cMOOC学习者知识流动特征与交互水平关系研究

田浩 陈丽 黄洛颖 王瑞雪

【摘 要】“互联网+教育”呈现出新的知识观，联通主义作为其本体论基础，认为知识是不断流动的，且知识流通是学习的目的。知识流动可以激发有效交互，而深层次交互也可以促进知识流动管道的形成。本研究基于我国第一门cMOOC——“互联网+教育：理论与实践的对话”，以cMOOC平台中学习者生成的文本作为数据来源，从广度、强度、速度和均度四个方面构建了知识流动表征模型，运用社会网络分析法和关键词提取技术，分别探究知识流动结构和知识流动内容对交互水平的解释力。本研究得到以下结论：知识流动广度和强度与交互水平呈显著正相关;知识流动速度与交互水平无显著相关;集中式发帖行为不利于达成良好的交互水平;寻径交互和意会交互的达成更取决于知识流动结构，而创生交互则更取决于知识流动内容。本研究通过对知识流动进行量化表征，论证了“管道”和“管道中的内容”与联通主义交互水平之间的关系，在低层次交互中“管道”更为重要，而在高层次交互中“管道中的内容”作用则更加显著。该论断为解释联通主义本体论价值提供了实证依据。

【关键词】  联通型慕课;联通主义;知识流动;社会网络;交互水平;CIE框架;在线学习

【中图分类号】  G420      【文献标识码】  A       【文章编号】  1009-458x（2020）8-0015-10

一、问题提出

知识是教育实践的核心内容，对知识的认识形成了知识观，包括“知识的内涵是什么”“知识有哪些特征”“知识是如何生成的”等关键问题。知识观不同，教育实践的重点和方向也不同（陈丽， 等， 2019）。传统知识是由权威、专家为代表的精英阶层所生产，经过层层沉淀，形成相对稳定的结构化知识，并以静态形式固化在书本或电子资源中，这是一种组织化的知识生产模式，生成的是能够解释事物运行规律的普适性知识。而互联网的发展使得信息空间成为物理空间和人类社会之外的“第三空间”（潘云鹤， 2018），这一全新的教育实践场域带来若干现实问题，因此“互联网+教育”中的知识以解决实际问题为导向。由于实际问题带有鲜明的境域化特征，解决这部分问题的知识不再是以前那种放之四海而皆准、普适性的抽象知识，取而代之的是具有相对建构性的应用知识（蒋益， 2017），即只要能够满足某种实践情境下人们的需要，就是有价值的知识。因此，知识生产模式由以前的层次化、组织化演变为网络化、多元化，知识生产主体由精英阶层的权威专家转变为具有丰富实践经验的“草根”（陈丽， 等， 2018）。

联通主义作为“互联网+教育”的本体论（王志军， 等， 2019），对于帮助我们认识新知识观具有重要的指导意义。西蒙斯认为知识是动态的，知识能够经过学习者的创造和传播而不断流动。在流动过程中，内容和管道构成知识的意义（王志军， 等， 2014）。其中，管道的建立主要依赖交互过程，交互可以建立优质管道，促进连接的建立和网络的形成;良好的知识流动也能激发高质量、深层次的交互。因此，在联通主义指导的教育实践中探究学习者知识流动与交互水平之间的关系，对于理解联通主义本体论的价值，验证本体论与新知识观之间的作用机制具有重要意义。

二、cMOOC学习者知识流动表征模型

基于联通主义的大规模在线开放式课程（connectivist Massive Open Online Course， cMOOC）是联通主义在教学实践中的重要形式。本研究以cMOOC为例，将学习者在cMOOC中的知识流动从流动结构和流动内容两个方面进行表征，见图1。其中，知识流动结构关注学习者的社交关系，主要反映学习者之间形成的“管道”，本研究拟使用社会网络分析方法（SNA）对流动结构特征进行定量测量（徐亚倩， 等， 2019）;知识流动内容关注学习者在交互过程中生成的文本内容，主要反映学习者之间“管道中的内容”。本研究拟使用两种关键词提取算法（TextRank與TF-IDF），自动从学习者生成的文本中发现关键主题词，进而反映学习者在交互过程中产生的内容信息。

