促進深度學習的社會性支持服務研究：一種多層次漸進表征與聚合模型

摘要：深度學習與社會性學習緊密關聯，社會性支持機制的缺失是制約深度學習發展的重要因素。有效開展深度學習需要對社會性支持服務樣態進行系統審思與構建。該研究聚焦學習的社會性本質，從學習者、知識、學習過程三個維度深入闡釋社會性支持的關鍵需求，在此基礎上構建了以社會知識網絡為載體的社會性支持多層次漸進表征與聚合模型。該模型涵蓋“社會性特征的可感知”“社會性知識的可獲取”“社會性活動的可參與”“社會性知識的可分享”“社會性關系的可發展”“社會性群體的可加入”“社會性知識的可建構”七個核心要素，面向深度學習的發展過程形成了一個動態化、遞進式的支持框架。在此模型的指導下，設計開發了社會知識網絡工具SKN，通過結構化地聚合和組織多維社會性節點，為深度學習的信息輸入、活動參與、知識創生三個關鍵階段提供適應性的社會性支持服務，為優化深度學習的社會性支持機制提供了理論依據和實踐參考。

關鍵詞：深度學習；社會性支持；社會知識網絡；學習支持服務；模型構建

中圖分類號：G434 文獻標識碼：A

* 本文系國家語委“十四五”科研規劃2024年度部級重大項目“數智化背景下的語文教育創新發展研究”（項目編號：ZDA145-20）階段性研究成果。

① 余勝泉為本文通訊作者。

一、引言

在教育理念發展與信息環境優化的雙重驅動下，在線學習已突破了學習者與內容間的簡單互動模式，演化為在線學習空間中多形態內容集與多來源用戶集基于復雜網絡和動態連接的社會性共享共創[1]。社會性作為深度學習的基本原則[2]，其缺失將顯著制約知識的社會性流動和生產過程，剝奪思維深層碰撞整合的機會。進而，將導致學習主體間的社會脫節、情感隔離和認知封閉，不利于個體的平等參與、深度加工和高層次集體智慧成果的創新涌現，成為制約在線學習深度發展的重要因素[3]。有效的在線深度學習需要承載學習的社會性需求：其一，使得知識順利通過社會性連接流向學習者，進一步融入個體內部認知網絡；其二，在社會性互動中促進個體知識向群體知識空間內的集聚轉化和社會性知識的建構生成。面向學習的社會性需求提供支持服務是推動深度學習發展的必要保障，其中社會性學習支持的表征和聚合模型的構建是關鍵切入點和著力點。

有效開展深度學習需要有智慧學習環境與先進學習工具的支持[4]。社會知識網絡是新型知識建構形態“連接式建構”的關鍵載體[5]，通過將學習者和知識構建為在線學習空間內可聯通的動態節點網絡，來突破傳統知識組織的邊界局限并加速知識的流動擴散。社會知識網絡實現了社會性連接的廣度拓展與深度延伸，可推動在線學習形態從傳統意義上的單一個體的淺層學習走向智能時代的社會群體間的深度連接式學習。本研究旨在探究一種新型的深度學習社會性支持的理論框架和應用樣態，通過揭示促進知識社會性流動和生產的特征及模式，闡釋關鍵社會性支持要素，形成面向深度學習過程的社會性支持多層次漸進表征和聚合模型。基于此模型，設計與開發基于社會知識網絡的應用，以有效彌合學習者的社會性需求和現有支持服務的鴻溝，促進學習者的深層次參與和多主體互動，以期為深度學習研究提供新的理論依據和實踐參考。

二、深度學習概述

（一）深度學習的理論內涵

深度學習（Deep Learning）概念的溯源可追至1976年費倫斯·馬頓（Ferrence Marto） 和羅杰·賽爾喬（Roger S lj ）的開創性研究。他們首次將學習區分為“深度學習”（Deep Learning）和“淺層學習”（Surface Learning）兩個相對樣態，認為深度學習超越了符號知識的機械記憶，而是通過主動參與和批判性思考獲得對學習內容的超越性理解[6]。

隨后，“深度學習”的內涵呈現出多維度的發展視角。何克抗教授基于布魯姆的認知目標分類，將知識的應用、分析、評價及創造歸類為較高級別的深層認知，認為深度學習即達到高級深層認知能力尤其是創造能力的培養目標[7]。鐘啟泉教授強調了深度學習的主體性、對話性和協同性特征[8]。黎加厚教授分析了深度學習中批判性吸收、認知結構重組和知識遷移的核心要素[9]。埃里克·詹森（Eric Jensen）和萊恩·尼克爾森（LeAnn Nickelsen） 將深度學習的基本特征概括為高階思維、深度加工、深刻理解、主動建構和問題解決五個方面[10]。美國研究院（American Institutes for Research）構建了包含核心學科知識、批判性思維等六個維度的理論框架[11]。美國國家研究委員會（National Research Council）則進一步將深度學習指向三大領域能力的發展， 既涵蓋認知領域的掌握核心學科知識、批判性思維和復雜問題解決，也包含人際領域的學會團隊協作、 有效溝通以及個體領域的學會學習、學習毅力[12]。

