基于社会网络分析（SNA）的共享调节学习评价：概念框架与解释案例*

陈向东 张 蕾 陈佳雯

（华东师范大学 教育学部 教育信息技术学系，上海 200062）

一、引言

由于聚焦协作过程中的共享元认知、共享动机和情感，共享调节学习的研究得到越来越多的关注[1-2]。共享调节，也称社会共享调节（Socially Shared Regulation），主要指集体成员在协作过程中，共同参与任务理解、制定计划、监控协作过程、评价反思，并且在认知、元认知、情感和动机等不同维度进行集体协调，达成或维持共同认知的过程[3]。当集体成员参与共享调节时，他们将调节行为从“我”扩展到“我们”的层面，在集体协商的过程中监控和调节团队的协作，同时个人调节也蕴含在集体调节过程中。

作为一种群体活动，协作学习过程本身就涉及群体内的共同调节[4-5]。正如Hadwin 等所指出的[6]，在协作学习过程中，共享调节指的是群体成员共同调节学习的过程。学习者需要集体协商对于协作学习任务的共同理解，共同设置学习目标与计划，建立共享的学习策略，共同监控集体的进步，并且及时调节优化学习的过程。与此同时，越来越多的经验研究表明，共享调节水平与协作学习质量有很强的关联[7-8]。正如Järvelä 等所指出的[9]，共享调节水平是保证学习者开展高效协作学习的重要因素之一，它能够在认知、元认知、动机与情感等各个维度促进协作学习。Rogat和Linnenbrink-Garcia[10]分析了共享调节的不同阶段对小组协作水平的影响，发现高水平的共享调节往往伴随着积极的社会交互和高质量的协作。Zheng 等[11]则设计开发了基于共享调节的协作学习工具，通过比较实验，发现实验组在测试成绩、最终学习作品以及共享调节行为频率上，与对照组有着显著差异。与此对应的是，Janssen 等[12]则从反面指出，共享调节关键环节的缺乏将会导致低水平的协作。例如，协作小组如果没有对任务达成一致理解，就会造成小组成员的迷茫或各行其是，进而降低协作水平。

与传统协作学习的研究相比，共享调节学习有其自身特征，基于共享调节学习的评价也有不同的关注重心。Järvelä 等认为，传统协作学习的研究与实践围绕知识的共同建构，对于团队成员之间的调节过程则缺少关注[13]。知识的共同构建关注的是学科或领域知识的学习，强调的是知识建构或问题解决的结果；而共享调节关注的是元认知、动机的建构，强调的是协作和交互的社会性过程[14]。郑兰琴等指出，共享调节学习具有目标导向性、关注元认知、社会性等特征[15]。也就是说，对于协作学习而言，不仅仅要关注知识的共同建构；同时，需要重视共享调节的发展与维持过程，促进学习者的共享调节意识、策略及能力等的发展。基于这些特征，许多研究者开展了面向共享调节学习评价的探索。

二、研究综述

传统协作学习的评价，大多从协作学习的知识建构水平、最终成果等角度展开，关注协作过程中的知识交互水平，分析个人或小组的知识建构程度[16]。共享调节学习的评价，需要从更广泛角度收集协作学习的过程信息，关注共享调节的不同维度（认知、元认知、动机和情感）和阶段（任务理解、目标确定、计划、监控、评估等）。此外，对于学习者本身而言，共享调节学习过程中的评价，还需要兼具过程跟踪及群体感知的作用。因此，共享调节学习评价具有以下特征：

首先，多种维度的评价。共享调节学习涉及群体成员在认知、元认知、动机和情感等调节学习的不同维度[17]。柴阳丽从共享调节的视角，开展了小组在线协作知识交流分析[18]。De Backer 等从定向、计划、监控和评估四个方面，关注小组的元认知调节[19]。Järvenoja 等从兴趣、能力和目标出发，分析了小组协作学习中的动机[20]。Isohätälä 等则聚焦于小组的社会情感水平，并从团体满意度、凝聚力、心理安全感三个方面进行评估[21]。当然，更多的研究涉及了二个以上不同调节维度的评价[22-23]。

其次，关注协作的不同过程。从共享调节的视角，许多研究者关注协作过程的不同阶段，探索不同类型的群体在协作学习不同阶段的特征以及调节策略。例如，罗淳根据共享调节中的任务理解的特征，评估了协作学习个人任务理解和共享任务理解的水平及其与其它调节过程的关系[24]。Malmberg 等分析了共享调节学习不同阶段的特征，发现在协作学习中，小组成员主要参与合作调节的计划制定与监控；不同类型协作任务在调节的不同阶段也不尽相同，例如，专注于任务执行的协作学习更能够促进共享调节计划的制定[25]。

