基于SouFLé框架的在线协作学习分析模型

张思 高倩倩 马怡敏 魏艳涛 杨海茹

摘要：协作学习是在线学习的重要方式和途径，通过学习分析提升其学习绩效已成为学界共识。然而，已有相关研究多针对个体学习状态，缺乏对小组协作状态的关注。会话文本可以客观反映学习者的协作过程，基于SouFLé框架提出的面向知识建构的协作学习分析模型及指标体系，从会话协商、会话介入和会话传递三个维度的12个指标出发，能对在线协作学习中的个体学习、组内学习、组间学习等阶段进行全面分析和评估。从个体状态、小组状态、组间状态和班级状态四个层面，应用该模型对在线协作学习案例中的会话文本进行分析，结果表明：学习者的积极参与有利于小组在会话协商中达成观点的一致和整合;协作状态较好的小组能够针对他组建议进行辩论并批判性接受;组间互评有助于促进小组间的互助合作，进而提升在线协作学习效果。依托SouFLé框架构建的协作学习分析模型有助于全面认识并指导在线协作学习过程，帮助教师有针对性地设计、监督和预测协作学习活动，并通过及时干预来改善学习效果。

关键词：在线协作学习;SouFLé框架;学习分析模型;协同知识建构

中图分类号：G434   文献标识码：A    文章编号：1009-5195（2020）06-0094-10  doi10.3969/j.issn.1009-5195.2020.06.012

基金项目：国家自然科学基金面上项目“面向大规模在线教育的学习者协作会话能力评估模型及干预机制研究”（62077016）;湖北省教育信息化研究中心开放基金项目“虚拟学习社区中教师会话反思分析方法研究”（HRCEI2020F0103）。

作者简介：张思，博士，副教授，硕士生导师，华中师范大学湖北省教育信息化研究中心，华中师范大学人工智能教育学部（湖北武汉 430079）;高倩倩、马怡敏，硕士研究生，华中师范大学人工智能教育学部（湖北武汉 430079）;魏艳涛，博士，副教授，硕士生导师，华中师范大学湖北省教育信息化研究中心（湖北武汉 430079）;杨海茹（通讯作者），博士，副教授，硕士生导师，西华师范大学教育学院（四川南充 637002）。

一、 引言

近年来，在线学习已成为一种新常态，作为在线学习重要方式和途径之一的在线协作学习日益受到关注。在线协作学习常以学习小组的形式进行，虽然学习者丰富集中的交互、详细解释、意义协商和生产性互动能促进小组成员间的协作（余亮等，2012），然而，由于具有不同经验的学习者对同一知识内容的理解不同（何克抗，2018），个体在协作过程中会出现忽略他人贡献、缺乏充足理由的论证、与主题无关的形式上的交流、没有深入理解学习内容等情况，这常常导致有效的协作学习无法发生。因此，如何提升协作学习的绩效成为了学界关注的焦点。

在线协作学习过程中所生成的学习行为数据为分析学习者的协作表现和学习绩效提供了便利。利用学习分析技术可以对学习过程数据进行挖掘和分析，帮助学习者优化学习行为，进而提升学习效果（张进良等，2020）。事实上，学界对于通过学习分析提升小组协作学习绩效的重要作用早有共识，但关于协作学习分析模型的认识并不统一。例如，毛刚等（2016）以活动理论和建构主义为基础，从个体和小组的视角出发，以主体、客体和共同体为分析对象，以工具、规则和分工为影响因素对网络协作学习状态进行统计分析。李艳燕等（2020）从认知投入、情感投入、行为投入和社会投入四个方面对小组在线协作学习投入进行研究。在协作学习活动中，学习者的会话实质上反映了其协作解决问题时的一系列认知发展过程，仅仅依靠对会话参与和投入的分析往往不能全面刻画其协作解决问题及共同建构知识的过程。要深度理解“隐藏”于会话中的知识协同建构，还需关注会话的内容、过程和方式。尽管协作学习被描述为一个复杂的社会认知过程，但在实践中对协作学习的评估通常侧重个体方面，即强调对个体在协作中状态的分析，而缺乏对小组协作中成员共同调节、知识协商和传递过程的深入剖析。此外，由于协作学习的目的在于通过分享和协作来构建新知识，而对个体学习过程和结果的简单叠加并不能有效表征小组的整体学习状态，因而有必要探究以小组为单位的学习分析模型及其应用，特别是关注协同认知和协同知识建构过程对学习结果的影响。因此，本研究针对小组协作学习中的会话文本，基于SouFLé框架对其过程进行深度分析，并尝试创新针对在线协作学习的分析方法，为实现协作学习中学习者的深度学习提供参考。