针对知识流动的测量方法和量化指标，叶选挺等（2014）从知识流动的方向入手，使用知识流出、知识流入和知识流量对知识流动情况进行测量。在流动方向的基础上，钱文君（2018）进一步将流动速度和广度纳入进来，使用知识传者速度、知识吸收速度、知识传播速度、传递阻尼系数四个指标表征知识流动速度，并使用知识主体广度、知识话题广度两个指标表征知识流动广度。关于流动过程的阻力，王文平等（2013）进行了更为深入的研究，认为主体之间的关系越强，知识流动的管道摩擦系数越小;该研究同时分析了知识流动的效率和均衡性，指出可以使用群体知识水平均值、知识流动速度来衡量知识流动效率，并使用知识分布方差衡量知识分布的均衡性。赵健宇等（2016）则通过仿真分析，发现知识流动效果与网络集聚系数、网络中的知识流量、平均路径长度呈正相关。

基于对已有研究进行的分析，并结合本研究中所使用的cMOOC学习平台功能特点，我们将知识流动的特征确定为知识流动的广度、强度、速度和均度，并采纳学习者连接的广度、强度、速度和均度以表征知识的流动结构，而使用主题词生成的广度、强度、速度和均度以表征知识的流动内容，见表1。

根据构建的知识流动表征模型，本研究重点回答以下研究问题：①cMOOC学习者的知识流动结构概况如何？②cMOOC学习者的知识流动内容概况如何？③cMOOC学习者的联通主义交互水平概况如何？④cMOOC学习者知识流动特征与交互水平之间存在何种关联？

三、研究设计

（一）研究对象与情境

本研究基于国内首门cMOOC——“互联网+教育：理论与实践的对话”。该课程由北京师范大学陈丽教授主持开设，由互联网教育智能技术及应用国家工程实验室等团队联合开发，以“开放”“共享”“互动”“创新”为指导，关注互联网推动教育创新的实践策略和创新理论。在第一期课程的基础上，第二期课程更关注现实生活中的教育问题、技术支持问题和对应方案推广的应用问题，以及“互联网+教育”的哲学基础，等等。第二期课程分为五大主题，分别是“主题一：‘互联网+教育的哲学观”“主题二：线上线下学习空间融合”“主题三：教育资源共建共享”“主题四：消费驱动的教育供给侧改革”“主题五：精准高效的教育管理模式”。每个主题学习时间为两周，集中分析相应主题的现实问题与实践案例，并进行技术方案体验、理论研讨等内容。课程的大部分学习需要在课程平台上进行，学习者根据课程平台中发布的周报进行学习资源和课程任务的学习;在网站上通过参与讨论、发布博客、分享资源与案例等进行异步交流，也可参与网络直播或线下沙龙等进行同步交流。最终建立起个人与典型创新企业、研究机构、关键人物、文献资源之间的连接，形成“互联网+教育”领域的社会认知网络。不同学习行为有不同的积分值，达到积分标准的学习者可以获得由北京师范大学教育学部认证的课程证书。

本研究以第二期课程的“主题四：消费驱动的教育供给侧改革”作为研究情境，该主题的持续时间共两周，时间跨度为2019年5月8日至2019年5月21日。共有107位学习者参与了该主题的学习、讨论和分享，参与者多为高校学生、一线教师和相关教育从业者。

（二）数据获取与整理

本研究使用的数据均来自课程平台讨论区和博客（学习者可自由发布博客、分享案例和资源，以下将这三类统称为“博客”）。在主题四下，共有10个讨论主题和229条讨论帖，以及166篇博客和671条针对博客的回复，其中10个讨论主题全部为课程组织者发布，其余的1，066条文本均由学习者自主发布。

本研究以1，066条学习者发布的文本作为数据来源，为每条文本进行编号，并明确各条文本之间的回复关系，确定该主题的回复树。然后按照如下规则对每条文本进行清洗：①删除表情符号;②删除主题标识，比如将“主题四博客|供给侧改革与教育”清洗为“供给侧改革与教育”;③删除文本中的超链接。经过清洗之后，将每条文本按照“<帖子ID，创建者，发布时间，文本内容，主帖ID>”的格式进行整理。部分整理结果见表2。

