国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

關(guān)于深度學(xué)習(xí)的誤解與澄清

2019-11-12 02:07李小濤吳新全王海文
電化教育研究 2019年10期
關(guān)鍵詞:認(rèn)識論深度學(xué)習(xí)人工智能

李小濤 陳 川 吳新全 王海文

[摘? ?要] 人工智能研究方興未艾,但其核心之一的深度學(xué)習(xí)卻被教育領(lǐng)域誤解、誤用。為解決人工智能時代深度學(xué)習(xí)混淆視聽的現(xiàn)狀,努力從計算機(jī)科學(xué)、教育學(xué)、心理學(xué)、認(rèn)識論哲學(xué)、邏輯學(xué)五個維度探討深度學(xué)習(xí),從深度學(xué)習(xí)的主體、世界權(quán)威期刊的討論、淺層學(xué)習(xí)、算法概念、認(rèn)識論哲學(xué)、認(rèn)知心理學(xué)、邏輯學(xué)等方面澄清對深度學(xué)習(xí)的誤解與誤用。教育領(lǐng)域亟須認(rèn)清這一現(xiàn)實:無論出于何種目的,計算機(jī)研究領(lǐng)域的深度學(xué)習(xí)絕不能混淆于教育領(lǐng)域的深度學(xué)習(xí),當(dāng)前對深度學(xué)習(xí)的誤解,把計算機(jī)研究領(lǐng)域“算法對未知輸出作出的預(yù)測”(機(jī)器領(lǐng)域的學(xué)習(xí))誤解為“人類的心理及行為的變化”(人類學(xué)習(xí))來進(jìn)行研究,嚴(yán)重違背科學(xué)求真求實的基本精神。為杜絕望文生義、混淆視聽,教育領(lǐng)域應(yīng)以深度認(rèn)知(思維結(jié)果)來區(qū)別于計算機(jī)領(lǐng)域的深度學(xué)習(xí)(算法結(jié)果)。在人工智能時代,對深度學(xué)習(xí)及時進(jìn)行澄清,有助于夯實理論基礎(chǔ),更好地服務(wù)于未來人工智能教育應(yīng)用研究。

[關(guān)鍵詞] 深度學(xué)習(xí); 人工智能; 認(rèn)識論; 深度認(rèn)知

[中圖分類號] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

一、問題的提出

隨著人工智能研究的再次興起,與人工智能(Artificial Intelligence,簡稱AI)技術(shù)相關(guān)的理論、技術(shù)、方法的研究也備受矚目,其中,深度學(xué)習(xí)(Deep Learning,簡稱DL)作為機(jī)器學(xué)習(xí)中的一種學(xué)習(xí)模型[1],是人工智能技術(shù)中新興的多層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[2],用于計算機(jī)研究領(lǐng)域?qū)?shù)據(jù)進(jìn)行表征。然而,深度學(xué)習(xí)又是教育研究領(lǐng)域的一種概念,并且該概念在計算機(jī)研究領(lǐng)域和教育研究領(lǐng)域存在認(rèn)識上的巨大分野,但在教育研究領(lǐng)域的深度學(xué)習(xí)至少具有22種不同的表述,存在“主觀認(rèn)同”的問題,更不具備說服力。為何關(guān)于深度學(xué)習(xí)的概念會在不同領(lǐng)域出現(xiàn)。而作為概念本身而言,是對事物本質(zhì)屬性的表征,為何深度學(xué)習(xí)概念表征著不同的屬性。關(guān)于計算機(jī)研究領(lǐng)域和教育研究領(lǐng)域的深度學(xué)習(xí)概念,是盲目引入的“望文生義”所致,還是概念間的混同與歧義[3]。在當(dāng)前教育研究領(lǐng)域中,如何避免這種誤解、誤用。細(xì)數(shù)各種疑問,對深度學(xué)習(xí)的誤解、誤用與澄清事實則成為關(guān)鍵。

二、深度學(xué)習(xí)何以誤解誤用

從深度學(xué)習(xí)的萌芽與背景、國際權(quán)威期刊《科學(xué)》上深度學(xué)習(xí)的概念、淺層學(xué)習(xí)的含義、計算機(jī)領(lǐng)域的深度學(xué)習(xí)(算法概念)、教育領(lǐng)域的深度學(xué)習(xí)概念、國內(nèi)外對深度學(xué)習(xí)的認(rèn)識等多方面討論深度學(xué)習(xí)。

(一)深度學(xué)習(xí)的主體是機(jī)器學(xué)習(xí),即研究關(guān)于機(jī)器學(xué)習(xí)中的深度學(xué)習(xí),并非人的深度學(xué)習(xí)