二、理论基础

1.协同知识建构理论

协同知识建构是考虑社会和认知等多方面因素，强调个体在集体责任感推动下联系已有经验对观点进行表达、分享、创建和协商，通过同化和顺应实现个人认知到社会认知的提升，并依靠集体反思和交流不断对群体认知进行修正和改进，进而形成新的知识和理解，最终实现对知识的协同共建（Scardamalia et al.，1994）。Gunawardena等（1997）从交互的角度出发，认为协同知识建构中学习者应该进行知识的共享，在分享、对比中分析观点，对矛盾的地方进行意义协商和建构，最终达成一致的意见并进行应用。在协同知识建构过程中，因学习者的知识经验和认知方式不同而产生的多样性有助于成员之间的互动，更新认知思考方式以生成更高水平的制品，对促进学习者的深度学习具有重要价值（周平红等，2018）。Stahl（2006）创新性地提出了个体和集体知识建构模型，并在小组认知（Group Cognition）理论中指出，针对协作学习的分析要以小组为单元，研究小组在协作过程中的会话以理解小组成员在互动中协商意义和建构知识的過程（柴少明等，2010）。此外，Stahl发现一些之前被归类为个体认知的活动是在小组中由学习者进行协同交流而产生的，是学习者集体加工的成果，应当从协同认知的角度对其进行研究（林书兵等，2012）。然而，当前针对协作学习分析的研究在分析对象上多以个体认知为主，而对协同认知的关注不够，因而难以对协同知识建构进行准确表征。

2.评价理论中的介入

“介入”的概念来自系统功能语言学中的评价理论，是指发言者在表明自身立场和态度时留给对方多大的争辩空间（袁传有，2008）。该理论框架包含态度（Attitude）、级差（Graduation）和介入（Engagement）三个子系统，具有人际方面的意义（Martin et al.，2003;Martin et al.，2005），其中态度是核心，级差体现对态度的强化或弱化，介入是态度的来源。介入关注声音的来源和会话的参与度（阮英等，2016），体现言语者的观点和立场等以实现人际意义，在框架中具有支撑作用。王振华（2003）从言语互动中的评价视角，指出介入在互动中产生，既能够调节言语者的态度，同时能够对话语的效度进行表征。介入反映个体通过语言去传达自己的态度时是直接还是间接，即单声（Monogloss）和多声（Heterogloss）。单声（又称自言）是言语者仅陈述自己的立场和观点，没有加入或者承认其他不同的可能观点。多声（又称借言）是言语者以开放的风格广泛接纳外部声音，可分为对话扩展（Expand）和对话紧缩（Contract）。介入系统是言语者态度和定位的体现，能反映出协作学习中学习者之间的观点协商程度。例如，“也许……”的表达方式，隐含学习者遇到问题不能肯定或观点存在争议的情况，暗示了学习者的学习状态，同时也表明学习者愿意针对不同意见进行协商。

3.SouFLé框架

SouFLé框架（如图1所示）源于系统功能语言学，包含协商（Negotiation）、介入（Engagement）和传递（Transactivity）三个子框架（维度），主要用于群体协作学习中的话语分析（Howley et al.，2013）。其中，协商子框架是从知识来源和行为定位反映学习者的知识协商表现;介入子框架是通过单声、对话扩展和对话紧缩来捕捉学习者在建构观点时对他人观点的开放程度，并从学习者所言的主张、观点和态度中反映其对于其他学习者不同声音的影响和控制程度;传递子框架则从推理是否建立在已有贡献之上来反映知识的整合和集成。三个维度中的任何一个都可以单独用来分析协作学习过程，但是三者之间又存在着相互作用。

