联通主义学习中学习者社会网络特征研究
2020-03-23郭玉娟陈丽许玲高欣峰
郭玉娟 陈丽 许玲 高欣峰
【摘 要】 联通主义理论揭示了“互联网+”时代教与学的新规律,学习者社会网络的形成是联通主义学习的重要过程,因此,深刻认识联通主义理论中的社会网络规律显得尤为重要。该研究使用社会网络分析法对国内第一门cMOOC微信群中的交互数据进行收集与分析,探究了联通主义学习情境中的社会网络特征。研究发现:在宏观层面,整个课程微信群交互形成的社会网络是一个多中心的复杂网络;在中观层面,内部子结构形成了8个凝聚子群;在微观层面,度数中心性和中间中心性较高的节点(参与者)在网络中发挥着重要的联通作用。最后,从三个方面进行了总结:联通主义学习中教师是引导者、促进者,符合联通主义课程的教师观;自组织是联通主义理论的重要特征;联通主义学习者的网络地位可以反映其联通主义学习的情况。
【关键词】 联通主义;慕课;在线学习;在线学习者;社會网络;社会交互;“互联网+教育”;微信群
【中图分类号】 G420 【文献标识码】 A 【文章编号】 1009-458x(2020)2-0032-09
一、问题提出
联通主义理论作为网络时代催生出的重要的学习理论,从全新的角度解释了信息大爆炸时代学习是如何发生的,契合了当前的时代特征和知识特性(王志军, 等, 2014)。联通主义理论认为学习即连接的建立和网络形成的过程,学习不仅仅是获取知识,更重要的是主动选择联通并创建自己的个人学习网络,具体包括内部认知神经网络、概念网络和外部/社会网络三个基本网络的形成(西蒙斯, 2011)。认识这三个网络具有什么样的特征与规律,有利于推动联通主义理论与实践的发展,帮助我们理解“互联网+”时代教与学的规律,更好地指导教与学的实践。探究在联通主义学习情景中学习者这三个网络的形成及网络特征,可以帮助我们理解“互联网+”时代教与学的规律,对指导实践具有重要意义。
本研究以国内第一门基于联通主义理论的cMOOC“互联网+教育:理论与实践的对话”为案例,聚焦学习者基于课程微信交互所形成的社会网络。研究中关注的问题包括:联通主义学习中的社会网络在整体宏观层面、中观层面内部的子结构以及微观层面的学习者个体上具有什么特征?结合三个层面的社会网络特征,可以总结或提炼联通主义学习的哪些规律?
二、相关研究
(一)联通主义学习理论及实践发展
联通主义创始人乔治·西蒙斯于2005年提出联通主义学习理论。该理论的核心代表人物是乔治·西蒙斯和斯蒂芬·道恩斯,他们将理论付诸实践,设计并实施了基于联通主义理论的课程(cMOOCs),如CCK08、CCK09、CCK11以及Openness in Education、Change 11 MOOCs等,其中CCK08是最早的MOOCs(科米尔, 2008)。联通主义学习理论假设学习者都受过教育,有能力和信心开展学习,且有参与联通主义学习的能力,能判断信息正误以及是否对自己有用。加入联通主义学习的学习者是自我导向的学习者。更重要的是,他们在联通主义学习中能发现和创造知识。特里·安德森(Terry Anderson)对联通主义学习理论的八条原则进行了具体化,国内学者王佑镁、王竹立等将联通主义和新建构主义进行比较。2011年《国际远程教育研究述评》(International Review of Research in Open and Distributed Learning)的专刊《联通主义的专刊:社会网络化学习的设计与传递》推动了联通主义的发展,此后对联通主义的研究也逐渐增多。
