基于系统动力学的知识建构行为演化博弈模型及仿真分析*

晋欣泉 姜 强 赵 蔚

（东北师范大学 信息科学与技术学院，吉林长春 130117）

一、引言

面对错综复杂的知识体系，学术界隐含的前提假设为：知识建构是由多个知识主体“并行”或“串行”，推进共同体知识共享创造的行为过程 （钟启泉，2006）。相较于传统自上而下的课程教学设计和预设的教学行为脚本教学方式，知识建构作为一种采用以思想为中心、基于原则的教学方法，通过授权学生承担集体责任，经由共享、冲突、协商、升华等一系列阶段（Beers，et al.，2005），形成了动态发展的知识网络，促进其能动参与、自由交流、持续反思和观点改进的实现。已有学者证明了知识建构能够在时空上达到多向反馈、协同演化的状态，加深了不同层次学习者间的认知连接，可有效生成1+1 大于2 的知识创新效果（蒋纪平，等，2021）。从而延展了个体和群体知识的深度和广度，强力推进教育公平及可持续发展。

然而，知识建构的质量水平，在一定程度上取决于学习者对合作式知识创造的共享意愿。在绝大多数情况下，参与者之间的交互多处于浅层次协同（Bouton，et al.，2020），对知识建构持消极的学习投入，知识共享意愿普遍较低。虽然，学者们已经探索了促进学习者交互建构的激励策略，如，提供消解认知冲突行为的对话结构性提示支架 （王靖，等，2021）、设计引导认知连接的自组织式协同建构环境（姜强，等，2019）、完善情绪交互的激励规则（刘君玲，等，2021）等。但从有限理性的视角出发，知识建构行为往往存在着学习者之间相互博弈的现象，受制于同伴关系、认知基础、收益感知等多种因素的共同影响（李海峰，等，2021），造成了学习者的共享意愿在不同建构阶段中呈动态演化特征。学习主体与学习同伴存在“竞合”的双重关系，即一方的行为会对另一方的知识建构收益产生影响，每个个体都面临着积极协同与消极协同的选择。

为实现自身利益最大化，参与者通过观察、学习和模仿他人行为，来不断调整自己的行为决策，在持续交互作用中产生失衡，最终趋于平衡的博弈关系。而在此过程中，双方因对知识建构中各因素感知的不平等性而失衡，这种失衡时常会引发参与群体共享意愿的降低，导致知识建构负和博弈的实践效益。因此，挖掘分析个体感知的知识建构行为影响因素，探究把握其对行为演化的作用规律，是知识建构高质量、有意义发展的关键。

已有成果大多是基于知识建构量化过程或问卷调查结果等数据，探讨行为解析影响因素及其结构模型（李海峰，等，2021）。但这些研究主要从回归分析、因素分析等静态视角，难以清晰地揭示学习主体与学习同伴双方之间的知识建构行为随各影响因素变化的动态演化规律。而作为刻画动态性复杂系统结构的有力工具，基于系统动力学的演化博弈分析，为探究知识建构中参与双方的共享策略选择的动态变化与因果影响（汪万，等，2020），提供了新的研究思路。演化博弈理论能够刻画知识建构行为与影响因素间的动态逻辑关系，依据数学模型对行为的均衡状态进行博弈分析。为实现可视化输出动态演化过程，结合系统动力学方法，通过仿真建模以更好地直观剖析知识建构中的博弈行为演化规律（王其藩，2009）。

鉴于此，本文运用演化博弈理论，围绕知识建构博弈双方的行为演化，采用扎根理论识别并提炼影响知识建构行为策略选择的关键因素，结合系统动力学构建知识建构行为演化博弈模型，并仿真行为的动态演化过程，深度解析与系统分析协同行为稳态发展的策略。这不仅有利于对知识建构行为的全面了解，而且能助力推进深层次知识建构的发生，从而为知识建构研究领域的可持续性发展，提供了经验支持与理论参考。

二、知识建构行为的影响因素分析

目前，从学习者感知视角出发，以经验事实材料为基础，理清影响知识建构行为动态变化的相关因素是演化博弈模型建立的亟待解决的问题。本研究特选择适合全面理解和深入揭示知识建构行为博弈现象的质性研究方法（刘志，2020），以扎根理论为基础，深入挖掘与剖析知识建构行为的影响因素，为动态模拟博弈双方的行为演变提供支撑。