普遍認(rèn)為,最早的人工智能研究始于1956年[4],圖靈測試亦旨在證明計算機(jī)能夠具有智能[5],在此背景下,塞繆爾(Samuel)于1959年設(shè)計了象棋程序,該程序經(jīng)過改進(jìn)后實現(xiàn)具備學(xué)習(xí)的能力(實質(zhì)上是程序的數(shù)理邏輯映射),機(jī)器學(xué)習(xí)的萌芽就此產(chǎn)生,其中,機(jī)器學(xué)習(xí)(Machine Learning,簡稱ML)是指根據(jù)給定的訓(xùn)練樣本要求,對某系統(tǒng)輸入、輸出之間依賴關(guān)系的估計,使它能夠?qū)ξ粗敵鲎鞒霰M可能準(zhǔn)確的預(yù)測[6],但早期人工智能基于對程序設(shè)計的執(zhí)行,機(jī)器學(xué)習(xí)究竟結(jié)果(數(shù)理邏輯映射結(jié)果)如何?即計算機(jī)對輸入信息的訓(xùn)練結(jié)果如何,這一思維是深度學(xué)習(xí)產(chǎn)生的重要來源。20世紀(jì)80 年代,隨著計算機(jī)技術(shù)、程序設(shè)計的發(fā)展,受腦科學(xué)研究的啟發(fā),誕生了人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,簡稱ANN),用于模擬人腦對事物的思考方式[7],ANN的每一網(wǎng)絡(luò)節(jié)點都具備特定的函數(shù)Sigmoid,其功能是成為神經(jīng)元的激活函數(shù),神經(jīng)網(wǎng)絡(luò)能在大量訓(xùn)練樣本中發(fā)現(xiàn)(學(xué)習(xí))一定的統(tǒng)計規(guī)律,這一功能表明機(jī)器是可以“學(xué)習(xí)”的,對“學(xué)習(xí)結(jié)果”反饋的算法表征,被稱為人工神經(jīng)網(wǎng)絡(luò)反向傳播算法(Back Propagation,簡稱BP算法),但BP神經(jīng)網(wǎng)絡(luò)的實際使用中,收斂速度較慢、且易陷入局部收斂[8],收斂速度慢和局部收斂本質(zhì)上是受限于算法技術(shù)和網(wǎng)絡(luò)隱含層級的緣故,受到影響的“學(xué)習(xí)”(訓(xùn)練結(jié)果)被稱為淺層學(xué)習(xí)(Shallow learning),后期經(jīng)過發(fā)展后的多隱藏層的人工神經(jīng)網(wǎng)絡(luò)所表現(xiàn)的結(jié)果,則是深度學(xué)習(xí)。由此,深度學(xué)習(xí)是指“機(jī)器學(xué)習(xí)”(計算機(jī)研究領(lǐng)域)中關(guān)于“機(jī)器的深度學(xué)習(xí)”,且此時深度學(xué)習(xí)作為算法概念存在于計算機(jī)研究領(lǐng)域。

(二)國際權(quán)威期刊《科學(xué)》關(guān)于深度學(xué)習(xí)的文章,探討計算機(jī)領(lǐng)域的深度學(xué)習(xí)

2006年,《科學(xué)》刊發(fā)Reducing the dimensionality of data with neural networks(利用神經(jīng)網(wǎng)絡(luò)降低數(shù)據(jù)維度)一文,討論了淺層學(xué)習(xí)達(dá)到深度學(xué)習(xí)的方法,即利用多層初始化的方法,對數(shù)據(jù)難度進(jìn)行降維處理[9]。該研究提出了包含多個隱藏層人工神經(jīng)網(wǎng)絡(luò)和逐層初始化的辦法來進(jìn)行數(shù)據(jù)降維的處理方式。權(quán)威期刊探討深度學(xué)習(xí)的理論與實踐,具有主流性和代表性,其并非指教育領(lǐng)域的深度學(xué)習(xí),而在主流期刊正名,深度學(xué)習(xí)是計算機(jī)領(lǐng)域的概念。

(三)區(qū)別于深度學(xué)習(xí)的淺層學(xué)習(xí)(Shallow Learning)是針對訓(xùn)練結(jié)果的描述,教育領(lǐng)域的淺層學(xué)習(xí)(Surface Learning)值得質(zhì)疑

由于早期ANN對大量(通常為千億級)樣本的訓(xùn)練出現(xiàn)困難,相較于深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,簡稱DNN)所表現(xiàn)的結(jié)果,研究人員將支持向量機(jī)(Support Vector Machine,簡稱SVM)、最大熵方法(Maximum-Entropy Method,簡稱MEM)等訓(xùn)練的結(jié)果,視為機(jī)器學(xué)習(xí)的淺層學(xué)習(xí)?!犊茖W(xué)》雜志對深度學(xué)習(xí)的討論,是為解決ANN難以達(dá)到深層次訓(xùn)練的弊病,利用DNN訓(xùn)練,采用層級式訓(xùn)練(Layer Wise Pre-Training,簡稱LWPT)方式來降低難度,進(jìn)而達(dá)到深度學(xué)習(xí),而淺層學(xué)習(xí)就是ANN訓(xùn)練結(jié)果的描述。從歷史范疇下,淺層學(xué)習(xí)、深度學(xué)習(xí)提出的年限來看,計算機(jī)研究領(lǐng)域的深度學(xué)習(xí)更容易得到認(rèn)可,深度學(xué)習(xí)技術(shù)發(fā)展時序如圖1所示。

