卷积神经网络基本概念范文第1篇

关键词：机器学习；深度学习；推荐算法；远程教育

深度学习（DeepLearning），也叫阶层学习，是机器学习领域研究的分支，它是学习样本数据的表示层次和内在规律，在学习的过程中获取某些信息，对于数据的解释有巨大帮助。比如对文字数据的学习，在网络上获取关键字，对图像数据的学习，进行人脸识别等等。

一、深度学习发展概述

深度学习是机器学习领域里一种对数据进行表征学习的方法。一句话总结三者之间的关系就是：“机器学习，实现人工智能的方法；深度学习，实现机器学习的技术。深度学习目前是机器学习和人工智能领域研究的主要方向，为计算机图形学、计算机视觉等领域带来了革命性的进步。机器学习最早在1980年被提出，1984年分类与回归树出现，直到1986年，Rumelhart等人反向传播（BackPropaga-tion，BP）算法的提出，解决了感知模型只能处理线性分类的问题，1989年出现的卷积神经网络（ConvolutionalNeuralNet-works，CNN）也因此得到了一定的发展。在1990年至2012年，机器学习逐渐成熟并施以应用，GeoffreyHinton在2006年设计出了深度信念网络，解决了反向传播算法神经网络中梯度消失的问题，正式提出了深度学习的概念，逐渐走向深度学习飞速发展的时期。随后，各种具有独特神经处理单元和复杂层次结构的神经网络不断涌现，深度学习技术不断提高人工智能领域应用方面的极限。

二、深度学习主要模型

1、卷积神经网络卷积神经网络（ConvolutionalNeuralNetworks，CNN）是指有着深度结构又包含着卷积计算的前馈神经网络。卷积物理上理解为系统某一时刻的输出是有多个输入共同叠加的结果，就是相当于对一个原图像的二次转化，提取特点的过程。卷积神经网络实际上就是一个不断提取特征，进行特征选择，然后进行分类的过程，卷积在CNN里，首先对原始图像进行特征提取。所以卷积神经网络能够得到数据的特征，在模式识别、图像处理等方面应用广泛。一个卷积神经网络主要由三层组成，即卷积层（convolutionlayer）、池化层（poolinglayer）、全连接层（fullyconnectedlayer）。卷积层是卷积神经网络的核心部分，通过一系列对图像像素值进行的卷积运算，得到图像的特征信息，同时不断地加深节点矩阵的深度，从而获得图像的深层特征；池化层的本质是对特征图像进行采样，除去冗杂信息，增加运算效率，不改变特征矩阵的深度；全连接将层间所有神经元两两连接在一起，对之前两层的数据进行分类处理。CNN的训练过程是有监督的，各种参数在训练的过程中不断优化，直到得到最好的结果。目前，卷积神经网络的改进模型也被广泛研究，如全卷积神经网络（FullyConvolutionalNeuralNetworks，FCN）和深度卷积神经网络（DeepConvolutionalNeuralNetworks，DCNN）等等。2、循环神经网络区别于卷积神经网络在图片处理领域的应用，循环神经网络（RecurrentNeuralNetwork，RNN）主要应用在自然语言处理领域。RNN最大的特点就是神经元的输出可以继续作为输入，再次利用到神经元中循环使用。RNN是以序列的方式对数据进行读取，这也是RNN最为独特的特征。RNN的串联式结构适用于时间序列的数据，可以完好保持数据中的依赖关系。循环神经网络主要有三层结构，输入层，隐藏层和输出层。隐藏层的作用是对输入层传递进来的数据进行一系列的运算，并将结果传递给输出层进行输出。RNN可用于许多不同的地方。下面是RNN应用最多的领域：1.语言建模和文本生成，给出一个词语序列，试着预测下一个词语的可能性。这在翻译任务中是很有用的，因为最有可能的句子将是可能性最高的单词组成的句子；2.语音识别；3.生成图像描述，RNN一个非常广泛的应用是理解图像中发生了什么，从而做出合理的描述。这是CNN和RNN相结合的作用。CNN做图像分割，RNN用分割后的数据重建描述。这种应用虽然基本，但可能性是无穷的；4.视频标记，可以通过一帧一帧地标记视频进行视频搜索。3、深度神经网络深度神经网络（deepneuralnetworks，DNN）可以理解为有很多隐藏层的神经网络。多层神经网络和深度神经网络DNN其实也是指的一个东西，DNN有时也叫做多层感知机（Mul-ti-Layerperceptron,MLP）。DNN内部的神经网络层也是分为三类，输入层，隐藏层和输出层，一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。深度神经网络（DNN）目前作为许多人工智能应用的基础，并且在语音识别和图像识别上有突破性应用。DNN的发展也非常迅猛，被应用到工业自动驾驶汽车、医疗癌症检测等领域。在这许多领域中，深度神经网络技术能够超越人类的准确率，但同时也存在着计算复杂度高的问题。因此，那些能够解决深度神经网络表现准确度或不会增加硬件成本高效处理的同时，又能提升效率和吞吐量的技术是现在人工智能领域能够广泛应用DNN技术的关键。

三、深度学习在教育领域的影响

1、学生学习方面通过网上学习的实时反馈数据对学生的学习模式进行研究，并修正现有教学模式存在的不足。分析网络大数据，相对于传统在线学习本质区别在于捕捉学生学习过程，有针对性，实现学生个性化学习。举个例子，在学习过程中，可以通过学习平台对学生学习课程所花费的时间，参与的程度，知识的偏好等等数据加以分析。也可以通过学生学习某门课程的次数，鼠标点击次数、停留的时间等，来推断学生学习情况。通过以上或类似数据汇总分析，可以正向引导学生学习，并给予积极的学习评价。这种利用计算机收集分析出来的客观数据，很好展示了学生学习行为的结果，总结学习规律，而不需要教师多年的教学经验来判断。对于教育研究者而言，利用深度学习技术可以更客观准确地了解学生，使教学工作良好发展更进一步。2、教学方面学习平台的数据能够对教学模式的适应度进行预测，通过学生的考试成绩和对教师的线上评价等加以分析，能够预测出某一阶段的教学方式发发是否可行，影响如何。通过学生与教师的在线互动，学生测验时完成的时间与完成的结果，都会产生大量的有效的数据，都可以为教师教学支持服务的更好开展提供帮助，从而避免低效率的教学模式造成教学资源的浪费。

四、成人远程教育中深度学习技术的可应用性

深度学习方面的应用在众多领域都取得了成功，比如电商商品推荐、图像识别、自然语言处理、棋类博弈等等。在远程教育方面，深度学习的技术还有很大的发挥空间，智能网络教育的实现是人们的众望所盼。若要将深度学习技术应用到远程教育平台，首先要清楚学生的需求和教学资源如何分配。1、针对学生的学习需求与学习特征进行分析美国斯坦福大学克里斯皮希研究团队的研究成果显示，通过对学生知识学习进行时间建模，可以精确预测出学生对知识点的掌握情况，以及学生在下一次学习中的表现。深度学习的应用可以帮助教师推测出学生的学习能力发展水平。通过学生与教学环境的交互行为，分析其学习风格，避免教师用经验进行推断而产生的误差。2、教学资源的利用与分配深度学习技术能够形成智能的分析结论。计算机实时采集数据集，对学生的学习情况加以分析，使教师对学生的学习状态、情绪状态等有更加清晰、准确的了解。有了上面良好的教学模式，教师对学生的学习状态有了更准确的掌握，对学生的学习结果就有了更科学的教学评价。基于深度学习的人工智能技术，还可以辅助教师实现智能阅卷，通过智能阅卷自动总结出学习中出现的问题，帮助教师减少重复性劳动，减轻教师负担。作为成人高校，远程教育是我们的主要教学手段，也是核心教学方式，学校的教学必定是在学生方便学习的同时，以学生的学习效果为重。通过深度学习技术，可以科学地分析出学生的学习效果，对后续教与学给予科学、可靠的数据支撑。我们可以在平台上为每位同学建立学习模型，根据学生的学习习惯为其定制个性化方案，按他们的兴趣进行培养，发挥他们专业的潜能。同时，可以将学生正式在线参加学习和考试的学习行为和非学习时间浏览网站的行为结合到一起，更加科学地分析出学生在学习网站上感兴趣的地方。采用深度学习算法，根据学生学习行为产生的海量数据推算出学生当前状态与目标状态之间的差距，做到精准及时的学习需求反馈。有助于帮助学生明确学习目标，教师确立教学目标，真正做好因材施教。基于深度学习各种智能识别技术，可以为教师的线上教学活动增光添彩，在反馈学生学习状态的同时，采用多种形式的教学方法吸引学生的注意力，增强教学活动的互动性，达到良好的教学效果。

卷积神经网络基本概念范文第2篇

关键词： 超分辨率； 深度学习； 卷积； 神经网络； 视觉特征； 映射

中图分类号：TP399 文献标志码：A 文章编号：1006-8228（2017）07-38-04

Application of deep learning in super-resolution image reconstruction

Han Sensen

（School of Computer and Information Engineering， Henan University， Kaifeng， Henan 475000， China）

Abstract： Super-resolution image reconstruction can reconstruct a high-resolution image using low-resolution images； it has become a hotspot in image processing. Deep learning is a popular branch of machine learning， which by combining low-level features to form more abstract high-level visual features， to avoid the artificial extraction of features. This paper divides the current reconstruction algorithm into three categories， which are based on interpolation， based on reconstruction and based on learning， and especially focuses on the reconstruction algorithms based on deep learning. Finally the future research direction of super-resolution image reconstruction technology is prospected.