本研究遵循 “典型抽样”“滚雪球抽样”“理论抽样” 等有目的抽样方法，选取知识建构行为变异度大、代表性强的个体，重点访谈了某高校2019 级本科生有过知识建构经历的参与者，根据访谈内容分析，对初步建立的假设理论模型进行补充更新与验证。整个抽样访谈过程，一直持续到影响因素饱和为止，共累计访谈人数16 名。

访谈内容以学生知识建构体验为中心，由非结构化问题逐渐过渡到结构化问题，经内容录音、文字转换等步骤，形成初步资料来源后，利用扎根理论的编码步骤，开放式编码、主轴编码和选择性编码，对转录成文字的访谈内容进行处理。随后由3 名研究人员对语料库进行编码，对存在偏差的编码，要求被试者进行修改，直至达成共识，最终归纳确定出知识建构行为的影响因素。

通过对整个原始访谈内容资料的开放式编码，形成了初始概念38 个，进一步合并初始概念，得到知识数量、任务难度、知识质量、成员构成等16 个范畴，如表1 所示。

表1 开放编码部分示例

对经开放式编码所得到的16 个范畴进行归纳，共聚类出六个主范畴（见表2）。表明在知识建构中，学生行为策略选择的影响因素，主要有知识存储量、信任关系、知识吸收能力、协同收益、投机收益和奖惩制度。

表2 主轴编码过程

在知识建构过程中，学习主体和学习同伴的行为决策，通常是在六种因素的共同作用下，通过观察与学习对方行为决策，强化或抑制协同或不协同行为选择，向有利于自身利益最大化的行为策略动态演化，最终达到一种团队稳定均衡状态，如图1 所示。

图1 知识建构行为的影响因素

知识存储量指学习者自身积累的先验知识的总和。较高的认知水平，使学习者有能力为交流协商和知识创造作贡献，可整合多元异质性知识，在观点冲突与积极协商中，构建与丰富自我认知；但具有丰富知识储备的参与者若无法收获新知识，仅巩固自身知识体系，则可能会产生个人主义行为 （张瑞，等，2020），协同参与积极性会有所下降。信任关系指学习者对同伴构成、合作意愿和同伴关系的整体期望。较强的信任关系，促进了团队协同建构的可持续性；但学习者之间的信任程度是在持续交互的过程中形成的，易受到对方的共享水平和策略选择的影响，且并非所有人都能一直得到信任。知识吸收能力指学习者基于已有认知评估、同化、利用外部知识的能力。

科恩等人（Cohen，et al.，1990）证明了组织的吸收能力取决于其内部单个成员的吸收能力，且与创新绩效呈正相关。协同收益指教师对知识建构贡献者的评分标准，大量的行为经济学研究指出，人们非常重视收益公平性（Katok，et al.，2013）。与学习投入和知识贡献值成正比的公平性评价准则，可以避免事后的机会主义，有益于创造共同价值。投机收益指个体可以在无需付出知识贡献的情况下，坐享他人成果而获得的收益。当无成本收益现象加剧时，学习者会更多地选择不协同，导致知识建构的最终结果是无效率的。奖惩制度指学习者所在知识建构环境的奖励和惩戒规范。

虽然已有研究调查了协同演化博弈中奖惩的效果，但结果却有所不同。贝茨等人（Betts，et al.，2020）提出与惩罚相比，人们对奖励具有更高的敏感性；而巴利特等学者（Balliet，et al.，2011）经实验证明，惩戒会增加个体在单次交互中的贡献，遏制搭便车行为。

三、知识建构行为演化博弈的模型设计

在持续交互反馈的知识建构活动中，学习者的知识建构行为策略是不完全理性的，且不会在一次博弈后形成均衡。随着知识建构行为交互频率的增加，双方博弈行为在相关因素的影响作用下呈动态演化趋势。本研究基于扎根理论确定的知识建构行为影响因素，采用将演化博弈和系统动力学相结合的方式，建立起知识建构行为演化博弈模型。

（一）假设模型

知识建构者在考虑自身利益的前提下，做出对同伴产生影响的行为决策，在反复博弈中，不断调整原有行为及决策以应对利益均衡，最终形成稳定策略。针对知识建构中学习者之间出现的行为演化博弈现象，将研究对象分为学习主体和学习同伴。基于知识存储量、信任关系、知识吸收能力、协同收益、投机收益和奖惩制度等六种影响因素，提出以下研究假设：