需要特別說明的是,1973年,人工智能研究第一次進(jìn)入研究瓶頸期,1976年,F(xiàn)erence Marton和Roger Saljo首次提出教育領(lǐng)域的深度學(xué)習(xí),并提出淺層學(xué)習(xí)(Surface Learning)[10],但Ference Marton(中文名馬飛龍)和Roger Saljo均為教育心理學(xué)家,從文章來看,F(xiàn)erence Marton、Roger Saljo僅從教育視域界定深度學(xué)習(xí),因而不排除其提出深度學(xué)習(xí)時對計算機(jī)領(lǐng)域研究的忽視,基于何種理論,采用何種標(biāo)準(zhǔn),教育領(lǐng)域淺層學(xué)習(xí)的判斷值得質(zhì)疑。

(四)作為教育領(lǐng)域的深度學(xué)習(xí),多主體對客體主觀認(rèn)識的不確定性,形成對客體本身不確定性的誤解,有違于唯物主義認(rèn)識論基本哲學(xué)觀深度學(xué)習(xí)這一概念被引入教育領(lǐng)域后,其含義發(fā)生了翻天覆地的變化,但教育領(lǐng)域的深度學(xué)習(xí)和計算機(jī)領(lǐng)域的深度學(xué)習(xí)相比,其說明性作用不大。筆者以中國知網(wǎng)作為基礎(chǔ)數(shù)據(jù)庫,以深度學(xué)習(xí)為關(guān)鍵詞進(jìn)行檢索,并將其中屬于教育學(xué)、教育技術(shù)學(xué)等領(lǐng)域的深度學(xué)習(xí)的概念列入下表,為使觀點具備代表性的原則,筆者羅列了2019年4月21日之前的CSSCI、北大核心、JST等數(shù)據(jù)庫收錄期刊所發(fā)表的具有代表性的期刊文章,國外期刊包含了SSCI期刊和高被引期刊,這些文章基本代表教育領(lǐng)域?qū)ι疃葘W(xué)習(xí)的基本觀點,見表1、表2。

從中外教育領(lǐng)域?qū)ι疃葘W(xué)習(xí)的概念界定來看,存在認(rèn)識不一、模棱兩可的現(xiàn)象,國內(nèi)教育界認(rèn)為深度學(xué)習(xí)是學(xué)習(xí)方式、方法、過程、狀態(tài)、發(fā)展高階思維、培養(yǎng)創(chuàng)新能力等,國外教育界認(rèn)為其為學(xué)習(xí)過程、方法、結(jié)果。中外教育領(lǐng)域?qū)ι疃葘W(xué)習(xí)沒有較為統(tǒng)一的界定,存在“主觀認(rèn)同”的唯心主義問題,其有違于唯物主義認(rèn)識論的基本哲學(xué)觀。認(rèn)識論哲學(xué)的基本觀點是認(rèn)識具備主體性和客觀性[21],而認(rèn)識的主體是從事實踐活動的人,認(rèn)識的對象(內(nèi)容)是客觀的,研究者把主體的主觀(就個體而言為個體對象的不確定性)混淆為客體的不確定性,而針對客體而言,例如:教室的“桌子”,不會因主體的改變而發(fā)生認(rèn)識上的改變。認(rèn)識論哲學(xué)有助于我們從基本哲學(xué)角度討論深度學(xué)習(xí)概念的問題,主體對客體主觀認(rèn)識的不確定性形成對客體本身不確定性的誤解。

(五)教育領(lǐng)域深度學(xué)習(xí)自身問題:過程難以實施、結(jié)果難以測量、結(jié)論難以支持

教育本身對深度學(xué)習(xí)界定的學(xué)理基礎(chǔ)(Why)、概念內(nèi)涵(What)、操作規(guī)程(How)等問題存在多方面的分歧,導(dǎo)致深度學(xué)習(xí)過程難以實施、結(jié)果難以測量、結(jié)論難以支持。對研究者而言,基于何種定義、實施何種實驗、采用何種標(biāo)準(zhǔn)仍是一項挑戰(zhàn),且由于“深度”體現(xiàn)在內(nèi)在思維、內(nèi)在認(rèn)知的深度上,并無特定外顯行為能夠證明其為深度學(xué)習(xí)所致,因而教育領(lǐng)域的定義不具備深度學(xué)習(xí)的支持性。

