关于认知网络分析的系统综述

徐艳萍 李田田

摘要：认知网络分析法（Epistemic Network Analysis，ENA）是一种识别和量化编码数据中元素之间的联系，并在动态网络模型中表示它们的新方法，它是一种质性和量化研究相结合的新型研究方法。本文通过关键词检索法对在线数据库进行系统检索以及参考，介绍了认知网络分析法的概念、理论基础，重点探讨其在各个研究领域的应用，主要包括医疗教育、协作学习、工程教育、师生教学互动这四大领域，并在此基础上探讨认知网络分析法的研究前景，为以后研究认知网络分析法在我国的继续发展做铺垫。

关键词：认知网络分析;教育;认知框架;ENA;学习分析

一、引言

在当今的众多研究中，采用内容分析法是必不可少的，然而传统的内容分析法需要人工对大量的文本话语进行统计，十分费时费力，很难进行大规模的分析研究。基于此，美国威斯康星大学麦迪逊分校威斯康星州教育研究中心的教授Shaffer提出了认知网络分析方法（Epistemic Network Analysis，ENA），这是一种在语篇中识别有意义的话语量化研究方法，通过检查编码共现或编码数据的连接并进行建模，从而进行可视化分析。

Shaffer等人提出认知网络分析方法是一种量化、可视化和解释网络数据的新方法，是识别和测量编码数据中元素之间的连接，并在动态网络模型中表示它们的一组技术[1]。这些模型能够说明连接的结构，并测量网络中各元素之间的联系强度。重要的是，ENA能够直接或通过统计摘要对网络进行比较，因此，在数据关联模式被认为有意义的情况下，ENA可以用于探索广泛的定性和定量研究问题。ENA的一个关键特性是，它使研究人员能够比较不同的“网络”，包括视觉上的以及通过反映连接权重结构的汇总统计数据。

在笔者收集的文献中，有关ENA大多数的研究都可以整体归纳为教育领域，其中，涉及最广的是工程教育（包含16篇），其次是關于师生教学互动（包含5篇）、还有协作学习以及医学教育等教育中的多个方面以及凝视眼动协调[2][3]、教师对于知识的理解[4]等等。

二、理论基础：认知框架理论

认知框架理论是ENA不可或缺的理论基础之一。“框架”在社会科学领域是指一系列研究个体或群体如何组织和表达现实的理论和概念。而这些概念、理论以及知识必须是协同发展的，不可能独立存在。认知框架是指学习者通过社会性学习合作，逐步建构起自己的思维网络，随着学习的深入逐渐发展。

由Shaffer构建的认知框架理论认为，每一种实践都是技能、知识、身份、价值观和认识论这五部分的集合，它们共同构成了一个认知框架[5]。专业实践中的成员依靠特定领域的技能和知识来做出决策并对决策的合理性进行证明，他们的特点决定了他们作为团队成员的身份，以及他们用来识别该领域重要问题的价值观。发展认知框架意味着在这些技能、知识、身份、价值观和社区特有的认知元素之间建立一个联系网络。因此，使用认知框架理论，我们可以检查新来者的认知框架，以确定他们是否正在学习将知识、技能和价值观联系起来。

如果认知框架是观察专业知识的合适模型，那么就需要一种观察认知框架变化的方法来描绘它们的发展[6]。而认知网络分析（ENA）则是一种量化和分析认知框架的技术（Shaffer等人，2009）。

三、ENA的建模及分析步骤

ENA最初被开发出来是为了模拟基于话语的复杂的协作思维，或者是人们从事某种认知任务时的行动和互动。现在ENA已被广泛用于学生从事复杂的问题解决时的学习研究，它非常适合建模任何系统的关联模式，其特征是一个相对较小的、固定的元素之间的复杂的、动态的关系[3]。ENA为解释学习者的学习行为有着重要的意义，为思维等认知行为提供了量化的方式。

ENA的分析过程首先从参与这在研究活动中产生的对话、访谈、文字记录、录音录像等资料中收集数据，其次，将这些数据分成若干单元进行二进制编码。然后创建邻接矩阵，并将需要比较的两个单元/组的邻接矩阵进行累积，形成累积矩阵，累积矩阵表示为高维空间中的向量，因此，需要采用奇异值分解的方式（SVD）进行降维。最后，形成认知网络模型[1]。通过认知网络分析框架图，可以分析比较认知框架的变化过程以及不同节点之间关系结构与强弱。

四、ENA在教学中的应用

在目前的STEM教育中，学生专业思维的提升与进步和各自实践经验的积累有着密不可分的联系，在这种情况下，教师应采取何种教学策略来引导学生发展专业思维是非常重要的。为了评估教师采用的教学策略是否有效，研究者通常会采用对比教学活动前后学生学习效果的方法来进行判断。但这种方法并不能有效反映出教学策略如何引导学生发展自身的认知能力，只有能清楚地了解到教师和学生在进行教学互动期间的认知变化规律，才能为后续教学策略的开发提供支持。因此，可采用ENA对教师和学生的话语数据分析，通过研究在课堂中学生和教师的认知轨迹关系，对教学策略进行评估。