随着实践的发展,更多类型的MOOC开始出现,如xMOOC、SPOC、sMOOC、MOOR等,其中xMOOC(基于行为主义和认知主义的MOOC)发展最快,受到的关注最多。就当前而言,最主要的两种MOOC是cMOOC和xMOOC,二者在设计和教学法上有很大不同(王志军, 等, 2014)。cMOOC是社会网络学习,强调知识的创造和生成,xMOOC更接近传统的学习过程,强调知识的复制(西蒙斯, 2011)。不管学术界还是商业领域都主要关注xMOOC,有研究者通过对国内1,388门MOOC深入研究,发现多数MOOC都是xMOOC,对cMOOC却关注较少(郑勤华, 陈丽, 林世员, 2016)。国内第一门cMOOC是由北京师范大学互联网教育智能技术与应用国家工程实验室于2018年设计并开发的。联通主义理论从全新的角度揭示开放、复杂、快速变化、信息大爆炸的时代学习如何发生的问题,契合了当前的时代特征(王志军, 等, 2014),对其进一步的探索有利于认清“互联网+”时代教育实践中的复杂性规律。
(二)联通主义学习中的社会网络研究
联通主义学习理论认为学习即是连接的建立和网络的形成(西蒙斯, 2011),这使得认识联通主义学习形成的网络具有何种特征显得尤为重要,而社会网络分析法是研究网络的重要研究方法之一,一些学者已经对联通主义学习中的社会网络开展了研究。在联通主义理论的基础规律认识层面,西蒙斯(2011)采用社会网络分析等方法揭示出联通主义学习的两大关键是寻径(way finding)和意会(sense making)。王志军等(2016)基于西蒙斯与道恩斯的cMOOC Change 11 MOOC,采用社会网络分析等方法揭示了联通主义学习情景中的教学交互规律,提出基于认知参与度的联通主义学习教学交互分层模型。博兹库特等(2016)基于一门六周的cMOOC,依据探究社区框架和社会网络,利用Twitter中的数据,分析了交互、社区形成和游离的学习者行为特征。斯克里普尼克等(2015)采用社会网络分析法分析了cMOOC中基于Twitter的教学交互,探索了课程促进者、学习者和技术在课程中的作用。在技术环境层面,联通主义创始人设计开发了gRRShopper,将分布在各个网络空间中带有课程标签的内容进行聚合,随后整合并用于编辑日报。在实践创新层面,李秋菊(2017)从联通度的角度对在线学习进行评价,采用社会网络分析法等构建在线学习联通度评价模型。联通主义理论是一个复杂的理论,已有相关研究虽然取得了一些成果,但不少问题还需要作深入的研究(王志军, 等, 2014)。通过对当前研究的梳理,笔者发现目前对国内本土的联通主义课程开展的研究,特别是对其中社会网络特征与反映的规律的研究还相对较少。因此,本研究尝试聚焦联通主义学习情境中学习者社会网络的特征与规律。
(三)微信中的社会网络研究
微信作为我国用户最多的社交媒体,被教师或学生在教与学中广泛使用。有不少学者对微信群中的社会网络进行了研究,主要体现在以下三个方面:其一,微信与其他平台上形成的社会网络对比研究。柳瑞雪等(2016b)对比研究了Moodle平台和微信平台上学生协作互评所形成的交流网络,发现无论是在Moodle平台还是在微信平台都有核心学生充当着小组协作中的关键角色,发挥着重要的组织和引导作用。同时,柳瑞雪等(2016a)也探究了两种学习平台协作学习知识建构层次,发现中心度大的学生在小组协作评论过程中的协作知识建构大部分都处于中层,深层较少。其二,对微信群整体社会网络特征的研究。罗淳等(2017)基于整体社会网络的视角探究了微信阅读网络的特征,发现核心成员在知识的交流与传递过程中占据主要地位,小团体的发展对阅读资源的丰富及知识的流通具有一定的影响。其三,对微信群社会网络随时间演化的研究。李纲、李显鑫、巴志超、杜智涛(2018)基于改进的Page Rank算法识别了微信群中信息交流的关键节点,李纲、李显鑫、巴志超、周华阳、杜智涛(2018)也对微信群的静态结构特征及动态结构演化进行分析,发现微信群内部成员角色及地位具有差异性,在会话交流过程呈现出明显的中心性态势。微信群中社会网络关系的相关研究对本研究探索cMOOC中学习者交互形成的社会网络特征具有重要的指导意义和参考价值。
