化風險[4]，造成囿于傳統注重靜態結果的取向，偏離深度學習所強調的多元文化屬性與知識批判性遷移運用的應有之義。為突破深度學習研究局限，亟須拓展與更新促進深度學習的干預機制，審視其對深度學習發生過程中產生的作用影響。

根據社會學習理論的觀點，深度學習發生原理既依賴于學習者主體意識的積極調節和選擇，也受到社會文化環境的影響，需要構建自主交互式場域催化自主個體走向深度學習。智能同伴互評以有序參與引導、強交互行為驅動、個性化實時反饋的方式有效解決了缺乏參與動力、交互效率低、反饋時效性低等教育痛點，可視為促進深度學習的助燃劑。雖然既往研究證實智能同伴互評對深度學習的促進效果[5]，但仍多聚焦結果層面，缺少從認知、情感和行為等不同維度深入探索其對深度學習過程的干預作用。因此，基于智能同伴互評視角，以Peerceptiv智能系統為例，全面揭示深度學習過程中的干預機制及其作用影響，致力于應對深度學習面臨的風險挑戰，切實推進深度學習落地應用，為實現高等教育人才培養全面而有質量的發展提供行動指南。

二、文獻與理論

（一）深度學習干預機制概述

教育領域中的深度學習是相對于淺層學習而言，指學習者以知識掌握理解與遷移應用為目標，通過對話性、批判性和協同建設性交互，能動參與學習的總稱[6]。隨著智能時代多模態學習分析技術的不斷成熟，深度學習評測方法突破以問卷量表或單維外顯行為識別為代表的技術瓶頸，更加注重分析學習者在認知、情感與行為領域的多維發展[7]。教育研究者從不同學科視角對如何促進深度學習進行了積極探索，主要集中于以下三種類型。

一是深度學習教學模式構建，以學習資源、活動等教學要素的系統重整、重用與再造為線索，架構教學理論模式[8]，意在變革“教”來實現不同課堂實踐中深層次的“學”。雖然這些教學模式干預機制被證明顯著增強深度學習結果，但也有研究者指出，學習活動與深度學習之間的關系完全由教師引導為中介[9]，面對大規模集體授課制，教師無法及時提供針對性評價，易導致學習體驗難以持續深化，實踐活動的深度學習價值被消減。

二是深度學習干預支架設計，運用學習提示、任務解釋等工具設計基于智能技術的多元化學習支架，將其嵌入到動態學習過程中，以支持學習者的自主學習[10]。這類基于學習支架的干預機制盡管形式豐富多樣，但也容易使學習者局限在與資源內容或智能技術的交互中。考慮到嵌入社會性情境中的學習離不開群體交互對話，同伴合作對于推進深度學習不可或缺，這意味著脫離與學習同伴的協作探究難免引發深度學習育人結果的淺表化。

三是深度學習導向的協同建構機制，由同伴促進的對話交互相比于教師發起，更能實現批判性思維發展和深度學習的證據已被提出[11]。與其他協作學習類型相一致的是，協同建構涉及小組成員之間的不同角色分工，但深度學習不單指向多元認知雙向認同，個人持續性參與亦是核心要素，而在實際教學中每位成員的不平等參與或一盤散沙的合作心態等問題將弱化知識建構所帶來的有意義互動和知識創造效果[12]，勢必阻礙深度學習進度。

統整研究來看，已有干預機制研究有助于拓展促進人類學習深層次發展的實施路徑，但集中化評價、單向度交互、淺表化參與等異化問題依然存在，促進深度學習仍面臨著挑戰困境。在此背景下，伴隨著“以評促學”理念的不斷深入，智能同伴互評引起了深度學習領域對其干預價值的青睞，且對深度學習的積極影響已得到證實。然而深度學習本身兼具內隱性和多元因素復雜特性，相關研究主要關注靜態深度學習結果，很少關注對深度學習過程的干預作用，智能同伴互評在多大程度上促進了深度學習，仍有待深入探究。

