張 良,關素芳

(西南大學 西南民族教育與心理研究中心/教育學部，重慶 400715)

知識學習是學校教育安身立命的使命，對于為何而學的抉擇將決定知識學習目標、預期的學習結(jié)果及學習方式的確立。伴隨著人工智能技術的迅猛發(fā)展和廣泛運用于學校教育，線上無邊界的學習資源以超鏈接的方式進入學校知識體系之中。這一技術運用促使學校教育場域中的知識形態(tài)、載體、來源從紙質(zhì)媒介轉(zhuǎn)向網(wǎng)絡化。然而，網(wǎng)絡中的知識、信息紛繁復雜，偏見與意見、謠言與誤傳裹挾其中。美國作家馬克·吐溫(Mark Twain)的那句名言告訴我們，陷我們于困境的不是自己的無知，而是我們所確信的并非事實。那么，面對人工智能教育運用所引發(fā)的這一系列知識形態(tài)、屬性的變化，基礎教育的學習者又該如何應對？對此，我們以為何而學作為分析切入點，深刻檢討為獲得而學的限度，探究人工智能技術教育運用背景下或人工智能時代應然的知識學習。

一、人工智能時代為獲得而學的限度

在人工智能技術的教育運用背景下，無邊界的線上學習資源極大地豐富了學生知識學習的資源，知識獲取的方式也極為便捷，這一系列智能技術時代的教育紅利也提供了反思為獲得而學這一傳統(tǒng)知識學習信條的契機。

1.人工智能時代知識形態(tài)的變革

伴隨著人工智能技術在教育領域的應用，線上無邊界的學習資源以超鏈接的方式進入學校知識體系之中，虛實結(jié)合、線上線下互補的學習資源逐漸突破了傳統(tǒng)教材、課堂等學習內(nèi)容與學習空間的束縛。其中，知識形態(tài)、媒介與來源的網(wǎng)絡化及鏈接化正在更新知識的屬性、特征、來源及獲取方式。學習者可以隨時隨地通過智能設備進入這一無邊界、網(wǎng)絡化的知識學習空間，讓無處不在的知識、隨時隨地的學習成為現(xiàn)實?？梢?，今天學校教育的知識載體或知識本身已經(jīng)沖破傳統(tǒng)紙質(zhì)書本的桎梏，開放性、聯(lián)系性、不確定性正是人工智能背景下知識存在形態(tài)的性質(zhì)。

人工智能技術所開創(chuàng)的網(wǎng)絡化學習空間也隱含著知識的風險。虛實結(jié)合的網(wǎng)絡化學習資源中，學習者被潮水般的知識和信息籠罩。然而，人工智能技術僅僅提供了豐富的信息來源和便捷獲取的方式，難以確保所提供的知識和信息的真實性、事實性與正確性。正如哈佛大學戴維·溫伯格(David Weinberger)研究員所言：“網(wǎng)絡化的知識開啟了一個充滿分歧的網(wǎng)絡?！盵1]美國康涅狄格大學邁克爾·林奇(Michael Lynch)教授在分析網(wǎng)絡化知識形態(tài)的這一特征時指出：知識的網(wǎng)絡屬性突出表現(xiàn)為真相與謊言交織，知識與觀念、意見混為一談，事實與謠言、謠傳相互裹挾。知識甚至成為一張布滿多面聯(lián)系、相互歧義、不同意見表達的網(wǎng)絡集合體[2]。可見，傳統(tǒng)知識觀將知識視為經(jīng)過驗證的真的信念和真實、事實的客觀表征，而知識的網(wǎng)絡形態(tài)正在挑戰(zhàn)這種傳統(tǒng)知識觀。網(wǎng)絡化的知識集合體之中，知識本身并非中立、真實、客觀的，每一處知識來源都預先篩選了信息、事實等，甚至為了保留、突出部分事實，而刪除、排斥甚至歪曲了其他事實。英國學者赫克托·麥克唐納(Hector Macdonald)甚至危言聳聽地將這一時代稱之為“后真相時代”，并不禁感嘆：“互聯(lián)網(wǎng)在拓寬全球知識的傳播范圍的同時，也在加速錯誤信息和仇恨的傳播。當真相被操縱、利用，真相何在？我們該如何看、如何聽、如何思考?！盵3]雖然“現(xiàn)實與虛幻、真實與虛假的區(qū)分問題并不是數(shù)字時代的獨有產(chǎn)物，只不過到了數(shù)字時代，這個問題有了新的表現(xiàn)形式”[2]。面對人工智能技術的廣泛運用，知識的形態(tài)、特征乃至本身已經(jīng)發(fā)生了新的變化，學習者應選擇何種知識學習理念或方式，以應對這一裹挾著真實與虛假、意見與謠言的知識網(wǎng)絡形態(tài)，才能抵制那些虛構(gòu)、隱瞞的真相乃至被操縱的謠言，進而尋求自我分析與判斷、確立自我理解將尤為關鍵。