(六)不排除在引證國外概念時存在批判性態(tài)度的缺失,盲目求新、盲目崇外的功利主義影響

教育研究領(lǐng)域近年來存在很多學(xué)術(shù)熱點,如“微課熱”“慕課熱”“翻轉(zhuǎn)課堂熱”“創(chuàng)客教育熱”“STEAM熱”“智慧教育熱”“人工智能熱”等,在盲目求新、盲目崇外理念的誘導(dǎo)下,功利主義驅(qū)使論文數(shù)量逐年呈爆發(fā)式增長,以中國知網(wǎng)作為基礎(chǔ)數(shù)據(jù)庫,以社會科學(xué)Ⅱ輯(該輯包含所有教育領(lǐng)域,但不包含計算機(jī)研究領(lǐng)域文獻(xiàn))為基礎(chǔ),以深度學(xué)習(xí)為主題進(jìn)行2014年—2018年五年的檢索,2014年,教育領(lǐng)域的深度學(xué)習(xí)文獻(xiàn)量僅為88篇,這一數(shù)據(jù)在2018年增長至952篇,近五年這一數(shù)據(jù)相較上一年的增長比例為0%(2014年)、154.5%(2015年)、260.2%(2016年)、201.1%(2017年)、133.7%(2018年),且在檢索的2245篇期刊文獻(xiàn)中發(fā)現(xiàn),嚴(yán)格討論深度學(xué)習(xí),被知名數(shù)據(jù)庫收錄的文章總數(shù)僅為599篇,占比為26.68%,這一數(shù)據(jù)表明,超過70%的文章功利意味較濃,為發(fā)文而發(fā)文、為熱點而發(fā)文的現(xiàn)象普遍存在。

功利主義是制約學(xué)術(shù)發(fā)展的重要瓶頸,受功利主義影響,學(xué)術(shù)研究缺乏批判性態(tài)度,在研究過程中,借助“人工智能熱”,盲目求新、崇洋媚外,把教育領(lǐng)域和計算機(jī)領(lǐng)域的概念相混淆,或?qū)Ω拍钊鄙僬J(rèn)知與批判,望文生義。對深度學(xué)習(xí)的研究,絕對不能囿于批判性精神缺失、盲目求新、崇洋媚外、功利主義的弊病中去。

三、深度認(rèn)知——作為教育領(lǐng)域達(dá)成

“深度的學(xué)習(xí)”描述性維度的概念

(一)深度認(rèn)知的概念

依據(jù)審稿專家意見,為避免當(dāng)前及未來深度學(xué)習(xí)混淆視聽的現(xiàn)狀,特別在人工智能時代,在機(jī)器學(xué)習(xí)等概念越來越被跨學(xué)科科研人員熟知以后,教育領(lǐng)域必須與計算機(jī)研究領(lǐng)域區(qū)分開。其目的:一方面,杜絕學(xué)術(shù)概念的混淆;另一方面,杜絕教育領(lǐng)域?qū)ι疃葘W(xué)習(xí)的惡意炒作。對于教育領(lǐng)域“深度的學(xué)習(xí)”,要從學(xué)習(xí)的本質(zhì)上來討論,學(xué)習(xí)是指個體或群體的認(rèn)知活動[22],而達(dá)到“深度的學(xué)習(xí)”,就要求學(xué)習(xí)者本身的認(rèn)知思維上達(dá)到了“深度的認(rèn)知”。目前,國內(nèi)也鮮有研究人員提出深度認(rèn)知的概念,其中,吳忭等人撰寫的會議綜述認(rèn)為,深度認(rèn)知是對教育大數(shù)據(jù)的深度認(rèn)知[23],即對教育大數(shù)據(jù)更好地認(rèn)識,其與本研究所指的深度認(rèn)知有著本質(zhì)上的不同。

筆者認(rèn)為,教育領(lǐng)域在達(dá)成“深度的學(xué)習(xí)”描述性維度上,深度認(rèn)知用于表達(dá)這種模糊的、不可外顯化的結(jié)果時,比深度學(xué)習(xí)更接近教育本身的描述性維度,其中,深度認(rèn)知指學(xué)習(xí)者本身內(nèi)在的認(rèn)知思維品質(zhì)的提升,外在表現(xiàn)為對學(xué)習(xí)過程與結(jié)果的歸納、總結(jié)、批判、反思等外顯行為。

(二)深度認(rèn)知與深度學(xué)習(xí)的區(qū)別與聯(lián)系

關(guān)于深度認(rèn)知和深度學(xué)習(xí)的區(qū)別與聯(lián)系,見表3。

需要澄清這一事實:作為計算機(jī)研究領(lǐng)域的概念,深度學(xué)習(xí)是從算法結(jié)果上來看待此概念的,教育領(lǐng)域則是思維結(jié)果。有專家指出,深度學(xué)習(xí)是不同學(xué)科領(lǐng)域的研究者從該領(lǐng)域出發(fā)展開理解與應(yīng)用,教育領(lǐng)域從學(xué)習(xí)科學(xué)視角展開對認(rèn)知發(fā)展的理解,而計算機(jī)領(lǐng)域從機(jī)器學(xué)習(xí)視角展開理解。二者在本質(zhì)上的區(qū)別是對“學(xué)習(xí)”的理解不一致,換句話說,當(dāng)前對深度學(xué)習(xí)的誤解是把計算機(jī)研究領(lǐng)域“機(jī)器對算法的預(yù)測”誤解為“人類的心理及行為的變化”。在實際應(yīng)用中,由于“人工智能研究熱”等因素,更容易使這種誤解下的理解持續(xù)地加深應(yīng)用,這是值得注意的。

