欢迎来到天天文库
浏览记录
ID:27426087
大小:50.50 KB
页数:4页
时间:2018-12-03
《深度学习的研究现状与发展》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、深度学习的研究现状与发展〔摘要〕深度学习在计算机、教育等学科领域是一个值得研究的热点话题。为更好地了解“深度学习”的研究现状和发展趋势,跟踪其研究前沿,本研究利用CiteSpaceⅢ工具,采用引文分析法,对2010-2016年间发表的深度学习研究相关文献,进行了时间、核心文献、研究热点等可视化分析。本文分别梳理和分析了学习模式、认知性存在、学习策略、同伴互助教学等10个聚类结果中研究文献代表作的相关论点。得出结论与启示:在后期研究中,需要深入学习者认知过程,关注情感积淀;提高教师信息能力,发挥主导作用;优化内容设计,改进学习方法;构建学习环境,完善评价体系,以促进深度学习的有效发展
2、。中国4/vie 〔关键词〕深度学习;CitespaceⅢ;引文分析法;可视化方法 DOI:10.3969/j.issn.1008-0821.2017.02.029 〔中图分类号〕G302〔文献标识码〕A〔〕1008-0821(2017)02-0163-08 〔Abstract〕Deeplearningisahottopicindifferentfield.Forthepurposeofbetterunderstandingofthefocusandtrendofdeeplearningresearch,thisarticleusedstrategyofcitationan
3、alysisethod;PBL;socialmedia;trainingofskillsofteaching.Draent:Moreattentionshouldbepaidtotheaffectiveattitudeofstudents;thedesignoflearningcontentshouldbechanged.arton和RogerSaljo联名发表了《学习的本质区别一:结果和过程》一文,首次提出了深度学习(DeepLearning)和浅层学习(SurfaceLearning)这两个概念,并进行了详细的阐述[1]。2005年,黎加厚等人从布鲁姆的教学目标分类学的角度对深
4、度学习进行了界定,他强调浅层学习的认知水平停留在第一、第二层,而深度学习的认知水平对应着后面的4层[1]。2010年以后,MOOC、翻转课堂、移动学习等方式给学习者带来了新的体验,从而使深度学习研究逐步深入展开。但是,学习的碎片化、微型化、在线化也带来了一系列新的问题,学生的学习只停留在浅层学习,并不能达到深度学习。这些问题引起了学者的广泛关注,针对深度学习展开了系列的研究探析,发表了大量的相关文献。为此很有必要对这些研究成果展开系统的整合与梳理,以便研究者共享深度学习研究的相关信息。 本文应用科学计量学的研究方法,借助CiteSpace软件工具,对2010年以来的国际上关于深度
5、学习的重要文献展开定量与定性分析,探索文献分布的时间、空间、著者、核心文献、核心期刊,以知识图谱的形式呈现深度学习的研究现状和热点。 1文献来源及研究方法 11研究数据来源 为确保文献的学术性与代表性,本文选择WebofScience核心合集中的SCI、SSCI两个数据库。以主题检索为检索入口,检索词为DeepLearning,时间跨度为2010-2016年,限定学科为EducationEducationalResearch,文献类型为Article,最终筛选出789篇文献作为研究样本。 12研究方法 本文采用引文分析法作为研究方法。引文分析法是根据文献间存在的相互引证的
6、关系和特点,利用图论、模糊集合、数理统计数学方法及比较、归纳、抽象、概括等逻辑方法,对科学期刊、论文、著者等各种分析对象的引用或被引用现象进行分析,以揭示其数量特征和内在规律的一种文献计量研究方法[2]。 2研究结果与分析 21研究文献外部特征 211时域分布 本文利用散点图直观地描述了所有研究文献的时间和地域分布。如图1所示,在区域分布上,深度学习的研究主要集中在8个国家,共789篇文献。美国以229篇居于首位,其次为澳大利亚和英国,发文量分别为129篇、76篇。我国的发文总量为73篇,在深度学习研究方面还有提升的空间。由图1深度学习研究文献的时间数量分布图显示了深度学习
7、的相关发文量从2011-2013年一直�于上升阶段,2014-2016年处于平稳发展阶段。 CiteSpaceⅢ使用中心性来发现和衡量文献的重要性,并用紫色圈对该类文献(或作者、期刊以及机构等)进行重点进行标注。在CitespaceⅢ界面中选择网络节点(NodeTypes)为Country和Institution,算法选择关键路径(Pathfinder),数据抽取对象为Top50,分析时间为2010-2016年。运行软件结果得到有关深度学习研究的国家和机构的综合性分
此文档下载收益归作者所有