假设1： 选择参与知识建构的博弈双方分为学习主体A 与学习同伴B 两个群体。参与双方均会依据感知的学习收益而不断调整自身行为策略选择，即“协同”与“不协同”。假设A 和B 两个群体选择协同的策略概率分别为x（0≤x≤1）和y（0≤y≤1），选择不协同的策略则为（1－x）和（1－y）。

假设2：无论参与者采取何种策略，依靠自身资源独立解决问题均可获得正常的基本收益Ei。若双方均选择协同策略，则学习主体和同伴都能获得直接协同收益和协同增效收益。根据构成要素分析可知，直接协同收益是通过将对方共享的知识经验吸收转化为自身收益，与对方的知识存储量Di、基于信任关系Ri 的共享程度Si 以及自身知识吸收能力Qi 有关。协同增效收益是双方获取1+1 大于2的额外增效收益K，与双方在知识建构中承担的职责分工、参与程度、交互实效等收益分配系数U 有关，且UA+UB=1。若有任何一方选择不协同时，另一方则可能会一味地吸收他人共享的知识，出现搭便车现象，存在投机收益系数H，并受对方知识共享水平的影响。

假设3：在知识建构过程中，博弈双方需要付出的时间、精力、脑力等协同成本为Ci。教师作为第三方监督评价者，会预先设计奖惩制度，对积极参与知识建构的团队给予激励收益系数Vi，团队协同共建的质量水平越高，得到的激励收益越多。反之，对未达到学习任务目标的团队设置相应的惩罚系数F。

（二）收益矩阵分析

基于上述假设，分析学习主体A 和学习同伴B在四种行为策略选择下的收益，构建博弈双方收益矩阵（见表3）。

表3 博弈收益矩阵

对学习主体A 和学习同伴B 的四种策略选择的期望收益进行分析，可得学习主体A 选择协同策略时的期望收益W11，如公式（1）所示：

学习主体A 选择不协同策略时的期望收益W12如公式（2）所示：

由公式（1）和（2）可知，学习主体A 混合策略的平均收益的计算方法，为公式（3）：

同理可得，将学习同伴B 选择协同策略时的期望收益记为W21，其计算公式为（4）：

学习同伴B 选择不协同策略时的期望收益记为W22，其计算公式为（5）：

由公式（4）和（5）可知，学习主体A 混合策略的平均收益的计算方法，为公式（6）：

（三）演化博弈模型的建立

依据演化博弈原理，运用复制动态微分方程，来演示学习主体与学习同伴之间的博弈过程，进而得到学生主体A 的行为策略随时间变化的方程，如公式（7）所示：

学生同伴B 的行为策略随时间变化的方程，如公式（8）所示：

虽然根据演化博弈模型，能够得出在特定条件下学习主体和学习同伴在知识建构中的均衡状态，但无法精准反映出各影响因素对博弈双方行为策略演化的动态影响。因此，基于上述建立的知识建构行为演化博弈模型，引入系统动力学方法，对相关参数进行数值仿真，描述在各因素的影响作用下，博弈双方知识建构行为的演化趋势。系统动力学是一种将系统科学理论与计算机仿真相结合的方法，以揭示系统内各要素结构及其随时间推移的行为演化规律（王其藩，2009）。

知识建构研究对象以具有主观独立性的学习者为主，难以直接对其主观内部进行控制和调整。为深入表征内部结构变化对学习者行为模式随时间的发展状态，分析影响因素是如何对知识建构协同策略产生影响，本研究运用系统动力学方法，利用Vensim 软件，根据演化博弈模型假设的系统内部各构成要素间的相互关系，建立仿真“定性”模型，知识建构行为的演化博弈模型如图2 所示。该模型涉及2 个状态变量，2 个速率变量，4 个辅助变量，12 个常量。其中，学习主体A 协同概率x、学习同伴B 协同概率y 设置为状态变量，F（x）、F（y）为速率变量。根据上节方程式描述出各变量之间的关系，模拟仿真在各变量的共同作用下，学习者知识建构行为达到博弈稳定状态的动态演化趋势，便于理解和刻画博弈双方知识建构行为模式，合理探究其促进知识建构的共赢策略。