SouFLé框架从语言分析和社会语言学角度描绘了协作中的人际关系，从其三个维度出发可以对学习结果进行多种角度的分析和解释。例如，SouFLé框架中的介入子框架体现了语言交流中学习者会话开放和封闭的细微之处，能够更多反映会话交互的细节;就直接引导条件下的学习效果优于间接引导这一现象，通过对介入子框架的分析发现，间接引导条件下的学习者其单声明显多于直接条件下的学习者，从而较好地解释了差异产生的原因（Howley et al.，2013）。相较于社会网络分析和数理统计分析方法，采用SouFLé框架对协作学习中的话语进行分析，能够较好地展示语言交互的细节（Howley et al.，2016）。协作学习中的会话复杂多样，并且其人际关系是动态的，SouFLé框架为多视角分析协作学习中的会话提供了一种可行途径。

三、面向知识建构的协作学习分析模型

1.模型建构

在SouFLé框架的基础上，本研究将协商子框架、介入子框架和传递子框架分别表示为会话协商、会话介入和会话传递，综合考虑个体、组内和组间因素对协同认知过程的影响，构建了如图2所示的面向知识建构的协作学习分析模型。该模型将协同知识建构过程与学习分析紧密关联，聚焦于小组在线协同认知和调节，从会话协商、会话介入和会话传递三个维度对协同认知过程进行分析和评估。

（1）协同认知和调节分析

模型的中间部分代表基于SouFLé框架的三大分析维度。会话协商主要关注知识和行动的来源，通过识别学习者是否主导在线讨论中的知识和行动来体现学习者的动机和自我效能感，以及学习者参与有意义协作学习的能力。會话介入主要关注学习者参与会话的方式和程度，以及学习者在表达自己的态度时对他人态度和观点的介入。通过对协作学习中对话的单声和多声判别，来反映学习者完成学习任务的方式是协商型还是封闭型，从而呈现出人际意义上的态度和关系。会话传递则主要关注知识整合，聚焦于传递会话的过程，研究协作过程中推理的变化，用于分析学习者的认知加工过程。

在该模型中，会话协商和会话介入之间存在着平行关系，即当学习者开始把自己定位为知识和行动的主导源时，他们也认同讨论的话题存在着其他的可能性，愿意接受不同的声音和观点。当学习者的行为在会话协商和会话介入这两个维度之间转变时，学习者进行着知识的传递和整合，在之前自己或是他人的观点之上进行推理，从而促进协同认知的发展。

（2）协同认知循环

协同认知过程包含个体学习、组内学习和组间学习等阶段，形成螺旋上升的循环。个体学习是指学习者个人的学习，即学习者对知识材料形成个人理解，提出观点和疑问。组内学习是指小组内的成员公开表述自己对知识的理解，并进行组内交流，对其他成员的观点进行类比，提出质疑，表示赞同与否，即组内成员之间通过解释和辩护等达成共识，共同完成小组任务。组间学习是以小组为单位进行的组间互评，小组成员先在组内对其他组的作品进行讨论和交流，达成共识后再将评价意见传递给其他组。协同认知的循环过程表现为：学习者个体产生的疑问在组内得到解决，达成组内共识;小组间通过互评和反思进行意义协商，达成组间共识;小组间的共识传到组内后进行组内建构;组内建构过程中学习者个体进行知识的内化和吸收。

2.指标体系

在协作学习分析模型基础上，结合已有相关研究，本研究设计了面向知识建构的协作学习分析指标体系，如表1所示。

会话协商涉及知识和行动两种类型，以及主要和次要两种来源，其相互组合产生出的4个主要分析指标（编码）如图3所示。知识源（K1）指学习者在协作过程中把自己定位为知识的来源，包括学习者在讨论中主动就问题进行回复，如“是”或“不是”;以及主动地贡献知识，发表自己的观点，如对事实的陈述、解释和举例等。接受者（K2）指当学习者对学习内容提出疑问而引发他人意见和观点，或提出新的观点并询问他人意见时，将自己作为知识的接受者。叙述行动（A1）指学习者叙述客观的事实，如对小组达成学习任务的情况进行描述。指示行动（A2）指学习者对他人在学习中遇到的困难给出解决办法，为其指引解决问题的方向，如指导组内合作的进程。此外，挑战行动（CH）指学习者会话表现出矛盾和冲突，即与之前的内容、断言相反或者不相关。其他行动（O）指与主题无关的动作，不属于以上行为的都归类为其他行动。在会话协商的各个分析指标中，知识源、指示行动和挑战行动反映出学习者的主导地位，称为主导源;接受者和叙述行动反映出学习者的跟随地位，为非主导源。