(三)何以定義為深度認(rèn)知

在區(qū)別于深度學(xué)習(xí)的前提條件下,用于描述學(xué)習(xí)者心理的持續(xù)性變化過程中,“深度認(rèn)知”“深度理解”“深度建構(gòu)”等詞語都可能用于描述新的概念,可以從兩方面分析其含義的地位與作用:一是從詞性以及詞語本身的語義上而言,“認(rèn)知、建構(gòu)”偏向于過程,“理解”偏向于結(jié)果,而從“認(rèn)知”和“建構(gòu)”而言,“認(rèn)知”與“學(xué)習(xí)”屬性相當(dāng),均包含作為名詞的代表性屬性和作為動詞的過程性屬性;二是從新概念與深度學(xué)習(xí)的地位來看,深度認(rèn)知更好一點,原因在于“認(rèn)知”本身也作為心理學(xué)術(shù)語,用于表征人們獲得知識或應(yīng)用知識的過程,或信息加工的過程[28](實際上就是學(xué)習(xí)),深度認(rèn)知可以替代深度學(xué)習(xí)作為教育領(lǐng)域達(dá)成“深度的學(xué)習(xí)”的概念。因此,為避免混淆和誤解,特提出深度認(rèn)知的概念。

四、重大理論分野背后的反思:

現(xiàn)實矛盾抑或?qū)W科研究的規(guī)避

(一)教育領(lǐng)域“深度學(xué)習(xí)”研究的三重矛盾詮釋

1. 人工智能時代對計算機(jī)研究領(lǐng)域深度學(xué)習(xí)的欲拒還迎

教育技術(shù)學(xué)作為一門交叉性的學(xué)科,兼顧著教育學(xué)和信息技術(shù)學(xué)的一些學(xué)科特性[29],教育技術(shù)學(xué)領(lǐng)域的代表性期刊《中國電化教育》《電化教育研究》新近發(fā)表的關(guān)于深度學(xué)習(xí)的文章,是典型的教育領(lǐng)域的深度學(xué)習(xí)。例如:認(rèn)為深度學(xué)習(xí)是與淺層學(xué)習(xí)相對的概念,是從認(rèn)知層次界定的概念,強(qiáng)調(diào)學(xué)習(xí)者在學(xué)習(xí)活動中高級認(rèn)知目標(biāo)的達(dá)成,包括問題解決能力、批判性思維、創(chuàng)新能力等學(xué)習(xí)目標(biāo)的達(dá)成[30];智慧教室中的教學(xué)交互促進(jìn)大學(xué)生深度學(xué)習(xí)研究[31]等。但是迫于信息技術(shù)和人工智能時代的到來,加之學(xué)科屬性的要求,教育技術(shù)學(xué)領(lǐng)域的期刊如《中國電化教育》《電化教育研究》適時而變,又刊發(fā)計算機(jī)領(lǐng)域關(guān)于深度學(xué)習(xí)的文章,論文的結(jié)果往往是通過計算機(jī)研究領(lǐng)域的深度學(xué)習(xí)的作用,達(dá)到了某種效果。例如:基于深度學(xué)習(xí)的學(xué)習(xí)者情感識別與應(yīng)用[32]等。

這種事實極易引起的誤解是:同一期刊對深度學(xué)習(xí)存在兩種大相徑庭的認(rèn)同,對學(xué)習(xí)者及入門者而言,極易引起概念上的混淆和誤解:究竟教育技術(shù)討論的深度學(xué)習(xí)是哪一領(lǐng)域?而《中國電化教育》《電化教育研究》作為透視學(xué)科發(fā)展的窗戶,在一定程度上反映教育技術(shù)學(xué)科對該概念的態(tài)度:表現(xiàn)為圈內(nèi)人士對學(xué)術(shù)術(shù)語的含混不清、混淆視聽卻又置若罔聞,探討教育領(lǐng)域的深度學(xué)習(xí),卻熱衷于打人工智能深度學(xué)習(xí)的擦邊球,在研究心理上表現(xiàn)為對計算機(jī)領(lǐng)域深度學(xué)習(xí)的有利可圖和欲拒還迎。

2. 折中主義并非深度學(xué)習(xí)難題的正解

2017年7月20日,我國發(fā)布《新一代人工智能發(fā)展規(guī)劃》,從國家戰(zhàn)略層面為人工智能制定了規(guī)劃,深度學(xué)習(xí)作為人工智能中使計算機(jī)具備“智能”的核心算法,也受到相應(yīng)的重視[33]。隨著教育研究的持續(xù)開展,為避免深度學(xué)習(xí)帶來的誤解,華東師范大學(xué)祝智庭教授撰文認(rèn)為,深度學(xué)習(xí)存在于技術(shù)領(lǐng)域和教育領(lǐng)域[34]。祝教授的觀點實質(zhì)上是一種折中主義立場的觀點,認(rèn)為存在兩類不同的深度學(xué)習(xí)概念,但若將深度學(xué)習(xí)應(yīng)用于實際的教育教學(xué)中,特別是在人工智能教育中討論深度學(xué)習(xí),則又產(chǎn)生概念混淆、難以厘清的問題,折中主義并非破解深度學(xué)習(xí)難題的正解。筆者認(rèn)為有必要對重大基礎(chǔ)概念做科學(xué)、清晰的認(rèn)識討論。