最后，兼具群体感知功能。作为一种过程性评价工具，共享调节面向研究者、教学设计者、教师、管理者和学习者等不同的主体。对于学习者而言，共享调节的许多过程性评价，同时也是群体感知和过程跟踪工具。群体感知既包括认知层面的感知，即本人与其他成员的知识感知，也包括社会交互层面的感知，即成员间的交互关系[26]。Schreurs和De Latt 使用网络感知工具（Network Awareness Tool，NAT）自动记录学习者之间的在线交流互动关系，并使用自我报告收集学习者对交互频率和交互质量的自我感知，最终以可视化的形式展示了学习者之间的在线交互情况[27]。Järvenoja 等使用S-REG工具收集小组协作过程中的动机、情感和认知状态等过程性数据，汇总分析小组成员的分数，得出小组协作水平的可视化分析结果，并对小组成员进行必要的提示[28]。

总之，共享调节学习的评价涉及协作学习的不同维度、过程和主体，除了传统的访谈、学习绩效、学习者基本信息之外，面对面交流数据、在线交流数据、共享调节水平量表、学习者自我报告甚至心电、脑电等其它多模态数据，都成为共享调节学习评价的证据来源。研究者通过收集这些数据，借助序列分析、内容分析等方法，评估与跟踪共享调节学习的状况。

第一，面对面交流数据。虽然，近年来协作学习的研究重心围绕CSCL 展开，但是对于传统协作学习以及混合式学习而言，面对面交流仍然是协作的重要途径。面对面交流的口头语言、语音语气、表情与神态、肢体语言、互动形式、物理环境状况等，都是观察与评价协作学习的重要因素。与传统的现场观察（例如，课堂观察）与评价不同，目前，对面对面交流信息的跟踪，除了现场观察记录之外，更多的是借助视频或音频材料，利用内容分析框架进行编码，对共享调节的物理场景、阶段、特征等进行分析，研究不同阶段的交互水平或行为序列变化及其影响因素。例如，Näykki 等收集了选修同一课程的22位教育科学专业硕士学生的协作视频。基于这些面对面的课堂协作视频，提出一套有关协作小组监控活动的编码体系，并利用该编码体系对不同小组的协作水平进行分析[29]。Malmberg 等则利用视音频等过程性数据[30]，开展了共享调节学习行为序列分析。他们录制了18位大二学生在数学课程中的面对面协作视频，分别对小组协作过程中的调节类型（自我调节、合作调节、共享调节）和调节过程（任务理解、计划、目标确定、监控与评价、策略使用）进行了分类和评估。

第二，在线交流数据。随着CSCL的兴起，学习者的在线行为已经成为协作学习评价的重要依据。这些数据包括学习者同步在线聊天记录，异步在线发帖或回帖信息，资源访问的后台日志文件（例如，访问时间、IP地址、入站路径等），学习者网上行动路径、学习资源的链接，学习者学习偏好（例如，资源偏好），学习者客户端工具信息（例如，访问装备），甚至移动学习装备的位置数据等等。为了有效利用这些数据来评估学习者的在线学习，陈向东等整合内容分析、社会网络分析、链接分析、流量分析等不同方法，将其应用于在线学习评价的不同维度和环节[31]。近年来，数字画像的研究也在很大程度上依赖于这些信息。Zheng 等人的研究同样利用在线交流数据，包括在线发帖、日志文件等，来分析协作小组不同共享调节活动的频率及其行为序列[32]。

第三，共享调节水平量表。许多共享调节学习的研究者来自于教育心理学或学习科学领域，他们更愿意改编心理学的相关量表，来测量学习者的共享调节水平，并且对基于共享调节的相关干预手段进行评估。这些量表通常根据共享调节的维度（认知、元认知、情感动机）、过程（任务理解、计划、监控、反思等）以及共享调节的特征（个人与集体的任务转换、冲突、计划等）等不同的角度，借鉴心理学在一些维度测量的研究成果，将其整合至共享调节的评价框架中。例如，罗淳依据Volet 等设计的SAGA（Students’Appraisals of Group Assignments）量表，通过共享认知、任务冲突、共享元认知和共享情感动机四个维度，测量学习者共享调节水平的前后差异[33]。Lee所设计的调查问卷，则用于研究个人对小组协作质量、共享调节水平、成员贡献的感知情况[34]。问卷内容包括：小组成员对小组互动质量、小组共享调节水平、社会惰化（例如，希望其他成员完成小组任务等等）的感知。

第四，自我报告。由于共享调节应用场景的多样性与复杂性，借助严格的量表测量共享调节学习，存在一定的局限性。也有研究者采用较为宽松的自我报告（Self-report）的形式，收集学习者协作过程中的参与过程、协作质量以及协作态度等方面相关信息。这些自我报告采用面对面口头交流、书面调查问卷，或利用在线工具收集反馈信息。例如，Volet 等利用纸质自我报告的形式，调查了由18位大学二年级学生组成的6个协作小组的共享调节状况[35]，收集的信息涉及个人参与小组面对面讨论的情况，包括参与时间、不同类型活动的参与程度等。Hou 等尝试用共享调节的理论，分析中国教师教研的特征，采用口头自述的形式[36]，对上海闵行区某小学四年级语文教研的共享调节过程进行调查和评估，收集的信息包括：教师教研的阶段特征、教师教研过程的调节情况（认知调节、元认知调节、动机和情感调节）、教师之间的互动信息等。