会话介入的分析指标主要分为单声和多声两种类型。单声（M）主要包括：事实陈述，即对客观事实的描述;举例说明，即运用实例证明事实的客观性;客观解说，即引起讨论和论证的焦点话语。多声包括对话扩展和对话紧缩两种类型。对话扩展（HE）指学习者在对话中扩大了对话的空间，在表达自己的意见、立场和看法时接受和容纳不同的声音，对其他观点开放。对话扩展包含引发观点和摘引观点：引发观点指学习者表达自己的观点或进行提议时，不确定是否正确，对存在的各种可能进行评估，并不断引发他人的观点;摘引观点指容纳和中性地引用他人的观点，即学习者通过他人的话语来表明看法，但不参与其中。对话紧缩（HC）指学习者排除了对话观点的可替代性，主要包含否认和宣称：否认指对其他声音的否定和反驳，表明自己意见不一致或者拒绝;宣称指将命题表述为是高度可证的，不直接拒绝或否决相反的立场，而是明确地提出自己的立场，使得对话观点的可替代性受到挑战，包括认可、宣布、肯定或者让步以表示赞同。从某种意义上来说，单声是对话紧缩的极端形式。与对话扩展相比，对话紧缩更能反映出学习者在学习中的主导作用。对话扩展能够反映出学习者学习的深度，对话扩展频数高的小组更倾向于把观点说清楚，因而其对知识的理解更为深入。

会话传递的分析指标主要包括无推理和推理两类。无推理（NR）指学习者的回答与任务无关，对教师问题的简单回答，以及重复阐述已表达过的内容。推理包含外化和交互共建。外化（E）是指学习者发表新观点或提出新问题，使得话题转移或产生新任务。交互共建（T）是指为了达成一致的理解或方案，学习者在自己或他人观点的基础上进行详细阐述、质疑或反对。在协作学习中，学习者的不同观点被阐述、整合和转化以达到共识，会话传递被视为知识构建的重要步骤。

四、协作学习分析模型的实践应用

1.应用情境简介

本研究以“信息技术教育应用”网络课程作为协作学习分析模型的应用情境。该课程是在介绍典型信息技术工具的基础上，探讨信息技术与课程深度融合的方法与应用。课程的授课周期为8周，学生为某师范大学的高年级师范生。课程采用协作学习模式，师生通过在线方式进行沟通交流，其中小组内讨论主要在QQ上进行，组间讨论则在该师范大学自主开发的云平台上进行。

2.协作学习流程设计

参加该课程学习的46名学生被分为9组，每组5～6人，每组设组长1名。该课程根据Stahl的小组认知理论进行协作学习过程设计，其协作学习流程如图4所示。在个体知识建构阶段，小组成员根据任务查询相关资料，形成自己的观点，提出疑问，并尝试进行问题求解。在小组协同知识建构的组内交流和组间交流阶段，成员（小组）进行公开分享，经历讨论、意义协商后，达成共同理解并生成人工制品。人工制品可以是作品（如教学设计方案、教学课件等）或对某种观点的共识，并可将其再次用于学习活动。

3.协作活动过程

协作活动过程分为教学设计编写和教学课件制作两个环节。其中教学设计编写环节分为3个阶段：（1）教学设计初稿。教师提供优秀教学设计案例以及班级优化大师、希沃白板等工具，学生在个人自学的基础上，通过组内讨论和协作完成教学设计初稿。（2）教学设计互评。各小组在云平台上分享本组作品并评价他组作品，通过QQ群针对他组作品进行组内协商讨论，并根据评价标准形成组内意见，然后在云平台上发布。各小组在收到他组的评价意见后，同样通过QQ群进行组内协商讨论，达成一致后在云平台上进行回复。各小组通过多次交流，最终完成组间互评和反馈。（3）教学设計修改与完善。各小组依据组内共识，参考他组意见完善教学设计。教学课件制作环节也分为3个阶段：（1）教学课件初稿。各小组成员通过个人学习和小组讨论，依据教学设计方案制作教学课件。（2）教学课件互评。通过组内和组间交流，在多次的互动和交流中完成对教学课件的组间互评和反馈。（3）教学课件修改与完善。各小组成员通过组内交流和个人学习，依据他组意见完善教学课件。