（二）智能同伴互評視角下深度學習的干預機制

智能時代下公眾對個性化教育的需求，驅動著教學評價改革從傳統教師主導的總結性評價轉向以學生為主體的同伴互評。智能同伴互評通常被定義為個體對同伴作品或成果進行評級評語的在線形成性評價方法[13]，旨在破解評價反饋不及時、學習者單向被動接受評價、無法采取有效解決行動等學習局限性問題，為促進深度學習提供了可能的創新出路。在原有研究成果的基礎上，學者將智能同伴互評作為切入點，探討并證明了這一干預方式在提高深度學習結果中發揮的積極作用，主要呈現兩種趨勢。其一，對學生深度學習影響的探索。以實驗或準實驗研究法為主，綜合問卷調查、文本分析等方法的實證研究范式，運用深度學習水平量表、布魯姆認知目標分類等方式，通過實驗組和對照組數據對比分析智能同伴互評對深度學習的實施效果，結果普遍表明，同伴反饋能顯著提高深度學習水平[14]。其二，不同類型評語的效果探索。在過程取向研究的驅動下，研究者逐漸從分析深度學習總體水平轉變為探究深度學習轉化過程，有學者基于深度學習量表與同伴反饋功能量表，對比分析不同反饋類型對深度學習的促進效果[15]。然而，深度學習的發生表現在認知、情感和行為全身心深度參與，單一深度學習結果或認知、情感評價難以全面衡量對深度學習的促進效果，揭示深度學習的內在作用研究仍然缺位。據此本研究試圖多維度理解智能同伴互評在深度學習轉化過程中可能存在的干預機制及作用（如圖1所示），解析干預機制“黑箱”，為后續智能互評活動實施與深度學習多模態數據測評提供理論指導。

1. 以“規則引導—互評回評—作品重傳”活動流程為牽引，激發行為能動參與

深度學習的持續推進在很大程度上取決于學習者行為參與的自主性，而互評賦權激活了學習者能動參與的內生驅動力。目前對深度學習干預的設計集中在提高知識結構深度和廣度，忽略了高度自主行為投入的能量，由此產生參與積極性不高、搭便車普遍等問題。智能同伴互評以基于評價量規的互評任務為核心，賦予了每位學習者評價他人的權利和責任，學習者在學習過程中的主體意識得以覺醒，充分催生了能動參與的內生力；同時借由精心設計的互評回評環節，摒棄了傳統教學中師生權威與服從的二元對立關系，轉變為生生之間協調與引領的共存開放交互關系，實現了從被動、封閉的淺層學習狀態向能動、多元的深層學習狀態轉變，誘發自主反思與修訂評閱，達成個體學習行為的深層次持續參與。

2. 以“隨機組建—匿名評價—持續追蹤”互評環境為保障，喚醒積極情感體驗

深度學習的發生需要多元化觀點的相互碰撞與融合，具備匿名性和隨機性的智能互評系統作為實施同伴互評活動的必備要素，為促進深度學習提供了情感支持與技術保障。在實際教學中，促進學習者之間積極交互的學習環境是學習活動設計的核心，缺乏與同伴良性雙向互動的深度學習過程，容易導致學習者產生無聊、厭煩等消極情感體驗，且隨著時間累加，這種負性情感會持續聚集。智能同伴互評環境是一種可支持構建隨機性的學習群體結構、提供匿名化的協同評價機制以及可視化的討論線程的在線學習環境，這一取代傳統模式下固化團隊成員的方式為學習者帶來極為豐富、更加多元化的良性情感體驗，加深了對話雙方的認知與情感聯系[16]，對深度學習的成功開展至關重要。