第五，多模态数据。多模态数据指通过两种及以上的方法获取的同一对象的相关数据，如，语言、文本、视频、眼动、触点、日志等[37]。借助大数据与人工智能技术，多模态数据可以整合包括文本、图像、声音、生理等在内的各种信息，为研究者分析课堂师生互动情况、预测学习者学习行为、识别学习过程的情绪动机等方面提供便利[38]。近年来，有研究者开始借助多模态数据工具进行共享调节学习评价，分析的信息除了传统数据之外，还包括面部表情、皮肤电、心率等信息，以此分析学习者在协作过程中的认知、心理、生理的动态变化。例如，Malmberg 等利用LeaForum工具，对小组成员协作过程中的生理数据、视频观察数据、面部表情数据，进行了整合，分析了这些数据与交互类型、调节学习之间的关联[39]。Pijeira-Díaz 等则使用Empatica工具，通过分析小组成员的皮肤电数据，研究共享调节学习过程中小组成员的生理激活程度[40]。这类研究在很大程度上拓宽了协作学习研究的实证工具箱。

当然，对于共享调节学习评价，仍然有许多研究者借助传统的访谈数据[41-42]、学习者绩效[43-44]（包括最终成绩、小组作品）等手段。然而，通过上述案例的分析，我们可以发现，目前，共享调节学习评价，在分析方法、数据使用方面存在诸多不足。

首先，互动机制缺少关注。目前，共享调节评价大多采用内容分析、时间序列分析等方法，重心在于学习者的整体协作程度以及知识建构水平。但是协作群体内部存在何种类型的互动关系？学习者之间如何进行组内、组间交流？协作过程的动态变化？这些诸如协作机制问题，在现有的评价方法中没有得到充分体现，也就是说，评价方法并没有充分体现出共享调节学习特有的理论关切。

其次，数据收集事倍功半。共享调节关注协作的过程性信息，例如，不同共享调节阶段的互动对协作学习水平的影响、共享调节中的监控与协作成员之间生理同步的关系等等，这些过程性信息的收集花费了研究者大量的精力和时间。但在实际研究过程中，研究者对现有这些数据利用效率却明显不足，同一类型的数据只用于单一分析方法，这使得花了很大功夫收集的现场信息，并没有得到充分地挖掘。

最后，评价维度单一，相互之间缺少互证。大多数共享调节的评价关注调节的某些维度（认知、元认知、情感与动机），而对于最终绩效的影响，对于多个维度的共同作用及其相互之间的关系缺少关注。尽管目前相关的评价研究利用不同研究方法（时间序列分析、内容分析、相关性分析），收集了协作过程中的不同类型数据，但是，上述分析方法仅能单独对共享调节的不同维度或过程进行分析。这种情况对于群体感知尤其明显，分立单独的评价，使得交互维度（认知、元认知、动机与情感）、交互差异（核心或边缘人员）无法得到深度挖掘，也无法以可视化的方式展示，使得群体感知工具在辅助调节个人或群体行为方面的作用，没有能够得到充分体现。

针对上述存在的问题，我们需要引入新的方法优化共享调节学习的评价，而社会网络分析（Social NetWork Analysis，SNA）可以成为一种重要的评价手段。目前，SNA 己经在很大程度上引入协作学习研究，例如，分析群体内的互动模式[45-46]、动机与情感维度的互证等[47-48]。从社会网络的视角分析共享调节学习的互动模式，评估群体中的共享调节状况，具有很大的价值：一方面，它可以充分利用原有协作过程数据中的社会网络信息，提高数据的利用率；另一方面，它可以作为其它方法的重要补充，围绕共享调节理论的核心目标，呈现调节过程不同阶段的特点、不同评价维度的关联性以及调节的内在机制，这一评价视角，可以充分体现共享调节特有的理论观照。

三、基于社会网络分析的评价框架

以关系作为基本分析单位的社会网络分析，已经在社会学、管理学、教育学等诸多学科领域得到了广泛应用。社会网络分析是教育研究中的一个独特视角，它建立在如下假设基础之上：在互动的单位之间存在的关系非常重要。早在十多年前，教育研究者即开始利用社会网络分析，研究教育情境中的社会网络以及网络中的行动者之间的关系，其中一项重要的应用就是协作学习的评价[49]。

（一）社会网络分析的适用性

第一，从个体互动角度对共享调节进行解释。社会网络分析的观点是：学习者既属于一定的类别，又处于一定的网络之中，要从学习者与同伴的“关系”角度考察学习者，关注其所处的关系网络。这种关系网络包括认知、元认知、动机和情感等不同的维度，也涉及任务理解、计划、监控等不同的阶段。社会网络分析的解释不同于非网络解释之处在于：在研究中把“关系”的概念和过程纳入解释之中。