Key words： super-resolution； deep learning； convolution； neural networks； visual feature； mapping

0 引言

单帧图像的超分辨率（super resolution，SR）重建是指利用已知的低分辨率图像，重构出具有更高像素密度的图像，并且重构出的图像还能够保持丰富的纹理、质地等细节信息。它在视频监控、图像打印、医学图像处理、卫星成像等领域有较广泛的应用。

超分辨率图像的重建本质上是一个病态（ill-posed）问题，因为不完全相同的多张图像高分辨图像在经过相同的降采样都可以产生相同的低分辨图像，这是一种典型的一对多问题，因此存在惟一解，特别是在放大倍数较高的情况下该问题将变得更为复杂。

1 算法分类

当前的超分辨算法大致可分为三类：基于插值的超分辨率重建算法，基于重构的超分辨率重建算法和基于学习的超分辨率重建算法。

基于插值的重建算法假设像素的灰度值是连续变化的，并利用邻近像素的灰度值计算待插值像素的灰度值，然而实际应用中许多图像并不满足这种假设。并且该算法通过一个预定义的数学公式直接将低分辨率图像生成高分辨率的图像而不考虑任何的图像特性，也不接受任何的训练。所以基于差值方法得到的重建图像容易产生模糊、锯齿现象。常见的线性插值方法有最近邻插值方法，双线性插值方法，双三次插值方法等。

基于重构的超分辨率重建算法是依照特定的退化模型，将已知的低分辨率图像序列中不同鼍暗男畔⒔行融合来重建出高分辨率图像，因此该算法需要对图像进行配准。常见重构算法有种迭代反向投影[1]（IBP）、凸集投影法[2]（POCS）。

基于学习的分辨率重建算法则是通过机器学习方法从大量的低分辨图像和高分辨图像对中学习它们之间的映射函数，利用学习到的函数对测试图像进行预测来产生高分辨率图像。常见的基于学习的分辨率重建算法有嵌套的邻域嵌入[3]（Neighbor Embedding with Locally Linear Embedding）、固定邻域回归[4]（Anchored Neighborhood Regression）、稀疏编码[5]（Sparse Coding）。

相比较于其他两类算法而言，基于学习的SR算法直接学习分辨率图像与高分辨率图像端到端的映射函数，比传统的插值和重构的方法具有更突出的性能。本文着重介绍几种基于深度学习的超分辨算法，包括SRCNN[6]，DRCN[7]， ESPCN[8]和SRGAN[9]等。

2 SRCNN

SRCNN（Super-Resolution Convolutional Neural Network）是较早地使用卷积神经网络来做SR的网络模型。该网络结构十分简单，仅仅用了三个卷积层。对于一张低分辨率图像，SRCNN首先使用双三次插值将它放大到将要放大的尺寸，再通过三层卷积神经网络做非线性映射，得到的输出结果作为重建的高分辨率图像。整个过程可分为三个部分：图像块的提取和特征表示，特征非线性映射和最终的重建。

图像块提取与表示：该过程从低分辨率图像中提取出部分重叠的图像块，并将每个图像块表示为一个高维向量，这些向量包含一些特征映射，映射的个数与向量的维数相同。

非线性映射：这个功能将每个高维向量非线性地映射成另外一个高维向量。从概念上来讲每个映射后的向量代表了一个高分辨率图像块。这些向量构成了另外一个特征集。

重建：这个处理聚集以上高分辨率基于像素块的替代对象，用于生成最终的高分辨率图像。并且我们希望这个图像能尽可能与高分辨率原图相近。

对重建后的超分辨率图像的质量进行定量评价的两个常用指标是PSNR[10]（Peak Signal-to-Noise Ratio）和SSIM[11]（Structure Similarity Index）。这两个值代表重建图像的像素值和原始图像像素值的接近程度，具体对比结果如表1，在2、3、4的放大倍数下，SRCNN与传统方法的对比，可以看出无论是在哪个放大倍数下，SRCNN的PSNR值都比其他的重建算法要高出0.4Db左右。

SRCNN的网络层数较少，同时局部感受野也较小，所以从输入图像中提取到的信息就非常有限。因此DRCN（Deeply-Recursive Convolutional Network for Image Super-Resolution）提出在网络中增加更多的卷积层增加局部感受野的大小，这样可利用更多的邻域像素。同时为了避免过多W络参数，DRCN提出使用递归神经网络RNN（Recurrent neural network）。

与SRCNN比较类似DRCN的网络结构可分为三个部分，第一个是Embedding network，相当于SRCNN中的特征提取，第二个是Inference network，相当于SRCNN中的非线性变换，第三个是Reconstruction network，即从特征图像得到最后的重建结果。其中的Inference network是一个递归网络，即数据循环地通过该层进行多次递归。将这个递归过程展开后可以看出，它等效于多个串联的卷积层共享同一组参数，Inference network展开后的网络结构是由D个共享参数的卷积层组成。DRCN将每一层的卷积输出都送入同一个Reconstruction Net来作为其输入，由于递归的深度是D，从而一共可得到D个重建图像，再把它们加权平均得到最终的输出。此外DRCN受ResNet[14]的启发通过skip connection将输入图像与Inference net的输出HD叠加作为Reconstruction Net的输入，这就相当于Inference Net学习的是高分辨率图像与低分辨率图像的残差图像，即图像的高频信息。

实验部分，DRCN同样也使用了包含91张图像的Set91[4]数据集进行训练，与SRCNN不同的是DRCN使用的训练数据是在多个方法倍数下生成的，而不像SRCNN那样在单一的放大倍数下生成，这样可以利用不同尺度图像间的信息进行互补，理论上DRCN的重建效果会由于SRCNN，具体的对比结果如表2所示，可以看出DRCN的重建图像的PSNR与SRCNN相比有了较大提高。

4 ESPCN

在SRCNN和DRCN中，低分辨率图像都需要先使用双三次插值得到与高分辨率图像大小相同的低分辨率图像来为网络输入，这意味着卷积的计算将在较高分辨率的图像上进行，这与在低分辨率图像上计算卷积相比于会需要较大的计算开销。因此ESPCN（Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network）提出在低分辨率图像上直接计算卷积来得到高分辨率图像。

ESPCN的核心思想是亚像素卷积层（Sub-pixel Convolutional Layer）。网络的输入是原始的低分辨率图像，经过两个卷积层后得到的特征图像大小与输入图像一样，但是特征的通道数变为r2，γ是图像的目标放大倍数。然后将每个像素上的r2个通道重新排列成一个γ×γ的区域，该区域对应于高分辨率图像中的一个区域大小为γ×γ的子块，从而对于一个大小为r2×H×W的特征图像在通道上进行重新排列会形成一个大小为1×rH×rW的图像，该图像的尺寸是输入图像尺寸的r倍，从而间接地实现了输入图像的放大。

通过使用sub-pixel convolution可以间接的实现图像的放大过程，即插值函数是隐含地包含在前面的卷积层中，只在网络的最后一层对图像大小做变换，前面的卷积运算由于在低分辨率图像上进行，因此效率会有很明显的较高。

ESPCN的训练与SRCNN类似，在重建效果上，以PSNR为评价指标来看ESPCN比SRCNN有进一步的提高，具体对比如表3所示。而时间效率方面对于一个1080HD的视频图像，对其放大四倍进行的高分辨率重建，SRCNN需要的时间为0.434s，而ESPCN只需要0.029s。

SRGAN（Photo-Realistic Single Image Super Resolution Using a Generative Adversarial Network）是将生成对抗网络用于SR问题的处理。其出发点是传统的方法一般只能处理的是较小的放大倍数，当图像的放大倍数在4以上时，得到的结果往往显得过于平滑，从而重建出的图像在视觉上却少一些质地细节的真实感，因此SRGAN使用GAN来生成图像中的细节。

SRGAN网络由两部分组成：生成网和判别网，生成网用于生成一些图像，判别网用于判断接收到的输入图像是由生成网生成的还是来自于真实样本中的原始图像。训练时如果判别网无法区分出来输入的样本来自于哪里就达到了预期的效果。

传统方法一般使用图像的最小均方差（MSE）作为误差函数，即该误差函数使重建图像有较高的PSNR，但是重建图像缺少了必要的高频信息，因而在重建后的图像中容易出现过度平滑的纹理。在SRGAN的误差函数中又增加了一个内容误差项和生成误差项。

内容误差用于衡量重建出图像与原始图像在更高级的视觉特征上的差e。其具体定义由以下公式描述。

生成误差项基于判别网输出的概率，其输出值表示输入数据来自于真实样本的概率大小。其具体定义由以下公式描述。

其中是一个图像属于真实的高分辨率图像的概率。是重建的高分辨率图像。

SRGAN的训练过程与前面的网络类似，同样使用PSNR和SSIM评价标准对算法的重建效果进行测试，SRGAN生成的高分辨率图像看起来更真实，具体的对比如表4所示。

6 结束语

深度学习已经在超分辨率图像重建领域取得了突破性的成绩，同时它仍然存在一些问题，例如它与传统的机器学习方法一样，通常假设训练数据与测试数据服从同样的分布，而实际上这两者存在一定的偏差。此外当前的重建算法仍然只使用于较小的放大倍数，对于较大的放大倍数得到重建图像仍然过于平滑模糊，因此如何充分利用深度学习来增强算法在较高的放大倍数下的重建性能是目前深度学习研究的重点。

参考文献（References）：

[1] Irani M， Peleg S. Improving resolution by image registration[J].

CVGIP： Graphical models and image processing，1991.53（3）：231-239

[2] Stark H， Oskoui P. High-resolution image recovery from

image-plane arrays， using convex projections[J].JOSA A，1989.6（11）：1715-1726

[3] Timofte R， De Smet V， Van Gool L. A+： Adjusted

anchored neighborhood regression for fast super-

resolution[C]，2014：111-126

[4] Timofte R， De Smet V， Van Gool L. Anchored

neighborhood regression for fast example-based super-

resolution[C]，2013：1920-1927

[5] Yang J， Wright J， Huang T S， et al. Image

super-resolution via sparse representation[J]. IEEE transactions on image processing，2010.19（11）：2861-2873

[6] Bruna J， Sprechmann P， Lecun Y， et al. Image

Super-Resolution Using Deep Convolutional Networks[J]. Computer Science，2015.

[7] Kim J， Lee J K， Lee K M. Deeply-Recursive Convolutional

Network for Image Super-Resolution[J]. arXiv preprint arXiv：1511.04491，2015.

[8] Shi W， Caballero J， Huszár F， et al. Real-Time Single

Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network[J]，2016.

[9] Ledig C， Theis L， Huszar F， et al. Photo-Realistic Single

Image Super-Resolution Using a Generative Adversarial Network[J]，2016.

