深度学习的探索之路：知识领域、内部关联迁移和思维成长

知识领域是深度学习的对象，也是深度学习形成的土壤。同一个知识领域内的深度学习，不同知识领域之间的深度学习，都存在不同程度的差异。一般认为在新学习的知识范围内容易实现建构与迁移，这样的内部关联迁移是最初级的深度学习。学科范围内复杂概念的应用和综合问题的解决是更加高层次的深度学习。其中，更容易成功的外部拓展迁移是相关学科或交叉学科的垂直迁移。同时学科知识领域的影响也会因学习者的内在认知负荷不同而产生差异，借助多媒体画面语言表征行为投入形成学科知识线索，可以最大程度降低内在认知负荷与外在认知负荷。

可控的行为投入可以在一定程度上降低知觉负荷对学习者的负面影响，学习者可以自由地控制注意力分配、时间分配，不会因时间限制而出现信息争抢认知资源的情况，造成浅层次学习甚至是无效学习。另外，多媒体画面语言表征暂停行为投入虽然是常见的较低开发成本的表征形态，但也起到了增强学习过程参与性的作用，学习者对学习体验更加满意，起到了增强学习动机的作用，^[14]有助于增强学习者存在感。(www.xing528.com)

学习过程中的问题设置会起到任务驱动和引导思维发展的作用，并且符合ARCS动机模型的问题设置会使学习者的学习动机保持在较高水平。提问和回答的过程需要学习者的注意力高度集中，这是高水平信息加工的重要前提条件。多媒体画面语言表征答题行为投入，其实质是借助“掌握学习策略”为学习者提供回顾学习过程、评测学习效果的机会。在深度学习的过程中，答题行为投入是学习者思维成长的脚手架。多媒体画面语言表征答题行为投入支持学习者从借助脚手架发展元认知能力到自主发展元认知能力，并成为能独立问题解决的个体。有研究表明，学习者的答题质量、数量与其学业成就正相关，因此，深度学习离不开学习者的答题行为投入。多媒体画面语言中可以将文本表征方式与交互表征方式相结合，这种异质组合可以满足更多学习者的认知加工需求，减少无关认知负荷。研究多媒体画面语言表征答题行为投入对深度学习的影响是本研究的主要任务之一。