基于群體感知的CSCL學習分析工具功能研究

發布時間：2020-03-05所屬分類：教育論文瀏覽：1次

摘 要： 摘要：在計算機支持的協作學習(Computer Supported Collaborative Learning，CSCL)中引入群體感知這一概念，可以促進學習者之間的交流和協作，為解決協作學習效果不佳的問題提供新方法。為此，文章首先分析了群體感知的概念和國外典型的基于群體感知的 CSCL

　　摘要：在計算機支持的協作學習(Computer Supported Collaborative Learning，CSCL)中引入“群體感知”這一概念，可以促進學習者之間的交流和協作，為解決協作學習效果不佳的問題提供新方法。為此，文章首先分析了群體感知的概念和國外典型的基于群體感知的 CSCL 學習分析工具的不足，并依托功能設計原則，構建了基于群體感知的 CSCL 學習分析工具功能模型;隨后，文章具體分析了工具功能的技術實現;最后，文章通過問卷調查，發現學習者對工具功能的整體接受度較高，認為工具能有效支持協作學習。文章的研究有助于在線學習者更好地互動交流、解決問題，推動協作學習的進一步發展。

　　關鍵詞：群體感知;CSCL;學習分析工具;協作學習

　　CSCL 是指利用計算機技術來輔助、支持小組成員共同建構知識和解決問題。作為一個新興的研究領域，CSCL 存在許多問題，如協作過程中存在“搭便車”行為、學習質量低下等[1]。上述問題在面對面學習中同樣存在，但由于網絡環境缺乏非語言線索(如手勢和面部表情)，這些問題在 CSCL 環境中更為突出[2]。林書兵等[3]的研究表明，為在線協作學習者提供關于其學習同伴的信息能促進彼此交互，是提高 CSCL 學習質量的關鍵之所在。在協作解決任務的過程中，學習者獲得同伴的知識、行為、社交等信息，可以幫助他們克服與同伴溝通的障礙——這些信息被稱為群體感知信息[4]。隨著學習分析技術的發展，在線協作學習者可以獲得的感知信息越來越豐富。然而，現有學習分析工具主要是對在線協作學習的結果進行監督與評估，忽略了對協作學習過程的支持，且不能對協作學習的過程信息進行更深入的可視化展示。因此，本研究從群體感知視角出發，構建了 CSCL 學習分析工具功能模型，并具體分析了 CSCL 學習分析工具功能的技術實現，以促進在線協作學習者更好地交流和解決問題，提高學習質量。

　　相關期刊推薦：《現代教育技術》立足學術研究、帶動實踐探索、促進教育技術發展、推動教育現代化。本刊可供高校及其他各級各類學校電教中心(現代教育技術中心)、CAI中心、遠程教育機構、多媒體研究開發人員和熱心教育現代化的教師及管理人員閱讀，是學校圖書館、資料室、教育技術中心等部門的必備資料。本刊對師范院校教育技術類專業師生的學習及研究具有參考價值。

　　一 CSCL 中的群體感知

　　1 群體感知

　　群體感知(Group Awareness)是指學習者對小組成員在協作過程中各個方面信息的了解與認識。Bodemer[5]曾將群體感知分為認知感知、行為感知和社會感知三種類型，各類型的釋義如表 1 所示。在 CSCL 中，“群體感知”一詞通常指學習者對小組運作情況的了解，如小組成員是否在線、誰是小組討論中的積極參與者、當前任務的解決情況等[6]。換言之，CSCL 中的群體感知是指通過技術的支持，為學習者提供關于同伴的知識、社會、行為等方面的信息，使小組成員彼此感知，從而促進學習者之間進行交互，以開展有意義的協作學習。