[10] Hore A， Ziou D. Image Quality Metrics： PSNR vs. SSIM[J]，

2010：2366-2369

[11] Wang Z， Bovik A C， Sheikh H R， et al. Image quality

assessment： from error visibility to structural similarity[J].IEEE Transactions on Image Processing，2004.13（4）：600-612

[12] Kim K I， Kwon Y. Single-image super-resolution using

sparse regression and natural image prior[J]. Pattern Analysis & Machine Intelligence IEEE Transactions on，2010.32（6）：1127-1133

[13] Dong C， Loy C C， He K， et al. Image super-resolution

using deep convolutional networks[J]. IEEE transactions on pattern analysis and machine intelligence，2016.38（2）：295-307

卷积神经网络基本概念范文第3篇

关键词：概念图；综合性学习；学习工具；思维能力

中图分类号：G623.2 文献标识码：B 文章编号：1672-1578（2015）04-0084-01

1.研究背景

《语文课程标准（2011版）》提出：综合性学习既符合语文教育的传统，又具有现代社会的学习特征，有利于学生在感兴趣的自主活动中全面提高语文素养，有利于培养学生主动探究、团结合作、勇于创新的精神，应该积极提倡。[1] 课程标准还提出了"综合性学习"的要求，以加强语文课程内部诸多方面的联系，加强与其他课程以及与生活的联系，促进学生语文素养全面协调地发展。

然而在小学语文教学实践中，由于教师们对综合性学习的教学方式把握不准，往往把此类课与平时课堂上的阅读教学课、作文课、知识传授课混淆，现实中也不乏教师对综合课无所作为，使综合性学习成为学生的自由学习课的现象。对于以上发现的问题和现状，研究者认为教师应正确理解新课程的理念，按照课程标准提出的相关教学建议："积极开发、合理利用课程资源，灵活运用多种教学策略和现代教育技术，努力探索网络环境下新的教学方式"。

2.念图是支持语文综合性学习的有效学习工具

概念图是一种学习的工具、创造的工具、合作的工具、评价的工具，最早由美国康奈尔（Cornell）大学的诺瓦克（D.Novak）等人基于奥苏贝尔（David，P.Ausubel）的学习理论开发的，他们在《学会学习》一书中使用图形组织结构，称之为"概念图"[2]。概念图模拟学习者认知结构的层次性，并以层级结构组织知识，有利于学习者把握新知识的"同化点"，促进有意义学习的发生。

概念图在小学语文综合性学习中应用有其理论的基础。"概念图/思维导图作为一种学习策略，能让学生进行有意义的学习，促使他们整合新旧知识，建构知识网络，浓缩知识结构，从而使学生从总体上把握知识，还可以作为一种元认知策略，提高学生的自学能力、思维能力和自我反思能力。[3]"故此，把概念图引进语文综合性学习之中，以培养小学生主动探究、团结合作、勇于创新的精神，从而提高学生语文综合性学习能力的准实验研究是具有可行性的。

3.念图支持小学语文综合性学习策略的构建

概念图是知识可视化的重要工具，具有激发右脑潜能、提升思维品质、实现高效学习和工作的作用。为了更好地克服语文综合性学习中的不足，研究人员在借鉴概念图理论和研究案例的基础上，结合本校教学实践，探索出概念图支持语文综合性学习的策略。

该套策略包括了四个环节。

第一，自主选题。围绕"遨游汉字王国"这一单元主题，实验教师引导学生在本单元的学习中，先梳理知识脉络，完成单元结构的概念图；接着，学生通过对课本中汉字资料的学习内化知识；然后，让学生由课内资料学习延伸到课外的拓展阅读。

第二，精心策划。学生自主选题后，自主分为"汉字之源"、"汉字之变"、"汉字之美"、"汉字之趣"、"汉字之误"等小组，一起填好活动设计的概念图，避免了形式主义。

第三，有效实施。"实施"是语文综合性学习最总要的环节，学生按计划利用网络及在图书馆、书店等搜集的相关资料，进行实践探究。同一个小组的学生分工协作，绘制概念图，准备进行成果汇报。

第四，交流评价。通过小组的共同努力，学生们绘制出内容丰富、层次分明的概念图，按照既定的方案向大家展示成果，并进行有效的小组评价。

4.实验研究的过程和方法

4.1 被试。为了验证概念图支持语文综合性学习的策略的实际效果，我们在广东省广州市LDX小学选择了五年级两个班作为实验班，并相应选定同年级中水平最为接近的两个班作为对比班。本研究的准实验假设：概念图是支持语文综合性学习的有效学习工具，能提高学生的综合性学习的能力。

4.2 材料。人教版小学语文五年级上册第五单元"遨游汉字王国"。

4.3 准实验过程。实验研究持续进行了一个月。实验班以概念图支持语文综合性学习，平均每周一次，每次一个课时（40分钟）。实验班与对比班的综合性学习课时完全一致。在实验班，每次运用概念图支持小学语文综合性学习的策略，让学生用个性化的学习方式展开学习和探究活动。而在对照班，采用传统教学，期间不做其他无关干预。

4.4 问卷调查结果统计和分析。在实验后期，对实验班学生进行了问卷调查。74%的学生对综合性学习时画概念图的学习方法感兴趣；56%的学生喜欢画概念图；79%的学生喜欢一起讨论，并用概念图来记录收获的学习形式；67%的学生有自己不同的见解，会主动说出来，并添加到集体完成的概念图中；96%的学生认为概念图能提高自己对综合性学习的兴趣。

在学生绘制概念图的体会和习惯方面，88%的学生觉得绘制概念图容易；87%的学生进行综合性学习时，会使用概念图的方法；97%的学生认为概念图会帮助解决一些综合性学习方面的困难；87%的学生喜欢在概念图上画图形；56%的学生经常运用概念图帮助综合性学习；53%的学生希望老师还采用概念图教学。

从问卷调查结果统计可以看出，概念图支持语文综合性学习的策略具有较好的教学效果。

5研究结果与讨论

5.1 运用概念图进行语文综合性学习，可以提高学生的学习兴趣。

5.2 概念图提高了学生的思维能力，是支持语文综合性学习的有效学习工具。

卷积神经网络基本概念范文第4篇

关键词:新课标 网络 高中美术 寓教于乐

21世纪,以网络为媒介的信息技术全面进入人类活动。多媒体与网络的交互方式,极大地推动了传统文化的转变。在网络中,人们可以把抽象思维能力和切身情感体验结合起来,促进科学和人文的直接结合,促进文化的加速发展。更重要的是它强烈冲击和改变人们的教育思想观念,改变了教育教学的环境、过程和方法。

现高中美术欣赏教学,主要是通过对美术作品的感受、认识,帮助学生完善自己的道德品格,形成正确的审美观、世界观、人生观,在开发学生心智、潜能等方面都有重要意义。在信息时代,我们高中美术教师应当与时俱进,研究更加适应时代要求、更适合现代学生性格特征的新教学模式。

以往上美术欣赏课时,无论老师讲课多么认真,多么投入,总觉得课堂上没有本该具有的生气和活力,老师在讲台上照本就宣,陈词滥调,学生在下面趣味索然,沉闷的课堂让我总感觉辜负了学生家长的期望,于是我就开始了对美术欣赏课的探究。

一. 依据新的国家课程标准,在美术教学中倡导愉快教学、自主教学、探究学习、合作学习、综合学习的方针。

根据在新课程标准理念的指导,结合自己积累的教学经验,我确立了初步的研究方案――

研究课题:高中美术欣赏课模式

研究目标: 通过对高中美术欣赏课模式的研究,了解如何用古今中外优秀艺术作品中的美来打动学生的感情,激发学生对美术的兴趣,充分调动学生的积极性,从而培养他们具有正确的审美观念和感受美、理解美、鉴赏美、创造美的能力,促进学生德、智、体、美全面发展。

研究内容:1、美术欣赏课的内容2、美术欣赏课的过程 3、美术欣赏课的对象4、美术欣赏课的效果

研究过程设计: 1、查阅有关资料,建构理论基础2、学生问卷调查

3、整理归纳 4、听取意见5、定稿。

根据初步方案,我认为上美术欣赏课首先要有内容可讲,不能简单地照本就宣,要让学生感觉到新意。本着这样的教学目的,根据教材内容,我上网查找了许多的资料,了解了画家所处的时代背景,掌握了画家作品的创作背景及动机,并收集了有关的趣事和图片。本以为这样教学效果会大为提高,事实上,效果并不明显。虽然学生在课堂上注意力和积极性有所提高,但整堂课学生的表现起伏较大,并没有反映出预计的效果。

二.一次偶然的机会,我上网恰好看到中央电视台的《开心辞典》这个栏目,很快就被其丰富的知识和快乐的紧张氛围吸引了,看完之后仍觉津津有味。这么好的模式为什么不能运用到课堂中呢?挫折并没有淡化我的激情,《开心辞典》形式的启发又坚定了我的信心。我一方面认真总结,查阅资料,一方面进行学生问卷调查,细化研究方案。

经过认真分析筛选,我们在学生问卷中着重对以下问题进行了调查:

1、你觉得网络能扩宽对美术知识的了解吗?为什么?

2、你是否希望老师上课时能提供更多的图片?为什么?

3、你喜欢老师使用课件教学吗?为什么?

4、你喜欢上课使用比赛这种形式吗?为什么?

5、你认为美术欣赏课有必要调整位置吗?为什么?

6、你觉得美术欣赏课上老师应充当主持人角色还是广播员形式?为什么?

7、你认为美术欣赏课对你其它方面发展有帮助吗?为什么?