五、ENA的优势

（一）研究结果可视化

ENA在不同领域的应用表明，其是一种将质性研究与量化研究相结合、并且使研究结果可视化的研究方法。概念的共现是认知联系的一个很好的指标，尤其是当共现频繁时，ENA通过利用概念共现建立认知联系，来分析研究对象各个元素之间的关系，并且对元素之间的关系进行动态表征。通过此方式，可以直观的了解参与者的认知发展状况，从而可以对参与者的认知行为发展做出更加深刻的分析与评价。

（二）结合其他方法，进行多维度认知发展分析

在使用ENA进行分析的过程中，可以与其他研究方法相结合进行多维度分析，比如案例中借助主题建模与ENA结合对低成绩与高成绩学生的对话主题进行分析，从而全面客观地对参与者的行为进行分析，不仅有助于教师了解不同成绩学生的认知发展水平，也可以通过对话主题预测学生学习的结果和表现，推动协作学习的发展。

（三）推动科学教育发展

数字学习成为现在非常重要的学习方式，案例分析表明，ENA作为一种量化民族志的数据分析方法，使质性和量化研究相融合，为最终得出的量化模型赋予了质性数据的意义。其在技术本质、分析层析及应用价值等方面，为STEM教育及其它领域的测评提供了新范式。

六、ENA的局限性

ENA在不同领域应用时出现的弊端主要表现在以下几个方面：

（一）样本容量小。在研究案例中，研究对象主要是某个学校中的部分学生或者几位教师，样本容量较小，实验结果不具有代表性。

（二）研究环境简单而实际环境复杂，研究往往是处于某种特定的环境中，不能完全模拟真实的环境，实际环境往往更复杂，存在许多不确定的因素和变量，因此研究结果不能完全对某研究领域进行表征。

（三）ENA分析参与者的对话来模拟学习过程，没有结果的测量，因此没法评估该课程在多大程度上帮助参与者发展知识、技能或者其他能力。

（四）ENA可以对文本对话进行量化处理，但是进行后期编码的过程却相对来说是比较复杂的，进行动态评估前需要有准确的额编码和明确的量化标准，以及对研究者信息素养的额要求较高，并且代码元素在一定程度上存在个体主观性，会导致后期的分析过程和结果存在一定的差异。

七、ENA使用的未來展望

在智能时代，教育与技术的深度融合，使得目前认知网络分析方法（ENA）在国外已经有了一个很好的发展，尤其是在STEM教育方面，作为新兴的分析方法，它为学生群体提供了结合认知资源和同步或异步参与任务以完成共享的学习目标的机会，凭借其动态、内容丰富等的特性，在促进美国科学教育、动态评测STEM教育等方面起到了很大的推动作用，且研究还大多停留在实验项目中，如虚拟实习、认知游戏、研究特定对象的认知方式等。但是目前，我国对于ENA的应用研究还处于一个新兴的萌芽过程，今后，在教学中和未来的研究中，通过不断的发展与完善，我们可以进一步将ENA应用于真实课堂，加强数字学习，推动我国科学教育的进步。

参考文献

[1]王志军&杨阳.（2019）.认知网络分析法及其应用案例分析.电化教育研究（06），27-34+57.doi：10.13811/j.cnki.eer.2019.06.004.

[2]刘迎春，朱旭&陈乐.（2019）.精准教学中基于同伴互评的评价者认知网络分析.远程教育杂志（01），85-93.doi：10.15881/j.cnki.cn33-1304/g4.2019.01. 008.

[3]吴忭，王戈，盛海曦.认知网络分析法：STEM教育中的学习评价新思路[J].远程教育杂志，2018，36（06）：3-10.

[4]丁继红.深度学习中的学习者认知网络和动机策略分析——旨向深度学习的U型翻转教学效果研究[J].远程教育杂志，2019，37（06）：32-40.

[5]马志强，管秀.面向多维关联的社会认知网络分析——协作学习交互研究的新进展[J].远程教育杂志，2020，38（06）：96-103.

[6]Ruis， A. R. A Tutorial on Epistemic Network Analysis： Analyzing the Structure of Connections in Cognitive， Social， and Interaction Data.[J]. Journal of Learning Analytics， 2016， 3.

[7]Sean A ， Wesley C ， Michael G ， et al. Look together： analyzing gaze coordination with epistemic network analysis[J]. Frontiers in Psychology， 2015， 6.

作者简介

徐艳萍（1997-），女，山东省潍坊市，研究生，教育技术学。青岛大学师范学院。