学习共同体演化动态及其参与者交互模式研究.docx

学习共同体演化动态及其参与者交互模式研究 彭文辉 王中国 上超望 史玲玲[摘 要] 混合式学习中创建并维持混合式学习共同体，有助于发展和维持动态平衡的跨界学习关系和认知过程，从而激发批判性思考和优化知识建构研究采用数据驱动的社会认知网络分析方法，探索混合式学习共同体演化动态及其与参与者交互模式发展之间潜在的关联研究表明：以问题导向策略组织的学习共同体演化动态呈现短周期性，受时间契约影响;学习共同体中参与者交互模式动态变化，交互关系由生—师交互为主发展为生—生交互为主，高交互分组偏好于生—生交互，表现出较高的知识建构水平;参与者在不同学习共同体中存在较为一致的表现，与学习共同体相互影响;高成就组参与者注重发展和维持动态平衡的跨界学习和连贯一致的认知过程基于研究结果，建议在混合式教学中发展和维持多样化学习共同体，鼓励同侪互动和跨界协作学习，提供动态教学支架进行动态干预[关键词] 混合式学习共同体; 演化动态; 交互模式; 社会认知网络分析[] G434 [文献标志码] A[作者简介] 彭文辉（1964—），男，湖北红安人教授，博士，主要从事学习分析、学习行为研究E-mail：pwh@ 。

王中国为通讯作者，E-mail：china_wzg@一、引 言混合式学习将成为未来教育的“新常态”[1]，相比传统课堂或纯课程，混合式学习情境中，学习者更易产生较强的共同体意识[2]，创建并维持组织形式多样化的学习共同体，有助于激发协作反思和批判性对话[3]，促进知识建构和深度学习[4]混合式学习共同体的演化过程与其参与者交互模式的多维关联研究，有助于构建混合式学习共同体活动机制[5]，引领学习者在协商、对话、合作、参与中走向卓越[6]，对混合式学习的教学设计和实践具有重要现实意义学习共同体的理念和实践在不断延伸和拓展，如探究共同体[7]、实践共同体[8]和知识建构共同体[9]等混合式学习将面对面学习和学习有机整合[10]，其学习共同体可以看作一种混合式探究共同体[11]或混合式学习共同体[12]，具有空间多维性、时间动态性、身份互嵌性[6]等特征：（1）在空間维度上，“网络学习共同体”[13]、“面对面学习共同体”等多种组织形式学习共同体相生相融，学习共同体可以是协作学习的论坛或协作小组，也可以是社会、学校、课堂、分组等，具有多情境、跨空间、泛在性特征2）在时间维度上，混合式学习共同体在参与者持续交互过程中形成、发展、解体和循环，动态演化并有其生命周期。

3）从参与者属性来看，由于跨越地域空间和虚实边界的消融，共同体参与者具有成员关系“脱域”[14]、人员结构异质和身份多重互嵌等特征，并具有共同目标、共同意识、共同愿景[15]虽然多数研究将协作学习空间或分组及组内成员作为分析单元，但一些研究指出混合式学习交互具有跨空间交互、多情境转换等特征[16]，参与者也可以从跨越分组边界中受益[17]混合式学习共同体的参与者在学习过程中产生有差异的交互模式[18]和协作知识建构[19]多数研究关注学习者—客体（学习材料和界面）、学习者—学习者、学习者—教师之间的交互但在真实学习情境中，三类交互行为呈现不同的频次或强度，存在不同的认知活动过程和认识因果耦合[20]，产生隐性和显性的协同知识建构因此，深入理解混合式学习共同体的演化动态及与其参与者交互模式发展变化之间的关联，有助于发展和维持动态平衡的跨界学习关系和认知过程，从而优化知识建构[21]然而，混合式学习共同体的演化动态与其参与者交互模式之间的多维关联研究仍面临诸多挑战[22]从分析维度来看，现有研究关注课堂学习共同体机制或学习共同体的交互特征分析[23]，缺乏混合式学习共同体及其参与者交互模式之间潜在关联的研究[24];从分析方法来看，现有研究多基于交互结果数据进行静态分析，难以跟踪和可视化个体、群体的交互特征和动态过程[25]。