在對深度學習的理解上，學界普遍將其視為淺層學習的層次深化和意義升華。與淺層學習的被動接受、簡單理解和機械記憶相比較，深度學習更強調對知識的批判接受、深度加工、聯結重構與遷移應用，注重學生在學習過程中的主動投入、多元互動、積極反思和全面體驗，以實現深層意義建構、多維能力發展和高階思維培養。

（二）深度學習的發生過程

深度學習的過程機制是領域研究的核心議題，學者從不同視角構建了深度學習的階段性發展模型：余勝泉等[13]提出的雙螺旋模型強調知識網絡與人際網絡的交互式上升，將深度學習劃分為知識接受學習、互動參與學習和內容創生學習三個階段；馬云飛等[14]構建了包含信息輸入、深度加工、學習生成的三階段模型；杜巖巖等[15]提出了“激活與觸發——探究與整合——創生與共享”的發展機制；胡航等[16]基于圖示理論，將深度學習概括為內化、調和、歸納和遷移四個階段；劉智明等[17]從知識領域和學習者層次兩個維度進行考察，構建了從新手到專家的四階段發展過程。

以上模型雖然側重點有所不同，但均揭示了深度學習過程的持續性、遞進性和螺旋上升特征，對深度學習支持服務提出了重要啟示：靜態、普適性的社會性支持無法滿足深度學習過程中學習者動態演變的需求，必須建立與學習階段相適應的社會性支持機制。基于既有研究，本研究提出“信息輸入——活動參與——知識創生”的三階段框架，強調社會性支持要素在不同階段差異化的表征和應用形態，以期實現對學習者認知發展需求的動態適應和精準契合。

（三）深度學習的支持工具

在線學習情境中技術工具的有效整合為深度學習創設了關鍵優勢。基于“學習就是建立網絡的過程”[18]的理論視角，可從網絡聯通的角度將學習支持歸納為“社會網絡”和“知識網絡”兩種基本形態：前者聚焦于構建和維持學習主體間相對穩定的互動關系網絡。通過實時對話工具、開放性討論平臺等技術手段，支持個體間及群體內外的多維互動與協作。后者則聚焦于知識節點間的語義關聯，通過概念圖、語義網絡等可視化工具展現課程主題的結構化關系，借助認知地圖等手段實現對學習者認知狀態的診斷，促進知識獲取與認知結構的呈現。

然而，深度學習過程中社交與認知的高度耦合性揭示了傳統的單一網絡支持模式的內在局限。“社會網絡”支持易局限于表層社交互動，難以觸及深層次的認知加工過程，偏離深度學習的本質要求；而“知識網絡”支持忽視學習的情感維度，可能因缺乏持續的學習動力和興趣而制約深度學習的長效發展。這一矛盾表明，有效的深度學習需要社會網絡與知識網絡的有機結合，構建涵蓋人際與認知層面的雙重支持機制。

社會知識網絡 （Social Knowledge Network，簡稱SKN） 作為知識網絡與社會網絡結構性融合的新型網絡形態，其本質是基于知識的社會性分享、協作、貢獻和創造而形成社會化網絡[19]。社會知識網絡的獨特優勢在于將“人”和“知識”作為雙重連接通道，以實現社交互動與認知發展的深度融合，從而超越傳統單一網絡形態的局限。社會知識網絡的結構特征賦予其多重功能屬性，使其具備成為深度學習社會性支持的聚合性工具的潛力。然而，當前研究較少從社會知識網絡的視角探討深度學習支持機制，存在明顯的理論空白。

基于此，本研究試圖在深入剖析深度學習的社會性支持要素基礎上，構建面向學習過程的多層次社會性支持表征體系，并最終基于社會知識網絡實現設計開發。

三、促進深度學習的社會性支持多層次表征與聚合模型

（一）學習的社會性

社會學習理論強調社會環境對個體學習發展的重要意義，指出學習活動同時具備“個體性”和“社會性”雙重屬性：學習既是個體內部的獨立思維過程，又是鑲嵌于特定社會文化情境中的互動實踐；既是個體認知建構的過程，又是群體協作與知識共享的過程； 其產出不僅促進個體發展，也會作為整個社會群體的公共知識而反向貢獻[20]。