三、研究设计
(一)案例选择
为了研究联通主义学习中学习者的社会网络特征,本研究的研究对象选取国内第一门cMOOC“互联网+教育:理论与实践的对话”(陈丽, 2019)中的参与者。在该cMOOC建设初期,课程促进者未把微信作为主要交互工具,希望课程交互发生在课程平台、博客、微博等分布式的网络环境中,但在实际运行中却发现微信群被学习者广泛接受并用于教学交互,且微信群中的交互数量远高于博客、论坛、课程直播中的交互数量,故本研究在分析学习者交互形成的社会网络时选取该课程的微信群的交互数据。
(二)研究过程与方法
本研究从微信群课程交互社会网络结构入手进行剖析,主要对课程微信群宏观层面的整体社会网络、中观层面的内部子结构以及微观层面的学习者中心性等进行可视化与量化分析。主要采用了社会网络分析法分析基于课程微信群交互形成的社会网络,使用邻接表和邻接矩阵并运用Gephi和Ucinet社会网络分析软件中的特征参数对微信交互数据进行社会网络分析,主要包括对网络基本属性、凝聚子群、学习者中心性的分析等。
(三)数据收集与处理
课程微信群学习者的交互规则设置如表1所示。
四、数据分析与发现
(一)宏观层面:整体社会网络
确定网络基本属性是社会网络分析的前期工作,对成员交互的可视化效果起到关键作用。理解社会网络的整体结构模式对社会网络的分析十分重要(刘军, 2014)。本研究利用Gephi软件绘制课程微信群中的社会网络,由于交互参与者可分为交互发起者和交互接收者,故该网络是个有向图。在该网络中,节点的大小由节点的中心度(Degree)决定(值域为1~3);节点的颜色由节点的模块化(Modularity Class)決定;连边的粗细由边的权重(Edge Weight)决定(值域为1~3)。由此可得到cMOOC微信群学习者交互形成的社会网络,如图4所示,具体的属性值如表3所示。
1. 图4刻画了cMOOC的课程微信群中学习者交互形成的社会网络,形成了218个节点,说明参与者有218位,他们之间形成1,694个连接。该网络的网络密度(density)为0.036,说明了该网络有3.6%的网络连接。网络密度越大,群内学习者联系越紧密,信息的流通越快。
2. 该社会网络每个节点平均拥有8个连接。该网络的聚类系数(Overall graph clustering coefficient)为0.325,该网络的平均距离(Average distance among reachable pairs)为2.648,建立在“距离”基础上的凝聚力指数(Distance-based cohesion,即Compactness)为0.325,该指数范围在0~1之间。值越大,表明整体网络越具有凝聚力。
3. 从图4整体的网络结构来看,课程微信群中形成的网络结构是多中心度的网络结构。课程促进者陈丽、王志军在网络中的中心度均较高,是网络中的核心节点。同时,在微信群的交互过程中也涌现了许多与课程促进者具有同样地位的节点,如ZYR、逆袭的毛毛虫、WDH、好的、HSX等。其中,有些节点甚至比课程促进者的网络地位更重要,这些参与者在促进网络的联通中发挥着重大作用。