4.数据处理

在对QQ和云平台上的会话数据进行收集和整理后，两位研究生依据协作学习分析指标体系（见表1）对数据进行内容分析和编码。编码过程分为两个阶段：（1）两位研究生接受编码培训，内容涉及编码单元的选择、编码框架的理解、编码一致性系数的计算、编码误差的解决等。（2）从会话数据中随机选择1500条文本，由两位研究生分别进行编码。编码结束后，两位研究生对比编码结果，协商有分歧的编码，明确指标含义及误差解决方案，直到达成一致意见。再次随机选择1500条文本，由两位研究生分别进行编码。编码结束后，计算编码者间一致性系数（Cohens Kappa），该值达到0.88，说明编码结果的信度良好（Fleiss et al.，2003）。之后，由两位研究生分别对剩余的数据进行编码。

5.数据分析

基于编码后的数据，本研究对协作学习过程中的个体状态、小组状态、组间状态和班级整体状态进行了分析。其中，个体状态分析和小组状态分析选择协作学习成果较为丰富的第1组作为对象，组间状态分析则针对9个小组的教学设计互评和教学课件互评阶段。

（1）个体状态分析

对第1小组的会话数据进行分析，学生在各指标上的频次统计和差异分析结果分别如表2和表3所示，其中的“主导源”为知识源、指示行动、挑战行动频次之和（后同）。在差异分析中，以小组成员各项指标的均值作为基准，表3中的正值表示高于小组平均水平，而负值则表示低于小组平均水平。

在会话协商维度，学生1在知识和行动上的主导源频次最高，说明其在整个小组的协作学习中发挥了主导作用，对小组贡献最多;而学生5的主导源频次最低，说明其在协作学习中处于被动状态。在会话介入维度，学生3和学生4的对话扩展频次最高，说明其更愿意和持有不同观点的他人进行协商讨论，这有助于促进组内讨论的深化和共同意见的达成;学生1、学生3和学生4的对话扩展和对话紧缩总频次较高，这验证了协作学习分析模型中会话协商和会话介入间的平行关系。会话传递维度反映了学生的观点整合情况，频次统计结果表明除学生5外的其他4位学生均较为积极地参与了这一过程。

（2）小组状态分析

按照教学设计和教学课件两个环节的6个协作学习阶段对第1小组的会话频次进行统计，结果如表4所示，其中非主导源为接受者和叙述行动频次之和（后同）。

从会话协商维度的主导源和非主导源频次来看，第1组学生的会话协商主要出现在教学课件初稿阶段，而在教学课件修改与完善阶段最少。就会话介入维度而言，学生在教学设计和教学课件的初稿和互评阶段的对话扩展频次较高，说明在这些阶段小组成员对他人观点保持开放且努力达成共识。在会话传递维度，交互共建主要发生在教学设计和教学课件的初稿阶段，说明学生在这两个阶段的观点整合较多。

（3）组间状态分析

组间协作主要涉及教学设计互评和教学课件互评阶段，对9个小组在这两个阶段的会话频次进行统计，结果如表5所示。

从会话协商维度来看，各组在组间协作阶段的会话以主导源为主，即主动为他组贡献知识，指出问题并给出解决方案。就会话介入维度而言，各组会话主要以对话扩展为主，即各小组在组间学习阶段积极开展对话协商，努力达成共识。就会话传递维度而言，大部分小组的外化和交互共建频次均较高，说明其在组间协作阶段对来自他组的观点进行了有效整合。

（4）班级状态分析

以班级均值作为基准，对各小组会话数据在各维度主要指标上的频次进行差异分析，结果如表6所示，其中正值表示高于班级均值，而负值则表示低于班级均值。

可以看出，各小组在完成学习任务过程中的协作状态不同。第1、第2和第9小组的协作学习状态相似，组内协作较好。第3和第4小组在各类会话频次上均低于班级平均水平，虽然其也成功完成了学习任务，但在体现深度学习的交互共建和外化上的会话频次明显较低。因此，有必要鼓励第3和第4小组学生，以开放的态度面对新观点和新问题，积极深入地开展协商讨论，进而实现深度学习。