隨著學習的雙重屬性的闡明，深度學習的理論內涵獲得了新的理解視角。深度學習一方面是基于學習者個性特征和需求的個體化學習，另一方面又是根植于社會互動和協同建構的社會化學習，其社會性在三個維度上映射：（1）主體維度：作為深度學習核心主體的學習者兼具個體性和社會性[21]；（2）知識維度：深度學習具有建構主義取向，強調群體知識建構的思想，體現了知識的社會性[22]；（3）過程維度：社會性互動是深度學習的關鍵促進因素[23]，個體的深度學習本質上是其社會認知網絡深度聯通的過程[24]。在線學習情境中，深度學習是在學習共同體的持續互動中實現動態知識建構與創生的過程[25]。

鑒于深度學習在主體、知識與過程維度均展現出鮮明的社會性屬性，本研究從“學習者的社會性”“知識的社會性”“學習過程的社會性”三個層面進行系統剖析，為構建促進深度學習的社會性支持多層次表征模型提供學理依據。

1.學習者的社會性

“學習者的社會性”是相對于其作為個體的自然屬性而言的，是人作為一種社會存在物在“學習”這種人類生存與發展的最基本的實踐活動中所催生的社會屬性，表現為各種社會關系[26]。學習者社會層面的多元構成及內在異質性不僅催生了個體間的對話互動等社會性行為，更促進群體內多維創新觀點的產生。人際關系和衍生的信任機制、情感聯結、身份認同等社會心理要素會對個體的行為產生深遠影響，“強關系”意味著內隱的認同和潛在的偏好，“弱關系”也會促使學習者充分發揮能動性來維系和發展新的關系。

由此可見，學習者的社會性主要體現在“社會性特征”和“社會性關系”：前者關于學習者的社會身份、教育背景等個體特質，后者則指向復雜的人際關聯，兩者共同構建了深度學習發展的社會性基礎。

2.知識的社會性

分布式認知理論突破了傳統認知觀的局限，將認知重新定位為一種具有社會性與情境性的動態過程。在此理論框架下，認知不局限于個體的內部思維，知識呈現出超越個體邊界的去中心化特質，遍布于個體、個體之間、社會群體，情境文化和技術媒介[27]。聯通主義進一步拓展了這一視角，強調知識存在于多元觀點和物化學習內容之中[28]。

知識建構理論反對“知識作為客觀的現實存在、具體的靜態實體”的觀點，重新詮釋為“知識是在社會化網絡中的不同個體、群體在互動中逐步生成和發展的”[29]：來自不同個體的觀點匯聚后發現彼此思想中不一致的部分，通過圍繞意見沖突展開辯論來實現意義澄清，進而形成理解上的共享，在此基礎上進行深入的觀點交流，最后達成小組共識，經由形式化和客體化后產生新的人工制品[30]。后現代主義知識觀主張摒棄中心化的知識體系，拒絕將某種知識視為絕對和普遍的真理，提倡境域性和異質性，認為知識不可能脫離于“人”而存在，在為認知主體所內化和建構后才獲得意義[31]。

以上理論形成強烈呼應，并在 “知識的社會性” 這一核心思想上達成共識：知識具備去權威性、去中心性、開放性、生成性和共享性，是社會協商的產物，是個體和群體在特定社會情境中通過互動、中介與轉化而建構的一個完整的、發展的實體。據此，知識的社會性體現在其“社會性分布”“社會性傳播”和“社會性建構”。知識的社會性對社會性支持服務提出了雙重要求：一方面需要加速知識在廣域社會空間中的流動與共享，另一方面要深化對群體交互中知識建構生成過程的支持。

3.學習過程的社會性

列夫·維果斯基（Lev Vygotsky） 提出的社會建構主義理論深刻闡釋了學習過程的社會性本質，將學習界定為“學習者基于一定的社會文化情境在與學習環境的互動中自我建構的過程”，強調“互動”是學習者形成認知的基礎，重視“社會互動”對于人類思維發展尤其是高級思維技能發展的作用。社會建構主義理論認為只有當學習者和周圍環境中的他人進行互動時，學習才真正發生——“兒童的認知發展有兩個層面：首先是在社會層面，其次是在個人層面；首先是在人與人之間，然后是在兒童內部”[32]。這一理論視角突破了傳統認知主義的局限，為理解學習過程的社會屬性提供了基礎框架。