为了能让学生畅所欲言,不阻碍学生的思维,问卷上都用“为什么”来请学生解释原因。学生问卷普遍填写得很认真,我对高一年级(3个班计163位学生)学生调查问卷进行了统计(不含2张废卷),初步了解了以下情况:

首先, 100%的学生都不希望老师拘泥于课本内容,要求适当讲授课外知识,同时,他们更希望老师使用课件教学,对图片也很感兴趣。学生普遍认为上网能搜索更多的图片和课外知识能使他们视野更为宽阔,优秀的课件能使他们提高课堂效率,增强学习的积极性。

其次,84.63%的学生表示很乐意接受课堂上进行比赛这种形式,“比赛可以提高我们的学习效率” ⑵, “比赛能够提高我们的积极性,使课堂具有趣味性” ⑶, “比赛可以加深同学之间的竞争力和互相学习的精神” ⑷;还有15.37%的学生因为怕回答问题出错,在同学面前丢脸等原因而畏惧比赛这种形式。

再次,88.46%的学生认为上课变换位置对学习有促进作用,有学生希望在比教室大的美术教室里上课,另外的学生则认为不自觉的同学可能会借此机会扰乱课堂秩序。

最后,96.15%的学生表示喜欢主持人式的教师,“这样可以让课堂变得更为轻松”,⑸“主持人一定不乏幽默感,讲起课来肯定有趣,决不会让人恹恹欲睡” ⑹, “这样老师更富有魅力,课堂内容也丰富多彩” ⑺,其余的同学则认为那样课堂可能会乱。

从学生的调查问卷来看,学生希望在欢乐轻松的氛围中学习知识,提高自身的审美素养,培养自己感受美、理解美、鉴赏美、创造美的能力。长期以来,我们在美术欣赏课中过分的强调了理性思考的方法,表现在教育上过分地强调了传授的方式,把学生看成被动地接受知识的“容器”,这使得欣赏课常常以教师讲授为主,剥夺了学生自己体验和理解美术作品的权利,而现代教育强调直观体验是美术欣赏课的特色,因为有了多媒体技术、宽带网络空间,教师可以充分的利用现代教育技术和资源,更好的把美术作品直观的展现在学生面前,把图片、声音、文字信息传递给学生,让他们有更多的空间,自主地对美术作品观察、理解、思考、分析,同时也让学生有交流、比较、操作的机会。强调了学生的理解,强调了学生学习的过程,强调学生主动学习的兴趣。

三.基于以上研究,不难得出,美术欣赏课要改变以往的教学程式方法,就应该“寓教于乐、当堂消化”,“乐”既要注重课堂教学方法的改革,又不能偏离教学的轨道。我初步确定将美术欣赏课“寓教于乐、当堂消化”的模式通过三个环节来完成,即:激情引趣、揭示课题 ,师生活动、资源共享, 组织竞赛、消化接受。“激情引趣、揭示课题”是教师在欣赏课上成功驾御课堂的前提。这一环节我通过谜语、故事、动画等常见的课堂导入法“引趣”,同时通过告知学生欣赏课模式中的竞赛环节来“激情”。“师生活动、资源共享”是美术欣赏课教学模式中的中心环节。学生的情感兴趣被激发起来之后,他们很容易进入课堂情境,乐于接受新的知识。我再根据学生各组上网找的资料,提问、设问、挖掘教材内容的核心,进一步增强学生情趣。再通过声情并茂的课件演示或图片、录像等手段,师生双边活动,较好地完成信息的传递和资源共享。“组织竞赛、消化接受”是美术欣赏课教学模式的高潮部分。竞赛是这一环节的主要手段,我用竞赛的方式取代了传统的由教师单方面小结和评价,在学生表现出高度的主动性和积极性的情况下,帮助学生理解当堂所学内容,及时消化、巩固,检查学生掌握新知识的情况。

到了具体实施阶段,我进一步修改教案,设计课件,力求达到“寓教于乐,当堂消化”的效果。

附:教案提纲:

通高中课程标准实验教课书《美术鉴赏》

人民美术出版社2004年7月第1版

课业类型:美术鉴赏课

教学课题:古希腊雕塑

教学目的:1、初步了解古希腊雕塑的发展概况。 2、感受古希腊雕塑的艺术美和文明史,提高审美素养。

教学重点:感受古希腊雕塑作品的艺术美,提高审美素养。

教学难点:点面结合,概况和分析雕塑美的有机结合。

教学准备:液晶投影仪、课件、电脑等

教学过程:

一、激情引趣、揭示课题:

1、播放雅典奥运会开幕式片断

2、提出问题:为什么在本届奥运会上要把古希腊雕塑作为开幕式的一项主要表演内容呢?

二、师生活动、资源共享:

1、请左右两组各推选出一个学生(由学生模仿投铁饼的动作)

2、提问古希腊社会背景:(学生回答)

A、分析作品:《掷铁饼》这尊雕像被认为是“空间中凝固的永恒”,直到今天仍然是代表体育运动的最佳标志。

B、由学生在网络搜索到《维纳斯》的故事(学生讲解):

提出问提:学生对这尊雕塑的印象?教师分析:《维纳斯》作品

C、播放电影《特洛依》预告片,导出雕塑作品《拉奥孔》。

由学生讲解在网络搜索到的特洛依《木马计》的故事; 教师分析作品《拉奥孔》:

三、组织竞赛、消化接受:

1、课件展示竞赛题

2、总结比赛情况:(学生在回答时可以适当问为什么,让学生自由的回答问题,不管回答对错,总结时都要以鼓励的言语为主,避免挫伤学生的情绪。)

美育是素质教育的重要内容之一。美术欣赏是美术作品发挥社会作用的主要环节。凡是优秀的美术作品总是真实地、生动具体地、形象地再现社会生活,反映时代精神,民族特点和人们的精神实质。因此,教师要引导学生去正确认识客观现实,深刻理解社会生活,从而使学生受到鼓舞,得到美的陶冶。但教材、教室、学校并不是知识的唯一源泉,大自然、人类社会、丰富多彩的世界都是人生的教科书。优秀的课堂教学,应该既充满改革精神,又符合常规要求。我在美术欣赏课模式的研究过程中,注重教师传统授课与当今主持人主持风格相结合,突出授课的主要性;注重学生欣赏和观众娱乐相结合,突出活跃性,即体现“生活化”的理念。在整个课堂教学模式的设计中,我采用借鉴了刺激控制与强化的教学模式、概念形成的教学模式和创造性培养的教学模式,根据实际情况对教材内容加以补充和适当的取舍,充分运用媒体、网络资源的教学综合运用,激发学习兴趣,加强知识理解和巩固,提高学习的效率。虽然在研究过程中还有所不足,但我已经在教学改革上迈出了第一步,并取得了一定的成效。

参考文献

⑵⑶⑷⑸⑹⑺学生调查问卷摘录

⑻《中学美育》于文杰主编 南京大学出版社1992年9月1日第1版

卷积神经网络基本概念范文第5篇

[关键词]CTCL；学习者：基本构想：初步研究

[中图分类号]G434

[文献标识码]A

[文章编号]1672-0008(2012)02-0003-12

一、引言

19世纪末幻灯、无声电影等媒体被应用于教育。拉开了教育技术学研究的序幕。由于媒体或者媒体技术在该学科中的地位，关注新媒体教育应用成为教育技术学研究中一个明显的倾向。随着研究的深入与技术的发展，教育技术学研究者开始将技术应用到具体的学习内容与学习情境中，信息技术与课程整合成为上世纪90年代以来一直延续至今的教育技术学研究热点。

近年来，一些教育技术学研究者开始关注“学习者”这一要素。我们曾以《电化教育研究》和《中国电化教育》两刊2006-2008年的1767篇论文作为研究材料，对我国教育技术学的研究对象及发展趋势进行了分析。研究发现，在这1767篇论文中。以“学习者”作为研究对象的仅占10.3％，其余89.7％则多为教育教学系统研发、教育技术学理论等未涉及学习者的研究。而根据《日本教育工学会论文杂志》，日本这三年内以“学习者”为研究对象的教育技术学研究论文约占66.7％。《电化教育研究》和《中国电化教育》是我国教育技术学领域办刊最早、也是最有影响力的两本杂志，在这两本杂志上刊载的论文在一定程度上反映了我国教育技术学领域的研究趋势。因此，上述数据也在一定程度上反映出我国教育技术学研究虽然已经开始关注学习者，但对学习者的关注尚不充分。南国农先生指出：“成功的电教……要从学生出发。教是为了学，学生是学习的主体。电教工作，不论是设计、开发、利用和管理教学过程和教学资源都要从学生的实际需求出发。”哦们认为，教育技术学研究对学习者的充分关注不仅是不可或缺的，而且应是深层次的。

基于上述问题，我们尝试探索一种新的教育技术学研究范式——“CTCL”(CTCL为Culture，Technology，Content，Learn-er的首字母缩写)，使其既能反映出教育技术学本身的方法属性，又能在文化的视野下充分体现教育技术学研究不仅对技术、学习内容的关注，同时也对学习者深层次的充分关注。

二、CTCL的基本构想

这里将结合我们对CTCL的思考与认识过程，对该研究范式的形成进行简要介绍。并对该研究范式的各要素及其关系进行初步解读。

(一)CTCL的形成

我们认为，当前教育技术学研究存在两种较为成熟的基本范式，一种是关注媒体教育应用(以计算机和网络教育应用为代表)的研究范式，我们称之为“媒体”范式，另一种是将信息技术与课程整合的研究范式，我们称之为“整合”范式。

在“媒体”研究范式中，众多研究者关注媒体应用，开展了大量有价值的研究，如我国学者陈丽等人开展的远程教育研究，徐福荫等人开展的电视媒体研究，张舒予等人开展的视觉文化及媒介素养研究，王陆等人在基于网络的教师专业发展COP项目中的相关研究，国外学者生田孝至等人开展的儿童对媒体的态度研究，我国青年学者吴鹏泽开展的中日学生对媒体态度的比较研究及提高媒体素养的策略研究等。此外，国内外还有很多学术组织，如美国新媒体联盟(New Media Consortium)、日本教育媒体学会(Japan Associa-tion for Educational Media Studv)、日本视听觉教育协会(JapanAudio Visual Education Association)等，一直在组织本团体开展媒体教育应用的研究。把新媒体、新技术应用到教育中是“媒体”研究范式的突出特征。近几年，一些学者致力于将云计算技术、电子书包、iPad、iPhone等新技术第一时间应用到教育中。力求为改善学习条件提供新的契机。如祝智庭等人开展的数字布鲁姆本土化研究等。