　　2 基于群體感知的 CSCL 學習分析工具

　　近年來，越來越多的國外學者將群體感知信息引入 CSCL，研發了一系列基于群體感知的 CSCL 學習分析工具(下文簡稱“工具”)，其中典型的工具如表 2 所示。

　　通過對上述國外典型工具的對比分析，本研究發現這些工具存在以下不足：①鮮有工具擁有完整提供認知、行為和社會三方面群體感知信息的功能，且多數工具的圖形呈現方式較為單一;②這些工具主要對學習者的行為數據(如學習者登錄平臺的次數、學習時間等)進行分析，而這些行為數據雖然在一定程度上反映了在線學習者的學習行為，但沒有深入探究在線學習活動，未能對學習活動過程進行深度分析[14]。針對這些不足，本研究認為在設計工具的功能時，應聚焦于過程數據，提供利于協作學習過程開展的數據分析(如交互均度)，同時豐富群體感知信息并多途徑實現信息呈現的可視化。

　　二 基于群體感知的 CSCL 學習分析工具功能的設計

　　1 工具功能的設計原則

　　依據 Buder[15]對群體感知視角下 CSCL 學習分析工具的功能分析，結合工具存在的不足，本研究提出了工具功能的三條設計原則：

　　①多種分析方法挖掘數據，產生感知信息。已有工具多提供以統計數據為主的淺層信息，未能對協作中的言語內容、學習者的行為模式等進行深入挖掘和深度分析。基于此，本研究引入社會網絡分析法、序列分析法等多種方法，對協作過程中的交互數據進行挖掘，以全面覆蓋認知、行為和社會三方面的群體感知信息。

　　②可視化呈現信息，方便學習者感知。如何快速讓學習者對信息產生感知，呈現數據結果的方式尤為重要。提供群體感知信息時，需注意不同的呈現方式會帶來不同的學習效果，如在感知學習者之間的社交情況時，采用社會網絡分析圖更能看出學習者之間的交互情況。基于此，本研究采用熱圖、SNA 圖等多種可視化呈現方式，以便學習者對群體感知信息進行查看與理解。

　　③動態更新信息，可進行選擇性查看。采用動態更新群體感知信息的方式，學習者可以隨時查看其協作學習進程。相較于定時的更新，及時更新、動態顯示能提供最新的過程信息，便于學習者根據當下的分析結果立即微調學習活動。鑒于過多的群體感知信息會造成信息干擾或信息過載問題，本研究采用自動化分析方法，實時分析在線協作過程，允許學習者自主選擇是否查看群體感知信息——信息的呈現不是強制性的，可為學習者減少不必要的認知負荷。

　　2 基于群體感知的 CSCL 學習分析工具功能模型

　　依托上述工具功能的設計原則，本研究構建了基于群體感知的 CSCL 學習分析工具功能模型，如圖 1 所示。該模型主要聚焦于計算機支持的協作學習過程，為學習者提供在線協作討論中的群體感知信息，含有知識加工、行為模式和社交關系三大主要功能板塊。

　　(1)知識加工板塊

　　知識加工板塊提供認知感知信息，主要關注協作學習中知識生成和知識建構的過程，由三部分組成：①個人討論話題，關注小組成員在協作過程中的討論內容是否離題;②知識激活度，反映小組成員是否已掌握教師提前預設的知識點，便于小組成員確定下一步的協作學習方向; ③新穎性，主要評價當前小組成員中推進話題的貢獻值，即對成員首次提到某一知識點的統計。

　　(2)行為模式板塊

　　行為模式板塊提供協作討論中的行為感知信息，分析學習者在該過程中時常處于何種行為。行為模式可分為兩種：①一級行為模式代表在協作過程中主要出現陳述、協商、提問、管理、情感等五種行為。通過行為感知信息，可以知道小組中每個人的角色定位，如管理行為多的人可能是小組中的領導者。②二級行為模式是對一級行為模式的細化，其目的為了更精確地刻畫學習者在協作過程中的行為狀態。如一級行為模式中的陳述可細化為給出觀點/方案、進一步解釋觀點、修訂觀點、總結觀點等四個二級維度。