格里·斯塔爾（Gerry Stahl） 的協同知識建構過程模型進一步拓展了對學習過程的社會性屬性的認識深度。在此模型中，學習者被視為社區中的一員而不是孤立的個體，通過圍繞觀點的交互促進知識的形成、個體認知的發展和群體智慧化成果的創造和生成[33]。

吉恩·萊夫（Jeau Lave）和艾蒂納·溫格（Etienne Wenger）提出的情境學習理論將學習概念化為“對社區實踐的積極社會參與”，學習者在具體的社會情境中通過參與真實的社會實踐活動、與他人互動來獲得知識和技能，并在此過程中實現從邊緣參與者到核心成員的身份轉變，完成價值觀和個人意義的多維塑造和建構[34]。

此外，學者提出了多元的理論詮釋：或重視互動對話與集體反思的內在價值，將社會性學習界定為 “不同學習者之間互動和對話、并進一步進行集體性的自我反思的過程”[35]。或聚焦個體對群體發展的影響，認為學習是“通過學習者個體在社會情境中的學習和交互來促進群體學習的過程”[36]。

上述理論和認識均強調學習過程中“社會性群體”和“社會性互動”的重要性：學習在特定的社會情境中進行，學習者通過融入群體并參與互動來發展認知、建構意義、塑造自我。學習不是個體的單獨行動，個體無法脫離社會性群體和社會性活動來實現完整而圓滿的學習。因而，可以認為學習過程的社會性體現在“學習群體的社會性互動”和“學習活動的社會性參與”，社會性學習支持服務應支持學習者加入其所認同的群體之中并進行動態性、連續性、深入的社會性互動。

總結來看，學習的社會性體現在七個層面，對應了七個支持要素，如圖1所示。

（二）模型構建與要素解釋

本研究借鑒了雙螺旋深度學習模型和連接式知識建構模型的思想內核，構建了以社會知識網絡為載體的深度學習社會性支持多層次漸進表征與聚合模型，如下頁圖2所示。該模型基于七個核心支持要素，圍繞深度學習的不同發展階段，形成社會性支持要素的多層次漸進表征體系，并通過社會知識網絡實現要素的動態聚合。

“信息輸入”階段指向“知識接受”和“交互聯結”，學習者通過與學習資源交互而建立連接，獲取對個人認知發展有意義的信息，同時對環境中的他人形成初始印象。此階段的核心社會性支持要素為“社會性特征的可感知”和“社會性知識的可獲取”。

“活動參與”階段關注“知識內化”和“社交聯結”，學習者參與社會性學習活動并拓寬社交范圍，與不同觀點的學習者產生關聯并在知識共享中連接到不同層次的知識，在與他人交流的過程中發展起穩定的社會關系。此階段的核心社會性支持要素為“社會性活動的可參與” “社會性知識的可分享”和“社會性關系的可發展”。

“知識創生”階段側重“知識貢獻”和“認知聯結”，學習者加入群體并在群體的交流中充分吸收他人的智慧，加深自身對知識的理解，并主動為集體智慧的創造性生成和整體社會知識空間的革新做出貢獻。此階段的核心社會性支持要素為“社會體群體的可加入”和“社會性知識的可建構”。

下面將對模型的核心要素進行詳細闡述，揭示其作為社會性支持的基本內涵。

1.社會性特征的可感知

學習者的社交、行為、認知方面的特征可以增進學習者之間的理解和互識，有助于學習過程中觀點的發生和演進、關系的建立和維持[37]。學習者通過對自己和他人的學習過程的觀察和反思來發現榜樣并獲得有效參考，引發積極投入和平等參與。這一要素的內涵是體現出學習者多元性、異質性、鮮明化的個體學習特征，以形成對他者的印象，并深化自我認識。學習者可感知與其共處于同一學習場域的其他主體的真實存在，了解其身份、偏好以及在群體互動中形成的角色與聲譽。從而，學習者得以識別關鍵社交樞紐，增強對學習環境社會性層面的感知，并獲得對學習社區的認同感與歸屬感。

2.社會性知識的可獲取

社會性學習視角下，知識的內涵超越原有認識，從“知道是什么”擴展到“知道在哪里”“知道怎么做”等[38]。知識涵蓋內容單元、觀點、解決方案、人工制品和各種知識聚合而成的整體，并以音視頻、文本、圖像等為載體[39]，構成一張復雜細密的三維立體網絡。深度學習中知識的分布呈現出廣泛性和多樣性，對知識的連接和獲取方式提出了要求。這一要素的內涵體現在兩方面：其一是延展知識的關聯管道，使得學習者可以通過特定的“人”和“知識”觸及網絡中分散的多來源和多形態“知識”，實現“人—知識”的新連接；其二是突破知識的邊界桎梏，幫助學習者可以直達知識本身。高效、無阻的知識獲取機制可以促進知識在社會性空間內的流動和擴散，為既有知識的激活、新知識的深層加工以及新舊知識的關聯整合與內化創造基礎。