第二，网络结构方法分析互动模式。从社会网络分析的角度讲，学习者之间是相互依赖，而不是独立的。应该把“关系”看成分析单位，把结构看成学习者之间的关系模式，分析学习者之间的关系（而不是根据内在属性进行分类），这样就可以深入地分析现象的关系本质。对于共享调节学习而言，社会网络分析的一个重要问题在于，学习者之间的关系模式是怎样的以及其在多大程度上与共享调节行为相互影响。为此，我们可以通过图示化工具、代数模型技术来描述关系模式，并且探究这些模式对调节过程的影响，这可以在很大程度上弥补现有评价方法的不足。

第三，有效整合利用现有数据。现有的共享调节的跟踪数据在很大程度上可以成为社会网络分析的数据来源。以面对面交流数据为例，成员之间的言语、行为互动，学习者之间的眼神交流、学习者与学习活动的二模关系、学习者之间的聚类分析等等，都可以通过一定的方法转换为社会网络信息。近年来，由于多模态技术的发展，社会网络分析越来越倾向多维度数据的整合。例如，Ghani 等[50]提出了多模社会网络的概念，选用了更多的网络结构，进一步展示不同维度数据之间的关联。

第四，提供了更多可视化的群体感知方法。群体感知既是评价的重要工具，也是调节过程不可或缺的支架[51]，对于共享调节具有重要的作用。目前，共享调节评价的群体感知工具，主要有雷达图、交互流程图、群体感知图等。从理论上讲，这些图反映的是变量的状况而非关系状况。社会网络分析则拓展出了整体网（Whole-network）、自我中心网（Ego-network）、模式内网络（Within-mode Network）、水位图（Water-level Color Glyphs）、多模网络（Heterogeneous Networks）、基于属性的展示（Attributed-based Projection）、基于连接的展示（Connectivity-based Projection）等多种不同的可视化方式[52-53]，可以大大拓展共享调节学习的分析手段和解释方式。

除了利用关系概念之外，利用社会网络分析方法评价共享调节学习，同样需要关注以下几个预设：调节行为是相互依赖的，而不是独立的、自主的单位；学习者的社会网络是调节传递或者流动的“渠道”；协作学习的物理和社会环境，可能为学习的调节行为提供机会，也可能限制其行动；网络模型把结构概念化为不同学习者之间的关系模型。

（二）概念框架的构建

共享调节学习的评价，贯穿任务理解、计划、监控、调节等不同环节，通过收集学习者共享调节不同阶段的数据，采用雷达图[54]、提示灯[55]、二维图表[56]等可视化工具，对小组的共享调节学习进行评估或干预。将社会网络分析融入共享调节的评价，需要考虑以下三个因素：首先，网络结构能够显示协作学习者的社会网络特征，揭示不同维度网络信息之间的关联，反映学习者的互动特征以及社会网络的变迁过程；其次，社会网络信息能够强化共享调节过程中的群体感知，明确社会网络的不同维度在共享调节学习各个环节中的作用；最后，这些工具尽可能不增加新的数据收集负担，能够有效利用原有的共享调节过程数据。为此，我们需要在原有的共享调节评价基础上，拓展数据收集的途径和工具，具体的评价框架如图1所示。

图1 基于社会网络分析的共享调节学习评价框架

这一评价框架整合在原有的共享调节学习评价中，可以用于共享调节的不同阶段，不同研究者可以依据实际需要，选取不同的关系数据以及分析工具。一方面，研究者可以基于现有数据渠道（例如，面对面交流数据、在线交流数据等），拓展新的数据收集维度、增加新的关系数据，利用密度、中心度、角色分析、QAP分析等测度，来分析和评估共享调节学习状况。另一方面，在共享调节学习过程中，研究者可以依据实际情境应用不同的社会网络工具，包括：基本社会关系（Basic Relationship）、群体凝聚力展示（Group Cohesion Representation）、角色位置展示（Social Roles Representation）、多维关系（Multiple Social Relation）、多模社会关系（Multimodal Social Relationship）。

上述这些工具，分别从群体交流模式、群体互动关系紧密性、个人或群体角色、不同维度相关性、多模关系相关性等方面，对协作群体的共享调节状况进行评价与跟踪，以促进协作过程中的群体感知，强化团队意识。具体来讲，该框架在数据收集以及分析工具方面，大大改进了目前的共享调节学习评价。

注浆包括注浆量、注浆压力、注浆浓度3个参数。设计注浆量每根桩水泥用量为3 t，注浆流量控制在75 L/min以下；注浆压力根据注水试验数据和以往类似工程的施工经验确定，当注浆压力长时间低于正常值、地面出现冒浆或周围桩孔串浆时，改为间歇注浆，间歇时间为30～60 min；注浆浓度根据土的饱和度、渗透性确定，由于地基土为砂性土，渗透性好，水灰比选用0.45～0.65，先用稀浆，随后渐浓，最后注浓浆。