图2 知识建构行为的演化博弈模型

四、知识建构行为演化博弈的仿真分析

为揭示模型动态行为演变与内部要素变量间的复杂关系，本研究基于上述构建的知识建构行为演化博弈模型，结合相关文献中的赋值方法（Wang，et al.，2020； 苏佳坤，等，2020），以参与知识建构的访谈者为研究对象，对模型所涉及的相关参数进行赋值，界定系统约束与边界条件，各初始参数假设值，如表4 所示。

表4 知识建构行为演化博弈模型参数默认值

本文运用Vensim 软件对模型进行仿真分析，设定初始时间为0，结束时间为50，时间步长为0.25，定量分析参数对博弈均衡策略的影响，模拟在各影响因素不同状态下的知识建构行为演化博弈路径，初始仿真结果见图3，均衡策略是博弈双方都选择协同行为。

图3 仿真结果

（一）知识存储量对演化博弈结果的影响

图4 描述了不同知识存储量对策略选择的影响，可知当团队成员认知异质性较大时，即个体知识存储量越小（DA由7 降至6.5），同伴知识存储量越大（DB由8 升至12），学习者选择协同策略的意愿愈加强烈；其中面对知识存储量相对较高（DB=12）的学习者，知识存储量较低一方（DA=6.5）的协同意愿，初始有微小的下降趋势，但随着博弈次数的增加，协同演化速率会逐渐加快。由此看出，学习共同体间的知识异质性，会对学习者行为策略选择产生积极影响，且两者间的差值越大，演化速率越快。

图4 知识存储量对协同策略的影响

相对而言，如果成员的认知同质性较高，即两者知识存储量差值为0 时，对于不同知识存储量的学习者来说，会促进或抑制协同策略的发生；其中，当知识存储量较低（Di=6.5）时，双方趋向选择不协同参与，但当知识存储量不断递增时，演化速率会随之变缓，最终朝协同稳定状态演化。值得注意的是，在知识建构中，具有较高认知的学习者，与异质性同伴协同建构相比，更倾向于和同质性同伴进行建构活动，协同演化速率明显较高； 而对较低认知的学习者而言，与异质性同伴具有更为强烈的合作意愿。

（二）信任关系对演化博弈结果的影响

在知识建构博弈中，由图5 可知，当双方信任关系增强（RA由0.4 升至0.5 或RB由0.3 升至0.4）时，x 与y 的动态曲线明显向左偏移。收敛于（1，1）的速度会加快，双方选择协同的可能性增大。且当信任程度高于一定值（RA=0.9，RB=0.45）时，即便惩罚力度为0，在前期可能会出现波动，最终也不会促使学习者选择不协同。

图5 信任关系对协同策略的影响

但是，当信任关系降低（RA由0.4 降至0.38 或RB由0.3 降至0.2）时，系统向（0，0）收敛，学习主体和同伴选择不协同的概率增加。且当信任关系（RA=0.1，RB=0.1）极低时，即便加大奖励，选择不协同的可能性仍很大，表明知识建构参与者之间的信任关系显著正向影响协同行为。为进一步了解信任度对知识建构的影响，通过降低任意一方感知的信任度、提高另一方信任值（RA=0.16，RB=0.6）的演化结果可知，虽然在知识建构初期，信任度较高的参与者会倾向于选择协同策略，但在不断的交互中，选择协同的概率会逐渐降低，知识建构者最终选择不协同。

（三）知识吸收能力对演化博弈结果的影响

为了进一步探讨知识建构行为演化的潜在机制，保持其他参数初始值不变，调整个体知识吸收能力参数值，观察其对双方演化结果的影响，如图6 所示。当提高个体知识吸收能力，QA由4 升至4.5，QB由3.5 升至4 时，博弈双方的协同演化速率逐渐加快。而当QA和QB值降低时，学习者朝协同演化速率开始变得迟缓，且降低到一定程度时，博弈双方最终会选择不协同。

图6 知识吸收能力对协同策略的影响

（四）协同收益对演化博弈结果的影响

由图7 的仿真结果可以看出，保持其他参数不变，当学习者在知识建构中认为获得的收益低于投入成本时，即收益增量K 值逐渐降低，则参与者选择不协同的概率逐渐增加，群体博弈向不协同演化。倘若学习者感知到的知识建构协同收益不断提升时，即K 值变大，选择协同行为的速率变快，呈现“S”型增长，会持续激励个体和群体知识的流动与创新。