2.人工智能時代知識獲取方式的變革

(1)巨量的信息洪流

無邊界的線上學習資源逐步涌入學校知識體系，信息膨脹、資訊洪流正在以超鏈接等方式進入學生的學習情境。加拿大學者喬治·西蒙斯(George Simens)用“軟知識”來勾勒信息洪流的知識本質(zhì)：信息洪流中充斥著大量未被專家充分證實和驗證的、仍處于爭議的，或僅是一種可能且易發(fā)生改變或被修正的知識。對此，我們不能把知識看作保持不變的實體并以被動的方式來消費，應以原創(chuàng)者沒想到的方法舞動和裁定他人的知識。這樣做我們可以形成自己的知識，并降低原創(chuàng)者的影響[4]。在巨量信息洪流的沖刷下，新鮮名詞、概念、新生事物等層出不窮，知識并非像以前那么一成不變、穩(wěn)定如初，而是變得碎片化、流動與靈活多變。可見，“互聯(lián)網(wǎng)時代的愚蠢不是完全無知，而是把需要驗證、求實的知識信息不經(jīng)思考就當成可靠而確定的知識”[5]。然而，為獲得而學卻依舊秉持以掌握、識記、授受為學習目標，將知識視為客觀世界的表征、真理、規(guī)律的表達。這一知識信條在智能時代已顯得捉襟見肘。面對呈幾何指數(shù)增加的信息、知識，如果對網(wǎng)絡中的信息、知識不加反思與分析、驗證和理解就隨意輕信，學習者勢必會淹沒在信息的洪流之中，喪失自己的判斷與理解。

(2)便捷的獲取方式

伴隨人工智能技術的教育運用，知識的載體、媒介與獲取方式的網(wǎng)絡化、鏈接化已讓知識獲得更加簡便、快捷。智能技術不僅能夠自動化地篩選、分析、加工并處理信息，實現(xiàn)知識創(chuàng)造，而且還能夠根據(jù)學習者的學習需求等相關數(shù)據(jù)自動分析、自動識別與主動推送。然而，正如林奇所指出的：幾乎無所不知的搜索引擎卻并不對信息源的可靠性負責。我們不能單純地通過下載來接受信息，也不能只進行反思和甄選。如果將接受信息的過程等于知識習得，認為下載了大量的信息并可以掌握知識本身，呈現(xiàn)在我們眼前的世界準確無誤，看到的都是真相，那么這個過程就可以獲得知識?？墒?，這種觀念并不正確。接受的知識并不是知識本身。為確保可靠性、可信性，我們還需要給出理由[2]。顯然，如若忽視網(wǎng)絡化知識的這一特點，一旦不假思索地接受檢索到的信息與知識，人們就難免會被虛構(gòu)的謠言、隱瞞的真相所操縱、利用?？梢?，在智能時代，我們?nèi)狈Φ牟皇切畔?、知識，而是能否確證、反思、辯護并產(chǎn)生自己的理解。當我們反思智能技術為知識獲取帶來便利的同時，還應發(fā)現(xiàn)便捷的獲取方式也凸顯了死記硬背、被動接受等學習方式的極大限度。那么，應對便捷的獲取方式，如何基于反思、批判、運用，尋求自我的理解與反思將尤為關鍵。

二、人工智能時代為理解而學的依據(jù)

面對巨量的信息洪流與便捷的獲取方式，為獲得而學的限度日益突出。為理解而學的提出回應了人工智能時代我們真正需要的學習方式、思維特質(zhì)及個人價值實現(xiàn)等問題。

