社会网络分析在协作学习评价中的应用研究

张敏，王蕾，陈瑶

摘要：近年来,研究者开始尝试利用社会网络分析研究协作学习。社会网络分析是对行动者之间社会关系的研究，它使用不同的概念评价网络不同的属性。从具体案例入手，利用社会分析软件Ucnet6.0，主要从网络密度、中心度等方面分析协作学习中成员参与性的问题。旨在为在情感态度价值观方面评价学习者提供一定的量化数据的支持。

关键词：社会网络分析法；Ucnet6.0；协作学习；参与性

中图分类号：TP316文献标识码：A文章编号：1009-3044(2012) 02-0478-03

SNA in the Evaluation of Collaborative Learning Research

ZHANG Min, WANG Lei, CHEN Yao

(Institute of Information, Yunnan Normal University, Kunming 6500, China)

Abstract: In the recent years, researchers began to use SNA to research the collaborative learning. SNA is research in the social relations be? tween actors, which evaluating the network by different concepts. Starting with specific case, analyze members participation in collaborative learning from network density, centrality and so on by the software of Ucnet6.0.in order to provide some quantitative data to support the work on evaluation of students.

Key words: SNA; Ucnet6.0; collaborative learning; participatory

协作学习是依靠学习者之间的互动来维持和发展的，这就要求学习者之间进行信息的交流和互动，分享经验，合作解决问题等，并在这个过程中建立各种社会交往关系，因而可以把协作学习看成是一种形式的交互或者参与的过程。因此，对协作学习不仅要重视其认知特征的研究，其参与特征也越来越受到重视。

近年来,研究者开始尝试利用社会网络分析研究网络协作学习。社会网络分析是对行动者之间社会关系的研究，它使用不同的概念评价网络不同的属性，例如中心度、连接度、小群体等等，每个概念适合于学习者所形成的社会网络的不同方面。

1案例描述

本文研究对象是云南师范大学现代教育技术中心教育技术专业2009级研究生，该班共有学生15名，因故有14名学生参与本次研究调查。该班成员在本次调查之前，即研究生一年级期间的《教学设计》课程中进行了为期一年的小组协作学习。本文将该班设为一个学习小组，通过问卷调查，收集数据并运用社会网络分析法对问卷数据进行分析，以期对红花班协作学习状况有较合理、准确的评价。

2研究方法与工具

社会网络分析是社会科学中的一个独特视角。社会网络分析理论、模型以及应用的基础都是关系数据。目前，以关系作为基本分析单位的社会网络分析法已经在社会学、心理学与经济学等诸多学科领域得到了广泛运用。

社会网络分析(Social Network Analysis,简称SNA)以行动者及其相互间的关系作为研究内容，通过对行动者之间的关系模型进行描述，分析这些模型所蕴含的结构及其对行动者和整个群体的影响。

社会网络分析中有三个关键概念。首先是社会网络，指社会行动者及其之间关系的集合。其次是社群图，是指行动者（用点表示）和行动者之间的关系（用线表示）构成的图叫做社群图，表示一个群体成员之间的关系。另外，矩阵也是社会网络分的关键概念之一，它要求将关系数据转化成矩阵之后通过社会络分析软件进行各参数分析，本文采用的分析软件是Ucnet6.0。

本文问卷编制理论基础是依据卡拉克哈特提出的个人在组织中的四种网络，包括情感网络、咨询网络、情报网络和信任网络来反映马克·格拉诺维特的关系强度理论中参与者的协作态度、协作状态、满意度和参与度的问题。

3研究过程及结果分析

对问卷结果进行统计编码后，将情感、咨询、情报和信任四个网络矩阵录入到软件Ucnet6.0中。

首先，在软件Ucnet6.0中求得四个网络相关性分析结果如表1所示。

卡拉克哈特提出的情感网络反应的是网络中各节点之间交往的密切程度，它是有效协作的前提；咨询网络是指各节点之间相互咨询交流信息的状况，是有效协作的条件；情报网络是网络各节点之间相互传递各种信息的情况，是有效协作的动力；信任网络反应的是网络中各节点之间建立联系，相互认可的程度，是有效协作的基础。一般情况下，如果两个人之间的感情较好的话那么他们之间的相互咨询和传递信息也会很频繁，当然这都会建立在很好的信任的基础之上，因此，理论上来讲四种网络的相关度应该较高，但是有相关性结果分析可以看出情报网络与其他三种网络的相关度都在0.3到0.4之间，相关度并不高，鉴于此本文在以下的各种参数分析时针对这四种网络的不同特点，采用的不同的网络进行分析研究。

其次，在软件Ucnet6.0中求得四个网络社群图如下：

表1情感、咨询、情报和信任网络相关性分析结果

图1情感网络社群图

图2咨询网络社群图

图3情报网络社群图

图4信任网络社群图

社群图可以从整体上了解一个社会网络的结构。由以上四幅社群图可知：

首先，四幅图相比可知情感网络和信任网络的网络密度较高，咨询网络次之，情报网络最低。

其次，由网络中各节点的出度和入度可以看出，在各个网络中都有特殊节点存在，如情感网络中的03，咨询网络中的09，情报网络中的05、06、07等。

再次，网络密度分析。

密度是社会网络分析中最常用的测度之一，指的是一个图中各个节点之间连接的紧密程度，是指一个网络中是实际存在的线数与可能存在的线数之间的比值。其计算公式是2L/[N（N-1）]，其中L为网络中实际的连线数，N为网络节点数。在软件Ucnet6.0中求得四个网络密度表如表2所示：