技术“因具备信息传播属性而被用于教育”到研究者“将信息技术有效地融合于各学科的教一种技术再到成立专业学术组织的阶段，通过研究、算法、人工智能、数据库学的过程来营造一种信息化教学环境”，在教育技术学研究领域中，“整合”范式逐渐显现。我国学者何克抗、李克东、王本中等人[13114115l从1994年开始将计算机技术、现代教育理论、认知学习理论、语文教育的需求等方面进行统合。在中小学开展小学语文“四结合”教学改革试验。2000年，在“四结合”研究成果的基础上，何克抗等人又开展了“基础教育跨越式发展创新试验”，先后在700多所试验学校开展了广泛的实践研究，产生了许多宝贵的研究成果。我们从改善学习的效果、效益、效率三个方面考量国内外信息技术与课程整合的研究，数据表明，这些研究是有效果的，如日本学者清水康敬等人对在课堂中使用ICT对学生学习的改善进行了实证研究，发现在学习成绩、学习态度、学习积极性等方面，使用ICT的课堂，其学生的主观题测试得分高于不使用ICT的课堂的学生。然而，从改善学习的效益和效率来看，“整合”范式下开展的研究在投入、产出比方面，似乎并不总是乐观的。以美国为例，何克抗指出：“尽管美国早就在中小学建立了良好的信息技术环境(例如。1999年美国中小学就已经是基本实现网络化的‘网络年’，到2001年美国中小学已有99％联网，2003年美国中小学生与电脑比例已达到5：1)，为实现信息技术与学科教学的整合创造了良好条件，但是他们的基础教育质量并未因此有明显的提升。”

我们对上述两种范式进行思考，产生了如下疑问：如果说教育技术学是为了促进人的发展，归根结底是为了促进学习者的发展，那么教育技术学研究倘若重在关注媒体应用，或者重在将信息技术与课程整合，而不去深层次地、充分地关注学习者，是否便缺失了其立足于“教育”的根本?换言之，到底谁在学习?在教育技术学研究中。如果忽视了学习的主体——“学习者”，研究是不是很可能会陷入只见技术不见人、投入产出不成比例的尴尬境地?美国《2011 Horizon报告》指出，四到五年后，学习分析将成为以教育为主的组织机构使用的主流技术，进行学习分析的目标是使教师和学校根据每个到校接受教育的孩子的不同程度的需求。提供不同的教育方式。从这种开始关注学习者的态势，我们不难看出：学习者在学习，“教育技术学研究”：应该充分关注学习者。

近年来，一些教育技术学研究已经在一定程度上呈现出

关注学习者的态势，然而对学习者关注到什么程度，也是值得思考的问题。当前，适应性学习和个性化学习已经成为教育技术学发展的四大热点问题之一，这足以说明它对学生的深层次关注是必要的。“媒体”及“整合”范式下开展的研究不可避免地提到了学习者，但是这些研究对于学习者的关注，似乎并未找到一个很好的切入点，即对学习者的关照往往是浅显的。我们认为，教育技术学研究对学习者的关注，应该从系统的角度着眼，将其置于一个包含学习内容、技术等要素的关系网中，从内隐、外显两个角度深层次地去考察，对于这两个角度，本文将在后面详细阐述。

笔者之一董玉琦于1993年至1998年先后以进修教师、研究生和外国研究员的身份在日本学习和研究，主要开展课堂教学过程中学习者的情绪变化的系列研究，并对学科学习心理进行了较为深入的考察。在此后学习与研究教育技术学的过程中，逐渐感悟到结合特定的学习内容对学习者的心理等进行深层次关注的必要性。自此，在教育技术学的研究中。将技术、学习内容、学习者相统合(TCL)的最初设想便基本成形。

同时，我们发现，近年来在教育技术学研究中，能够体现技术、学习内容、学习者相统合(TCL)的研究已初见端倪，例如我国学者徐晓东等人开展了计算机支持的协作概念转变研究，又如我国台湾学者佘晓清等人开展了利用SCCR数字学习系统辅助学生概念转变的研究等。

学习理论的发展不断地印证了文化在教育技术学研究中的重要作用。从“学习是反应的强化”这种呆板的论调到“学习是参与和交往”这种关注学习情境的新观念，使得文化在教育技术研究中的地位愈发凸显出来。由此，“TCL”进一步发展为“CTCL”，即研究者在文化(Cuhure，C)视野下，将技术(Technology，T)、学习内容(Content，C)、学习者(Learner，L)相统合的教育技术学研究新范式，亦可简称为“学习”范式，从而形成了教育技术学研究从“媒体”到“整合”再到“学习”的范式的演进过程。

(二)CTCL各要素解析

如前所述，CTCL关注的是技术、学习内容、学习者、文化四个要素。

对于技术(T)，刘美凤在《广义教育技术定位的确立》一文中，将基本的技术构成分成物质的和非物质的，并称为“物化形态”和“智能形态”的技术。我们提出的CTCL中的技术(T)沿用了此划分。所以，此处的“技术(T)”包括以计算机技术、网络技术等为代表的信息技术及其产品(如软件、平台、工具等)，即“物化形态”的技术，也包括以绩效技术为核心的、以追求系统优化为目标的“智能形态”技术。在此基础上，CTCL特别关注和强调的是技术在学习的过程中向问题解决的优化功能发展，是“学习者”通过技术的使用改善“学习者”的学习认知等心理状态及其差异的可视化，为教师提供一种“学习者的学习资源”，使得教师能够实时地诊断学习者的状态，感受学习者与学习内容这一统合体(对此，后文将有详细的阐述)在CTCL中技术(T)这一要素的价值。

对于学习内容(c)，鉴于自20世纪后半叶以来学科间的融合趋势越来越明显，CTCL并不局限在某一学科视域内。而是关注学科间的内容交融性，因此，CTCL并没有用学科(Subiect)这一表述，取而代之的是学习内容(C)。但在具体研究。研究者自身学科领域的划分是不可避免的。从这个角度讲，学习内容(C)覆盖的学科领域，既包括物理、化学、生物等传统理科的内容，也包括语言等文学的内容，以及信息技术等新兴学科的内容。此外，从学科形态来看，学科内容(C)涉及分科形态和综合形态的课程，如我国小学和初中开设的综合科学课程。

对于学习者(L)，从人员组成来看，不仅包括各个教育层次的学生(中小学生、大学生、研究生等)，也包括教师、企业人员等。值得一提的是，“学习是知识的社会协商”等关于学习的新论调不断昭示着：人不仅仅是独立的个体。因此，CTCL对“学习者”的理解上升到社会的、学习共同体的层面。从人员形态来看，如前所述，“学习者”构成包括单一的学生“个体”。也包括社会的、学习共同体层面的学生“群体”，在这里，“社会”的内涵是丰富的，它涵盖了面对面的真实社会情境以及基于网络的虚拟社会环境。

前文已述，教育技术学研究应找到合适的切入视角，从内隐、外显两个角度深层次地关注学习者。心理是CTCL的首选视角，它包括学习者的认知、情绪与意志。对于学习者的认知。CTCL借助“学习是概念的转变”这一流行的学习隐喻，从概念转变出发，对学习者在学习过程中的认知机制进行探讨：对于情绪，学生的情绪虽然不易直接测得，但往往能够通过生理指标来探测，比如学习者的皮肤电反应(GSR)、表情等：对于意志，CTCL会关注到学生的感性和理性意志。除此之外，行为视角是CTCL考虑的又一视角，它包括学习者的外显行为、内在行为。对于学习者的关注，CTCL还可以从生理学、管理学、社会学等多个视角或综合的视角切入。

不同领域的研究者试图从不同角度对学习进行研究、解释。但在这些研究中，文化往往是一个容易被忽视的维度，人们往往太过重视知识的传递，却忽视了学习本身是对文化的理解与传承。正如Evford,G.A.指出的，在学习过程中“仅仅有精确的知识与完备的信息是不够的，知识是需要人们通过其既有的价值观与对知识的固有理解去内化的。”学习者“既有的价值观及其对知识的固有理解”，是CTCL对文化(C)的下位理解。对于这些因素，无论是个体还是群体层面的学习者，由于生物遗传、教育背景、生活环境等多方面的因素，都存在着极大的差异，当这种差异逐渐成形并影响其对事物的认识与决策，便发展为一种学习者特有的文化。由此。在学习者之间、教师与学习者之间的交流本身便是一种跨群体文化的交流，在这种交流中，充分利用学习者之间的差异这种独特的教学资源，尊重学习者群体的特有文化，坚持和而不同，各美其美，增强学习系统的容错性，通过技术等手段方便学习者更好地表达自己的认知等深层次的心理状态，从而使学习者在一种容错性很强的学习环境中感受到对教育的尊重。是CTCL在这一层面上的追求。

学习本身即是文化现象之一。通过学习，学习者自身最终应全面发展，在这个过程中，其文化自觉是一种关键的学习品质。学习者获取的不仅仅是知识理解力的提升、能力的提高，而且是自身作为社会一员的自我意识，在此基础上，其责任、批判、合作的基本素质才能有所提升。正如联合国教科文组织在《学会生存》中提出的，“新时代的人类必须能够在自身不断增强的知识理解力、能力与自身情感、道德、性格结构之间建立一种平衡。”也就是说，CTCL站在“教育技术学研究新范式”的立场上，倡导的是以人为本的研究文化和追求学习品质的学习文化，这是CTCL对文化的上位理解。

(三)CTCk各要素关系

CTCL的四个要素并非毫无交叉关系的独立要素，学习

者(L)使用技术(T)促进自身对学习内容(C)的学习，而技术(T)在设计、开发阶段的主要依据是学习内容(C)和学习者(L)的状况(如心理等)。文化若取其上位内涵，则影响到整个系统中的每个要素，若取其下位内涵。则主要在学习者这一要素圈中发挥作用。

值得一提的是，对于CTCL中的技术(T)要素，其设计、开发的每一个环节，均是建立在对学习者(L)与学习内容(C)充分统整的基础之上的，在以往的研究中，尤其是在远程教育、网络教育研究中，通过技术对于学习者的关注往往考虑到了学习者的学习风格、学习态度等较为上位的心理因素，但是这些研究却很少顾及到学习内容，脱离了学习的具体情境，使得技术对于学习者的考虑和关注稍显浅显，故在CTCL中。技术(T)要素不仅分别对应学习内容(C)与学习者(L)，更要对应学习内容(C)与学习者(L)的统合体。且充分考虑到文化(C)要素。