3.社會性活動的可參與

人際領域的對話和溝通是促進深度學習的必要條件，多維多向的社會性互動能為學習提供及時且有意義的反饋，促進深度學習的發生[40]。“學習者通過社會網絡中的社會互動，成為更廣泛的社會團體的一部分”[41]。學習者在參與社會性活動中逐漸發展知識和技能，從“邊緣性參與”向“核心參與”轉化和過渡。伴隨交互范圍的擴大，學習者的社會連接向外延伸，學習的廣度和深度得以拓展，為后續的知識共享、關系發展和群體協作奠定基礎。這一要素的內涵是創設激發學習興趣與參與動機的情境，引導學習者參與內容學習、主題討論和協同創作等多樣化的社會性活動，幫助學習者完成向學習共同體核心成員的身份轉換。

4.社會性知識的可分享

自發性的知識分享是知識流動和交換的加速器。在個體主動貢獻其知識積累后，經過多元主體的質疑、補充與改進，得以突破個體認知而實現知識的更新和進化。從更廣闊的視角來看，這一過程超越了傳統的單向傳遞模式，呈現出多維群體交換的特征。不僅是一個知識主體向另一主體的“轉移”，也是一種知識向另一種知識的“轉化”。這一要素的內涵是支持學習者將內容單元、觀點、人工制品等多形態的知識分享至個體與社區之中，以實現更大范圍的知識擴散，促成知識主體層面“個人—群體—個體”的變遷和知識形態層面“隱性—顯性—隱性”的演進。

5.社會性關系的可發展

社會性關系作為學習者和其他社會性元素的連接紐帶，是深度學習的重要組成。關系網絡通過多元參與和持續互動得以形成和分化，既包含規則化的顯性人際關系如“好友關系”，也涵蓋在社會性交互中自然衍生的隱性人際關系。這一要素的內涵體現在學習者多維社會性關系的系統呈現和連接上。一方面，呈現學習者與他人、活動和內容的復雜關聯，為深層對話互動鋪墊。另一方面，賦予學習者通過主動努力實現關系建立和發展的機會——“由無到有、由淺入深”，以催生超越在線課程范疇、更為長久穩定的社交關系。

6.社會性群體的可加入

隨著學習者社會性交互范圍的延伸，其互動對象更為多元，形式更為開放，基于共同特質自發聚集而形成結構穩定、特征鮮明的社會性群體，并形成清晰的邊界。在共同的價值觀引導下，群體成員通過持續互動構建明確的集體意識和規范，形成一致的協作和溝通模式。群體之中具有較高聲譽的核心參與者作為“榜樣”角色，可以引領群體發展方向。群體內外的良性競爭能發揮社會比較作用，激勵學習者調節學習進程并保持高度投入。而群體成員從群體互動獲得的社會支持是提高歸屬感和認同感的重要因素。這一要素的內涵在于支持學習者關注并融入由個體聚集形成的彼此認同、相互信任、頻繁互動的“社會性群體”。從而，作為成員從群體中獲得社交、認知、情感等多方面的支持，也用個人智慧為群體發展做出貢獻，達成“群體互惠”。

7.社會性知識的可建構

“知識”體現出進化性[42]。隨著學習者的獲取、參與和共享，知識通過拆分組合、流通匯聚、擴展更新得以優化和豐富，知識網絡呈現出節點多元化、結構緊密化的特征。最終，促成更高層次知識的涌現，推動個體和集體知識的發展。這一要素的內涵體現在兩個方面：其一是對知識建構過程的支持，促進多元知識的生成與發展；其二是對知識建構結果的承載，通過連接并匯聚個體知識、群體核心觀點和關鍵思想等有價值的公共知識，以及學習群體的人工制品等階段性知識成果，為社會知識的深度演化和個體認知網絡的優化重建提供支撐。

四、基于社會知識網絡的社會性支持表征與聚合模型應用

基于上述社會性學習表征和聚合模型，在學習元平臺（www.etc.edu.cn） 開發并實現了面向深度學習過程的社會知識網絡支持工具（Social Knowledge Network，SKN）。針對深度學習的三個階段，SKN呈現“輸入態”“參與態”與“創生態”三種形態，以適應不同階段的學習和交互需求。