表2情感、咨询、情报和信任网络密度分析结果

有研究表明在实际网络图中能够发现的最大密度为0.5。而本研究的四个网络密度整体水平不高，最大的是信任网络密度是0.3187，最小的是情报网络只有0.1593。说明该班整体人际交往不是很密切。四种网络密度分析数据表还可以说明虽然该班14名同学之间有相对较好的情感和信任基础，但是在信息传递交流上存在不足。换句话说既然他们之间感情很好，相互信任，那么为什么却缺乏交流呢？原因何在是本研究需要继续的问题之一。

第四，情感网络凝聚子群分析。

凝聚子群是指行动者之间具有相对较强的、直接的、紧密的、经常的、积极的、有关系的行动者子集，其中最简单的分析方法就是派系分析法（cliques）。由于情感网络反应的是网络各节点之间交往的密切程度，所以情感网络中最易出现小团体，因此利用派系法在软件Ucnet6.0中求得情感网络的凝聚子群结果如下：

6 cliques found:

1: 01 02 09 10 13 14

2: 01 02 08 10 14

3: 01 02 08 10 11

4: 01 04 09 10

5: 01 04 08 10

6: 04 06 10

该结果说明情感网络中存在六个派系，但是派系之间的重叠度很高，例如01节点存在于六个派系中的前五个当中而10节点存在于情感网络的所有派系之中，这说明该网络派系之间存在较多的桥梁人物。但是本文认为在凝聚子群分析中更应该关注的是没有在任何派系中出现的节点，如03、05、07、12。没有在任何派系出现有三种可能的原因，一是该节点与其他各节点感情都不好，二是相反该节点与网络中各节点关系都很好，三是该节点与其他节点之间没有特别要好的也没有特别不好的，感情程度大体相同部分厚薄。具体是哪种原因需要研究者对研究对象进行更深入的了解。

凝聚子群分析不仅可以了解在协作小组成员中是否存在与世隔绝的人物、小团伙，还可以知道在该协作小组当中谁是交流的桥梁人物。掌握这些情况将有利于协作学习顺利展开。

第五，咨询网络和情报网络的中心性分析

中心性反映了行动者在其社会网络中所处的地位及权利影响。在社会网络分析中中心性又可细分为程度中心性、接近中心性、中介性和特征向量中心性等

程度中心性：常用来测量行动者在组织中的重要程度，表示一个点在多大程度上位于网络中的核心位置。咨询网络最能反应网络中每个节点与其他各节点之间信息交流的程度。因此较能说明程度中心度的问题。中间中心度是行动者对资源控制的程度，表示一个点在多大程度上位于网络中其它点的“中间”。情报网络反应的是每个节点在网络中传递信息的情况，所以本文利用情报网络所得数据分析该班的中间中心度问题。在软件Ucnet6.0中求得本研究咨询网络的程度中心性和情报网络的中间中心性，结果如图5、图6所示：

图5咨询网程度中心性分析结果

图6情报网中间中心性分析结果

图5结果表明：节点14、02、09的程度中心性（Degree）最高，说明在该网络中处于相对中心的位置；该班级中的所有学生的标准化程度中心性（NrmDegree）均大于10，说明该班级的交流咨询气氛浓厚。该网络的整体程度中心性为26.92%，属于底下水平，说明该班级成员网络中中心人物不明显。既该班没有一个较强的领导核心存在。

在程度中心度的分析结果中应该把焦点集中在中心度最高节点身上，因为该节点是整个网络的领导人物，对整个网络的管理和控制有较强的影响力。在小组协作学习中协作学习效果的好坏与小组长的组织和领导能力有密切的关系，因此通过最高程度中心度的节点与小组长的程度中心度进行比较，就可以清楚地了解该小组长在其小组协作学习中是否起到了较好的领导组织的作用。

从图6可以看出：结果整个网络的中介性是11.09%；网络中存在着能够控制信息流动的核心人物，节点01、02在该班级中扮演着信息传播中介者的角色；而在该班级中也存在着信息闭塞的节点，例如节点03、05、12、06、08，他们的中介性和标准中介性值均为0，说明他们无法控制信息的流动。在中间中心度的分析中应该关注中间中心度最低的节点，如果一个协作学习小组中存在信息闭塞的节点，那么势必会影响小组成员间的交流互动情况，而且，中间中心度分析可以很大程度上反应小组成员在协作学习中的参与程度，中间中心度高的节点说明其在小组学习中与其他成员有较多的交流互动即其残程度较高，反之，说明其很少与同伴互动交流，参与程度较低。

4结束语

总之，SNA可以在情感目标上较好的评价协作学习。首先，通过凝聚子群分析来评价协作小组的协作是否有效。其次，通过网络密度分析来评价协作小组各成员之间的协作程度。通过程度中心性分析找到协作组中核心参与者和边缘参与者。再次，通过中介中心性分析找出协作组中控制信息流动的中介者，信息闭塞者和控制信息组间流动的中介者等。但同样存在不足。首先，SNA超强结构性思想，导致忽视个体属性，其次，关系数据收集有限，再次，受原班级关系的影响，另外，问卷内容涉及一定隐私性。因此在进行小组协作学习评价是要结合其他的评价方法，进行全方位多角度的评价，以保证评价结果的准确性。

参考文献：

[1]王陆,等.信息化教育科研方法[M].北京:教育科学出版社,2008.

[2]傅德荣,等.教育信息处理[M].北京:北京师范大学出版社,2006.

[3]刘黄玲子,黄荣怀.协作学习评价方法[J] .现代教育技术,2002(1):24-29.

[4]张润芝.CSCL评价技术的新趋势[J].中国电化教育,2009(5):32-37.

[5]王莹.社会网络分析在协作学习评价中的应用[D].上海:上海师范大学,2008.

[6]周涛.wiki社群的社会网络分析[D].上海:华东师范大学,2005.