人工智能里的深度学习，原本是模仿人脑思考的技术手段。把这套理念放进教室，我们不光是在追求一个新词，更是在跟以前那种死记硬背的学习方式彻底说再见。因为这事儿，我们要让知识真正扎根在学生脑子里，别让它像流水一样溜走。 瑞典哥德堡大学的马顿和萨乔在1976年搞了个实验，专门给大学生看散文。结果他们发现，学生有两种完全不同的路数：一种只是把零散知识点塞进行李箱，一到新情况就彻底“失忆”；另一种则是把文章的主题、观点还有背景全都连起来织进认知网里，这种知识还能在别的地方用得上。两位学者总结说，这就是深度学习，就是能把知识挪地方、把问题给解决了的能力。这个发现很快被美国教育研究会（AIR）的专家们接了过去，全球的老师都开始研究怎么让学生也这样学。 美国教育研究会（AIR）给深度学习画了个三维的画像，分成三大块、好几个小点。在认知这块儿，学生要掌握核心内容、学会挑刺、还要能解决问题；在人际方面，要学会好好说话、互相配合；在自我管理上，要知道怎么学、自己的情绪怎么调节。这张地图就像个聚光灯，把传统课堂里那种只盯着分数、不看过程的问题给照出来了，也告诉我们学生到底该带走点什么。 为了让这种学习方式真的落地生根，美国科学教育界想出了个5E教学法。这个法子最早是从生物课里冒出来的，后来因为讲究“以学为中心”成了主流。它的步骤是这样的：先Engagement（参与），再Exploration（探究），接着Explanation（解释），然后Elaboration（拓展），最后Evaluation（评价）。这五个步骤一环扣一环，推着学生从“知道”走到“理解”，最后能把学到的东西用出来。 第一步是Engagement，老师得把学生给“卷”进真实的问题里去。老师不直接扔题目，而是造个让学生既熟悉又有点矛盾的场景——当学生发现自己以为的对其实是错的时，脑子里的探究引擎就开动了。学生这时候要做的就是提问、找准方向、找到自己能懂的地方。 接下来是Exploration，让学生真刀真枪地去搞研究。大家分组做实验、动手操作；老师这时候就像是个观察员和帮手，一看到学生走偏了就赶紧问上几句，把偏差变成下一步思考的动力。最后要出来的东西是观察记录、怎么找变量、还有假说是不是要改一改。学生头一回真切体会到科学其实就是试错加修正的过程。 第三步是Explanation，把证据串成一条理解项链。小组先在内部小汇报一下，再全班一起分享。老师带着学生用科学术语把现象、证据和结论连起来，看看他们是不是真的明白了《追求理解的教学设计》里说的那个道理：解释是判断有没有真懂的六大标准之一。老师拿这个尺子一量就能抓住全班都容易犯的毛病，讲评起来特别精准。 第四步是Elaboration，让概念在新场景里再长一遍。老师出个迁移题考考大家：同样多的水装在不同形状的容器里，蒸发速度是不是一样？学生拿着旧概念去量新情况，设计实验、收数据、得结论。这一步把以前那种一次性记住的旧模式升级成了一个能反复生长的认知森林。 最后一步是Evaluation，用多种办法拼成完整画像。老师要看过程中提问、讨论这些动态表现，也要看考试、报告这些最终成绩。老师还鼓励大家自己评评别人或者自己咋样。“会自己管自己”的学生以后更可能成了终身学习者——因为他们知道自己哪块儿不懂也知道怎么补。五个环节走完又是一个循环，给下一轮学习攒足了劲儿。 深度学习的课堂一般都有这么几个特点：大家都很投入——不光是动嘴动脑子还要动心；理解得特别深——是基于理解的记忆而不是死背；动脑的程度很高——活动设计专门为了锻炼批判性思维和解决问题；知识之间联系得很紧——形成了横向纵向的网状结构；动手创造能力很强——能把真的复杂问题给解决了。当这些特征凑齐了的时候，课堂也就从老师说了算变成了学生说了算的样子。 说到底，5E教学模式和深度学习理念是相互印证的：一个告诉我们该怎么走那条路，一个指明了我们要去哪儿。它们都在提醒我们：知识不是个被人往里灌的空瓶子，而是学生自己动手建起来的一段旅程。 当老师把讲台还给学生，让大家像科学家一样走一趟参与、探究、解释、拓展、评价的五个旅程时，深度学习就悄悄发生了。到时候学生带走的不光是考出来的分数还有面对未知世界的底气和本事。