劉瑩澤

摘要：本文從學業(yè)挑戰(zhàn)水平、溝通交流頻率、主動合作水平、深度加工水平和反思評價水平五個維度構建了大學生深度學習效果的指標體系。為了避免主觀因素的干擾，分別從定性和定量角度出發(fā)，建立了灰色關聯度評價模型，對我校理工類、經管類及藝術類三個不同專業(yè)的學生群體的深度學習現狀進行評價，得到具有科學性、客觀性的評價結果。

關鍵詞：深度學習;灰色關聯度;效果

深度學習是人們整合信息、建構知識、靈活運用所學、并解決實際問題的學習活動，它是學習型社會的必然要求，本文設計了有針對性的調查問卷，從學業(yè)挑戰(zhàn)水平、溝通交流頻率、主動合作水平、深度加工水平和反思評價水平五個維度，構建了大學生深度學習效果的評價指標體系，建立了灰色關聯度模型，對我校理工類、經管類和藝術類的大學生群體的深度學習活動進行評價和排序，更好地發(fā)現問題，找到原因，并提出對策。

1 指標體系的構建

1.1 學業(yè)挑戰(zhàn)水平

學術挑戰(zhàn)水平是指能夠將所學的理論和概念用于具體的情境來解決生活中的實際問題，在學習方面投入充分的時間，同時在學習效率和學習質量上得到一定的保證。在保證常規(guī)學習任務后繼續(xù)通過網絡平臺補充其他領域的知識。通過深層次的學習，能夠挑戰(zhàn)自己對原有問題的看法，同時接納新的觀念。

1.2 溝通交流頻度

溝通交流頻度是指經常利用網絡平臺與教師和同學們討論課堂內外學習過程中遇到的疑惑，在與教師和同學們互動交流后能夠及時獲取他們的反饋信息，能夠經常在閑暇時間與教師和同學們進行研究性學習。

1.3 主動合作水平

主動合作水平是指在課堂學習過程中積極地配合教師參與班級的討論，在課后時間能夠利用網絡平臺與專家學者進行相關的交流互動，積極參加暑期學校及交換生之類的活動進行合作式學習。

1.4 深度加工水平

深度加工水平是指將抽象的知識用圖形、圖表等可視化的方式表達，利用網絡平臺的豐富資源，對所學的碎片化知識進行深度加工整理，在學習過程中能夠深層次地融合不同領域的知識和概念。

1.5 反思評價水平

反思評價水平是指對課本所學的知識和教師所講內容的科學性持懷疑態(tài)度，在學習過程中邀請同學或教師對自己學習的優(yōu)缺點進行評價，并對自己所學的內容和學習方法進行反思和改善。

2 灰色關聯度模型

通過對我校理工類、經管類及藝術類學生的統計調查數據，構建初始值評價矩陣D=（dij）m×n。對矩陣D=（dij）m×n進行無量綱處理，得到矩陣C=（cij）m×n，從而避免了各指標量綱不統一對評價產生的偏差。選取矩陣C的第一列為參考列，其余各列為比較列，通過計算關聯系數：

3 實例分析

本文通過設計調查問卷，利用SPSS軟件對統計調查數據進行分析，獲得各級指標的初始值并進行無量綱化處理，根據最新信息原理，令ρ=0.6，通過兩兩指標之間的關聯度，計算每個評價對象在每個指標下的評價值、綜合評價值及綜合排序，結果如下表所示。

通過對大學生深度學習效果評價指標體系的研究，篩選出能準確反映大學生深度學習效果的定性指標，建立灰色關聯度加權評價模型，計算出不同類型學生深度學習的綜合評價值與排序。研究結果表明，理工科學生綜合排序最高，其次是經管類學生，藝術類學生的排序最低。

4 結語

如何提高當代大學生深度學習的效果，已經成為高等教學改革的一個熱點。大學生的深度學習能力能夠培養(yǎng)學生創(chuàng)新能力和自主學習意識，對傳統的課堂教學也是很好的輔助。為了更好地提高我校大學生深度學習的效果，提出以下建議：

（1）合理地運用科學的學習方法來提高大學生的創(chuàng)新思維能力，促使學生正確地利用批判性思維實現高效率的學習，為大學生的深度學習提供先行條件。

（2）有效地利用思維導圖、概念圖之類的個人知識管理工具，更加高效地使用網絡教學平臺中豐富的學習資源，進一步促進他們的深度學習的發(fā)生。

（3）大學生要充分鍛煉自己的主動協作能力和溝通交流能力，實現了自身視野的拓寬、表達能力的提高及溝通交流能力的増強，為高效率地開展深度學習提供一定的保證。

（4）大學生可以通過協作的力量來獲取到各種所需的相關知識，在不斷地相互評價中認清自己，并進行反思和完善，為自身的高階思維能力的培養(yǎng)提供一定的幫助。

參考文獻：

[1]樊雅琴，王炳艷，等.深度學習國內研究綜述[J].中國遠程教育，2015（6）：2733.

[2]吳秀娟.基于反思的深度學習研究[D].揚州大學，2013.

[3]吳明隆.問卷統計分析實務——SPSS操作與應用[M].重慶：重慶大學出版杜，2010.

[4]王孝玲.教育統計學[M].上海華東師范大學出版社，2015（第5版）.

基金項目：本文為上海工程技術大學大學生創(chuàng)新訓練項目“基于零膨脹回歸模型大學生深度學習效果的研究”（編號：CX1921002）的成果