1.理解是深度學習的基礎與目的

要應付好人工智能的挑戰(zhàn)，學習者應超越信息、事實，能夠基于理解而積極、靈活地運用知識，這樣的學習是一種深度學習。加拿大教育學者邁克爾·富蘭(Michael Fullan)曾指出：深度學習是人工智能時代學習方式的首選。人工智能時代的學習者通過深度學習來掌握他們應具備的技能與素養(yǎng)[6]?？梢姡疃葘W習不僅可以賦能人工智能技術，更是學校教育應對人工智能挑戰(zhàn)的學習方式。關于深度學習，美國威廉和弗洛拉·休利特基金會(William and Flora Hewlett Foundation)將其定義為：“深度學習即掌握這些內(nèi)容知識就是要建立起對這些知識的基礎性理解，能夠?qū)⒅R遷移至其他情境?！盵7]顯然，這一定義明確提出,深度學習發(fā)生的基礎不是知識的獲得，而是理解的發(fā)生，甚至“對知識如何產(chǎn)生的理解遠比知識本身對于深度學習更重要”[8]。也就是說，深度學習是建立在學習者獲得理解的基礎之上的，能夠?qū)⑿碌闹R融入原有的認知結(jié)構(gòu)中，并將已有的知識遷移到新的情境中，做出正確的決策和選擇問題解決的途徑。

理解不僅是深度學習的基礎，而且也是深度學習的目的。深度學習體現(xiàn)為基于理解而展開的學習過程與結(jié)果的統(tǒng)一體。2020年，美國課程促進協(xié)會著名課程學者杰伊·麥克泰格(Jay McTighe)教授在《為了深度學習而教：學生參與意義建構(gòu)的工具》(TeachingForDeeperLearning：ToolstoEngageStudentsinMeaningMaking)中指出，深度學習的結(jié)果是促進學生對重要學科觀念產(chǎn)生持續(xù)性理解[9]?？梢?，深度學習和理解之間是相互聯(lián)系、共同支持的關系。深度學習得以發(fā)生，是建立在個人理解基礎之上的；同時，理解也是深度學習運用所學、基于知識創(chuàng)造知識的最終目標。

2.理解是高階思維發(fā)展的核心

面對人工智能時代的挑戰(zhàn)，個體所需要的思維品質(zhì)不是指向知識獲得的，而是基于理解而發(fā)生的批判性思維、創(chuàng)新性思維等。這些思維也被稱為高階思維。高階思維集中體現(xiàn)了人工智能時代人才培養(yǎng)的新興要求、人才發(fā)展的思維特質(zhì)，同時彰顯出人工智能時代對學習者思維技能的高層次追求。美國課程再設計研究中心(Center of Curriculum Redesign)2018年發(fā)布了題為《人工智能時代的知識——學生究竟該學什么？》(KnowledgefortheAgeofArtificialIntelligence:WhatShouldStudentsLearn?)的研究報告。該報告指出，為迎接人工智能時代的工作、生活挑戰(zhàn)，常規(guī)性的認知工作將日益被計算機、人工智能所替代。這也意味著未來學校知識學習的理念與方式將有所改變。知識學習應旨在培養(yǎng)學習者基于高階思維參與的知識運用，以此代替簡單性、機械性的知識獲取、記憶、儲存等。概言之，面對人工智能的挑戰(zhàn)，以高階思維為代表的21世紀技能正成為21世紀“工作需求表”中的新寵[10]。

長期以來，教育學界將理解視為高階思維發(fā)生的基礎，其本身并不是高階思維。布魯姆將認知領域細化為識記、理解、應用、分析、綜合和評價六個教育目標的做法便是這一觀念的集中體現(xiàn)。識記、理解、應用被視為淺層思維，而分析、綜合、評價被視為高階思維。在這一劃分中，對“理解”的定位形成一種誤解——低階思維是高階思維的基礎，即高階思維是由低階思維一步一步發(fā)展起來的。這就表明，理解本質(zhì)上不是一種高階思維，與識記、掌握的區(qū)別僅在于程度而已。認知心理學、學習科學的相關研究指出，缺乏高階思維的新手或初學者，僅能回憶、記憶表面性的事實知識，而不能夠在概念框架中理解事實和觀念[11]?！袄斫獠粌H僅是了解事實本身，還包括運用具體證據(jù)和邏輯——富有洞察力的關聯(lián)和例證來推斷原因和過程?！盵12]由此可見，理解作為一種高階思維，甚至是發(fā)展高階思維的核心，“它遠遠超過了對事實和程序的簡單回憶，而包括了把概念和策略組織到一個層級框架中，用于決定以怎樣的方式在何時把知識應用于理解新材料并解決相關問題”[13]。正如帕金斯教授所指出的：“理解的過程牽涉一系列的行為，包括分析、判斷、綜合和創(chuàng)造出能體現(xiàn)學科原理或概念的作品。”[14]概言之，為理解而學的提出旨在重估理解與高階思維的關系，并強調(diào)以理解為核心的高階思維發(fā)展路徑。