3. 深度學(xué)習(xí)的概念:事實與功利的矛盾

本文寫作過程曾一度受價值困擾之苦,對學(xué)術(shù)論文而言,若單純討論某一概念的是非問題,對《電化教育研究》而言,其學(xué)術(shù)意義不大,但若問題持續(xù)混淆視聽,卻又有違于科學(xué)研究之求真求實精神,因而在大眾普遍“蹭熱點”的情況下,討論真實的、亟須解決的、影響群體認(rèn)知方向的問題,反而似乎有潑冷水之嫌疑,究其原因:一方面,對于舶來品,研究人員缺乏識辨之耐心與意識;另一方面,炒熱點、追潮流正成為學(xué)科研究的風(fēng)氣,事實與功利之間的矛盾,正是當(dāng)前教育自身難以回避的問題,教育技術(shù)發(fā)展史上曾多次飽受稱謂之苦,例如:電化教育與教育技術(shù)、教學(xué)設(shè)計與教學(xué)論,并非概念自身孰優(yōu)孰劣,而是其作為基礎(chǔ)概念深刻影響著整體學(xué)科體系,這才是關(guān)鍵。至于人工智能時代,教育技術(shù)能否走向智能教育(Intelligent Education,簡稱IE)或繼續(xù)在人工智能外圍打擦邊球,對重大理論問題的嚴(yán)格區(qū)分和厘清,是必須的,亦是必要的。

(二)交叉跨界:突破學(xué)科領(lǐng)域和研究心理規(guī)避的雙重性反思

教育領(lǐng)域討論深度學(xué)習(xí)多以主觀的、純教育的視角去挖掘其性質(zhì),從布迪厄場域理論來看,主觀的、純教育的視角形成教育研究的特定封閉場域,但該場域苦于無具備極強(qiáng)說服力的概念來界定深度學(xué)習(xí)概念,因而產(chǎn)生多主體“主觀認(rèn)同”的唯心認(rèn)識論,受人工智能的迅速發(fā)展和對教育的沖擊的影響,教育技術(shù)對其研究態(tài)度的回應(yīng)上明顯不足。

教育部于2019年3月25日發(fā)文,新增了人工智能、機(jī)器人工程、大數(shù)據(jù)管理與應(yīng)用、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、智能科學(xué)與技術(shù)等專業(yè)[35],而前期則撤銷了部分院校的“教育技術(shù)學(xué)”專業(yè),這種結(jié)果對學(xué)科發(fā)展的影響值得反思。

另外,教育研究領(lǐng)域?qū)τ嬎銠C(jī)研究領(lǐng)域的深度學(xué)習(xí)作了為數(shù)不多的探討,更有一些純教育理論研究人員對“人工智能與教育研究”做了純理論性的探討[36],這種脫離技術(shù)維度、認(rèn)同機(jī)器學(xué)習(xí)領(lǐng)域“搶注”了深度學(xué)習(xí)[37],集中體現(xiàn)了(教育領(lǐng)域)研究人員的學(xué)科規(guī)避心理,這一理念與人工智能時代教育學(xué)科的具體發(fā)展實踐相違背,也與教育技術(shù)學(xué)科奠基人南國農(nóng)先生所說的“教育技術(shù)是雜家”的理念相違背。因此,突破學(xué)科領(lǐng)域的布迪厄場域理論,觀照現(xiàn)實發(fā)展,不在教育學(xué)科內(nèi)自說自話,在研究上主動“適變”[38],進(jìn)行兩方面的反思,方為人工智能教育研究的大道。

五、對未來的討論

本研究討論了作為人工智能中的核心概念之一的深度學(xué)習(xí),并依據(jù)相關(guān)“證據(jù)”,把人工智能時代的深度學(xué)習(xí)的“歸屬權(quán)”問題劃歸為計算機(jī)領(lǐng)域所有,而教育領(lǐng)域應(yīng)以深度認(rèn)知(思維結(jié)果)來區(qū)別計算機(jī)領(lǐng)域的深度學(xué)習(xí)(算法結(jié)果)。但基于研究人員,特別是教育研究人員的研究視域和認(rèn)識(依據(jù)布迪厄場域理論,某一行業(yè)中會形成特定的意識和認(rèn)識)的影響,不會輕易被其他概念所同化,甚至被拒絕。因此,也歡迎教育各界同仁長輩不吝賜教。作家黎汝清在《萬山紅遍》中曾寫道:“真理越辯越明,道理越講越清。”縱觀教育技術(shù)學(xué)科發(fā)展史,20世紀(jì)80年代中期,中國教育技術(shù)學(xué)科奠基人南國農(nóng)先生組織過電化教育“姓電還是姓教”的學(xué)科屬性問題的討論,90年代又有“電化教育”和“教育技術(shù)”的“中國化與國際化”的討論。不言自明的是,每一次學(xué)科問題的討論都促進(jìn)教育技術(shù)學(xué)科的發(fā)展。今天,在新時代,厘清長期以來含糊不清的基礎(chǔ)概念問題,加緊學(xué)科間的溝通與討論,對教育技術(shù)學(xué)科發(fā)展而言,也不失為一件好事情。

[參考文獻(xiàn)]

[1] GILLANI N,EYNON R. Communication patterns in massively open online courses[J].The internet and higher education,2014,23(4):18-26.