1.数据收集

如前文所述，社会网络分析可以在很大程度上弥补目前共享调节评价存在的问题。从数据收集的角度，图1的框架需要收集更多学习者的社会网络信息，这些信息有些存在于原有的资料之中，有些则需要改进或增加新的数据收集环节。

首先，重新整合原有资料中内嵌的社会网络信息（主要来自于图1中实线扇形框）。共享调节的各类研究，在开始进行研究之前，都需要收集学习者的基本信息（例如，姓名、性别、学习者特征、学习者偏好等），这些资料可以成为社会网络分析的重要来源。在面对面数据中，成员之间的言语、行为互动，学习者之间的眼神交流，学习者与学习活动的关系，同样蕴含着社会网络分析的素材。在线数据则更为丰富，包括在线聊天或发帖的结构、学习资源的链接网络，学习者偏好、“学习者—事件”的关联、日志中保存的交互信息、协作作品中的参与信息（例如，共同编辑wiki）等等。

其次，拓展社会网络数据渠道（主要来自于图1中方点虚线框）。对于共享调节学习评价而言，需要收集新的信息，使得社会网络分析有充足的数据来源。一方面，共享调节水平的测量，需要加入社会网络不同维度的信息，这些信息包括学习者之间已有的社会交互关系，例如，情感关系、咨询关系、信任关系等，这些信息可以成为原有共享调节水平问卷的重要补充。另一方面，对于共享调节过程而言，自我报告需要着重关注以下社会网络的感知信息：（1）协作互动感知，即学习者在协作过程中与同伴交互的感知数据，例如“与哪些人进行了交流互动？”（2）参与不同事件或行为的感知数据，例如，“参与了哪些任务？”“遇到哪些困难？”这两种类型的感知信息，分别形成了“行动者—行动者”的一模网络和“行动者—事件”的二模网络。对于共享调节而言，这些信息镶嵌在共享调节的不同过程中，从更深的程度反映共享调节的内在过程，弥补了目前共享调节评价在互动机制方面的不足。

最后，加强多模态数据的收集（图1中长短交替虚线扇形框）。多模态数据的引入，使得社会网络的数据来源得到很大的拓展。例如，眼动数据可以成为成员关注网络的重要数据来源[57]，脸部识别则可以成为学习者情感网络的依据[58-59]。这些定向行为的生理数据的变化，可以大大弥补自我报告的主观性[60]。例如，Biswas 等跟踪了学习者在开放式学习环境下的学习行为（阅读、记笔记、判断正确性、与导师的对话等）、情感状态、眼动数据，并进行多模态互动分析，这些信息为学习者与导师的互动合作提供了参考[61]。Ez-Zaouia 等测量了来自不同数据源（音频、视频、自我报告和交互跟踪）的学习者情绪，结果表明，多模态、情境化的可视化分析仪表盘，可以更好地理解学习者在同步学习活动中的演变情况[62]。可见，基于多模态视角的社会网络信息，为共享调节学习评价提供了新的渠道。

2.分析工具

图1的框架借鉴其它协作学习研究中社会网络分析的一些成功应用，引入了以下五种社会网络分析工具：基本社会关系（Basic Relationship Representation）、群体凝聚力展示（Group Cohesion Representation）、角色位置展示（Social Roles Representation）、多维关系（Multiple Social Relation）、多模社会关系（Multimodal Social Relationship）。

第一，基本社会关系。主要基于学习者在协作过程中的知识、情感、情报、信任等关系数据，对学习者既有的社会关系进行统计并可视化。对于共享调节学习的评价而言，这种基本社会关系可以反应不同维度的社会网络在协作前后的变化状况（前后测），也可以反映不同共享调节阶段（任务理解、计划、监控等）的社会网络的过程性信息。对于协作学习者而言，基本社会关系既可以是整体网，也可以是自我中心网，使得学习者对个人所处的社会网络有一个整体的感知。例如，Xie 等[63]基于在线课程中的交流数据，以整体网的形式，展示了在线课程中不同成员的交流互动情况。

第二，群体凝聚力展示。主要反映团体内部的社会性黏着程度以及调节过程中的互动状况，测度包括协作团体的规模、密度、中心性、小团体、连接度等。在传统的协作学习评价中，这些信息也是评价协作过程的重要内容。对于共享调节而言，中心性可用于评估协作过程中权利的不同特征；密度可以测量团体的紧密程度；小团体可以反映团队的向心力，也可以提供团体的派系分布和连接状况。例如，在Lin 等的研究中[64]，采用整体网络问卷，分别收集了由172位K-12教师组成的协作群体之间的面对面交流与在线交流互动数据。基于这些交互数据，使用点度中心度、接近中心度、中间中心度三种测度，计算了教师的互动频次，分析了协作群体互动过程中的中心人物。