3.理解是個人價值實現(xiàn)的關鍵

面對人工智能時代的挑戰(zhàn)，學習者如何實現(xiàn)個人的價值，如何能成為健全的人，所需要的不單純是認知層面的知識獲得，還包括發(fā)展基于理解的情感、意義、價值等。這些基于理解的非認知維度是一種能夠設身處地、換位思考，以及感同身受的同理心或體諒他人觀點的學習能力和道德體驗，概稱為移情理解。人工智能技術的優(yōu)勢在于高速的搜索、再檢索能力和深度學習能力，但它在整個學習、應用過程中難以理解情感、意義乃至價值等問題。正如有學者分析智能時代的教育挑戰(zhàn)時指出：“教育不僅僅是使我們成為快速、準確的信息處理器——計算機多年來在獲取和使用數(shù)據(jù)方面一直超過人類，最為關鍵的是，使我們成為健全的人的教育過程是計算機永遠無法復制的，這就是移情理解，一個人對另一個人感同身受、悉心關懷的能力。”[15]此外，伴隨智能技術逐漸取代機械常規(guī)任務、沒有社交成分的工作，留給我們最有價值的工作就在于從事具有高度社會性、情感參與的事務。對此，如何獲得認知與非認知維度相結(jié)合的理解，成為人工智能時代的挑戰(zhàn)個人價值實現(xiàn)的關鍵。

三、人工智能時代為理解而學的涵義

為理解而學作為人工智能時代的知識學習方式，在學習結(jié)果、學習過程，以及知識與理解的關系等方面超越了為獲得而學。

1.理解作為預期學習結(jié)果

為理解而學區(qū)別于碎片化知識的獲得，旨在超越信息、知識，強調(diào)整體關系性、反思與創(chuàng)造性思維等認知層面的發(fā)展。理解與獲得最大的區(qū)別便在于，后者是以假定學習內(nèi)容真理性為前提的，掌握、認知更多的指向“信解”。而理解是以反思、批判、想象、確證為基礎的，它不僅關乎“是什么”與“為什么”，更涉及“如何做”與“做什么”?？梢?，理解意味著找到證明依據(jù)，對證據(jù)的關聯(lián)性有創(chuàng)造性的見解與在情境中靈活運用[2]。對此，理解作為預期學習結(jié)果的關鍵在于意義性的聯(lián)系與反思性的運用，并強調(diào)能夠創(chuàng)造性地生成新的觀點、想法與觀念等。也就是說，理解作為預期的學習結(jié)果，不僅是能夠符合并忠于知識、事實、真相或?qū)Υ四軌蜻M行確認性、反思性鑒別、思考，而且還指向了批判性、確證性、建構(gòu)性與生成性的運用。

將理解視為預期的學習結(jié)果，不僅在于回應人工智能時代知識形態(tài)的新變化，而且理解也是每個時代學校教育皆在努力實現(xiàn)的學習結(jié)果。這里需要指出，人工智能教育運用背景下知識形態(tài)及其獲取方式的變革更加凸顯了這一預期學習結(jié)果的重要性。身處工業(yè)時代的約翰·杜威(John Dewey)對為理解而學的討論最有預見性。他指出：“所有的知識包括科學探索在內(nèi)，目的在于理解他們。要理解一件事物、一個事件或一種情境的意義，就是要揭示它同其他事物的關系，指出它的作用或功能，指出它的結(jié)果、它的原因以及如何利用它。反之，這個事物若對我們沒有意義，我們沒有理解它的某種關系，我們就把這種事物稱為沒有理解的事物。”[16]可見，在他看來，之所以將理解視為知識學習的目標，是因為理解不僅意味著學習者能夠基于已有的知識、經(jīng)驗建立聯(lián)系，而且能夠基于已有的知識把握新知，并對其展開意義性聯(lián)系、作用性反思、原因性確證、批判及情境性運用等實踐過程?？梢姡硖幑I(yè)時代的杜威努力探尋理解作為預期學習結(jié)果，強調(diào)知識學習的重心從對事實概念的記憶、掌握轉(zhuǎn)向為對知識進行意義性聯(lián)系、反思性運用。由此可見，這一探索也成為人工智能時代探討將理解作為預期學習結(jié)果時需要繼承與發(fā)展的思想遺產(chǎn)。