（三）研究流程与方法

本研究包括以下四个阶段。

1. 确定表征知识流动结构的指标及测量方法和工具

通过文献调研，本研究确定了知识流动结构可由学习者连接的广度、强度、速度和均度表示。学习者连接广度通过学习者在课程群组社交网络中的四类中心性进行测量，值越大表明学习者建立的“管道”范围越大;学习者连接强度通过学习者回复他人的频次与被他人回复的频次进行测量，值越大表明学习者建立的“管道”越稳定;学习者连接速度通过学习者回复帖子时刻与对应主帖发表时刻的间隔进行测量，值越大表明学习者建立“管道”的速度越慢;学习者连接均度则通过学习者回复间隔时间的方差与发帖时刻的方差进行测量，值越大表明学习者建立“管道”的均衡性越差。

本研究使用UCINET 6.0工具进行相关指标的测量，并辅以Java编程语言进行数据的处理和进一步计算，另外借助Gephi工具进行社会网络图的可视化输出。

2. 确定表征知识流动内容的指标及测量方法和工具

通过文献调研，本研究确定了知识流动内容可由主题词生成的广度、强度、速度和均度表示。主題词生成广度通过学习者发帖文本和被回复文本中的分词总数进行测量，值越大表明该学习者“管道”中流动的内容越广泛;主题词生成强度通过学习者发帖文本和被回复文本中的关键词频次进行测量，值越大表明“管道”中流动的内容越聚焦于这些关键词揭示的关键信息;主题词生成速度通过生成分词数和生成关键词频次与回复间隔的比值进行测量，值越大表明“管道”中内容流动越快;主题词生成均度通过学习者各次发帖文本中分词数与关键词频次的方差进行测量，值越大表明“管道”中流动的内容量越不均衡。

关键词提取算法主要有基于统计特征的TF-IDF算法和基于词图模型的TextRank算法。TF-IDF算法是一种基于统计特征的经典算法，通过计算一个词的TF值和IDF值的乘积作为该词的得分，其中TF值指词语在文本中出现的频率，而IDF值则指词语在整个语料库中的逆文档频率。TF-IDF的得分能够评估某词语对文档的重要程度，得分越高表明词语越重要。TextRank算法则是利用文档内部词语间的共现信息对关键词进行抽取，该算法可以脱离语料库的背景，仅对单篇文档进行分析即可，得分越高表明词语越关键。

因此，本研究使用HanLP中文自然语言处理程序包，借助Java编程语言进行关键词处理。以每位学习者的所有发帖文本作为分析单元进行分词，并进行停用词处理，进而分别使用上述两种算法计算各分词的平均得分，按照得分从高到低对分词进行排序，将各文本中得分前10%的分词定义为关键词，统计关键词出现的频次。

3. 分析联通主义学习者交互水平

内容分析法是评价交互水平的常用方法。在以往的在线学习环境中，最常用的交互分析模型包括亨利（Henri， 1992）以教师为中心的交互分析模型，古纳瓦德纳等人（Gunawardena， Lowe， & Anderson， 1997）关注知识建构的社会建构交互分析模型，以及加里森等人（Garrison， Anderson， & Archer， 1999）提出的探究社区模型等。以上所述的框架都是基于行为-认知主义和社会-建构主义，主要关注的是知识传递和建构。然而，联通主义知识观认为，知识是在分布式社交网络中生成的，与之前的学习观存在明显的差别。王志军等人提出的联通主义交互框架（Connectivist Interaction and Engagement Framework， CIE）认为根据认知参与度由浅入深，联通主义交互可分为操作交互、寻径交互、意会交互和创生交互四层（Wang， Anderson， & Chen， 2017），见表3。该框架较为充分地体现了联通主义学习的本质和特点，系统地呈现了联通主义交互的规律，可以作为本研究评价联通主义学习者交互水平的依据。

为了保证研究的信度与效度，由两位研究者按照CIE框架分别对每条帖子的文本进行背对背人工编码。Cohens Kappa一致性检验显示，两位研究者对文本的编码一致性系数达到0.82，表明一致性良好。