4. 根据数据收集与处理时将学习者身份划分的7种类别,以学习者的身份类别为节点建立不同身份的学习者交互构成的社会网络(见图5)。可以发现,在联通主义学习中各类身份学习者构成的社会网络的网络直径为1,平均聚类系数为1,平均路径长度为1。可见在联通主义课程中不同身份的学习者之间均进行了交流互动。其中,一线教师和企业身份的学习者与各类学习者的连边最浅,说明交互较少;学界和管理者身份的学习者、学界和学生身份的学习者之间的连边较深入,说明他们之间的交流互动较为充分和密切;学界身份的学习者和课程促进者之间的连边最深入,且对于课程促进者身份的学习者入度更高,说明在联通主义课程中各类身份的学习者对课程促进者回应较多,课程促进者发挥了较为重要的作用。
(二)中观层面:内部子结构
宏观层面呈现的社会网络显然是一个复杂网络,从图中很难看出cMOOC微信群内部的子结构,尽管社群图是一个显示社会网络较好的工具,但它并不能揭示网络的所有相关信息(王陆, 2009)。社会网络分析的一个关注点是揭示网络中存在的“子结构”,并通过凝聚子群等子结构来简化复杂社会网络,洞悉复杂网络的社会结构(王陆, 2009)。凝聚子群是网络中某些行动者之间关系特别紧密的一个小团体。凝聚子群的概念有多种,主要包括:建立在互惠基础上的“派系”,建立在可达性和直径基础上的“n-派系”,建立在点度基础上的“k-丛”,建立在“子群内外关系”基础上的“成分”(刘军, 2014)。在微信群交互分析中,通过凝聚子群能够分析出关系密切的互动小团体。笔者参照Martin Everett(2002)所提出的凝聚子群的递进分析步骤,即“成分分析→派系分析→派系重叠模式分析→块模型分析”,针对cMOOC微信群进行内部子结构分析。
笔者使用Ucinet软件对建立在“互惠”关系基础上的凝聚子群进行分析,最小值设为10,发现cMOOC微信群中有213个派系,并得到每个派系包含的成员,如图6所示。由于图6所示课程微信群交互的社会网络存在大量派系,故派系重叠的可能性很大。笔者利用矩阵得到派系重叠的分析结果:①课程促进者王志军、陈丽分别出现在213个、134个派系中,可以说明课程促进者与所有的派系保持了密切的交互,始终积极参与交互并引导学习者开展学习;②重叠派系最多的前10名学习者如表4所示,这10位学习者在cMOOC微信群中发挥着重要的联通作用。同时也可以发现,他们当中除了2位课程促进者外,有6位学习者最后均获得了结课证书,在所有获得证书的学习者中占到43%。
一般派系重叠可能是隐藏了派系结构,故笔者运用块模型开展分析。一个块模型就是一种关于多元关系的假设。块模型分析是一种根据子群内外部成员之间的关系密度进行凝聚子群分析的方法,其关注网络的总体结构,提供网络各个子群或各个位置之间的关系,而不是行动者之间的关系,因此块模型能够根据结构性信息把网络中各个节点进行分区(王陆, 2009)。目前共有六种构建块模型的办法,其中密度指标法是最常用的方法,一般采用整个网络的平均密度值作为临界值(刘军, 2014)。笔者使用UCINET软件的CONCOR对cMOOC进行分析,计算得出各个子群的密度,如表5所示。
采用密度指标法获得表4数据的像矩阵:以整体网络密度0.036(在测量网络基本属性时获取)为临界值,将表4中各子群密度数据与之做比较,若子群密度大于临界值则替换为“1”,否则替换为“0”。由此得到一个由“0”“1”组成的像矩阵。根据所得像矩阵,在UCINET及NetDraw软件的支持下绘制微信群的像矩阵社群图,即社会网络子群交互网络,如图7所示。图7反映了cMOOC社会网络子群结构,是图1的简化视图。将图1的复杂网络结构转换成图7所示的8个子群之间的互动关系结构,针对表4与图7的位置做如下分析:①子群5的成员与其他位置的成员之间关系较为密切,较多的是接收关系,发送关系较少,所以为接收位置;②子群3由于与外界联系非常少,所以基本为孤立位置;③子群1、4、8为信息发出者,子群6、7为信息接收者。
(三)微观层面:学习者的中心性
1. 点的度数中心性
