复杂性理论视野下的深度学习研究综述与展望

面对深度学习成果的纷繁以及深度学习本身的复杂，文章以CSSCI和SSCI文献为代表，基于复杂性理论的宏观框架梳理研究现状，并按复杂性理论的基本范式提出研究展望。研究表明：复杂系统的概念、条件、机制、过程、标度等方面构成了复杂性理论的宏观框架和基本范式；既有深度学习界定均源自以往的学习理论和框架，特别是依托布卢姆认知目标分类，但这难以反映复杂学习现象的一切特性；不同理论视角的深度学习内涵，加之对机制理解的差异，导致深度学习机制在内容、形式和表述上较为悬殊；深度学习的优化过程在宏观层面缺乏较一致的原则，在中观层面未能有效结合深度学习机制，在微观层面欠缺较明确的统整架构；深度学习的评价体系分为框架类、维度类和指标类，但均以定性为主且局限于认知范畴，无法定量反馈其余因素的影响；由于评价体系的不完善，深度学习的实证研究结论缺乏足够的教育意义和普适性。因此，“深度学习如何表征(内涵)”“深度学习如何实现(机制、过程)”“深度学习如何评价”是深度学习研究值得继续探索的三个核心问题。基于复杂性理论的基本范式，从学习系统视角将深度学习的内涵重新概念化、深度学习的机制和过程科学化、深度学习的评价多维动态化...