　　(3)社交關系板塊

　　社交關系板塊提供社會感知信息，反映在線協作中學習者之間的交往關系與交互結構，由三個部分組成：①發帖量，是對討論過程中學習者發貼數量的統計;②發帖時間，是對學習者發帖時間點的統計;③交互關系，是指在小組協作中成員之間彼此發帖回復的關系，可利用社會網絡分析方法對小組成員之間的交互關系進行可視化呈現。其中，發帖量和發帖時間直觀地反映了學習者參與討論的積極性。

　　三 基于群體感知的 CSCL 學習分析工具功能的技術實現

　　基于群體感知的 CSCL 學習分析工具功能模型的構建，可為工具功能的實現提供理論指導。然而，在具體的實踐中，工具功能的實現離不開技術的支持。基于此，本研究將立足于三大主要功能板塊，重點分析工具功能的技術實現，使工具界面友好、功能易用、展示內容易理解，有效支持協作學習過程。具體來說，本研究以應用工具功能開展的系列在線協作學習活動中的一次專題活動(下文簡稱“專題活動”)為例，來展示專題活動中學習者使用工具的實際情況。專題活動的主題是“利用 Word 軟件制作論文集”，學習者來源于 B 大學“計算機基礎”課程中的 43 名大一學生，設為 4～6 人一組;每組成員在 Moodle 平臺上進行討論，討論的具體流程為：每小組討論并制定論文集的格式規范→根據制定的格式規范，修改 Moodle 平臺上提供的兩篇錯亂格式的論文→將上述具體操作說明整理成文檔，上傳至 Moodle 平臺。在為期 2 周的協作討論中，學習者可以通過隨時查看工具，獲取關于小組協作過程中的群體感知信息。

　　1 知識加工板塊的技術實現

　　知識加工板塊的數據分析與計算以專家提前劃定和總結的知識圖譜為基準，將學習者的討論內容與知識點進行比對之后，生成各類可視化圖表。以專題活動中小組 1 的協作過程為例： ①在個人討論話題柱狀圖(如圖 2 所示)中，條紋部分代表含有預設知識點的討論帖數量，黑色部分代表不含預設知識點的討論帖數量。通過查看圖 2，學習者很快就能發現小組 1 中王同學的離題現象較為嚴重。②在知識激活度熱圖(如圖 3 所示)中，橫軸代表需要討論的知識點，縱軸代表小組成員，圖中越接近綠色的方格代表該小組成員在這些知識點上重復討論的次數越多，越接近紅色的方格則代表該小組成員在這些知識點上討論的次數越少。圖 3 處于紅色的方格較多，說明小組 1 的討論可能正處于初始階段。③在知識新穎性折線圖(如圖 4 所示)中，不同的線條代表小組中不同成員，縱軸代表小組成員首次提到知識點數量，橫軸則代表小組成員首次提到知識點的時間。圖 4 顯示，小組 1 討論的高峰期始于 16:40，學習者在此時刻首次提到知識點的數量增長較快。在小組 1 中，由于全同學在討論過程中沒有引入過知識點，對知識的進展貢獻度為零，故在圖 4 中沒有列出。

　　2 行為模式板塊的技術實現

　　行為模式板塊使用內容分析法對協作討論內容進行編碼，生成一級、二級行為模式的發生頻次，并進行分布比例計算，通過餅圖進行呈現，使學習者清楚地知道小組成員的不同行為在協作中所占的比例。以專題活動中小組 1 孫同學的討論為例：①一級行為模式餅圖(如圖 5 所示)顯示，孫同學在此次討論中最多的行為是陳述、提問，且在此次討論中沒有表現出管理行為;②二級行為模式餅圖(如圖 6 所示)將一級行為模式中的不同行為進行細分，更具體地提供了孫同學的行為信息，如孫同學在陳述行為中給出觀點/方案的行為占比最大，說明孫同學善于提出新觀點、新方案，有助于小組明確問題。