张婧婧等人对学习交互的网络分析方法进行了回顾和展望，认为基于动态网络分析视角发现交互演化规律与机制成为研究重点[26]而社会认知网络分析为探究参与者交互模式与认知过程的潜在关联[5，16]，提供了一个新的研究思路基于上述分析，本研究在“信息技术与课程整合”课程的教学中，以问题/项目为导向，采用多样化的学习共同体组织策略，设计多样化认知活动场景和学习活动基于多维关联的数据，采用社会网络分析（交互关系）、内容分析（认知过程及层次）、认知网络分析（建模连接结构）等研究方法，对混合式学习共同体及其参与者交互模式特征进行多维、关联、动态化的表征和分析，主要探究三个基本问题：（1）在时空跨度上，混合式学习情境中，学习共同体在其参与者持续的交互过程中如何演化？（2）学习共同体演化过程中，其参与者的交互模式具有哪些特征？（3）学习共同体演化过程与其参与者交互模式发展之间存在哪些关联？二、研究设计（一）研究对象及教学设计本研究使用的数据源于华中地区某大学的“信息技术与课程整合”课程，授课时间为2018年9月至2019年1月，采用混合式教学方式，其中课堂教学为每周2课时，共36课时课程参与对象为大学本科三年级学生，相同专业的两个班级共计75人（分别为38人、37人），其中男生21人（28%）、女生54人（72%）。

课程共设置11个讨论主题、5个分组协作项目、7次课前反馈测试、4次自评/互评、1次试卷考试学习共同体的组织策略采用跨班级形式，即两个班级使用一个共同的学习平台教师按照课程进度发布主题讨论帖（主帖），学生以回复的方式发表自己的观点和问题（发帖行为），以再回复的方式对他人发表的观点进行论证（回复行为）学习者围绕11个讨论主题开展协作学习活动，每个主题平均7～10天，形成相对独立又前后关联的学习共同体课堂教学环节，两个班级独立授课，时间相差1天，授课方式相同，采用组内/组间讨论、分组汇报/展示、自评/互评、教师重点讲授和点评等形式协作分组在班级内随机生成后保持稳定，协作分组通过角色分工、线上（、群组）与线下讨论协商，参与讨论主题的分组讨论和汇报，协作完成项目任务和作品展示，逐步形成小组学习共同体二）研究思路与方法面向数据驱动的学习共同体演化及其参与者交互模式特征研究过程，主要包括数据采集与预处理、数据分析、分析结果解释三个部分，分析方法主要包括社会网络分析、交互内容分析和认知网络分析，如图1所示其中交互分析模型（Interaction Analysis Model，IAM）用于异步讨论内容分析[27]，将协作知识建构划分为五个阶段：分享与解释（KC_I）、认知冲突（KC_II）、意义协商（KC_III）、检验修正（KC_IV）、达成与应用（KC_V），KC_I、KC_II划分为低层次知识建构（KC_L），KC_III、KC_IV、KC_V看作高层次知识建构（KC_H）[28]。

社会网络分析（Social Network Analysis，SNA）用于分析学习者之间的交互关系和交互特征，主要包括生—师交互（O_ST）、生—生交互（O_SS）和节点的SNA特征值SNA特征值和IAM编码结果用于探索个体和群体的交互模式与认知层次之间的联系[29]，并采用认知网络分析（ENA，Epistemic Network Analysis）[30]可视化呈现和解释复杂的认知结构[31]，建模学习者交互关系和认知过程的连接结构，追踪和表征参与者多维交互之间的多维关联本研究采用Python3.8+Networkx 2.5可視化学习者交互关系和交互模式特征，使用Julia1.5.2+rENA2.0.0.1JS包进行认知网络分析和建模数据中的连接结构三）数据采集与处理1. 协作学习交互信息与知识建构编码该课程在一学期内共产生3738条课程资源学习记录，1915次讨论区浏览，807条帖子，共191822字，数据预处理结果见表1研究选取803条有效发帖，以每条有效帖子作为一个编码单元，按照IMA的五个知识建构层次进行编码两位研究生背靠背对帖子内容文本进行编码，编码结果一致性为0.83最终编码中，不一致的编码结果经过两者协商达成共识，编码结果见表1。