3. 以“互評輸出—回評交互—意義建構”個體內化為抓手，驅動深度認知加工

深度學習通常是裂變和聚合并發、迭代遞進式的高質量學習狀態，而以結果為導向的線性學習流程傾向運用固有思維解決問題，為深度學習可持續性發展帶來挑戰，智能同伴互評的往復互評機制賦能了認知螺旋發展的理性建構，有效規避淺層學業風險。首先，通過提供思考現有質量與期望標準差距的機會，推動學習者主動輸出與注意外部同質性和異質性評價，強化生生之間論證協商的建設性交互。其次，智能同伴互評中的回評交互環節，可視為指引學習者在最近發展區內相互調節或搭建腳手架的有效途徑。學習者既是評價者也是被評價者，不僅自主引證檢索、篩選佐證觀點的證據，也在互評回評的迭代循環中不斷產生知識增值、裂變或聚合，逐漸建構更深度、有序化的概念結構，促進深度學習。

4. 以“觀點流動—沖突協商—反思重構”多元協同為布局，持續走向深度學習

處于復雜的深度學習境脈中，知識的共享獲取與遷移應用并非終點，引導學習者實現協同交互中的意義生成方是其宗旨。智能同伴互評是多元輸入、自我反思與重構輸出的螺旋式上升過程[17]，充分激發蘊藏于學習者互動之中的圖式創造潛力。一方面，異質性主體共同參與智能同伴互評，勢必會凸顯知識差異性，在持續理性沖突與對話協商中，學習者以已有圖式為起點，不斷更新舊的價值判斷與內容結構，開啟深度學習。另一方面，智能同伴互評以協作式同伴評價為起點，但最終發展為個人自主寫作探究，使自我反思重構貫穿于整個互評活動的始終。評價者與被評價者身份的不斷轉變，使得學習者能夠自我修剪交替與鞏固強化神經網絡或催生出新的神經元聯結，是深度學習得以取得良好效果的關鍵。

三、研究方法

（一）研究對象

本次研究對象為東北某高校教育技術學專業“教育技術學前沿”課程的24名一年級碩士研究生，且均沒有使用智能同伴互評系統的經驗。本次實驗的學習任務為針對在線直播課這一前沿問題完成不低于1000字的思辨文章，要求按照學術論文寫作規范，在掌握相關專業知識的基礎上，運用科學邏輯思維明確表達與闡明個人觀點并進行論證。

（二）實驗環境與過程

本研究實驗環境采用Peerceptiv智能同伴互評系統[18]，在實驗正式開始之前，提供了平臺功能介紹與使用操作培訓。依據智能同伴互評視角下深度學習的干預機制分析，實驗過程如下：一是任務規則發布。教師發布此次寫作任務要求、介紹互評活動流程并提供五維評價量規，詳細說明各維度下的七個等級標準且均提供實例描述。二是學生作品提交。根據要求完成學術論文撰寫，并上傳至平臺。三是匿名同伴互評。待全部提交后，系統隨機為每篇論文分配5名評價者進行定性評論和定量評級。四是回評反饋交互。學習者查看接收到的同伴評價后，對其有用性進行評級并給予相應回復交流。五是作品修訂重傳。經討論后，自行修訂一稿并重新上傳二稿。實驗結束后，立即對每名學習者的學習體驗進行訪談。

（三）數據采集與處理

在學習投入的視角下，為增強智能同伴互評視角下對深度學習過程進行測量的可操作性，基于CIMO-logic框架[19]，結合現有學習投入度評測方法，本研究綜合采用評價量規描述、情感語義分析與行為模式分析等方法，以精準評估實際教學中智能同伴互評對促進深度學習過程中的干預作用程度，如圖2所示。

圖2 ? 智能同伴互評促進深度學習的作用效果評估框架

認知投入反映了學習者在學習活動中的學業成就水平。本研究中學習者認知投入主要體現在對自我作品的修訂且最終轉化為提交作品，可定義為智能同伴互評活動前后作品質量的提升程度。邀請兩位領域專家基于評價量規對第一稿（G1）和第二稿（G2）質量進行評分，Kappa系數分別為0.72和0.81，具有內部一致性，專家平均值即為每篇論文成績。