总之，CTCL这种教育技术学研究新范式提倡在文化视野下，以一种跨学科的综合视角去研究教育，其研究取向在于教育实践问题的解决，这种取向的特点在于：对系统性理念的强调，即教育技术学研究在系统中开展：对最优化的追求，即在改善学习方面，不仅仅强调效果，还要强调效率与效益：对可视化的重视，即力求通过技术实现学习者学习状态(如认知等深层次心理)的可视化。此外，CTCL凸显教育技术学的方法属性，即教育技术学的研究对象不是教育技术，更不是技术本身，而是教育；教育技术学重在以技术的方法，通过系统化、最优化等解决教育中的实际问题；教育技术学应更加关注学习者。指导学习者自身应用技术(包括智化技术)改善学习而促进发展。

三、相关研究及其启示

CTCL来源于两个方面：一方面源于对当前已经较为成熟的两种教育技术学研究范式的反思以及我们自身多年来的学习与研究之感悟；另一方面源于近年来学习科学、学习技术、学科学习心理等相关研究领域的进展与启示。在这些领域中，研究者将文化、技术、学习内容、学习者这四个要素中的两个或三个相统合，从单一学科或者跨学科的视角去关注学习者的学习，产生了很多有价值的研究成果。

(一)学习科学

学习科学萌发于20世纪80年代，1991年第一次学习科学国际会议的成功举行和《学习科学期刊》(Journal of theLearning Sciences)的创刊标志着学习科学的正式诞生。R.Keith Sawyer认为，“学习科学是一门研究教与学的跨学科领域，涉及认知科学、教育心理学、计算机科学、人类学、社会学、信息科学、神经科学等领域与学科。与在实验室环境中通过严格控制各种变量来研究学习的传统认知科学不同。学习科学关注真实情境中的学习，不仅包括学校教室里的正规学习，还包括各种情境中的非正式学习，希望通过研究来更好地理解认知过程，并将这些知识用于真实学习情境的设计中，提升学习者的学习深度与效率。”

作为一门新兴的交叉研究领域，学习科学的关注点相对分散，尚未对学习的基本理论和基本观点形成统一的认识。但这并未影响学习科学的发展。如以Ann L.Brown为代表的元认知研究、学习者自我调节策略教学研究，以Allan M.Collinst321为代表的基于设计的研究。以John seelv Brown为代表的数字学习文化研究，Andrea A.diSessa的概念转变这些研究，都是国外学习科学的代表性研究。

在我国，在2002年和2010年，华东师范大学出版社和教育科学出版社先后出版了《人是如何学习的——大脑、心理、经验及学校》和《剑桥学习科学手册》这两部全面介绍学习科学的译著。近年来，任友群、郑旭东、焦建利等皖后发表多篇文章，综述国内外学习科学研究的新进展与趋势。

除对学习科学进行系统介绍外，国内众多研究者也从不同角度对学习科学进行了深入的研究。从上世纪末开始，桑新民等曾多次从学习方式变革的角度阐述学习科学对人类学习文化、教育智慧等面带来的深刻影响。对“学习”这一活动的本质进行了长期探究和思索；2011年，李克东等将MP_Lab等技术应用到数学学科中的研究则是统合了围绕技术与学习内容的研究：任友群等连续发表了几篇围绕中国学习科学研究：基于原创与实证的精神探索的专栏文章，对学习科学的本土化进行了探究。

在学习科学的诸多研究领域中，“概念转变(conceptualchange)”是近年来颇受国内外研究者关注的热门领域。这一领域的研究者认为学生头脑中已有的某些观念会阻碍新知识的学习，学生需要经历“概念转变”过程，才能接受新知识。基于这一认识，研究者们对学习者的前概念进行了大量的研究，研究涵盖数学、物理、化学、生物、计算机科学等众多学科领域，为后续研究提供了丰富的资料。在这些资料的基础上，以Posner G.j.、Chi M.T.H.、Vosniadou s.为代表的研究者们对“概念转变”的机制进行了深入的研究，分别提出了基于认识论的概念转变模型、基于本体论的树状模型和基于朴素理论的概念转变理论，以解释“概念转变”是如何发生的，为促进学生的概念转变提供指导。

同时，“概念转变”在国内也是学习科学研究者尤其是学科教学研究者关注的热点问题。我国学者罗星凯啤在1988年就开始关注概念转变研究。从2003年到2010年。罗星凯等还对物理学科中的热学、几何光学等诸多领域中学习者的前概念进行了深入研究，并对概念转变的学习与教学理论进行了探讨。近10年来，伴随着信息技术的飞速发展，“概念转变”研究者们开始意识到技术对“概念转变”具有促进作用，展现出了尝试运用技术促进概念转变的研究趋势。我国台湾学者佘晓清认为。概念转变不应只是单纯考虑知识的本质，还必须针对知识本身的内涵来分析其复杂性及阶层性，在此基础上，她提出了双重情境学习模式(Dual situatedlearning model，DSLM)，并将其与技术相结合，对溶解、扩散、气压等内容的学习进行了实践探索。

从上述对学习科学的研究与发展可以看出，在真实的学习情境中，结合学习内容，对学习者进行深层次的关注已经开始成为一种趋势。特别是近年来对技术的利用，促进了学习科学研究的发展，这种趋势与CTCL研究范式所倡导的研究思想是相似的。

(二)学习技术

20世纪末，网络技术的发展特别是智能移动终端的出现，实现了技术与学习的无缝整合，国内外研究者对学习技术的关注也日渐增强。虽然该领域的研究者们对“学习技术”一词的内涵的理解不尽相同。但基本都致力于“运用技术促进学习”的研究。曾资助过学习技术传播行动(LearningTechnology Dissemination Initiative)的苏格兰高等教育基金委员会(Scottish Higher Education Funding Council)，学习技术描

述为：“促进教学、学习和评价的技术应用”(The applcation 0ftechnology for the enhancement of teaching，1earning and assess—ment)，这一观点认为学习技术在本质上是一种技术应用。而英国学习技术协会(Association for Learning Technology。ALT)则将学习技术界定为：“系统的应用一种整体性知识(abody of knowledge)来设计、执行、管理和评价教与学。所谓整体性知识，是基于对潜在技术及其能力的理解：基于学习理论、教学设计和变化管理(change manage-ment)的原理，而进行的研究与实践的成果。”我国学者桑新民认为，学习技术并不是简单的技术应用。而应是介于理论和方法之间的、具有内在联系的一整套学习方法体系。张际平等,则将学习技术视作为一门学科来研究。

移动学习和基于游戏的学习是近年来学习技术领域较为热门的两大话题。国内外关于移动学习的理论研究主要集中在：非正式学习、情境学习、境脉学习、活动学习、经验学习等方面。实践研究主要集中在：移动设备应用于教育的可行性研究，移动学习资源的开发，短信息服务，WAP教育站点的建设，与终身学习、PBL及协作学习等方机相结合的研究嘲。此外，由于移动学习研究需要资金、设备，当前国内外较为著名的移动学习研究主要依托于所开展的各类项目。从移动学习技术的研究状况来看。其重心目前还停留在终端设备、移动学习资源建设、移动学习平台开发等技术性很强的话题上，但当技术发展到一定阶段时，对作为技术使用者的学习者和技术所承载的学习内容也会成为无法回避的话题。对基于游戏的学习，在以往研究中，表达更多的是“教育游戏”。对此，国内外研究者的研究兴趣主要集中在：与游戏相关的基本教育理论研究(如活动理论、沉浸等)、教育游戏的设计与开发、基于游戏的学习科学、教育游戏的社会文化影响力、教育游戏的商业模型等。近年来，严肃游戏、游戏设计学习成为教育游戏研究领域中的热点。我国学者李艺等人曾撰写多篇文章，介绍国外教育游戏的设计思想、方法及研究动向，并对教育游戏中学习者的行为与心理进行了研究，提出了参与者的游戏行为意向与沉浸体验、感知易用和感知有用之间的关系模型。《2011 Horiaon报告》指出，将教育和游戏整合的方向之一是开发与特定课程内容相关的游戏。

显而易见。学习技术走向技术与学习内容相统合、技术与学习者相统合的趋势越来越明显。尽管学习技术对于学习的改善已经不容置疑，但是如何更好地利用它却始终是个黑箱，各领域研究者仍在不断探索。无论从哪个视角去探寻这一问题的答案，学习者的发展始终是学习技术的出发点和落脚点。

(三)学科学习心理

日本学科学习心理学发端于上世纪60年代后期，其主要奠基者为东北大学教授细谷纯。上世纪70年代中期，日本学科学习心理学研究呈现出两种视角，即对学习认知方面的研究和对学习情绪方面的研究。

作为从学习认知角度进行研究的代表，细谷纯认为，学生在接受新知识前已经形成了相关的知识规则体系，所以，学习新知识时会出现“偏差认知”：他还认为人具有学习的能力。由于知识间具有关联性，因而，学生自身可以将其内化为“概念”、“规则”，细谷纯将其称为“自成知识”。细谷纯指出，学生“自成知识”的来源途径主要有两种，一是来源于现实生活经验，二是来源于对新知识的学习，将通过学习得到的认识当做无限大的“一般化”，忽视了其局限性与适用范围。当学生在学习新知识或遇到新问题时，会主动运用“自成知识”进行解释，然而却并不能得到正确答案，原因在于“自成知识”中的“规则”、“概念”相较于即将学习的规则、概念，具有前提项或结论项的选择错误、抑或选择范围过大或太小，规则的适用范围扩大或缩小的特征，所以细谷纯将之称为“偏差认知”：而学生的这种“自成知识”也正是其在学习新知识时形成“偏差认知”的原因所在。例如，日常生活将经验使学生当作诸如水果核这样不能吃的东西“种子”，所以他们绝对不会认为豆子、芝麻等也是种子。显然，“水果核这种不能吃的东西”是学生的“自成知识”，正是因为他们已具有这种知识背景。使其不能正确地将“豆子、芝麻”归入“种子”的概念范畴，从而形成了“偏差认知”。细谷纯认为人具有可塑性，故而学生的“偏差认知”是可以改变的。而对于教师而言，他们应该认识到学生之所以会形成这种认知，是有其自身“道理”的：所以，对于学生的这种认知，教师不应简单地告知其正误，而是应当认真听取学生对于自己已形成的概念、规则的分析，在此基础上进行改变。通过研究，细谷纯指出无论理科知识还是社会科学知识，它们之间都有关联性，所以在学科教学中所使用教材的构成应该具有系统性，内容应简单化，这样教师在教授新知识时易于改变学生的偏差认知。同时细谷、麻柄等人还认为，“规则学习”是最佳的授课方式，由此他们提出了相应的讲解方式。由于学生既有的“偏差认知”对于所学规则产生了影响，细谷等人根据改变的难易程度和不同科目提出了应对策略，如反证法、迂回法、融合法等。