[2] SIEWERT S B. Big data in the cloud:data velocity,volume,variety,veracity[EB/OL].(2013-07-09)[2019-05-23].https://www.ibm.com/developerworks/library/bd-bigdatacloud/index.html.

[3] MCAULEY A,STEWART B,SIEMENS G,et al. The MOOC model for digital practice[EB/OL].(2010-12-20)[2019-05-23].davecormier.com/edblog/wp-content/uploads/MOOC_Final.pdf.

[4] ZHANG J,SKRYABIN M,SONG X.Understanding the dynamics of MOOC discussion forums with simulation investigation for empirical network analysis (SIENA)[J]. Distance education,2016,37(3):270-286.

[5] SIE R L,ULLMANN T D,RAJAGOPAL K,et al. Social network analysis for technology-enhanced learning: review and future directions[J]. International journal of technology enhanced learning,2012,4(3/4):172-190.

[6] CELA K L,SICILIA M,SALVADOR S. Social network analysis in e-learning environments:a preliminary systematic review[J]. Educational psychology review,2015,27(1):219-246.

[7] ADITOMO A,REIMANN P.Learning from virtual interaction:a review of research on online synchronous groups[C]//Proceedings of the 7th International Conference on Computer Supported Collaborative Learning.NJ:Lawrence Erlbaum Associates,2007.

[8] SKRYPNYK? O,JOKSIMOVIC S,KOVANOVIC V,et al.Roles of course facilitators,learners,and technology in the flow of information of a cMOOC[J].The international review of research in open and distributed learning,2014,16(3):188-217.

[9] ZHU M,BERGNER Y,ZHANG Y,et al.Longitudinal engagement, performance,and social connectivity:a MOOC case study using exponential random graph models[C]//Proceedings of the Sixth International Conference on Learning Analytics & Knowledge.NY: ACM,2016:223-230.

[10] TAWFIK A A,REEVES T D,STICH A E,et al.The nature and level of learner-learner interaction in a chemistry massive open online course (MOOC)[J]. Journal of computing in higher education,2017,29(3):411-431.

[11] ERGUN E,USLUEL Y K. An analysis of density and degree-centrality according to the social networking structure formed in an online learning environment[J]. Journal of educational technology & society,2016,19(4):34-46.

[12] LAAT M D,LALLY V,LIPPONEN L,et al. Investigating patterns of interaction in networked learning and computer-supported collaborative learning:a role for social network analysis[J]. International journal of computer-supported collaborative learning,2007,2(1):87-103.

[13] DAWSON S.A study of the relationship between student social networks and sense of community[J]. Journal of educational technology & society,2008,11(3):224-238.

[14] MANCA S,DELFINO M,MAZZONI E. Coding procedures to analyse interaction patterns in educational web forums[J]. Journal of computer assisted learning,2009,25(2):189-200.

[15] DAWSON S.Seeing' the learning community:an exploration of the development of a resource for monitoring online student networking[J]. British journal of educational technology,2010,41(5):736-752.

[16] THORMANN J,GABLE S,F(xiàn)IDALGO P,et al. Interaction,critical thinking,and social network analysis(SNA) in online courses[J]. The international review of research in open and distributed learning,2013,14(3):294-318.

[17] LIN X,HU X,HU Q,et al. A social network analysis of teaching and research collaboration in a teachers' virtual learning community[J]. British journal of educational technology,2014,47(2):302-319.

[18] KELLOGG S,BOOTH S,OLIVER K.A social network perspective on peer supported learning in MOOCs for educators[J]. International review of research in open & distance learning,2014,15(5):263-289.

[19] GILLANI N,YASSERI T,EYNON R,et al. Structural limitations of learning in a crowd:communication vulnerability and information diffusion in MOOCs[J]. Scientific reports,2014,4:6447.

[20] DOWELL N M M,OLEKSANDRA S,SRECKO J,et al. Modeling learners' social centrality and performance through language and discourse[C]// Proceedings of the 8th International Conference on Educational Data Mining.Massachusetts:IEDMS,2015.

[21] TIRADO R,HERNANDO á,AGUADED J I.The effect of centralization and cohesion on the social construction of knowledge in discussion forums[J]. Interactive learning environments,2015,23(3):293-316.