（一）“信息輸入”階段：無縫感知與無阻獲取

“信息輸入”階段指向“知識接受”和“交互聯結”，核心社會性支持要素為“社會性特征的可感知”和“社會性知識的可獲取”。“輸入態”SKN的設計如圖3所示：學習者按照參與深度分布在“收藏”“學習”“協作”“創作”四個圈層之中，通過圈層顏色的漸進變化來反映深度差異，并通過學習者節點大小直觀呈現其整體參與情況。當用戶將光標懸停在學習者的頭像上時，會觸發下一層級的功能選項。在“用戶信息”功能界面中，右側區域可視化呈現了社會身份和社會聲譽等方面的特征，支持學習者以此為依據進行社會互動，如瀏覽領域專家的作品、尋找潛在協作同伴等。

知識獲取方面，“輸入態”SKN支持用戶通過點擊“內容單元”導航至相應內容。“用戶信息”界面的左側呈現個人知識網絡，學習者能夠建立與課程外內容的關聯，實現知識的拓展和補充。

（二）“活動參與”階段：自發參與與主動連接

“活動參與”階段關注“知識內化”和“社交聯結”，核心社會性支持要素為“社會性活動的可參與”“社會性知識的可分享”和“社會性關系的可發展”。“參與態”SKN的設計如圖4所示：基于“討論交流”活動生成“活動圈”，每個活動圈以討論主題為中心節點，參與者根據其互動深度分布在邊緣參與、積極參與、核心參與三個區域中，這種可視化設計使學習者能夠快速識別高熱度話題和活躍用戶，以激發參與動機和互動深度。

“參與態”SKN支持學習者通過點擊活動圈直接進入相應的討論活動空間，實現觀點發表、互動回復等深入參與。當面臨觀點沖突或需要進一步闡釋時，學習者可以分享其創作、協作和收藏的內容，以闡明自身觀點來源和依據，引發群體深度思考。在關系構建方面，既支持基于共同活動參與的“交流關系”的自然形成，也允許學習者主動發起“好友申請”來建立顯性社交連接。

（三）“知識創生”階段：群體形成和知識生成

“知識創生”階段側重“知識貢獻”和“認知聯結”，核心社會性支持要素為 “社會性群體的可加入”和“社會性知識的可建構”。“創生態”SKN的設計如圖5所示：協作預備階段，以當前學習者為中心節點構建網絡，將其他個體根據“情感型”“認知型”“反思型”三種學習角色進行分類，并將“深層關聯”“淺層關聯”“無關聯”三種關系進行可視化呈現。學習者可以查看了解他人的參與度、學習風格，識別潛在協作伙伴并發起邀請，促進群體的自然形成。協作開展階段，“共建作品”成為網絡中心，協作成員通過“推薦知識”和“提出觀點”與之建立連接。

“創生態”SKN是社會知識建構過程的再現和建構結果的表達，也是多維知識的載體：其一，主題相關優質資源得以匯聚并與全體成員產生連接；其二，在個體觀點深度碰撞中發現認知沖突并逐漸達成群體共識，通過觀點協商和梳理實現認知整合；其三，集體知識通過新的人工制品的形式進行結構化的表達，為社會知識空間共享。

五、深度學習的社會性學習支持服務展望

（一）服務供給智能化

基于自然語言處理、認知診斷、情感分析、多模態等技術，可以打造智能化的深度學習分析和支持引擎，以智能技術賦能深度學習的社會性支持服務。通過采集多模態的學習過程數據，對學生的深度學習過程中的認知、思維、情感、能力等維度進行精準建模，全景式刻畫和勾勒學生的深度學習發展軌跡和成長路徑，以此識別其核心社會性支持需求。

人工智能、感知計算、自適應系統的深度整合，會催生具有情境感知、動態聚合、實時計算特征的社會性學習支持服務新范式。基于特定情境和學習階段，對學習資源、學習者、學習活動、學習群體進行智能化地組合推薦和關聯組織，并通過智能代理和虛擬學習助手提供伴隨式、個性化的社會性支持服務。

（二）服務形態創新化

社會知識網絡作為一種結構性整合的新形態，其可組合性、可分解性和可擴展性蘊含了巨大的創新潛能。教育大模型與社會知識網絡的深度融合，會催生一種具有革新性的社會性支持服務生態。基于大模型的智能代理作為社會知識網絡中的一種特殊節點，通過模擬學習者的多維社會性特征并參與到在線學習活動之中，實現與真實學習者的社會性互動，提供知識供給、個性反饋和情感支持等多層次服務，從而彌補特定學習角色的缺位，優化整體學習體驗。