第三，角色位置展示。在社会网络分析中，角色和位置是一个重要的核心概念，这一概念是建立在结构等价的基础上，认为相同角色和位置拥有与其位置相关的独特的权利和责任。例如，学习者在小组内部存在着不同的角色（协调人、顾问、守门人、代理人）或位置（孤立位置、谄媚者位置、经纪人位置、首属位置）等。角色研究一直是协作行为的重要研究内容，在协作过程中，不同学习者之间在角色、贡献等方面存在差异。例如，罗淳[65]等依据“核心—边缘”结构模型，研究某一阅读群体的读者角色，根据读者之间的互动频率，对读者角色进行了分类。

第四，多维关系。多维关系指不同社会关系，例如情感关系、咨询关系、情报关系、认知关系、元认知关系之间的关联。对于多维关系的社会网络的研究己经非常成熟，这些维度适合于不同的研究情境。例如，对于不同机构之间的社会网络，Yan[66]将其分为社会、认知、地理三个维度。不同维度网络使用QAP（Quadratic Assignment Procedure）测度，分析不同维度之间的关联，并对小组内不同类型的社会交互进行展示。对于共享调节而言，多维关系有助于深入了解协作过程中的认知、元认知、动机和情感之间的相关性以及相同维度内不同指标之间的联系。

第五，多模社会关系。主要指带有多种类型（性别、种族、单位等等）或通道（音频、视频、文本、皮肤电、心跳等等）的关系数据的整合。多模社会关系考虑了行为者的不同类型以及关系数据的不同来源，使用新的方式对学习者之间的关系数据进行展示。例如，Ghani[67]等使用了一种新的可视化形式——PNLBs（Parallel Node-link Bands），展示了多模NSF项目（包括六个属性的NSF项目：NSF项目所属机构、主要研究员、项目名称、项目经理、NSF项目、NSF项目理事会）社会网络图。

需要说明的是，在大数据的背景下，将社会网络分析融入共享调节的评价，不仅仅是加入新的评价维度；更重要的是可以利用这一框架，借助相应的学习分析技术，通过社团发现、影响力分析、专家发现、群体可视化等手段，在共享调节过程中强化学习者的群体感知。例如，协作过程的社团发现与聚类问题关系紧密，通过寻找协作网络中连接关系密集的区域，可以寻找协作过程中基于不同维度（例如，兴趣）的共同体，帮助学习者感知异构社会网络中的社团，跟踪社团及其演化的过程。同样，社会网络的引入，也可以用于在协作中发现针对特定任务的专家，例如，给定某个环境下不同的候选对象等等。通常专家会形成一个群体，很多复杂的任务需要较多专家而不仅是一个专家的参与。这有助于在共享调节过程中发现专家团队，围绕某个共同目标有效展开合作。

四、解释案例

为了对上述概念框架的实践应用作进一步说明，我们以华东师范大学教育信息技术学系的一门专业选修课程“信息技术教学法”为例，来说明如何基于社会网络分析对共享调节学习进行评价，以及相应的评价工具如何强化群体感知，以促进协作学习活动的跟踪和调节。

（一）案例简介

研究对象为2019年秋季学期选修该课程的26位本科学生。课程全程采用小组协作形式（共5组，4到6人一组）进行教师专业技能的训练，其中有一个阶段要求小组以面对面与线上协作相结合的形式完成小组共同的任务。任务的要求是开展集体备课，撰写小组共同的教案，进行模拟授课，最后进行组间的展示与交流。在集体备课过程中，小组成员需要采用线上线下相结合的方式，共同商讨备课主题、设置备课目标与计划、共同设计教案、反思备课过程、调整协作行为等。案例使用本研究团队自主开发的面向协作学习的共享调节平台[68]（见图2）。

图2 面向协作学习的共享调节平台

该平台基于共享调节理论，整合多种不同的支持协作学习的支架工具和模板、群体感知工具、过程监控和评价工具。为了研究的需要，在系统中嵌入了图1框架中的社会网络评价工具，一方面便于研究者和教师从社会网络视角评估案例的实施；另一方面加强学习者协作过程跟踪和群体感知。依据本案例需要，选用了图1中的四种评价工具：基本社会关系、群体凝聚力展示、角色位置展示以及多模社会关系。

如图3所示，在本案例中，每个学生小组需完成三个任务，总共历时约十周。根据任务实施分为三个阶段：自由协作、共享调节活动一、共享调节活动二，每次任务历时3-4 周，具体时间由不同小组根据各自任务进展适时调整。自由协作活动阶段任务由学生自主开展，无共享调节支架支持；共享调节活动一、二则要求学生小组共同完成一个完整的备课与授课任务，并且提供了共享调节活动过程的支架（任务理解、计划、反思等）。与此同时，在学习过程中利用图1中的工具，进行了基于社会网络分析的评价。