理解作為預期的學習結(jié)果，還關注到理解的非認知層面，并與認知層面融為一體。這是人工智能時代對理解作為預期學習結(jié)果的獨特闡釋。人工智能時代是一個知識共享的時代，每個人都是知識的創(chuàng)造者。知識的分享、共享也成為這一時代知識生產(chǎn)的突出特征。面對這一時代的挑戰(zhàn)，學校教育應通過強調(diào)理解的道德性、社會性凸顯人的主體地位及其價值實現(xiàn)。正如有學者指出：“同理心是科技進步背景下賦予人價值的所有能力的基礎。隨著機器迅速取代人完成那些機械的、沒有社交成分的工作，我們最有價值的角色就越來越具有高度的社會性。同理心要了解別人的想法和感受，并恰當?shù)刈龀龇磻?。理解別人的思想、情感，并主動關心、提供幫助?！盵14]因此，理解作為預期學習結(jié)果，意味著認知層面的聯(lián)系、反省與運用能夠與非認知層面的移情理解、同理心相結(jié)合。在這層意思上，理解意味著學習者能夠移情、共情、感受他人情感、擺脫己見去感同身受、探索世界與學習知識。至此，理解意味著我們能夠更有道德、更有人性、更有同情心并更有意愿去規(guī)范自己的行為[17]。

2.以遷移與運用為本的學習過程

面對無邊界的學習資源，馳騁于開放、聯(lián)系、不確定的網(wǎng)絡海洋之中，今天的知識學習不再是簡單地獲得、記憶、掌握相關知識，而是要培養(yǎng)能夠在巨量信息資源中開展基于移情的遷移、運用的能力。理解作為這種能力的集中概括，生成在知識的遷移與運用的過程之中。正如經(jīng)濟合作與發(fā)展組織教育與技能部主任安德烈亞斯·施萊歇爾(Andreas Schleicher)強調(diào)的：“人工智能時代我們深諳技不壓身的古訓，對此我們并未停下學習的腳步。但教育的成功不再是對內(nèi)容知識的復制，而是將我們所學外化和應用到新的情境之中?！盵18]可見，為理解而學的關鍵在于能否靈活地、創(chuàng)造性地應用知識解決實際問題。哈佛大學教育研究生院的霍華德·加德納(Howard Gardner)教授曾指出：提倡為理解的教育，指的不僅僅是能充分掌握概念、原理和技能，而是當遇到新問題或新情況時能將它們運用出來，并且知道如何充分展示自己的能力，以及用何種有效的方式學習新的技能和知識[19]。這一表達清晰地揭示出，為理解而學的涵義是學習者能夠?qū)⒁延械闹R、技能與情感態(tài)度有效地遷移運用到新的情境之中。唯有學習者能夠?qū)⑺鶎W的知識在復雜情境中進行遷移與運用，才能實現(xiàn)融會貫通、深度理解。

傳統(tǒng)教育學理論基于事實立場，將理解定位于接受、掌握，它描述出了一個從外及內(nèi)的內(nèi)化過程。與此不同，為理解而學中的“理解”是一個由內(nèi)及外的運用實踐。正如2018年美國國家研究院學習研究與教育實踐委員會發(fā)布的《人是如何學習的Ⅱ：學習的科學與實踐》(HowPeopleLearnⅡ：TheScienceandPracticeofLearning)強調(diào)：學習者創(chuàng)新性理解的產(chǎn)生源自個體能夠在碎片化的信息中建立豐富的聯(lián)系；獲得創(chuàng)新性理解的能力源自運用知識去概括、分類與解決問題[20]。可見，理解即是由內(nèi)及外的知識遷移、運用過程。這也體現(xiàn)了杜威對“理解”的理解。在杜威看來，理解即是能夠就所學的知識進行反省思維，甚至“未經(jīng)理解的知識，知識便成了一堆未經(jīng)消化的負擔。只有理解了的才能稱之為知識。所謂理解，意味著只有不斷地對所學的東西進行反省的思維，才能達到這種結(jié)果”[16]。反省性思維成為杜威概括理解內(nèi)涵的關鍵，反省思維的過程亦是知識遷移與運用的另一種表達。如他指出：反省思維將知識視為一種探究、解決問題的資源、工具，在不確定的情境中通過嘗試解決問題，并將后續(xù)的結(jié)果與前有的知識資源建立起聯(lián)系，從而能夠識別我們所做的事情與所發(fā)生的結(jié)果之間的聯(lián)系[21]。概言之，為理解而學作為人工智能時代的知識學習方式，訴諸于以遷移與運用為本的學習過程。同時，這一學習過程還強調(diào)能夠基于移情理解、同情心，進行社會性、道德性的遷移與運用。這些非認知維度的參與不僅能夠為遷移與運用提供倫理導向與價值觀調(diào)節(jié)等，同時亦在促進理解的認知層面與非認知層面的融合，進而更好地適應人工智能的知識形態(tài)變革與實現(xiàn)個人價值。