情感投入指學習者學習體驗的主觀積極和消極情感。因每名學生均依據量規進行評價，難以精準反映學習滿意度，故使用訪談法，共獲得274條有效文本數據。隨機選擇5名參與者對自我體驗進行人工情感標注，并以此為依據邀請兩名獨立編碼者進行情感編碼，Kappa系數為0.91，不同之處則由被訪談者審查調整。其次，對消極和積極情感數據進行語義網絡分析，可視化表征不同情感傾向聚焦的話題。

行為投入指學習者的活動參與度和貢獻值。智能同伴互評的行為模式以評價者和被評價者的雙向交互為主線，以生成評語與回評交互內容為核心體現，故將文本數據作為行為的外顯表征，依據布魯姆認知目標分類的行為編碼方案[20]，記憶（A）、理解（B）、應用（C）、分析（D）、評判（E）和創新（F），兩名獨立編碼員對采集到的1123項行為單元數據進行獨立雙重編碼，Kappa系數為0.80，針對存在爭議的行為單元進行協商討論直至達成共識，進而分析行為頻率和模式以解析學習者深度學習行為傾向。

四、研究發現

（一）學習認知分析

由表1可知，學習者第一稿作品成績（M=76.666， SD=7.843）與開展智能同伴互評后的第二稿作品成績（M=87.261，SD=5.956）之間存在顯著差異（t=8.671，p<0.001），且互評活動后，論據分析、語言規范、內容邏輯、觀點表達均得以顯著提升，而論文結構維度則不顯著，表明智能同伴互評能夠顯著提高學生寫作質量，增強深層次認知投入水平。

（二）學習情感分析

從積極和消極二元極性情感狀態進行判定，可知在智能同伴互評中，積極情感類型為201條，占比73.35%，消極情感類型為73條，占比26.65%，表明大部分學習者認為智能同伴互評可以滿足學習過程中的情感交互需求，誘發積極情感體驗。為進一步挖掘分析積極或消極情感生成的原因，分別以積極情感語義和消極情感語義為分析單位，得到如圖3所示的情感語義網絡圖。由圖3a可知，積極情感語義聚類為四個方面：一是通過查看他人觀點能獲得新穎想法，愿意積極參與交互；二是具有相似認知水平的同伴評價更易理解，且匿名環境更樂于接受他人觀點與主動修訂；三是不同觀點激發了對自我和他人認知的批判性反思與自主判斷，增強自信心和成就感；四是豐富了自身知識儲備，獲得良好學習體驗。對于消極情感參與者來說（如圖3b所示）：一是因缺乏先驗知識，不確定如何解決問題或修訂錯誤，學業負擔加重；二是出于對同伴的不信任，僅接受同質性較強的評語，而質疑差異性評價的正確性；三是因評價維度限制使得評語相似性較強，建設性評語較少；四是評論與回評并非即傳即閱，異步評價反饋周期性過長，導致學習體驗不佳。

（三）學習行為分析

1. 頻率分析

通過分析智能同伴互評中學習行為編碼結果可知，淺層學習行為與深度學習行為之間存在顯著差異（t=-16.028，p<0.001），且應用、分析、評判和創新深度學習行為占比89.49%，表明智能同伴互評能夠很好地促進學習者深層次學習行為，引導參與者在綜合分析與辯證推理的基礎上對他人及自我已有圖式進行評判，提出更具創造性的意見或觀點。