图3 评价工具在案例中的应用

（二）评价的实施

本案例希望通过社会网络分析评价工具的应用，一方面帮助研究者和教师了解学生在协作过程中的关系信息，跟踪协作过程，评估共享调节水平；另一方面促进学习者感知当前的协作状态，调节本人或小组成员行为。在实施过程中参与者采用实名，且评价工具用颜色表示学习者的特征以及状态。在文中参与者则采用化名，为了方便说明，对实际图表进行微调（例如，改用大小、形状表示颜色）。

（1）基本社会关系。基本社会关系用于表示学生不同维度的社会网络基本状况，例如，情感、知识、情报、互动等等。图4和图5是案例中学生协作前后的在线交流数据，对学生的发帖—回帖关系进行编码，以整体社会网络图的形式，展示学生集体备课前后的交流互动变化。图中圆圈（Bela，Cho，David…）代表学习者，圆圈之间的连线代表学习者之间的交流互动关系。例如，第一次共享调节活动前期，学生Lee，Rachita和Yuri与其他成员没有联系，是班级中的孤立人员，并且学生之间的联系较为稀疏（见图4）。第一次共享调节活动后期，全体学生均有交流，互相之间加强了沟通（见图5）。此外，除了提供可视化网络图，还为学生提供了该图对应的解释性数据，例如成员基本统计信息、网络规模、连接度等常用测度。

图4 基本社会关系（第一次集体备课前）

图5 基本社会关系（第一次集体备课后）

（2）群体凝聚力展示。基于小组在线或面对面交流，将小组成员之间的交流互动数据转录为对话片段，分析学生的对话片段中的关系数据，使用中心度（Degree Centrality）分析不同小组的内部交流情况。图6、7展示了两个小组（组1、组2）基于面对面交流的群体凝聚力情况，图中圆圈代表成员，圆圈之间的连线代表成员之间的交互关系。圆圈越大、颜色越深，代表该成员在小组中参与了越多的交流，具有越多的影响力；圆圈之间的连线越粗，代表两个学习者之间的交流次数越多。图6展示了第1组五位成员（Cho，Kim，Linda，Rachita，Rebecca）交流不均的情况：成员Rachita 对应的圆圈最大，颜色最深，她在小组中参与了最多的交流互动，影响力较大。图7则展示了第2组五位成员（Bela，David，Hillon，Jason，Watson）交流均等的情况：所有成员都共同参与了交流，没有成员处于主导位置。

图6 群体凝聚力展示（组1）

图7 群体凝聚力展示（组2）

（3）角色位置展示。基于收集到的在线交流数据和面对面交流视频，进一步分析小组成员的互动关系，展示不同学习者在集体备课过程中的角色和位置。图8是角色位置展示示意图，依据成员之间的交流特征，将成员分为两种角色：核心角色、边缘角色。图中虚线框内的角色是核心角色，虚线框外是边缘角色，角色之间的连线代表成员之间的交互。例如，图8中的五位核心成员（Bela，Cho，Linda，Kim，Rachita）联系紧密，交流较为频繁，是群体中的核心成员。

图8 角色位置展示

（4）多模社会关系。基于收集到的多模数据（面对面交流数据、在线交流数据、自我报告），分别编码分析学习者共享调节的不同状态（积极性、贡献性、团队意识），依据不同数据来源，整合为多模社会关系图。如图9所示，矩形表示学习者调节的三个状态，圆圈代表不同学习者，矩形和圆圈之间的连线代表学习者与指标之间的关联（例如，积极关注集体备课任务、提出有关备课主题的想法等）。其中，积极性指标来源于面对面交流眼神的关注、发言次数、在线发贴的频度以及其它成员的评价等多种不同的来源。

图9 多模社会关系

（三）案例评价

为初步验证图1概念框架的有效性，我们对案例的实施进行跟踪和评估，并且通过调查问卷和小组访谈，对上述工具的应用进行了评价。

1.共享调节水平

整个案例作为一个总的共享调节活动，使用改编的共享调节水平问卷，对全体学生的共享调节水平进行前后测[69]。该问卷共由18道五点李克特量表组成，包含三个维度：互动程度（4题）、调节水平（6题）、参与度（8题）。对比分析协作前后，我们发现，协作群体在互动程度、调节水平、参与度三个维度的均值均有所提高（见表1）。同时，如图10，通过配对样本t检验，发现协作前后，学生在互动程度（t（25）=2.708，p=0.012，d=0.34）、调节水平维度（t（25）=2.101，p=0.046，d=0.27）有显著差异。

表1 协作前后的共享调节水平变化

图10 协作前后的互动程度、调节水平变化

2.基于社会网络的共享调节评价

上述社会网络分析工具，在一定程度上说明了各小组在协作活动前后的差异。通过对协作群体的共享调节情况进行总结性评价和过程性评价，进一步评估协作学习的状态。

（1）总结性评价。使用基本社会关系工具，对比展示了学习者协作前后的交互关系变化（见图11），并依据组别分析了协作前后交互网络的密度变化（见表2）。我们发现，每个小组在使用该工具前后，交互网络密度增大，交流互动更加频繁。