日本学者本间明信认为，教师应该重视课堂教学，并且在课堂教学中关注学生的活动与思维。那么如何发现学生、认识学生?与细谷纯等学者观点不同，上世纪80-90年代，本间明信的研究主要聚焦在学生情绪的变化上。本间明信认为，有两种途径可以探究学生的情绪变化，一种为通过观察学生的肢体语言、表情等外显行为，把握学生的情绪变化；另一种为通过对学生的生理指标进行测量，探究其情绪变化。后一种研究的根据在于，人的情绪变化会引发生理变化，所以，生理上的变化也必然会反映出人的心理情绪的某种变化。基于此，本间明信开展了运用GSR(Galvanic Skin Re，flex，皮肤电反应)测量研究课堂教学中师生情绪上的变化。本间明信运用GSR测量法对不同学段(幼儿园的儿童、大中小学生)、不同学科课堂中的学生进行了测量，尤其对音乐课上合唱、理科课堂实验等进行了细致深入的研究，发现了GSR集体反应现象、GSR的个体反应类型、学生GSR反应与不同师生行为之间存在对应关系等研究成果。

如上所述，本间明信分别通过可测量的生理指标及可以观察的表情两种途径来研究学生的情绪变化，在此基础上，董玉琦则将两者同时运用于学生在课堂学习过程中所表现出情绪变化的研究上，即在运用GSR测量法探测学生的生理指标，同时。还运用摄像机记录学生在课堂学习中的表情变化(如表情、姿势、动作等)，通过两者研究学生在课堂学习中的情绪变化。结果显示，学生的GSR反应与表情变化有较好的对应性，如当学生几乎没有GSR反应时，此时其表情多表现为认真、漠然或无聊等；而测量到的这种GSR反应与观察到的这种表情可以获知学生此时的情绪，如认真的表情表

明学生的情绪变化处于平静期，而漠然或无聊的表情则表明学生已感到倦怠。通过研究，董玉琦等还发现由于教师的说明、提问、警告及指示等行为也会导致学生情绪的变化。

在国内，从上世纪80年代后期开始，李克东运用心理生理指标作为研究教育传播效果的课题，指导其硕士研究生黎加厚、吴中江阿叫等开展了一系列学生对电视节目的皮肤电反应规律的相关研究。从统合的视角看，学科学习心理研究可以理解为将学习者学习心理与具体学习内容相统合的研究。与传统学习心理学相比，学科学习心理能够为教育技术的开发与应用提供更为具体的、更有针对性的理论依据，因此，也能对学习者的学习产生更大的促进作用。

(四)多媒体学习

多媒体学习研究须将多媒体技术与学习者相统合。媒体作为信息传输的中介，很早就受到广大教育技术学研究者的关注。20世纪末多媒体计算机的出现为学习者带来了全新的视听体验和更为丰富的信息获取通道。将多媒体技术用于教育领域促进学习者学习，开始成为教育技术学的研究重点。国内外研究者对此进行了大量的研究。

国外学者Paivio A.的双重编码理论、Baddeley A.D.的工作记忆模型、Sweller J.的认知负荷理论、Mayer R.E.的多媒体学习理论等，均为多媒体学习研究的代表。其中。Mayer的多媒体学习理论对我国多媒体学习研究产生了较大的影响。Mayer将前人优秀的研究成果，与自己所做的实验研究相结合，构造了较为简洁、清晰的多媒体模型，通过这一模型解释学习过程中的信息是如何通过多媒体(技术)作用于学生(学习者)的感觉器官，如何在工作记忆形成视觉信息和言语信息的双重编码。如何最终合为一体形成长时记忆。此外，Mayer还给出了多媒介、空间临近、时间临近等七条实用的多媒体设计原则。Mayer的多媒体学习理论作为技术与学习者相统合的典型，在研究中必然会涉及具体的学习内容，但此处的学习内容仅仅作为技术所承载的信息，尚未达到统合要求。因此。当运用Mayer的多媒体学习理论开发具体学习内容的教学媒体资源时，该理论并不能提供针对学习内容更为具体的指导。

在日本，随着多媒体在社会生活及学校教育中的普遍运用，有关多媒体的相关研究也逐渐成为热点，如日本学者清水康敬和伊藤秀子等学者长期关注眼动与媒体声音、画面相互关系的研究等。清水康敬等研究了瞳孔面积变化与心理活动的对应关系，开发了瞳孔面积自动测定装置。该团队发现了瞳孔面积变化与心理活动的对应类型，同时通过这一研究还发现了瞳孔面积的变化类型与人的兴趣等方面的对应关系。清水康敬等认为，这一研究成果适用于对媒体画面的评价。为了研究图像画面、声音与学习者信息获取的关系，伊藤秀子运用视线运动记录仪对处于学习状态的学习者的眼球运动情况作了记录、分析，发现图像画面、声音可以吸引人的视线，合理运用这一发现，可以促进学习者对学习信息的获取。

国内的教育技术学研究者也对多媒体学习理论进行了研究。我国学者傅德荣等在1996年从学习者认知结构和学习心理的角度出发，提出了多媒体课件交互界面的设计原则。游泽清等从上世纪末、本世纪初开始便关注多媒体工具的设计，2003年，游泽清出版了《多媒体画面艺术基础》一书，此后，游泽清等又连续发表多篇阐述多媒体画面设计的研究论文。2004年，游泽清尝试将认知加工理论、媒体画面艺术规律、语言学和认知心理学方面的理论进行统合，建立一门交叉学科——多媒体画面语言学。他认为，多媒体语言学由语构学、语义学、语用学三部分，分别对应多媒体画面的艺术规律、多媒体画面的认知规律和画面设计的人性化、自然化特证。2009年，游泽清又出版了《多媒体画面艺术设计》一书，系统介绍“多媒体画面艺术理论”。从中提炼、整理出34条艺术规则，为多媒体画面设计提供了参考。胡卫星等将多媒体学习中的认知因素和情感因素相结合，阐述了媒体学习的认知过程机制，并由此提出了呈现多样化、交互化这两条教学环境的设计原则。此外，近年来，他们还运用先进技术，通过实验方式对多媒体学习所进行的研究也不断涌现，如张剑平等曾利用眼动视线追踪等技术分析网络课程的媒体界面对学习的影响：刘世清等㈣也曾利用眼动分析方法，通过注视点、注视次数、注视点持续时间的实验统计，来推断浏览者浏览网页界面时的注视热区、首次注视点和浏览视线规律等视觉特征，为网页设计提供实验依据和理论参考。

在多媒体学习研究中，研究者虽然将技术与学习者等因素相统合的思想已经有所体现，但他们并未对具体的学习内容给予足够的关注。如果在研究中增加对学习内容以及对学习者与学习内容统合体的关注，多媒体技术也许将会对学习产生更大的改善作用。

(五)计算机支持的协作学习

计算机支持的协作学习理论是一个日渐发展的学习科学分支。该领域关注的是人们在计算机的帮助下如何开展协作学习，关注共同活动背景下的意义建构过程，以及如何通过工具支持这一过程的实现。1989年，在意大利Maratea召开的国际研讨会上，第一次采用“计算机支持的协作学习”(Computer-Supported Collaborative Learning，CSCL)这一术语来命名国际研讨会，这次会议标志着CSCL的诞生。2006年，CSCL开辟了自己的研究阵地。计算机支持的协作学习国际期刊《国际计算机支持的协作学习期刊》(International，Journalof Computer-Supported Collaborative Learning)开始正式出版。

目前，国内外CSCL研究主要集中在CSCL基本问题研究、关于知识建构的研究、针对协作(合作)的研究、CSCL中的问题解决、CSCL的交互研究、CSCL的技术支持、CSCL的实践应用问题等方面。其中，Newman D.、Griffin P.和Cole M.(1989)的《建构区》(The Construction Zone)，Bmffee K.A.(1993)的《协作学习》(Collaborative Learning)，Crook c.(1994)的《计算机与学习的协作体会》(Computers and the Col—laborative Experience of Learning)。以及Bereiter C.(2002)的知识时代的《教育与心智》(Education and Mind in the KnowledgeAge)，这四篇专题论文被认为最具影响。

我国学者黄荣怀对CSCL进行了系统研究。早在1997年，他就开始将网络会议系统软件应用于教学方面开展了协作学习的研究。2000年，“基于Web的协作学习平台(Web，CL)”作为教育部“现代远程教育关键技术研究重点项目”立项。2003年，《计算机支持的协作学习——理论与方法》正式出版。2005年，黄荣怀等通过交互分析的方法，对(CSCL)协

同知识建构的过程进行研究㈣，并于2007年设计、开发了一个兼具智能化和可视化功能的协作学习整合性工具VINCA，详细阐述该工具如何在协作学习中有效支持研究者分析交互文本和理解协作学习的过程。