点的度数中心性是衡量节点质量与能力的一个重要指标,度数越大,说明交往能力越强,其所形成的人际关系网也有可能越大,在一定范围内的人际交往中也越可能处于优势地位。有向图可分为出度和入度,出度表示一个节点指向其他节点的情况,入度表示其他节点指向该节点的情况。表6展示了课程微信群交互社会网络中出/入度值最高的15位参与者。
(1)从入度来看,表6的入度排行显示,陈丽、王志军、逆袭的毛毛虫、ZYR等入度较高,说明上述参与者接收的交互行为比较多,频繁被其他参与者回复,表现为提出问题得到回答,咨询或帮助得到回应,收到其他参与者评价,或者其他参与者与其讨论,等等。
(2)从出度来看,表6的出度排行显示,逆襲的毛毛虫、王志军、ZYR、WDH等人的出度较高,说明由这几位参与者主动发起的交互比较多,他们乐于发表自己的观点,乐于与他人发生连接。
(3)王志军、逆袭的毛毛虫、ZYR、WDH等参与者的出度和入度值具有一致性,这类参与者与他人的交互比较频繁,积极性高,在课程群交互中发挥的作用比较大;参与者陈丽的入度较高,为74,出度仅32,表明其得到较多参与者的回应。
(4)中心势刻画了网络图的整体中心性,即一个图在多大程度上向每个点集中的趋势。从整个网络来说,其点出度中心势指数为28.924%,点入度中心势指数为30.293%。
2. 中间中心度
中间中心度(Betweenness Centrality)表示的是一个节点拥有的控制优势,值越大,说明其在信息资源、权力、声望和影响等方面优势越大,处于网络的核心位置,能起到沟通各个他者的桥梁作用(刘军, 2014)。吉拉尼等(2014)发表在Nature上的研究指出,中间中心度高的参与者对MOOC论坛交互的联通发挥了重要的作用,若其离开讨论,则将会在很大程度上中断信息流。基于课程微信群的中间中心度TOP10如表7所示。
表7 微信群交互中间中心度排名前10的学习者
[序号 学习者 身份 Betweenness nBetweenness 1 王志军 课程促进者 6206.702 12.882 2 逆袭的毛毛虫 管理者 5192.328 10.777 3 陈丽 课程促进者 4263.575 8.849 4 ZYR 学界 3131.943 6.501 5 WXY 课程促进者 2904.700 6.029 6 海川 企业 2254.028 4.678 7 WDH 学界 2240.7338 4.651 8 HSX 学界 2183.628 4.532 9 阿倩 课程促进者 1724.088 3.578 10 GYJ 课程促进者 1690.573 3.509 ]
结果显示,对整个网络来说,其中间中心势指数为12.40%。其中,王志军、逆袭的毛毛虫、陈丽、ZYR等10位参与者的中间中心度较高,说明上述参与者占据了社会网络交互的核心位置,具有较高话语权。值得一提的是,在表7中,课程促进者所占比例达50%,可见课程促进者在整个课程沟通连接过程中起到了十分重要的作用,再次印证了课程促进者在联通主义学习中的重要性,原因也可能是该研究数据来源于国内第一门cMOOC,学习者未完全适应cMOOC学习,需要教师进行引导。笔者也期待在之后的联通主义学习实践中对这部分结论加以检验。
五、结论与讨论
通过对国内第一门基于联通主义理论的cMOOC“互联网+教育:理论与实践的对话”微信群中参与者交互形成的社会网络进行分析,我们发现在联通主义学习情景中:在宏观层面,整个课程微信群交互形成的社会网络是一个复杂网络;在中观层面,内部子结构形成了8个凝聚子群;在微观层面,度数中心性和中间中心性较高的节点(参与者)在网络中发挥着重要的联通作用。本研究通过对联通主义学习中学习者社会网络特征的分析,发现在联通主义学习中具有以下规律:
(一)联通主义课程中的教师是引导者、促进者,符合联通主义课程的教师观