图11 协作前后基本社会关系对比

表2 协作前后的网络密度变化

（2）过程性评价与跟踪。基于集体备课期间收集到的交互数据，本案例使用群体凝聚力，跟踪并展示了小组集体备课过程中的交流密切程度，以帮助学习者感知当前的共享调节状况。例如，我们对比了小组在共享调节活动一前期与共享调节活动二前期的群体凝聚力情况（见图12），同时,为了说明群体凝聚的特征，展示两个阶段的中心度变化（见表3）。我们发现，随着共享调节活动的开展，每个小组的群体凝聚力均有所增加，有更多成员之间建立了关联，开展了协作交流，有一些成员开始成为团队的核心，更多地参与了任务的交流与互动。

图12 某小组在共享调节活动一前期（上）与共享调节活动二前期（下）群体凝聚力情况

表3 共享调节活动一前期与共享调节活动二前期的中心度变化

此外，本案例使用角色位置展示，评价了同一小组在不同阶段（共享调节活动一后期，共享调节活动二后期）的核心角色和边缘角色变化（见图13），展示了小组所有成员的参与情况，以帮助学生感知和调节本人和小组行为。如图13所示，随着协作活动的开展，成员Bela 由原来的边缘角色转化为核心角色，越来越多地参与到协作过程中。

图13 某小组在共享调节活动一后期（上）与共享调节活动二后期（下）角色情况

3.群体感知

在协作完成后，我们使用李克特量表形式（1=几乎没有效果，2=少量效果，3=中等效果，4=较大效果，5=非常有效果），调查上述四种工具对于群体感知的有用性和易用性。学生认为，四种工具对于群体感知的支持程度均在中等以上，其中，基本社会关系与群体凝聚力展示最高，均值都为3.75（见表4）。同时，大部分学生认为，上述四种工具使用方便（见图14）。其中，84.61%的学生认为，上述工具直观明确；88.46%的学生认为，上述工具帮助本人和小组感知到当前协作中遇到的问题，有助于后续进一步的调节。

表4 基于社会网络的共享调节感知工具使用感受

图14 基于社会网络的共享调节感知工具支持程度

此外，在协作任务完成后，我们依据组别对所有小组进行了访谈，了解了学生对上述四种工具的使用感受。访谈的结果与调查问卷基本一致：首先，学生普遍认为，基本社会关系最容易理解，该工具提供了许多有效信息，能够帮助他们认识到本人与其他成员的交流协作情况。其次，许多学生指出，群体凝聚力展示有两方面的作用。第一，该工具通过直观的节点颜色深浅和大小表示成员的参与度，能够帮助他们进行自我反思；第二，通过节点之间的连线粗细可帮助他们感知到自己与同伴的交互状态，有助于他们共同调整成员之间的协作。同时，有学生表示，他们在协作过程中会主动关注不同阶段群体凝聚力展示图，来对比本人参与小组协作的变化。第三，对于角色位置展示，部分学生指出，该工具较为复杂，需要配合文字解释进行理解。但是也有许多学生指出，该工具能够帮助了解群体成员，尤其是边缘成员的参与情况，可为小组共同调节后续行为提供线索。第四，对于多模社会关系，虽然有的学生表示喜欢多模社会关系图的展示形式，会关注小组在不同维度的事件中的参与程度；但也有部分学生认为，该工具较复杂，需要配合文字说明。

五、结语

社会网络分析可将协作学习者之间的关系可视化，通过分析他们互动关系的网络结构，来判断学习者之间的关系以及各种关系对协作学习所产生的影响，这为共享调节学习评价提供了一个新视角。共享调节过程中的互动行为是关系数据的主要来源，社会网络分析通过量化的语言来描述这些关系数据，对得到的关系数据的各种参数（凝聚子群、可达性、网络密度、中心性、中介性等）进行分析，可达到评估共享调节学习的目的。通过解释案例可知，本文提出基于社会网络分析的共享调节评价框架，能够在一定程度上解决目前共享调节评价中存在的问题，从共享调节的不同维度与阶段评估协作学习中的共享调节水平，促进协作过程的跟踪和群体自我感知。

当然，作为一个概念性评价框架，无论是理论框架和案例实施，仍然存在许多问题。首先，理论框架需要强化与共享调节学习理论的契合度，以强化与共享调节维度、过程以及任务类型的整合；其次，从可操作性角度，对于评价框架的实践应用模式需要进一步细化。例如，在本解释案例中，对于不同工具应用的时间、方式、频度，都依赖于研究者或教师的个人经验，缺少可靠的实证支持；第三，评价工具的可用性和易用性仍然需要改进，毕竟共享调节的评价工具既是研究者和教师的评价和跟踪工具，也是学习者的群体感知工具，为了面向不同特点的用户，工具仍有较大的改进余地；最后，本文只提供了一个简单的解释案例，从社会网络视角进行共享调节的评价，还需要基于不同应用情境，开发出更多的应用案例，以评估框架的适用性。