6.结果讨论

在线协作学习需要增强组内成员的集体责任感，促进集体认知调节（陈向东等，2020）。学习者要在协作中积极承担相应的任务，避免个人主导和个人孤立等现象的发生。在第1小组中，除学生5外的其余4位学生在课程中能够积极参与，在会话协商中能达成一致和整合的观点;而学生5在协作过程中只是被動接受知识和任务，多以描述客观事实进行陈述，很少进行知识的推理和整合，其表现难以达成协作学习的目标。

理想的协作学习是所有小组成员为了共同的目标在协作过程中积极参与，并依据不同的任务要求调节学习状态，最终使得所有成员均在协作中加深对知识的理解和掌握、获得自身能力的提高。针对班级整体状况的分析发现，虽然所有小组都能顺利完成协作任务，但是不同小组的协作状态不同。组间互评有助于促进小组间的互助合作，进而提升协作学习的效果。在对各小组的会话文本进行分析后发现，协作学习状态较好的小组，其在教学设计和教学课件的互评阶段具有较高的会话频次。大部分小组能在组间协作阶段积极主动地贡献知识，指出他组问题并提出解决方案，且会话以协商为主，并对他组观点进行了有效的整合。这表明互评过程中的深度交流体现出批判性、反思性等高阶思维，有助于学生对知识的共享和理解，能够促使其制作出更好的教学设计和课件作品。此外，对会话文本的进一步细化分析结果还表明，协作状态较好的小组能够针对他组建议进行辩论并批判性接受，直接修正类的评语对学习者改进作品的帮助更大（胜楚倩等，2019）。

五、结论和展望

基于SouFLé框架，本研究设计了面向知识建构的在线协作学习分析模型，并针对该模型提出了协作学习分析指标体系，进而将其应用于在线协作学习分析。研究结果表明，该在线协作学习分析模型有助于全面认识并指导在线协作学习过程。

一方面，在在线协作学习中，学习者通过交流、互动和协商解决问题，促进个体和集体观点的不断改进。学习者在协作学习过程中的会话包含丰富信息，借助面向知识建构的协作学习分析模型能通过对会话数据的分析反映其协作学习状态。当小组成员在讨论中定位自己为知识和行动的主导源时，他们会包容不同的观点，在会话协商中促进主题讨论的深入;在协作解决问题的过程中，小组成员在推理和交互共建中形成对观点的整合和共识，更有效率地完成学习任务;而当小组成员的投入度较低时，则达不到理想的学习效果。该模型能够帮助教师和研究者针对性地设计协作学习活动、选择学习工具并依据协作学习状态进行适时调整，进而促进深度学习的发生。

另一方面，在在线协作学习任务的完成过程中，小组成员会进行适应性的自我调节、相互调节和集体调节（Winne，2015），其是远程学习成功的关键因素（Sitzmann et al.，2011），该协作学习分析模型可以帮助学习者实现上述调节性学习。例如，帮助学习者在协作学习过程中进行自我监控，通过不断的定位和调节以达到较好的学习绩效（郑兰琴等，2017）;通过对小组任务和策略的集体调节促进小组成员间的知识传递和整合，进而更快地实现预期学习目标。此外，通过使用该协作学习分析模型，教师可以及时监督协作学习过程，全面认识小组在线协作学习活动状态，并通过及时的预测和干预改善协作学习效果（张家华等，2017）。

本研究在以下两个方面存在不足：一是在对会话文本进行编码时，存在子类别界限模糊的问题，特别体现在会话介入维度上;二是由于采用手动编码方法，难以应对大规模在线协作学习中的海量会话文本数据。基于本研究提出的面向知识建构的在线协作学习分析模型，未来研究可从以下两个方面展开：一是引入自然语言处理和文本挖掘技术，实现对大规模在线协作学习的智能分析、监控和测评。二是更加深入地探究在线协作学习的发生机制，寻求个性化的协作学习干预和指导方法。

参考文献：

[1]柴少明，赵建华，朱广艳（2010）.学习科学进行时：从个体认知到小组认知——美国德雷塞尔大学Gerry Stahl教授访谈[J].中国电化教育，（5）：1-5.

[2]陈向东，张蕾，陈佳雯（2020）.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[J].远程教育杂志，38（2）： 56-68.

[3]何克抗（2018）.深度学习：网络时代学习方式的变革[J].教育研究，39（5）：111-115.