由课程微信群的社会网络分析可知,课程促进者在网络中是十分重要的节点,对于cMOOC学习者起到十分重要的引导作用。已有研究(王志军, 2014)指出联通主义的教师观是课程塑造者,影响和塑造网络,笔者进一步通过实证研究证实了联通主义课程的主持教师是引导者、促进者这一观点。在cMOOC中,不仅要有话题,也要有引导者,教师作为引导者不再是课程的传递者,不再是一位专家型教师独立教授一门课程,而是作为课程促进者与学习者共同建设课程。学习者与教师都是开放的,各自构建并形成自己的社会网络。同时,归纳整个课程的学习过程之后可认为,在“互联网+”时代基于联通主义理论的新课程形态中教师应该发挥如下的作用:在学习之初指导学生学习;展示如何进行有效的沟通;展示如何辨别信息;示范如何辨别高质量信息与低质量信息;聚合信息,帮助学生组织海量信息;即使教师离开网络,学习者仍能维持各自的网络并在未来利用该网络创造性地解决一些真实问题。
(二)自组织是联通主义理论的重要特征
在cMOOC微信群中参与者社会交互形成的是一个复杂网络。在复杂网络中只要5%~10%的重要节点一起失效,就可使整个网络瘫痪(莱伊克, 等, 2004)。在MOOC论坛中“重要的”参与者发挥着传递信息流的桥梁作用,与参与者之间的交流与互动形成了以“重要的”参与者为中心的联通子群(张婧婧, 等, 2016)。从该课程形成的网络图可以看出,除了课程促进者身份的参与者外还涌现了其他身份的参与者,形成多中心的社会网络,如:管理者身份的逆袭的毛毛虫,学生身份的Shaw,学界身份的WDH、ZYR、好的、HSX,等等。他们作为“重要的”参与者是整个网络中十分重要的节点,发挥了很大的引导作用,在网络的联通中不可或缺。
(三)联通主义学习者的网络地位可以反映其联通主义学习的效果
盡管联通主义学习理论的创始人不关注学习者评价,但从宏观的集体联通性和微观的学习者个人参与情况两方面来说,可对一定时期内联通主义学习发生的情况进行评价(陈丽, 等, 2016; 王志军, 等, 2017)。联通主义理论认为,因为学习网络的建立,对于联通主义学习的评价应从传统教育学学科定义的评价指标转向基于网络地位和网络作用的指标。本次课程预先设定的评价标准是:博客收录数10个,平台互动数与评论至少13个,微博每天1个,浏览每一份学习日报。但在实际运行中微博未启用,主要通过微信互动,基于博客的互动平台不能抓取信息。所以实际上此次评价主要选取博客收录、平台互动、日报浏览三个方面,并综合考虑了微信群的互动数、参与课程直播与所生成的内容质量。具体标准为总分100分,参与直播为10分加分项。在总分中,博客收录数占35%,微信讨论的频次占25%,平台讨论的频次占25%,平台浏览量占15%,另加参与直播分。根据此标准,得到证书的学习者共有14位:Shaw、WDH、逆袭的毛毛虫、ZYR、WXY、松竹梅任我做、Exuding、轻描淡写、晓燕、Meggie、好的、耀木常、Shunli(Inte)、十四。通过对微信群里的社会网络分析,发现这些学习者恰恰是微信群社会网络中度值(出度/入度)和中心性均较高的节点,并且存在于较多的派系当中。评价学习者个体时,除了发博文、点赞、评论、加好友的数量之外,也应评价个人网络的特征,如中心性、度值、网络中的特殊位置等。当评价cMOOC时,也可以评价该课程所形成的社会网络、知识网络的特征,如网络密度、知识联通程度等。然而,关于在实践中具体应采用哪些网络地位或网络作用相关的指标,则需要进一步深入探讨,以揭示“互联网+”时代教与学的规律。
[参考文献]
陈丽,王志军. 2016. 三代远程学习中的教学交互原理[J]. 中国远程教育(10):30-37,79-80.
陈丽. 2019. “互联网+”时代教育哲学与教育原理的演变与发展[J]. 中国远程教育(07):9.