2. 行為序列模式分析

由圖4a可知，參與者在智能同伴互評中共有10種行為路徑達到了顯著差異，且行為序列轉換表現出由淺層行為向深層行為逐步轉化的趨勢，主要集中于兩種類型：一是以“B→C”為主的高頻次行為序列，在理解他人觀點的基礎上引用相關知識進行評價；二是通過辨識異同點推進新觀點或知識產生的“D→F”行為轉換。這與智能同伴互評中匿名互評和回評交互階段保持一致。進一步挖掘兩個階段中促進深度學習的行為轉化路徑可知，第一階段中有6個顯著行為序列（如圖4b所示），能夠引導學習者以評價者的身份對比與理解分析不同作品表達的想法觀點與邏輯結構，且在評價量規的提示下主動檢索學科知識，合理推理與識別問題或檢視原有認知，在多次評判過程中，不斷掌握新的知識與思路，逐漸向高水平深度學習發展。第二階段中7種行為轉化具有顯著性（如圖4c所示），可以看出學習者行為序列整體向深度學習行為靠近。在回評交互中，以基于證據的辨別質疑和以正確理解為前提的批判性評價為主。整體而言，智能同伴互評促進深度學習過程中的行為轉化有明顯的非線性但連續統的復雜特征。

五、智能同伴互評對促進

深度學習的發展路徑

從認知、情感和行為維度分析智能同伴互評對促進深度學習的干預機制及作用效果，結果表明，智能同伴互評顯著提升參與者的認知質量、積極學習情感體驗和深層次行為參與，對促進深度學習具有正向效應。同時真正實現促進學習者向深度學習過程轉化，還需考慮如何對待分歧評語、評價量規是否合理、監測反饋能否及時等，未來應強調教師引領作用，完善評價量規體系，優化互評功能需求服務，統籌互評網絡全覆蓋，促進深度學習發展。

（一）活動牽引與教師引領的動態調控，助推沖突走向共識

教師精準、及時的教學反饋對于維持學習者參與熱情、確保觀點沖突方向的正確性是必不可少的。隨著智能同伴互評活動的深入，針對同一主題的多角度論證激發學習者以初始圖式為基礎進行獨立思考，觀點表達、論據分析、內容邏輯、語言規范等維度均有不同程度的提升，然而通過訪談發現，當多名評價者均未提及超出認知水平的特定問題或解決方案時，該類型學業誤區或困難的修訂率相對較低，致使促進深度學習受阻。因此，在切實加強以學生為主體的促進深度學習活動時，需進一步深化智能時代教師的引領者角色，緊跟評價方向發展與思維碰撞演變的實時變化，突出正向引領，降低針對無意義問題的無效溝通，強化正確邏輯推理，為促進深度學習奠定良好基礎。

（二）互評規范與自主細化的協同治理，構建開放話語體系

在把握互評規范框架質量的前提下，實行統一互評標準與學生自主細化解讀相結合，是進一步激發學生互評活力，促進深度學習的重要舉措。雖然基于評價量規的智能同伴互評任務盡可能規避錯誤評價導向，但這種外部規范驅動下的評價尚未使學習者擁有完全的自主反思意識。簡要說明、信息量過少等缺乏科學闡述的評語依然存在，不足以提高學生寫作質量，亦會造成一定程度上的認知偏差[21]。由于個體認知網絡的激活依賴于感知覺行為的運動體驗，可按照總體規劃、自主推進的原則，以預先設定的評審規則為基礎，各評價者靈活細化實施評價標準，讓學習者在獲取評價細則的經驗中形成理性思考，落實評分評語的倒查追責制，為有意義建構打牢認知基礎，確保深層次學習投入實效的達成。

（三）追蹤問效與預警提醒的聯動推進，促進生生良性互動

健全智能同伴互評中學習過程數據的實時監測與可視化反饋，加強學業風險防控管理，為促進深度學習提供有力技術保障。智能同伴互評遵循統一的評價規范以及異步互通的往復交互機制，但對促進深度學習的干預效果會隨著反饋時間間隔的推移而產生差異性，預警算法可視為解決異步討論弊端的有效途徑之一。一是日常監督、持續追蹤學習者同伴互評學情診斷，針對同伴互評過程中可能存在的隨意性評價、消極性參與、選擇性交互等淺層學習風險點進行分析研判，及時提供干預策略。二是基于預警算法對學習時間、交互行為、交互內容等日志數據持續監測與分析挖掘，感知學習者學業拖延、人際游離等預警趨勢，提醒督促按時完成評閱回復任務，以增強反饋的時效性。