4.分析知识流动特征与交互水平之间的关系

在完成了对知识流动特征与交互水平的量化表征之后，运用相关分析判断知识流动特征与交互水平的关联程度，并运用回归分析检验知识流动对交互水平的解释度。

综上所述，本研究整体的研究流程参见图2。

四、研究结果

（一）知识流动特征概况

1. 基于社会网络分析的知识流动结构分析

根据学习者之间的回复情况绘制社会网络关系图，见图3。该网络的总体密度为0.074，表明在学习者群体中存在7.4%的网络连接，是一个稀疏网络，密度越大反映出学习者之间连接越紧密，知识流动越通畅;平均度数为12.59，表明每位学习者平均可以与12.59位学习者进行交互，度数越大表明知识流动的广度越大;平均交互次数为16.48，表明每位学习者平均发帖和回帖的频次为16.48次，交互次数越多表明知识流动的强度越大;节点间平均距离为2.084，表明任意两位学习者之间平均可以通过2.08位成员进行连接，网络的可达性较好;互惠性系数达到0.568，表明网络中存在56.8%的双向连接关系，学习者发起的讨论得到较多的回应，能够形成有效对话。

通过社会网络关系图可以发现，ID为1（导学者）、127（YB）、128（LXX）、561（加油你是最棒的）、608（LSH）、846（LYZ）的多个学习者与其他学习者的互动较为频繁，网络结构呈现多中心特征，表明在cMOOC中不存在绝对的“权威”，学习者共处于较为平等的交流和对话过程中（王慧敏， 等， 2019）。

以每个学习者的社会网络属性值为基础进行进一步计算，可以得到其在知识流动结构各指标上的分值，见表4。

2. 基于关键词提取的知识流动内容分析

使用HanLP程序包对学习者发帖文本进行分词，并分别使用TextRank算法和TF-IDF算法计算每个分词的得分，进行关键词提取，以分词结果和关键词提取结果为基础进行进一步计算，可以得到每位学习者在知识流动内容各指标上的分值，见表5。

（二）不同学习者的知识流动特征分析

为了了解不同学习者表现出哪些典型的知识流动特点，本研究以学习者知识流动结构和内容的各指标作为聚类变量，选取K均值聚类算法，并使用欧几里得距离作为样本间距离度量的方法，对106位学习者进行聚类分析。通过对簇内误差平方和进行检验，发现聚类的最佳类别数为3，迭代10次之后得到最终的聚类结果，见表6。三个类别的学习者人数分别为19人、63人、24人，依据各类别学习者的知识流动特点，将其分别命名为引领型学习者、普通型学习者、潜水型学习者。

根据聚类结果，对三类学习者的知识流动结构特征进行分类统计，结果见表7。其中，引领型学习者在学习者连接广度和强度的各指标值均高于其他两类，反映出其建立的“管道”范围最大、强度最高，能够与其他学习者展开广泛、密切的连接;“管道”建立的速度最快，表明学习者建立连接的效率较高。同时，回复间隔时间的方差較小而发帖时刻的方差最大，表明该类学习者倾向于以固定的节奏与同伴建立连接，但不会在每天固定的时间开展交互。大多数学习者都呈现出普通型学习者的知识流动结构，这类学习者建立的“管道”广度、强度和速度均处于中等水平，表明大多数联通主义学习者能够建立比较广泛和稳定的连接，但该类学习者具有最大的回复间隔时间方差和较大的发帖时刻方差，表明对大多数联通主义学习者而言建立“管道”并未呈现出明显的时间规律。潜水型学习者呈现出最小的“管道”广度和强度，其度中心性与回复频次均在1～2之间，表明平均仅与不到2名学习者建立了连接。另外，他们呈现出最慢的“管道”建立速度，表明建立连接的效果和效率都较差。同时，该类学习者回复间隔时间的方差与发帖时刻方差最小，结合该类学习者的原始数据，可以看出该类学习者具有明显的集中式发帖倾向。