李纲,李显鑫,巴志超,杜智涛. 2018. 微信群会话网络结构及成员角色划分研究[J]. 现代情报(07):3-11.
李纲,李显鑫,巴志超,周华阳,杜智涛. 2018. 微信群信息交流网络中的关键节点识别研究[J]. 情报理论与实践(07):65-71.
李秋菊. 2017. 基于网络分析的在线学习联通度评价模型建构研究[D]. 北京:北京师范大学.
刘军. 2014. 整体网分析讲义——UCINET 软件实用指南[M]. 上海:格致出版社.
刘颖,张焕. 2014. 基于社会网络理论的微信用户关系实证分析[J]. 情报资料工作(04):56-61.
柳瑞雪,石长地,孙众. 2016a. 学习管理系统和社交平台协作学习知识建构层次分析[J]. 中国远程教育(07):10-19,79.
柳瑞雪,石长地,孙众. 2016b. 网络学习平台和移动学习平台协作学习效果比较研究——基于社会网络分析的视角[J]. 中国远程教育(11):43-52,80.
罗淳,殷逸博,陈向东. 2017. 微信社会性阅读是如何发生的?——基于整体社会网络的视角[J]. 现代教育技术(01):28-34.
王陆. 2009. 虚拟学习社区的社会网络结构研究[D]. 兰州:西北师范大学.
王志军,陈丽. 2014. 联通主义学习理论及其最新进展[J]. 开放教育研究(05):11-28.
王志军,陈丽,郑勤华. 2014. MOOCs的发展脉络及其三种实践形式[J]. 中国电化教育(07):25-33.
王志军,陈丽. 2016. cMOOCs中教学交互模式和方式研究[J]. 中国电化教育(02):49-57.
王志军,陈丽. 2017. 远程学习中的概念交互与学习评价[J]. 中国远程教育(12):20,79.
徐宝达,赵树宽,张健. 2017. 基于社会网络分析的微信公众号信息传播研究[J]. 情报杂志(01):120-126.
张婧婧,蒋琪,查聿翀. 2016. MOOC论坛中“重要的”参与者发言特征分析[J]. 现代远距离教育(05):31-37.
郑勤华,陈丽,林世员. 2016. 互联网+教育:中国MOOCs建设与发展[M]. 北京:电子工业出版社.
郑勤华,李秋劼,陈丽. 2016. MOOCs中学习者论坛交互中心度与交互质量的关系实证研究[J]. 中国电化教育(02):58-63.
Bozkurt, A., Honeychurch, S., Caines, A., Maha, B., Koutropoulos, A., & Cormier, D. (2016). Community tracking in a cMOOC and nomadic learner behavior identification on a connectivist rhizomatic learning network. Turkish Online Journal of Distance Education, 17(4).
Cormier, D. (2008) . The CCK08 MOOC-Connectivism course, 1/4 way. Retrieved from http://davecormier.com/edblog/2008/10/02/the-cck08- mooc-connectivism-course-14-way/
Evertt, M. (2002). Social Network Analysis, Essex: Textbook at Essex Summer School in SSDA[Z].
Gillani N, Yasseri T, Eynon R, et al. (2014). Structural limitations of learning in a crowd: communication vulnerability and information diffusion in MOOCs. Scientific reports(4): 6447.
Lai Y C, Motter A E, Nishikawa T. (2004). Attacks and cascades in complex networks. Complex networks. Springer, Berlin, Heidelberg: 299-310.
Siemens, G. (2011). Orientation: Sensemaking and wayfinding in complex distributed online information environments. Aberdeen: University of Aberdeen Doctoral dissertation.
Skrypnyk, O., Joksimovi , S. K., Kovanovi , V., Ga evi , D., & Dawson, S. (2015). Roles of course facilitators, learners, and technology in the flow of information of a cMOOC. The International Review of Research in Open and Distributed Learning, 16(3).
責任编辑 郝 丹