[4]李艳燕，彭禹，康佳等（2020）.在线协作学习中小组学习投入的分析模型构建及应用[J].中国远程教育，（2）：40-48，77.

[5]林书兵，徐晓东，任英杰（2012）.从个体组合到小组认知：协作学习探究历程回顾[J].远程教育杂志，30（3）：37-43.

[6]毛刚，刘清堂，吴林静（2016）.基于活动理论的小组协作学习分析模型与应用[J].现代远程教育研究，（3）：93-103.

[7]阮英，王澜（2016）.介入系统在大学英语阅读教学中的应用及启示[J].教育理论与实践，36（18）：57-58.

[8]胜楚倩，刘明，刘革平（2019）.基于群体感知的在线同伴互评系统实现与应用[J].现代远程教育研究，31（4）：104-112.

[9]王振华（2003）.介入：言语互动中的一种评价视角[D].开封：河南大学.

[10]余亮，黄荣怀（2012）.协作学习活动结构设计研究[J].远程教育杂志，30（5）：74-81.

[11]袁传有（2008）.警察讯问语言的人际意义——评价理论之“介入系统”视角[J].现代外语，（2）：141-149，218-219.

[12]张家华，邹琴，祝智庭（2017）.学习分析视角下在线学习干预模型应用[J].现代远程教育研究，（4）：88-96.

[13]张进良，魏立鹏，刘斌（2020）.智能化环境中基于学习分析的学习行为优化研究[J].远程教育杂志，38（2）：69-79.

[14]郑兰琴，李欣（2017）.调节性学习的发展：模型、支持工具及培养策略[J].现代远程教育研究，（2）：60-66.

[15]周平红，张屹，杨乔柔等（2018）.智慧教室中小学生协同知识建构课堂话语分析——以小学科学课程为例[J].电化教育研究，39（1）：20-28.

[16]Fleiss， J. L.， Levin， B.， & Paik， M. C. （2003）. Statistical Methods for Rates and Proportions （3rd Edition）[M]. Hoboken， NJ： John Wiley & Sons， Inc.

[17]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[J]. Journal of Educational Computing Research， 17（4）：397-431.

[18]Howley， I. K.， & Penstein， C. P. （2016）. Towards Careful Practices for Automated Linguistic Analysis of Group Learning[J]. Journal of Learning Analytics， 3（3）：239-262.

[19]Howley， I.， Mayfield， E.， & Rosé， C. P. et al. （2013）. A Multivocal Process Analysis of Social Positioning in Study Groups[M]// Suthers， D.， Lund， K.， & Rosé， C. et al. （Eds.） （2013）. Productive Multivocality in the Analysis of Group Interactions. Boston， MA： Springer：205-223.

[20]Joshi， M.， & Rosé， C. P. （2007）. Using Transactivity in Conversation Summarization in Educational Dialogue[C]// Workshop on Speech and Language Technology in Education. New York： Wiley：53-56.

[21]Martin， J. R.， & Rose， D. （2003）. Working with Discourse： Meaning Beyond the Clause[M]. London & New York： Continuum.

[22]Martin， J. R.， & White， P. R. R. （2005）. The Language of Evaluation： Appraisal in English[M]. New York： Palgrave Macmillan.

[23]Mayfield， E.， & Rosé， C. P. （2011）. Recognizing Authority in Dialogue with an Integer Linear Programming Constrained Model[C]// Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics： Human Language Technologies. Stroudsburg， PA： Association for Computational Linguistics：1018-1026.

[24]Scardamalia， M.， & Bereiter， C. （1994）. Computer Support for Knowledge Building Communities[J]. The Journal of the Learning Sciences， 3（3）：265-283.

[25]Sitzmann， T.， & Ely， K. （2011）. A Meta-Analysis of Self-Regulated Learning in Work-Related Training and Educational Attainment： What We Know and Where We Need to Go[J]. Psychological Bulletin， 137 （3）：421-442.

[26]Stahl， G. （2006）. Group Cognition： Computer Support for Building Collaborative Knowledge[M]. Cambridge， MA： MIT Press.

[27]Winne， P. H. （2015）. What Is the State of the Art in Self-， Co- and Socially Shared Regulation in CSCL？[J]. Computers in Human Behavior， 52：628-631.

責任编辑 谭明杰