其中有效帖子为内容与主题相关的帖子;最大子题层次（O_PD）为对每个观点的有效回复帖子数量（每增加1次回复，层次数加1）;深层交互子题数为交互层次≥5的子题数2. 学习参与描述性统计分析及SNA特征值对采集的803条发帖及回复关系数据进行预处理，采用Python 3.9+Networkx 2.5进行可视化处理，生成学习共同体的整体社群图，如图2所示11个讨论主题形成相对独立又关联的学习共同体，其社群图为图2中子图（a）—（k），社群图中S1、S2、S3……节点代表不同的学习者，T节点为教师，节点的SNA特征值见表2多维评价数据主要包括参与者自我评价、组内互评、组间评价、考试成绩等，课前反馈测试，150份自评和小组协作互评量表（基于评价量规），多维评价和参与的描述性统计结果见表2三、结果分析（一）学习共同体演化动态及其特征在时间维度上，11个主题的学习共同体动态演化过程如图3所示从图3（a）可以看出，在独立时间线上，基于不同主题的学习共同体，其形成、发展和消亡呈现明显的周期性，前3～6天是快速发展阶段图中11个讨论主题的学习共同体，其生命周期与时间契约并不完全一致图3（b）显示，在整体时间线上，学习共同体的快速发展阶段更为集中，平均3～4天。

图3（b）尾部，Else部分反映了图3（a）中各讨论主题时间契约之外的学习者参与行为进一步分析遵守时间契约参与者和违背时间契约参与者的交互模式特征，发现两类参与者发帖数占比分别为85.95%和14.05%，深层次交互数量分别为372和34条，高层次知识建构（KC_III—KC_V）占比分别为90.7%和9.3%，发帖文本字数均值分别为253.2字和149字，存在显著性差异二）学习共同体演化过程及其参与者交互模式的发展变化通过SNA可视化学习共同体形成过程中参与者交互关系，其带权有向社群图，如图2所示从图2可以看出，不同主题对应的学习共同体，其交互关系整体呈现稀疏的社会网络结构;图2中“所有主题”社群图的平均群聚系数0.278，也呈稀疏结构特征在时间维度上，参与者交互模式发展变化呈现阶段性特征：课程初期（T1和T2）学习共同体中生—师交互数量（S—T节点之间连接）较多，生—生交互极少;课程中期，随着学习者逐步适应教学组织策略和学习活动安排，从子图（c）—（h）可以看出，生—生交互数量（S节点之间连接）逐步增多，深层次交互子题数（见表1）也增多;课程后期，以生—生交互为主，生—师交互数量较少，参与者数量也减少。

这一现象与其他研究结果一致，即学习共同体及其参与者交互模式都随时间动态发展，群体往往需要大量的时间来成长和发展，最初参与这些共同体的人往往很少，而且参差不齐[32]三）学习共同体中高、低交互参与者的社会认知网络分析将参与者SNA分析结果的节点度中心性排序后，以前50%为界[33]将参与者分为高交互参与组、低交互参与组将指标KC_I、KC_II、KC_III、KC_IV、KC_V、O_ST、O_SS、O_PD、O_PL，按照ENA数据格式要求降维编码，以交互参与分组、参与者为分析单元，生成可视化认知网络结构，如图4所示其中节点对应于交互特征值编码，节点大小反映了分布权重，节点之间的连线反映了两个特征值编码连接或共现的相对频率ENA分析结果显示高交互参与者和低交互参与者在交互模式和认知过程方面存在显著性差异（高交互参与者M=-0.77，低交互参与者M=0.73，。