（四）移動群智與批判增質的溝通參與，實現持續自我反思

隨著微型傳感器、無線網絡等技術的成熟發展，主流互聯網產品逐步從固定臺式平臺轉移到移動終端設備，拓展了人們對學習地點延伸的認知，但較少關注智能同伴互評中學習情境對促進深度學習過程的研究。通過構建可感知、可捕捉、可聯的計算型社會，破除系統隨機分配的群體認知壁壘，可加強與其他學習者之間的知識流動，打造多元協同共評共建共治的局面。其一，配合全球定位系統、攝像頭等感知功能應用，實現特定學習情境中的語義理解、推理計算與服務推送[22]。其二，完善以同伴互評為基礎的開放評價管理體系，建立全覆蓋、無死角的同伴互評環境，為同伴相互評價學習與溝通交流提供支持，注重考察評語質量和影響力，拓展評價觀點的多元化發展，確保深度學習取得實效。

六、結 ? 語

智能同伴互評是一種有效規避學業風險促進學習者向深度學習轉化的干預機制。研究結果強調了智能同伴互評在促進學習者深層次認知投入、情感投入和行為投入方面的重要作用，揭示了智能同伴互評促進深度學習的干預機制及作用，對深度學習研究成果的推廣轉化與可持續發展具有重要的理論貢獻與實踐價值。然而，研究樣本數量較少且局限于相同專業，未來可以選擇具有差異性專業的研究對象，擴大研究樣本數和研究周期，探究多輪同伴互評對規避學業風險向深度學習轉化過程的持續干預作用。其次，雖然總體研究結果支持了同伴互評對促進深度學習正向干預成效，但可能仍存在學習者未能完全表現出的深層次學習投入，因此下一步亟須引入發展路徑完善同伴互評干預機制，以進一步深入發掘規避學業風險向深度學習轉化過程中的獨特機制。

[參考文獻]

[1] 中華人民共和國教育部.教育部發布《關于一流本科課程建設的實施意見》[EB/OL]. （2019-10-30）[2022-12-28].http：//www.moe.gov.cn/srcsite/A08/s7056/201910/t20191031_406269.html.

[2] 何克抗. 深度學習：網絡時代學習方式的變革[J]. 教育研究，2018，39（5）：111-115.

[3] 劉哲雨，劉暢，許博宇. 計劃調節學習支架對在線深度學習的影響機制研究[J]. 電化教育研究，2022，43（8）：77-84，100.

[4] 姜強，藥文靜，趙蔚，李松. 面向深度學習的動態知識圖譜建構模型及評測[J]. 電化教育研究，2020，41（3）：85-92.

[5] JIN X Q， JIANG Q， XIONG W Y， et al. Effects of student engagement in peer feedback on writing performance in higher education[J]. Interactive learning environments，2022，30：1-16.

[6] 鐘啟泉. 深度學習：課堂轉型的標識[J]. 全球教育展望，2021，50（1）：14-33.

[7] 劉智明，武法提. 促進深度學習的個體認知發展階段模型構建研究[J]. 電化教育研究，2022，43（10）：26-32.

[8] VOS N，VAN DER MEIJDEN H，DENESSEN E. Effects of constructing versus playing an educational game on student motivation and deep learning strategy use[J]. Computers & education，2011，56（1）：127-137.

[9] 王勝蘭，彭雙，鐘燕蘭. 教學干預對學生深度學習的影響——基于62項實驗或準實驗研究的元分析[J].開放教育研究，2022，28（2）：96-109.