智能代理在在線學習情境中可以呈現出多重角色：其一，作為“元認知協調者”，承擔協作過程的監控、調節與評估職能，通過對互動模式和行為表現的系統分析，識別團隊成員的能力圖譜，實現任務分配的最優化，并在目標設定、進度追蹤和反思評價等方面提供元認知支持；其二，作為“認知啟發者”，通過設置認知沖突和提供多元視角，激發學習者的探究動機和深層思維；其三，作為“情感鼓勵者”，通過積極的反饋機制和社會情感支持，培育包括同理心、協作能力和責任意識在內的社會情感素養，幫助維系和建立積極的人際關系和社會聯系。

更為關鍵的是，智能代理節點具有強大的網絡聯通功能，能夠進一步延展社會知識網絡的連接機制，打通不同圈層的學習主體和知識間的認知通路。這種動態的、高互動性的網絡結構，不僅滿足了學習者多維度的知識獲取和社會交往需求，更實現了知識流動的加速和交換效率的提升，以形成一個自組織、自進化的在線深度學習生態系統。

（三）服務場景未來化

生成式人工智能的顛覆性變革正在重構教育教學的基本形態，引發人類學習方式、知識生產與傳播機制、知識承載和供給形態的系統性革新，并促使我們重新審視知識的本體論和認知論內涵。“認知外包”作為一種新興的認知范式，通過整合人類與智能系統的各自優勢來實現對單一主體認知局限的突破，建構了一種分布式智能的協同認知模式[43]。在基于“認知外包”的深度學習場景中，學習的社會性維度被進一步拓展和深化，呈現出新的特征。

面對智能時代的教育新語境，深度學習的社會性支持服務需要構建具有前瞻性視野和遠景性目標的理論框架和實踐路徑。這要求在以下維度展開深入探索：首先，如何建構人機社會性感知機制，實現主體間的深度理解和情境共享；其次，如何設計人機社會性互動機制，促進有效對話和雙向增益；最后，如何實現人機社會性協作機制，保障人類主體性的同時推動人機協同智慧的有效轉化與創新生成。以上議題既涉及技術層面的實踐創新，更觸及社會性學習和深度學習的本質機理，值得進一步地思索和探尋。

參考文獻：

[1] 翟雪松，楚肖燕，顧建民等.從知識共享到知識共創：教育元宇宙的去中心化知識觀[J].華東師范大學學報（教育科學版），2023，41（11）：27-37.

[2][40] 卜彩麗，胡富珍等.為深度學習而教：優質教學的內涵、框架與策略[J].現代教育技術，2021，31（7）：21-29.

[3] 江毓君，白雪梅等.在線學習體驗影響因素結構關系探析[J].現代遠距離教育，2019，（1）：27-36.

[4][7] 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.

[5][42] 萬海鵬，余勝泉等.連接式建構：知識建構研究的新取向[J].電化教育研究，2021，（10），12-18+24.

[6] Marton F，S lj R.On qualitative differences in learning：I-Outcome and process [J].British journal of educational psychology，1976，46（1）：4-11.

[8] 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.

[9] 何玲，黎加厚.促進學生深度學習[J].現代教學，2005，（5）：29-30.

[10] Jensen E，Nickelsen L A.Deeper learning：7 powerful strategies for indepth and longer-lasting learning [M].Thousand Oaks，California：Corwin Press，2008.

[11] The William and Flora Hewlett Foundation.Deeper Learning Strategic Plan Summary Education Program [DB/OL].https：//www.hewlett.org/wpcontent/uploads/2016/09/Education_Deeper_Learning_Strategy.pdf，2024-03-20.

[12] National Research Council.Education for life and work：Developing transferable knowledge and skills in the 21st century [M].Washington，DC：National Academies Press，2012.

[13] 余勝泉，段金菊等.基于學習元的雙螺旋深度學習模型[J].現代遠程教育研究，2017，（6）：37-47+56.

[14] 馬云飛，鄭旭東等.深度學習的發生機制與多模態數據測評研究[J].遠程教育雜志，2022，40（1）：50-60.

[15][25] 杜巖巖，黃慶雙.在線深度學習的發生機理與促進策略[J].中國高教研究，2020，（6）：58-63.

[16] 胡航，董玉琦.深度學習數字化資源表征方法與開發模式[J].中國遠程教育，2017，（12）：5-11+20+79.

[17][24] 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.

[18][28] Siemens， G.Connectivism：A learning theory for the digital age [DB/OL].https：// citeseerx.ist.psu.edu/document doi=f87c61b964e32786e06c969fd24f5a7d 9426f3b4，2024-03-01.

[19] 段金菊，余勝泉.基于社會性知識網絡的學習模型構建[J].現代遠程教育研究，2016，（4）：91-102.