我国学者李克东与赵建华从2000年开始关注协作学习，除介绍协作学习的模式和设计方法外，还对CSCL的基础理论与实践特点进行过研究。在理论研究方面，2004年，李克东、赵建华对基于Web环境的协作学习系统开发的研究动态进行了探讨，分析了多个提供Web环境的协作学习系统，在此基础上对Web环境下协作学习系统开发的特点及存在的问题进行了分析，提出了网络支持的协作学习的四个基本条件。2005年后，赵建华提出了一个包含个体责任、社会协作、知识建构三个维度的CSCL的基本理论框架。在实践方面。2010年，赵建华采用案例分析的方式对网络论坛中的CSCL活动过程中论坛讨论内容的分享情况、对话情况和文本类型数量进行了细致的分析，得到了网络论坛中CSCL活动的特点等研究结论。

在CSCL研究中，关注在技术应用中的学习者的心理以及外显行为是这类研究的最新特点。如2010年，解月光等对虚拟网络社区中影响学习者交互的因素进行了研究，发现学习主题、学习者学习动机等五项影响学习者交互的关键因素。而在对学习者的研究中，运用新技术进行研究也是该领域研究的发展趋势之一。又如2011年，徐晓东等在研究中采用动态视频转录的技术，观察CSCL学习活动过程中由参与者无意识所发出的非言语交互行为信号(身姿、面部表情、手势等)，考察学习参与者的非言语交互行为特征及其行为同调性，为计算机支持下的交互研究和提升协作知识建构绩效提供新的思考途径。CSCL作为技术与学习者相统合的研究领域，目前尚处于不断的发展阶段。

(六)教育神经科学

近几十年来，随着功能磁共振成像(MRI)、正电子发射断层扫描(PET)、脑电图(EEG)、事件相关电位(ERP)、脑磁图(MEG)、光学成像等技术手段与研究方法的不断发展和完善，对人类大脑的运行规律与学生学习机制的研究都有了突飞猛进的发展。在这种情况下，运用脑与认知科学来探索学生学习的成为当前研究的热点。教育神经科学就是在这种背景下诞生的。

1999年，“经济合作与发展组织”的“教育研究与改革中心”(CERI)启动了“学习科学与脑科学研究项目”。该项目在对以往脑与学习科学领域研究成果进行总结的基础上，从读写能力、计算能力、终身学习三个方向组建了美国、欧洲、亚洲的研究网络，取得了一系列的研究成果。在该项目的推动下，教育神经科学的研究群体逐渐发展壮大，2003年，在梵蒂冈科学院成立400周年的庆祝会中将“心智、脑与教育”作为大会的一个主题，并在会上商讨成立了“国际心智、大脑与教育协会”(IMBES)。2007年，该协会的官方刊物《心智、大脑与教育》杂志正式创刊。这标志着教育神经科学正式成为新的专业研究领域。

教育神经科学也是一门复杂的、整合趋向的交叉学科。它尝试通过认知神经科学、心理学和教育学等领域的整合，以心理学作为桥梁来连接教育学和神经科学，来探索有关学习的认知与脑机制，并依据研究成果设计出更加有效的教学方案，指导教育政策的制定。该领域不仅关注学校日常教学活动中学生学习行为的变化、学生学习愿望的激发、学习环境与学生学习之间的关系等宏观层面的研究，也关注学生的脑机制在外部环境的刺激下神经联结的情况、脑功能区的变化以及功能联结等微观层面的研究。虽然教育神经科学作为专业研究领域的身份才刚刚确立不久，但它具有改变教育面貌的巨大发展潜力，各国政府为该领域的研究提供了大力的支持。

自2003年开始，美国国家科学基金会(NFs)将学习科学作为国家需要大力支持的复杂问题研究项目，设立了“学习科学中心”计划、“发展与学习科学——儿童演技的跨学科项目”计划、“学习与教育的研究”等许多对教育神经科学发展具有重要作用的跨学科研究项目。日本政府也非常重视对脑科学与教育的研究。2001年，它启动了“脑科学与教育”研究项目，将脑科学研究作为国家教育发展的一项战略任务，到2004年，该项目包括“东京双生子项目”、“范自闭症障碍症候群研究”、“学习苦难的高级脑功能演技”、“语言获得、大脑一侧化和语言教育”、“开发学生心理健康的生物医学工具”、“学习的动机与效率研究”、“日本儿童研究”等七项子项目。荷兰科学研究组织与教育、文化和科学部在2002年成立了“脑与学习”委员会。用以促进人们将神经科学、认知科学的知识运用于学习与教育。该委员会于2004年组织了“脑与学习周”活动，活动对脑与认知科学的研究目标、困难与阻碍因素等问题进行了研讨。将脑与学习纳入到2006年到2010年荷兰科学委员会认知科学研究计划中，并提出了未来五年“脑、学习与教育”的20个主题。

教育神经科学作为一个年轻的专业研究领域，仍然与学习科学有着千丝万缕的联系。在我国。教育神经科学领域的研究也常常被划归到学习科学领域中来。早在2002年，在韦钰院士主持的东南大学学习科学研究中心，已经开始涉足教育神经科学领域的研究。2006年，董奇、周加仙等组织翻译了经济合作与发展组织编撰的《理解脑——走向新的学习科学》一书；2010年又组织翻译了该组织的《理解脑——新的学习科学的诞生》一书，系统介绍了教育神经科学研究的诞生背景与进展，为国内研究者了解教育神经科学提供了参考。周加仙于2009年出版了其编著的《教育神经科学引论》一书，更为系统的梳理了教育神经科学发展的历程，对教育神经科学研究中的功与过进行了细致的分析，还对我国教育神经科学的发展提出了自己的设想。

由于教育神经科学的研究面分布非常广，能够帮助我们更全面地理解学生的学习，同时，这种多层面的研究也增加了研究的难度，以目前的技术水平，完全实现这种多层面的整合研究还是有一定困难的。

四、CTCL初步研究

目前，东北师范大学信息技术教育研究所在CTCL研究范式下正在开展系列研究，如高中学生信息技术概念学习的偏差认知研究、高中学生信息技术学习的概念转变研究、基于概念转变的高中物理数字化教学资源开发与应用研究、作为第二语言的日语学习心理研究等。这里以“高中学生信息技术概念学习的偏差认知研究”的部分成果为例，为我们的一些初步研究进行了说明。

近年来，学习经验论者与理性论者的争锋使研究者开始关注学习过程中人们的“前”意识，一个被普遍认可的命题是：学生在走进教室前，头脑并非空白。而“学习是概念的转变”这一隐喻，使很多研究者聚焦于发源于20世纪70年代科学教育领域的概念转变研究，有关新兴学科的概念转变研究也日渐成为人们关注的焦点，高中学生信息技术概念学习的偏差认知研究即是在这样一种背景下展开的。

在这项研究中。研究者以高中信息技术学科中的常见概

念为学习了内容(Content，C)，对学习者的偏差认知及其成因(L)进行了探索。并根据研究结果归纳出在信息技术学科中。学生存在偏差认知的深层次原因(Culture，C)。至此，研究者对“高中学生信息技术概念学习的偏差认知”这一学习者fL)与学习内容(C)的统合体有了较好的把握。在此基础上，结合“偏差认知的成因”这一文化(C)要素，研究者提出针对这些概念的教学设计(T)建议，即体现出对应于“学习者”(L)、“学习内容”(C)的统合体，并充分考虑到文化(C)的技术(T)要素。

研究者首先依据《普通高中技术课程标准》体验)在高中信息技术部分选取了常见概念，针对这些概念编制了开放式问卷，并对尚未正式学习高中信息技术的254名学生进行了考查，找到了学生存有典型偏差认知的五个概念(动态网页、程序、算法、数据库、计算机病毒)。在此基础上，研究者以开放式问卷调查得出的偏差认知作为选项，编制了半开放式问卷，并在问卷中要求学生对答案进行解释。研究者利用此半开放式问卷对尚未正式学习高中信息技术的209名学生进行了测试，得出了偏差认知形成的原因。研究者对这些原因进行分析，提出了相应的教学设计建议。两次问卷调查均采用现场收集数据的方式。因此问卷回收率为100％，问卷有效率均在95％以上。研究主要通过Microsoft Excel进行数据的统计与分析，通过图表、文字描述、及原始资料扫描来呈现数据统计与分析结果。此处仅以“动态网页”为例进行说明。

在开放式问卷调查中，针对“动态网页”的题目描述及学生的答案种类如表1所示。

依据开放式问卷调查结果。研究者以上述六种偏差认知中较为普遍的五种为选项，编制了半开放式问卷调查。在半开放式问卷调查中，针对“动态网页”的题目描述如表2所示。上述几个选项的分布情况如图2所示。

由图2可以看出，有接近半数(43％)的学生认为有文字、图片、视频等多种媒体的网页是动态网页，有26％的学生认为有动态图像或者flash的网页是动态网页。

研究者根据学生对答案的解释，对这两个偏差认知形成的原因进行了探索。选择C(有文字、图片、视频等多种媒体的网页)的原因有两个方面：第一，因为多媒体网页内容生动，所以是动态网页：第二，将动态等同于多媒体。选择B(有动态图像或者Flash的网页)的原因有两个方面：第一，从字面上理解，动态网页，应该是动态的；第二，一些学生在义教阶段学过flas制作，因此觉得动态网页就应该是有动画或者动态图片的网页。

在对上述原因进行分析之后，研究者提出了针对动态网页的教学设计的建议：在学习动态网页相关内容时，大多数学生已经有了制作静态网页的经历，因此，教师可以首先展示几个具有动态效果的优秀网站，学生将看到的网页与自己曾经制作网页进行比较，归纳出不同点，之后教师再引导学生自己动手去进行一些简单的动态效果的制作，在此过程中体会“真正的动态网页”，替换学生头脑中对于动态网页的偏差认知。

以上“动态网页”的事例，对高中学生信息技术概念学习偏差认知研究的结果作了说明。总体来说。该研究的结论包括：第一，高中学生在未进行正式学习之前，对动态网页、程序、算法、数据库、计算机病毒这几个信息技术概念存有较为典型的、有规律的偏差认知；第二，高中学生对上述概念存有的偏差认知的深层次原因可以归纳为以下几个方面：直觉和想象、日常生活经验的影响、字意的联想、概念间的混淆、受到已有知识的影响、学科知识不足、以偏概全或类比的结果、同伴文化的影响；第三，上述偏差认知具有普遍性、主观性、可归类性、分布性等特性。

五、结束语