总体来看，引领型学习者具有最佳的知识流动“管道”，社会网络中的多个中心学习者（YB、LXX、加油你是最棒的、LSH、LYZ）均属于该类别;普通型学习者代表了大多数cMOOC学习者，这类学习者建立“管道”的效果和效率一般，另外由于cMOOC非强制性学习的属性，这类学习者的“管道”建立未呈现出明显的时间属性;潜水型学习者未能建立有效的“管道”，长期保持“潜水”状态，偶尔登录平台进行集中式发言，之后便继续“销声匿迹”。

另外，根据聚类结果，对三类学习者的知识流动内容特征进行分类统计，结果见表8。由此项分析可以发现，引领型学习者“管道”中流动的内容范围最大、内容生成的强度也最高，表明该类学习者能够广泛且持续地输出内容，且能从其他节点广泛吸收内容;文本分词生成的速度最慢但高频关键词生成的速度较快，表明该类学习者输出关键信息的效率较高;生成分词数方差较大而生成关键词方差最大，表明输出内容量并无明显的时间规律。普通型学习者“管道”中的内容范围和强度处于中等水平，表明该类学习者的内容输出较为广泛、持续;文本分词生成的速度较快但高频关键词生成速度最慢，表明该类学习者的内容输出效率仍有待提高;生成分词数方差最大而生成关键词方差较大，表明输出内容量同样没有明显的时间规律。潜水型学习者“管道”中的内容广度和强度最小，但内容生成速度最快，表明该类学习者内容输出比较聚焦;主题词生成的均度最小，表明该类学习者倾向于在特定时间进行内容产出，结合该类学习者的原始数据可以看出该类学习者具有明显的集中式发帖倾向。

总体来看，在引领型学习者建立的“管道”中，流动内容更加广泛、稳定，且知识流出（发帖分词数、发帖关键词频次）与知识流入（被回复帖分词数、被回复帖关键词频次）的比值最小，表明不仅自身可以做到言之有物，而且容易得到其他学习者的回馈和共鸣，进而形成良性知识流动;普通型学习者反映出大多数cMOOC学习者的特点，即“管道”中内容的流动不及引领型学习者广泛、稳定，内容的输出也多跟随课程设置“亦步亦趋”，效率有待提高;潜水型学习者能够聚焦于自身感兴趣的话题进行集中内容输出，因此内容生成效率最高，但内容流动效果不尽如人意，知识流出与知识流入的比值最大，反映出该类学习者内容输出数量不足，内容质量也欠佳，难以激起同伴的回馈和共鸣。

（三）基于CIE框架的学习者交互水平分析

通过内容分析法对学习者每条文本的交互类型和交互模式进行界定并统计，将学习者在各类交互中发布的文本数量作为对应交互类型的水平，见表9。其中属于A1、A2、C4三种交互模式的帖子数为0，后续不作展示。本研究情境为cMOOC 2.0的主题四，进行该主题学习时学习者已经熟悉课程的运行机制以及平台的基本操作，因此帖子未涉及较为基础的操作交互（A1与A2）。另外，cMOOC 2.0仍然以主题学习为主，较少涉及具体问题解决以及小组协作，因此没有体现出“做出决策（C4）”这种交互模式。

从剩余的三种交互类别来看，意会交互（C）所占比例最大，其次是寻径交互（B），最后是创生交互（D），表明学习者普遍能够达成较为深层次的交互水平。从剩余的九种交互模式具体来看，“讨论协商（C2）”“参与式直接寻径（B1）”所占比例最大，反映出学习者主要的交互模式是参与已有的问题讨论，并持续发表自己的观点。比如“给您点赞，乡村教师确实需要您这样的培训”（B1），“看到这种新的机制出现是教育进步的体现，但是感觉层次还是不够，还是需要更高层的理论创新指导实践”（C2）。

