《表1 浅层学习与深度学习比较(叶修,2018)》
面对纷繁复杂的信息和高强度的认知负荷,如何保持独立思考成为必须直面的研究议题,深度学习已经成为人工智能时代的新诉求。关于深度学习,不同领域有着不同的定义。从人工智能的视角来看,深度学习是机器学习的分支,它植根于数学、计算机科学和神经科学,通过深度学习算法从大数据中寻找特征、发现规律、总结模型,从而产生智能。从认知科学的视角来看,深度学习是相对于浅层学习的一种全新的学习方式(Marton et al.,1976),两者的比较如表1所示。Marton等学者认为,浅层学习是以机械记忆重复信息为导向,而深度学习则是以理解为导向(Marton et al.,1976)。而学习的本质也正是“理解”。因此,从理解性学习的视角来看,深度学习意味着对新观点进行批判性分析,通过连接头脑中原有概念和原则达到理解的目的,进而能在新环境中解决未知问题(Houghton,2004)。概而言之,深度学习在本质上是一种问题牵引,即以理解为导向、以理解深度为表征的学习,旨在追求对学生高阶思维能力的培养。
图表编号 | XD00174934600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 陈明选、来智玲 |
绘制单位 | 江南大学教育信息化研究中心 |
更多格式 | 高清、无水印(增值服务) |