3.處理好知識與理解的關系

人工智能時代的知識學習應處理好知識與理解的關系，認識到兩者間的關系并非兩極對立、非此即彼，進而促進兩者間的互動轉(zhuǎn)化與共同生成。

首先，知識是理解生成的條件。如果缺乏必要的事實儲備、必備的基礎知識作為積淀，學習者將難以對所獲得知識進行全面、整體的思考與判斷，理解便難以發(fā)生。但知識作為理解生成的條件還需超越細節(jié)化、碎片化、零散的學科信息與事實，獲得某一學科中最基礎、最具價值的學科觀念。學科觀念體現(xiàn)了特定學科中最根本、最基礎的學科理解與思想，是學科事實及學科概念結(jié)構(gòu)化、網(wǎng)絡化的結(jié)點與概念透鏡，更易于學習者理解與遷移[22]。

其次，理解是知識學習的目的。人工智能背景下的知識學習，不應以知識掌握、接受與占有為目的，而應能夠切實促進學生的理解。這時的“理解”與知道、了解相比，具有更深層次的含義。理解所體現(xiàn)的是學習者對知識批判性、反思性、意義性和情境性的認知與處理。在此，“理解是整體性的。理解某一主題就是對綜合的、總體的相關信息的掌握，且這些信息是建基于事實的；也是對證據(jù)的充分、恰當?shù)幕貞?；同時也是為非瑣碎的推理、診斷或行動(根據(jù)相關領域的不同)提供資源”[23]。

最后，知識與理解應相互轉(zhuǎn)化、共同生成。人工智能時代知識學習的目的在于確保所有學生都參與學習，將知識轉(zhuǎn)化為理解[24]。為理解而學強調(diào)，“理解并非教師能夠通過講授直接傳遞的。理解本質(zhì)上是學習者自主建構(gòu)的，學生獲得理解是通過高階思維的參與下的心智操作”[9]。顯然，兩者間的轉(zhuǎn)化與生成并不能等同于知識的掌握、識記，這一轉(zhuǎn)化的中介與過程是基于移情理解而開展的遷移、運用為本的知識學習過程。在這一知識遷移與運用的過程中，知識與理解難以被劃分為明確的兩種實體或兩個階段，而是如同硬幣的兩面一樣，成為學習結(jié)果的兩個維度或兩個方面。歷經(jīng)遷移與運用的實踐過程，學習者所獲得的知識才能成為理解生成的條件，所建構(gòu)的理解也才能超越知識本身。

四、結(jié) 語

人工智能技術的教育運用所構(gòu)建出的泛在化、無邊界的學習時空，正在更新學校教育中的知識形態(tài)、特征、來源及其獲取方式。泛在化、無邊界的學習時空中開啟了一個充滿分歧的知識網(wǎng)絡，真相與謊言、知識與意見交織，謠言與誤傳也裹挾其中。面對呈幾何指數(shù)增加的未經(jīng)確證的信息、知識，如果依舊沿用已有的知識學習信條——為獲得而學，學習者勢必會淹沒在信息的洪流之中，喪失自己的判斷與理解。面對巨量的信息洪流與便捷的獲取方式對知識學習的挑戰(zhàn)，為理解而學作為人工智能時代知識學習目的與方式的集中概括，其核心在于學習者能夠基于移情理解開展意義性聯(lián)系與反思性運用，通過理解來促進深度學習的發(fā)生，切實發(fā)展學習者高階思維能力并實現(xiàn)個人價值。