[10] BULU S T，PEDERSEN S. Scaffolding middle school students' content knowledge and ill-structured problem solving in a problem-based hypermedia learning environment[J]. Educational technology research and development，2010，58（5）：507-529.

[11] KOSZALKA T A，PAVLOV Y，WU Y. The informed use of pre-work activities in collaborative asynchronous online discussions：the exploration of idea exchange，content focus，and deep learning[J]. Computers & education，2021，161：1-14.

[12] CHEN J，TAN J，LEI J. Exploring learner identity in the blended learning context：a case study of collaborative writing[J]. System，2022，108：1-15.

[13] 馬志強，孔伶玉. 以學習者為中心的評價何以可能——學評融合視域下的自主與同伴互評研究前沿進展[J]. 電化教育研究，2022，43（10）：41-48，56.

[14] SUGDEN N，BRUNTON R，MACDONALD J，et al. Evaluating student engagement and deep learning in interactive online psychology learning activities[J]. Australasian journal of educational technology，2021，37（2）：45-65.

[15] FILIUS R M，DE KLEIJN R A M，UIJL S G，et al. Strengthening dialogic peer feedback aiming for deep learning in SPOCs[J]. Computers & education，2018，125：86-100.

[16] SU W，HUANG A. More enjoyable to give or to receive？ Exploring students' emotional status in their peer feedback of academic writing[J]. Assessment & evaluation in higher education，2022，47（7）：1005-1015.

[17] TORSHIZI M D，BAHRAMAN M. I explain，therefore I learn：improving students' assessment literacy and deep learning by teaching[J]. Studies in educational evaluation，2019，61：66-73.

[18] 高瑛，汪溢，SCHUNN C D. 英語寫作同伴反饋評語采納及其影響因素研究[J]. 外語電化教學，2019（2）：17-24.

[19] DENYER D，TRANFIELD D，VAN AKEN J E. Developing design propositions through research synthesis[J]. Organization studies，2008，29（3）：393-413.

[20] SUN F R，HU H Z，WAN R G，et al. A learning analytics approach to investigating pre-service teachers' change of concept of engagement in the flipped classroom[J]. Interactive learning environments，2022，30（2）：376-392.

[21] 晉欣泉，姜強，梁芮銘，趙蔚. 深度學習視域下認知偏差對知識建構的影響機制研究[J].電化教育研究，2021，42（7）：75-82.

[22] 劉三女牙，楊宗凱，李卿. 計算教育學：內涵與進路[J]. 教育研究，2020，41（3）：152-159.

Research on Intervention Mechanism and Its Effect on Deep Learning Process from Perspective of Intelligent Peer Assessment

JIN Xinquan1， ?JIANG Qiang2， ?FENG Yanan2， ?LI Song3， ?ZHAO Wei2

（1.Jiangsu Research Center of "Internet Plus Education"， Jiangnan University， Wuxi Jiangsu 214122;

2.School of Information Science and Technology， Northeast Normal University， Changchun Jilin 130117;

3.School of Education， Open University of China， Beijing 100039）

[Abstract] Moving from shallow learning to deep learning， one still faces the challenge of intervention. Intelligent peer assessment， as a metacognitive learning method that reinforces two-way interaction， offers new possibilities for facilitating deep learning to occur effectively. Taking the Peerceptiv intelligent peer assessment system as an example， this paper analyzes the intervention mechanism and its role in deep learning from the perspective of intelligent peer assessment. It is found that after the intervention of intelligent peer assessment， learners' cognitive level is significantly improved， and they have more positive emotional experience on the whole. At the same time， more in-depth engagement of learning behaviors is activated， which effectively promotes learners' deep learning. On this basis， the development path of intelligent peer assessment to promote deep learning is proposed. The research results have an important theoretical contribution to the study of realizing deep learning， and provide a reference for strengthening the sustainable and high-quality development of deep learning.

[Keywords] Intelligent Peer Assessment; Deep Learning; Intervention Mechanism; Collaborative Interaction