学习者生成的文本主要有论坛发帖、发表博客和回复博客三种形式，针对每种形式进行了分类统计，结果见表10。在论坛发帖中，绝大多数的交互类别是“讨论协商（C2）”，表明针对给定的具体问题，学习者普遍可以展开较为深度的讨论，能够不断分享自己的经历或观点（如“我认为从另一个角度看，互联网其实给了人更多的选择……”）。在发表博客中，占比最高的交互类别是“分享聚合（C1）”和两类创生交互（D1和D2），体现出学习者发表博客的目的，一是分享外部的资源或案例（如“教师服务工具：园钉简介……”），二是系统、深入地生成自己的新观点（如“浅谈技术的定位与教育的供给侧改革……”）。在回复博客中，占比最高的交互类别是“讨论协商（C2）”，反映出博客的评论区某种意义上接近论坛的功能定位，支持学习者针对特点问题分享自己的观点（如“您说的对啊！一切的基础都在教育制度上。”）;其次是“参与式间接寻径（B1）”，由于博客中包含学习者的原创观点，因此相比论坛而言，博客评论区会更多地出现对观点的喜欢或支持（如“特别认同WR老师的观点，她还有一些文章也非常棒。”）。

（四）知识流动特征与交互水平的相关分析

1. 知识流动结构与交互水平的相关分析

为了对学习者知识流动结构与交互水平的关系进行分析，本研究选取学习者连接的广度、强度、速度和均度这四个维度下的11个指标，计算每位学习者在各个指标的数值，并将学习者所发布的属于寻径交互、意会交互、创生交互三个层次的文本数量定义为各层交互的水平值。使用SPSS对知识流动结构11个指标值与三层交互水平值的pearson相关系数进行显著性检验，结果见表11。结果显示，学习者连接的广度与三层交互水平存在显著正相关关系，反映出学习者连接的广度越大，建立的“管道”范围越大，各类交互水平也越高;学习者连接的强度与三层交互水平存在显著正相关关系，反映出学习者连接的强度越大，建立的“管道”越稳定、越紧密，各类交互水平也越高;学习者连接的速度与回复间隔时间方差与交互水平未呈现显著相关性，表明建立“管道”效率与相对固定的联通节奏对于维持高水平交互无显著影响;学习者发帖时刻方差与三层交互水平存在显著正相关关系，反映出当学习者倾向于在固定时间生成文本时交互水平反而越低，表明集中式的发帖行为不利于维持交互水平。

接下来，进一步分析各指标与寻径交互和创生交互的相关性。入度、向内接近中心性、被回复频次等代表知识流入的指标与创生交互的相关系数大于寻径交互，而出度、向外接近中心性、回复他人频次等代表知识流出的指标与寻径交互的相关系数大于创生交互，表明寻径交互更加需要学习者主动与外界进行连接，而当学习者具备较高的创生交互水平时，学习者在知识社区中往往具备一定的权威和话语权，更能吸引其他学习者的连接。

2. 知识流动内容与交互水平的相关分析

为了对学习者知识流动内容与交互水平的关系进行分析，本研究选取主题词生成的广度、强度、速度和均度这四个维度下的8个指标，计算每位学习者在各个指标的数值，并将学习者所发布的属于寻径交互、意会交互、创生交互三个层次的文本数量定义为各层交互的水平值。使用SPSS对知识流动内容8个指标值与三层交互水平值的pearson相关系数进行显著性检验，见表12。检验结果显示，主题词生成的广度与三层交互水平存在显著正相关关系，反映出主题词生成的广度越大，“管道”中内容的范围越广，各类交互水平也越高;主题词生成的强度与三层交互水平存在显著正相关关系，反映出主题词生成的强度越大，学习者越能够依靠“管道”就关键信息展开持续的内容输出，各类交互水平也越高;主题词生成的速度与各类交互水平未呈现显著相关性，表明“管道”中内容流动效率对于维持高水平交互无显著影响;主题词生成的均度与寻径交互水平未呈现显著相关，而与意会交互和创生交互水平存在显著正相关，表明集中式内容输出不利于学习者达成高层次交互，而对较低层次的寻径交互无显著影响。

3. 知识流动特征对交互水平的解释力

联通主义强调“管道比管道中的内容更重要”（王志军， 等， 2014），那么在本研究的cMOOC情境中，“管道”（知识流动结构）和“管道中的内容”（知识流动内容），二者对交互水平的解释力是否存在差異呢？本研究选取与各交互水平存在显著相关性的知识流动指标作为关键指标，以关键指标作为自变量，以三类交互水平作为因变量，使用SPSS进行线性多元回归。知识流动结构特征和内容特征与交互水平的回归结果分别见表13和表14。