[22] HERNANDEZ-GARCIA A,GONZALEZ-GONZALEZ I,JIMENEZ-ZARCO A I,et al.Applying social learning analytics to message boards in online distance learning:a case study[J]. Computers in human behavior,2015,47(6):68-80.

[23] CARCELLER C,DAWSON S,LOCKYER L.Social capital from online discussion forums:differences between online and blended modes of delivery[J]. Australasian journal of educational technology,2015,31(2):150-163.

[24] REHM M,MULDER R H,GIJSELAERS W,SEGERS M.The impact of hierarchical positions on the type of communication within online communities of learning[J].Computers in human behavior,2016,58(6):158-170.

[25] JO I,PARK Y,LEE H. Three interaction patterns on asynchronous online discussion behaviours:a methodological comparison[J]. Journal of computer assisted learning,2017,33(2):106-122.

[26] TIRADO-MORUETA R,MARAVER L P,HERNANDO G. Patterns of participation and social connections in online discussion forums[J]. Small group research,2017,48(6):639-664.

[27] PHAM M C,DERNTL M,CAO Y,et al.Learning analytics for learning blogospheres[C]// International Conference on Web-Based Learning,Advances in Web-Based Learning-ICWL 2012.Berlin,Heidelberg:Springer,258-267.

[28] BORGATTI S P. Centrality and network flow[J]. Social networks,2005,27(1):55-71.

[29] BRINTON C G,CHIANG M,JAIN S,et al. Learning about social learning in MOOCs:from statistical analysis to generative model[J]. IEEE transactions on learning technologies,2014,7(4):346-359.

[30] WISE A F,CUI Y,VYTASEK J. Bringing order to chaos in MOOC discussion forums with content-related thread identification[C]//Proceedings of the Sixth International Conference on Learning Analytics & Knowledge.New York:ACM,2016:188-197.

[31] JIANG Z,ZHANG Y,LIU C,et al.Influence analysis by heterogeneous network in MOOC forums:what can we discover?[C]// Proceedings of the 8th International Conference on Educational Data Mining.Massachusetts:IEDMS,2015.

[32] RODRIGUEZ D,SICILIA M A,SANCHEZ-ALONSO S,et al. Exploring affiliation network models as a collaborative filtering mechanism in e-learning[J]. Interactive learning environments,2011,19(4):317-331.

[33] WISE A F,CUI Y,JIN W Q,et al. Mining for gold:identifying content-related MOOC discussion threads across domains through linguistic modeling[J]. The internet and higher education,2017,32(1):11-28.

[34] GUNAWARDENA C N,LOWE C A,ANDERSON T.Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing[J]. Journal of educational computing research,1997,17(4):397-431.

[35] RIVERA M T,SODERSTROM S B,UZZI B. Dynamics of dyads in social networks:assortative,relational,and proximity mechanisms[J]. Annual review of sociology,2010,36(1):91-115.

[36] BURGESS S,SSANDERSON E,UMANA-APONTE M. School ties:an analysis of homophily in an adolescent friendship network[EB/OL]. (2011-08-01)[2019-05-23].http://www.bristol.ac.uk/cmpo/publications/papers/2011/wp267.pdf.

[37] SOLLER A.Supporting social interaction in an intelligent collaborative learning system[J].International journal of artificial intelligence in education,2001,12(12):40-62.

[38] ANDERSON L W. Taxonomy for learning, teaching, and assessing[J]. European legacy,2001,114(458):1013-1014.

[39] LAVE J,WENGER E. Situated learning:legitimate peripheral participation[M]. New York:Cambridge University Press,1991.

[40] HAYTHORNTHWAITE C,DE LAAT M. Social networks and learning networks:using social network perspectives to understand social learning[C]//Proceedings of the 7th International Conference on Networked Learning. Aalborg,Denmark:Lancaster University,2010: 183-190.

[41] DE LAAT M. Networked learning[D]. England:University of Southampton,2006.

[42] SIEMENS G. Connectivism:learning as network-creation[EB/OL].[2019-05-23].http://www.elearnspace.org/Articles/networks.htm.

猜你喜歡
認(rèn)識論深度學(xué)習(xí)人工智能
中國現(xiàn)代美學(xué)發(fā)生的內(nèi)在線索與本土話語
2019:人工智能
人工智能與就業(yè)
數(shù)讀人工智能
MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
史蒂夫·富勒社會認(rèn)識論思想的分析
深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
下一幕,人工智能!
安龙县| 阿克苏市| 肇州县| 垣曲县| 洪雅县| 神池县| 无棣县| 裕民县| 建宁县| 潮安县| 永昌县| 固安县| 汤原县| 电白县| 尖扎县| 永胜县| 澄迈县| 利川市| 龙川县| 清流县| 星座| 拜城县| 昌吉市| 建始县| 武川县| 蒲城县| 枣阳市| 永泰县| 庄浪县| 闻喜县| 凭祥市| 广灵县| 枣阳市| 田东县| 靖远县| 青阳县| 荣昌县| 高要市| 原阳县| 枞阳县| 拜城县|