L-pioneer丨深度学习不是机器是专利
当下每次提到深度学习，总能让我们联想起人工智能，机器学习。其实机器学习这个概念提出以来，它也经历了三个发展时期从符号期，知识期，再到深度学习期。
但你有没有想过，在我们让机器基于大量数据练习的过程中，我们人的智能深度又应该处于哪个阶段呢？或者说当机器真正具备智能时，人的能力又应进化到何种程度呢？
其实在教育领域也有深度学习，它和人工智能中的神经网络有着异曲同工之妙，但不同的是，以人为主体的接纳程度和时间都略有滞后。
在21世纪美国的基础教育改革浪潮中，2002年由“21世纪技能伙伴组织”创建的《21世纪技能框架》是一个标志性的人才培养目标体系，反映了信息技术革命、全球化和更加不确定的世界变化对教育变革的要求。
这其中就包含三个维度的技能：
学习与创新技能，包括批判性思考和解决问题能力、沟通与协作能力、创造与革新能力；
培养数字素养技能，信息素养、媒体素养、信息与通信技术素养；
职业和生活技能，灵活性与适应能力、主动性与自我导向、社交与跨文化交流能力、高效的生产力、责任感、领导力等。
经过了多年的研究和经验积累，美国国家研究院2012年发布报告《为了生活和工作的教育：发展可迁移的21世纪知识和技能》，明确提出了21世纪技能是、也只能是“深度学习”所产生的学习成果。
Pellegrino等学者认为：需要创新、创造力和创造性问题解决等21世纪技能，也可以被看作是需要深度学习，即帮助学生发展可迁移的知识，可以应用于解决新问题或有效地应对新情境。
这里的两个关键词“可迁移”和“解决应对”，我们之所以需要开展深度学习，是希望当前学习的技能或知识能在未来的某个时间点去解决新的问题。
因而他们需要的学习方式，不仅是支持记忆留存的，还应该支持技能和知识的应用——这个过程在认知心理学中称为“迁移”。
对此，也有学者将深度学习分为了如下三个领域：认知领域，自我领域，人际领域。
在一项关于《不让一个孩子掉队》的法案中，法案以提升学生学业成为出发点，强化各种标准化考试以及基于考试的绩效评估。
这在层层下达后，在教师层面的导向就成为了“为考试而教”，与考试无关的学科门类和活动，包括资优课程、选修课、艺术、外语和基础科学的削减和休止。
这种单一倾向的学校教育，无疑是扼杀了学生在发展中的个体差异、创造性和创新思维或者个人潜能方面的兴趣（Britannica Editors，2010b）。
但为了确保教育的公平，标准化考试又是无论如何在短时间内无法取代的。
两者僵持带来的后果最明显的就是，当他们渐渐长大，渐渐就忘记了自己的兴趣，也失去了最初的创造力。
首先认识到自身的无限性
鲁文·费厄斯在20世纪60年代曾公开宣称：智力不是生来固定的，并且在人的一生中思维其实是灵活可变的。
但那时人们都认为他疯了，因为当时的人们都认同智力稳定性观点。
而他却提出：如果不是测量孩子后天获得的知识和智力技能，而是首先评估学习的能力，情况会怎样呢？如果他们的智力不是一种固定的特质，又会怎么样呢？
（加德纳提出的多元智能理论）
他预见了我们今天所有人都知道的学习的无限可能性和我们改变大脑结构的能力，他远远走在了他那个时代的前面。当前的神经科学家正在追赶他的脚步，准确地解释其中的发生机制。
在我们都希望提升能力的时候，又有了一个新的观点：高于思考能力的是思考的品性。品性是一簇偏好、态度、意图，是可控的习得性行为模式，在我们的控制之中，并非自动激活。
范式转换：就业力与创造力
同时，也有学者已然也站在历史的高度，指出以批判性思维、个性化、创造力为代表的新教育，是学校教育范式从工业时代“就业导向”迈向全球化时代的“创业导向”的范式转换。
深度学习不是简单地将批判性思维和问题解决变成一系列的教学套路就可以实现的，它的本质上要改变的是教育整个体系。
其中三个基本要素就包括：学习的自主性（关于学什么）、以结果为导向的学习（关于如何学）和全球化校园（关于在哪里学）。
在经历的从个体到教育大环境的变革，深度学习才有可能成为一种常态。
文案丨梓萌
编辑丨梓萌