图7 协同收益对协同策略的影响

（五）投机收益对演化博弈结果的影响

当学习者感受到搭便车行为带来的投机收益增量HA 和HB 的值增加时，由图8 可知，知识建构协同演化的速率会变缓，且当HA 和HB 大于一定值时，即享受到他人知识共享对自己无成本投入所带来的收益，会抱着侥幸心理继续牟取更多的利益，协同意愿不断降低，双方最终都会选择不合作。同样的，若是减少投机收益增量的值，则会增强协同意愿。

图8 投机收益对协同策略的影响

（六）奖惩变量对演化博弈结果的影响

仿真结果表明，与博弈双方收益有关的奖励系数和评价系数，都会对学习者策略的选择产生影响。如图9 所示，随着对机会主义行为惩罚力度的增强（F 由3 升至3.2、3.5），学习者为寻求利益最大化，会增加选择协同策略的速率，且惩罚力度越高，学习者达到协同稳定状态的用时越短。但并非惩罚力度越大越好，当超过一定值（F=7.5）时，学习者在博弈过程中策略选择会呈现反复波动，难以到达稳定状态。同样，逐渐增加对协同学习者的奖励力度（V 由4 升至5）时，极大促进了知识建构的发展，减少了博弈双方到达均衡稳定的时间； 而若奖励低于一定值（V=3.8）时，则迫使学习者逐渐退出知识建构。

图9 奖惩变量协同策略的影响

五、基于仿真模拟结果的对策建议

（一）平衡连接内外部认知，拓展知识存储量

知识体系的有序搭建是信息高效检索与获取的基础。尽管仿真分析显示先验知识越丰富，对协同演化的积极影响也越大，且与多数研究成果相一致，证实了知识建构者之间的异质性是鼓励知识探索性创新的最佳因素（Chen，et al.，2019）。但需要强调的是，拓展自我认知结构是增强协同速率的重要前提。一方面，要开阔学习者视野，提升认知水平。教学管理者要提供多元丰富的学习资源，引导学习者全面系统、循序渐进地延伸知识深度与拓宽知识广度，强化个体对新信息和潜在变化的理解和组织，以提高认知水平，更好地应对任务解决中的未知变化。另一方面，需培养独特视角，拓展渠道。比如，采用认知外包、人机结合的方式，将输入的孤立、零散知识点进行再组织与再编码，实现认知组块化，减少大脑记忆存储量，促使学习者集中更多的精力去思考与创造，迅速抓住解决问题的本质与关键，实现知识再创新。

（二）匹配信任偏好协作模式，破解信任困境

知识建构可视为以“互惠”为核心原则的一种社会交换行为过程，在线学习环境的开放性和匿名性，使得成员间的信任在博弈双方协同行为演化中起着至关重要的作用。因个体认知偏差与个性差异，信任不对称是早期关系的特征（晋欣泉，等，2021）。研究结果表明，当一方对另一方的信任程度增强时，协同意愿得到提升；但随着时间的流逝，受制于另一方的行为策略演化，使其协同概率加强或减弱。基于关系生命周期视角，关系发展经历三个主要阶段： 考察期、形成期和成熟期，且随着团队交换关系中个人行为的变化，各阶段可能会出现逆转并开始新的周期性循环（Shen，et al.，2020）。在知识建构初期考察阶段，可利用先前交互数据和学习者画像，来预测未来参与者之间的信任度，并设计强互惠、高依赖的学习任务与评价方案，增强事前组织信任，减少机会主义行为。在不断建构交互的形成期，学习者开始关注公平性与价值创造效率，应设计问题清单脚手架，增强各方学习进度的透明度。进入成熟期，双方行为策略趋于稳定，基于各团队内部建构行为差异，可借助第三方数据分析结果对信任变化进行归因，以夯实开放共享、 友好沟通的根基，凝聚稳健知识建构的共识，进而提升信任感。

（三）增强多元思维模式，提升知识吸收能力

理性思维是知识建构的源头活水。虽然不同类型的知识资源，从多角度为团队提供了选择性的任务解决方案。但生成异构、互补性的知识观点，并非没有代价，学习者需对海量学习资源进行检索筛选、组织提取和迁移输出，这一过程意味着高昂的学习投入成本。从知识吸收能力的变化对协同速率演变影响的结果可知，学习者知识吸收能力的提升，可增加对协同收益的感知，为促进知识建构可持续发展提供强大动力。在团队知识建构库中，愈加丰富的存储量，会带来更具复杂的多元知识节点，而人类大脑会本能地遵循最小阻力原则，团队可能会面临着更高的边际成本。但实际上，越是轻松的方向，越是熵增的方向（卡尔·纽波特，2017），而深层次的协同知识建构是一个反熵增的过程。为此，可采取以下二种策略：一是可通过设计良性的知识冲突互动环节，来加强学习者对外部知识网络的认识、解释与连接，缩短新知识的思考路径，并实现有效的知识整合和创新；二是提供多个思维模型，帮助学习者从多元思维发展规律中，累积自己的认知网络节点工具箱，产生互相强化的“lollapalooza 效应”，促进高阶思维发展。