线性多元回归的判定系数R方等于可解释离差平方和与总离差平方和的比值，能够用来评估自变量对因变量变异的解释程度，由于样本数量较少而自变量数量较多，更适合使用调整后的R方（邱皓政， 2013）。由统计结果可以看出，知识流动结构对寻径交互与意会交互的解释力要高于知识流动内容（0.558>0.186，且0.838>0.746），而对创生交互的解释力则低于知识流动内容（0.155<0.303），见图4。

五、结论与讨论

（一）研究结论

知识流动广度和强度与交互水平呈正相关。联通主义学习理论认为，知识流通是学习的目的（王志军， 等， 2014）。每个个体都是知识的来源，学习者之间通过技术工具可以建立广泛的连接，可以促进孤立的知识相互碰撞、整合，最终形成系统化知识，实现知识的流通。联通主义对学习者的信息素养提出了较高的要求，学习者需要具备发现连接的能力，能够随着信息的变化保持联通（王志军， 等， 2014）。因此，广泛、稳定的知识流动能够帮助学习者建立多样、通达的学习网络，学习者可以扩大信息来源，获取知识生产的原初质料，进而达成深层次的交互水平。

知识流动速度与交互水平无显著相关。本研究使用的cMOOC平台，其博客与讨论区均属于异步协同工具，对连接的建立效率和实时性没有特别要求。联通主义学习并非简单的知识转换，而是一个意义化的过程，需要认知与情感的深度参与（王志军， 等， 2014）。比如，意会交互强调学习者需要对新观点进行持续评价，创生交互强调学习者需要整合已有信息生成独创观点。由此可见，联通主义交互是一个需要不断反思与沉淀的过程（王慧敏， 等， 2019），过于快速的知识流动可能导致交互无法深入、流于表面。

集中发帖不利于达成良好的交互水平。联通主义中知识的获得是一个持续的过程，学习者需要持续不断地发现新的连接，并在他人持续的反馈中不断优化自己的学习网络。cMOOC课程团队每天都会在微信群中整理不同学习者的观点，也会在每天的课程日报中进行优秀博客和案例的推荐，旨在培养学习者良好的学习习惯和持续学习的意识。同时，有研究表明，优秀的联通主义学习者能够持续不断地参加课程互动，与其他学习者进行资源分享，不断在课程社区中贡献自己的观点（吴斓， 等， 2019）。而大多数cMOOC学习者与传统远程学习者类似，工学矛盾等问题较为突出，一些学习者倾向于在工作间隙，集中式地参与课程学习与讨论，此举容易使课程学习转变为沉重的负担，而无法充分激发学习者的内在驱动力。

寻径交互和意会交互的达成更取决于“管道”，而创生交互则更取决于“管道中的内容”。“管道比管道中的内容更重要”是联通主义的一个重要论述，然而该论述并非否定知识内容的作用，实则强调知识是存在于网络各节点的交互和连接中的动态化知识，而不是在节点间转移的静态化知识（王志军， 等， 2015）。寻径交互是学习者建立起与信息和其他人的连接，形成管道的过程;意会交互则是以管道为支撑的学习者与内容之间深度交互的过程，可以实现对管道的优化。因此，管道的建立情况主要反映在寻径交互和意会交互两个层次。创生交互则强调学习者通过管道，将分布于网络各节点中的知识进行联通，不断提炼、重构、解释以形成新的知识（胡艺龄， 等， 2013），主张学习者能够深入、系统地进行观点的创生和表达。因此，管道中的内容主要体现在创生交互这个层次。综合而言，寻径交互和意会交互层次中的“管道”更加重要，要求学习者能够“畅所欲言”;创生交互层次中“管道中的内容”则更为关键，要求学习者能够“言之有物”。

（二）研究局限与展望

本研究通过建立cMOOC学习者知识流动表征模型，探讨知识流动特征与交互水平之间的关系，为揭示联通主义本体论与新知识观之间的作用机制提供了实证依据。

但研究仍存在以下不足：首先，学习者在课程平台表现出的行为受教师教学设计的影响，并且由于课程组织者的引导使得学习者行为朝着课程预期的方向变化，因此数据能否反映学习者自由状态下的真实交互水平还有待进一步验证。其次，本研究中使用的数据全部来源于课程平台中生成的文本，但没有收集来自课程微信群或在线直播等渠道的互动内容。最后，本研究在对关键词进行提取时仅仅依靠文本特征，而未考虑文本自身的语义。