[20] 桑新民.學習究竟是什么 ——多學科視野中的學習研究論綱[J].開放教育研究，2005，（1）：8-17.

[21] 許鋒華，余樂.深度學習的教育學研究：緣起、內涵與展望[J].廣西師范大學學報（哲學社會科學版），2022，58（5）：147-156.

[22] Fullan M，Langworthy M.A rich seam：How new pedagogies find deep learning [M].London：Pearson，2014.

[23] 宋佳，馮吉兵等.在線教學中師生交互對深度學習的影響研究[J].中國電化教育，2020，（11）：60-66.

[26] 吳剛，黃健.社會性學習理論淵源及發展的研究綜述[J].遠程教育雜志，2018，（5）：69-80.

[27] 劉俊生，余勝泉.分布式認知研究述評[J].遠程教育雜志，2012，30（1）：92-97.

[29] Stahl G.Group cognition：Computer support for building collaborative knowledge（acting with technology） [M].Cambridge，MA：The MIT Press，2006.

[30][33] Stahl G.A model of collaborative knowledge-building [A]. Fourth International Conference of the Learning Sciences [C]. Mahwah，NJ：Erlbaum，2000.70-77.

[31] 衷克定.從后現代主義知識觀視域再認識教學結構的變革[J].中國電化教育，2011，（12）：8-13.

[32] Vygotsky L S.Mind in society：The development of higher psychological processes [M].Cambridge，MA：Harvard university press，1980.

[34] Lave J，Wenger E.Situated learning：Legitimate peripheral participation [M]. Cambridge：Cambridge university press，1991.

[35] Fernandez-Gimenez M E，Ballard H L，Sturtevant V E.Adaptive management and social learning in collaborative and community-based monitoring：a study of five community-based forestry organizations in the western USA [DB/OL].https：//www.jstor.org/stable/26267955，2024-03-10.

[36] Blackmore C.Managing systemic change：future roles for social learning systems and communities of practice [M].London：Springer London，2010.

[37] 王靖，鄧雯心.協作知識建構中促進互動的群體感知信息設計[J].電化教育研究，2022，43（12）：93-100.

[38] Siemens G.Knowing Knowledge [M].Morrisville，North Carolina：LuLu press，2006.

[39] 陳麗，逯行等.“互聯網+教育”的知識觀：知識回歸與知識進化[J].中國遠程教育，2019，（7）：10-18+92.

[41] Reed M S，Evely A C，et al.What is social learning [DB/OL].https：//www. jstor.org/stable/26268235，2024-03-10.

[43] 余勝泉，汪凡淙.人工智能教育應用的認知外包陷阱及其跨越[J].電化教育研究，2023，44（12）：5-13.

作者簡介：

湯筱玙：在讀博士，研究方向為移動教育與泛在學習、人工智能教育應用。

王琦：副教授，博士，研究方向為信息技術與課程整合、學習資源服務、自適應學習。

余勝泉：教授，博士生導師，研究方向為人工智能教育應用、教育大數據、移動教育與泛在學習、區域性教育信息化。

Research on Social Support Services to Promote Deep Learning： A Multilevel Progressive Representation and Aggregation Model

Tang Xiaoyu1， Wang Qi2， Yu Shengquan3

1. School of Educational Technology， Beijing Normal University， Beijing 100875 2. Beijing Foreign Studies University， Artificial Intelligence and Human Languages Lab， Beijing 100089 3. Beijing Normal University， Advanced Innovation Center for Future Education， Beijing 100875

Abstract： Deep learning is closely related to social learning， and the absence of social support constitutes a significant constraint on the development of deep learning. The effective implementation of deep learning necessitates systematic reflection and construction of social support service modalities. This article focuses on the social nature of learning， thoroughly explicating the critical requirements for social support across three dimensions： learners， knowledge， and learning processes. Based on this foundation， establishing a multilevel progressive representation and aggregation model of social support， and utilizing social knowledge networks as the carrier. The model encompasses seven core elements： perceptibility of social characteristics， accessibility of social knowledge， participability of social activities， shareability of social knowledge， developability of social relationships， joinability of social groups and constructability of social knowledge. These elements form a dynamic， progressive support framework oriented toward the developmental process of deep learning. Guided by this model， the Social Knowledge Network（SKN） tool was designed and developed. Through structurally aggregating and organizing multidimensional social nodes， SKN provides adaptive social support services for three critical stages of deep learning： information input， activity participation， and knowledge generation. This article provides both theoretical foundations and practical references for optimizing social support mechanisms in deep learning.

Keywords： deep learning； social support； social knowledge network； learning support service； model construction

收稿日期：2024年3月31日

責任編輯：趙云建