在未来的研究中，可以同时对多个课程主题进行同步分析，争取排除教师和课程组织者的影响效应。同时，应扩大数据来源，并考虑结合点击流等结构化数据与文本等非结构化数据进行交叉验证。最后，对文本内容的分析可以征询专家，由专家协助建立关键词库，并为不同的关键词设置权重。

[参考文献]

陈丽，郭玉娟，王怀波，郑勤华. 2018. 新时代信息化进程中教育研究问题域框架[J]. 現代远程教育研究（01）：40-46，87.

陈丽，逯行，郑勤华. 2019. “互联网+教育”的知识观：知识回归与知识进化[J]. 中国远程教育（07）：10-18，92.

胡艺龄，顾小清. 2013. 从联通主义到MOOCs：联结知识，共享资源——访国际知名教育学者斯蒂芬·唐斯[J]. 开放教育研究，19（06）：4-10.

蒋益. 2017. 信息时代的知识生产方式的哲学思考[D]. 上海：上海社会科学院.

潘云鹤. 2018. 人工智能2.0与教育的发展[J]. 中国远程教育（05）：5-8，44，79.

钱文君. 2018. 社会性知识网络的知识流动水平研究[D]. 江苏：江苏师范大学.

邱皓政. 2013. 量化研究与统计分析：SPSS（PASW）数据分析范例解析[M]. 重庆：重庆大学出版社.

王慧敏，陈丽. 2019. cMOOC微信群社会网络特征及其对学习者认知发展的影响[J]. 中国远程教育（11）：15-23，92.

王文平，张兵. 2013. 动态关系强度下知识网络知识流动的涌现特性[J]. 管理科学学报，16（02）：1-11.

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，20（05）：11-28.

王志军，陈丽. 2015. 联通主义学习中教学交互研究的价值与关键问题[J]. 现代远程教育研究（05）：47-54.

王志军，陈丽. 2019. 联通主义：“互联网+教育”的本体论[J]. 中国远程教育（08）：1-9，26，92.

吴斓，陈丽. 2019. 基于扎根理论的cMOOC学习者学习过程的研究[J]. 中国远程教育，40（12）：1-11，92.

徐亚倩，陈丽. 2019. 联通主义学习中个体网络地位与其概念网络特征的关系探究——基于cMOOC第1期课程部分交互内容的分析[J]. 中国远程教育（10）：9-19，51，92.

叶选挺，张剑，刘云，苏竣. 2014. 产业创新国际化知识流动测度研究——基于专利跨国引用网络的视角[J]. 科学学与科学技术管理，35（09）：14-23.

赵健宇，李柏洲，袭希，苏屹. 2016. 多任务环节的团队合作知识流动网络研究[J]. 管理工程学报，30（01）：61-71.

Henri， F. （1992）. Computer conferencing and content analysis. In Collaborative learning through computer conferencing （pp. 117-136）. Springer， Berlin， Heidelberg.

Garrison， D. R.， Anderson， T.， & Archer， W. （1999）. Critical inquiry in a text-based environment： Computer conferencing in higher education. The internet and higher education， 2（2/3）， 87-105.

Gunawardena， C. N.， Lowe， C. A.， & Anderson， T. （1997）. Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing. Journal of educational computing research， 17（4）， 397-431.

Wang， Z.， Anderson， T.， Chen， L.， & Barbera， E. （2017）. Interaction pattern analysis in cMOOCs based on the connectivist interaction and engagement framework. British Journal of Educational Technology， 48（2）， 683-699.

收稿日期：2020-02-07

定稿日期：2020-05-07

作者簡介：田浩，博士研究生，北京师范大学教育学部教育技术学院（100875）。

陈丽，博士，教授，博士生导师，本文通讯作者;黄洛颖，博士研究生;王瑞雪，硕士研究生。北京师范大学远程教育研究中心（100875）。

责任编辑 郝 丹