（四）建立自适应收益分配，营造公平协同氛围

公平感知是多元利益相关者在合作中一以贯之的内在动力。经分析发现，学习者选择协同行为策略的增强速率与协同收益增量正相关，因此，实时监测与透明呈现各知识建构者对任务的贡献程度，能够增强行为主体对收益分配制度公平性的感知。具体而言，一是应用区块链技术增强监测程序自适应化。基于实时采集与智能分析知识建构行为数据，建立个体的利益分配模型，在关注个体投入成本的同时，优化所有参与者的最佳收益分配方案。二是综合考虑到动态知识建构的实时性和参与者之间的公平竞争性，将有限的协同收益分配问题，转化为多约束优化求解问题，通过精准刻画学习者对协同任务完成的投入度与贡献值，综合评估各参与者知识建构协同收益的占比权重，不断自适应调整与改进比例，最终找到效率与公平的平衡点。任何协同收益的分配都是一种相对的公平，保持合理的收益差距，既能保障学习者学习投入的基本回报，实现公平正义的感知；也利于提高效率，激发积极性，让知识建构这一方式更加多元化，生成更具创造性的成果。

（五）发展数据驱动协同监管，瓦解投机收益

知识协同的开放性和共享性，决定了知识建构活动不仅要保障积极投入的学习者能够获得合理的收益回报，更要防止搭便车者获得零成本收益。基于意图的公平性的策略选择，取决于学习者投入成本对学习产出的边际贡献（Han，et al.，2019）。若团队内各学习者获得同等知识收益，较高贡献者的学习投入与其收益回报之间的差异就越大，使协同建构者的利益最先受损；并且这种差异愈大，即投机收益愈多，不协同策略的选择概率就越强，抑制了团队共同利益的发展。因知识体系性质复杂，知识建构的评价与监测机制，可能无法涵盖整个过程中所有的细节与条款。就协同监管而言，该方式是将学习主体和同伴视为整体系统中的子系统，在共同遵守博弈规则的基础上，通过权力共享与非线性协调配合的方式，共同管理知识建构的一种开放式契约监管范式，使各参与者突破信息孤岛的桎梏，助推良性协同秩序的形成。

（六）完善智能合约动态评价，稳固奖惩机制

在知识建构的博弈中，奖励和惩戒能够对博弈双方行为策略的选择产生调控，促进协同行为的发生。基于强化敏感性理论，人类存在行为趋近系统和行为抑制系统，对奖惩行为极为敏感；并且在不确定情境中的决策行为，更易受到预期效应的影响。奖励预期可正强化刺激行为趋近系统，激活后易产生趋近行为；惩罚预期与回避反应的神经系统有关，激活行为抑制系统后，为避免受到惩戒而对协同行为产生积极影响。

教育评价是指导行为的重要参照物，合理科学地结合奖励和惩戒机制，充分发挥引导知识建构高质量发展行为形成的价值，切实激发协同建构活力，以促进知识创造（程天君，等，2021）。因此，一是针对任务结构的复杂性，构建基于智能合约的奖惩机制。将达成共识的评价标准，纳入智能合约所需满足的特定条件，由程序自动执行既定的奖惩规则，规避不平等异常的发生。二是与传统一成不变的惩戒和奖励相比，动态的奖惩机制，可以应对知识建构中的发散性创新情境。通过识别每位参与者的建构质量与贡献得分，引入动态因子综合评价法进行实时奖惩决策，将奖惩界限模糊化，并根据相应的信息集结模型，寻求最佳奖惩策略的最优解，以减少不公平矛盾，确保知识建构的顺利开展。

六、总结

有限理性个体的行为博弈，是知识建构的重要组成部分。本研究基于采用扎根理论挖掘出的知识建构行为影响因素，引入演化博弈模型和系统动力学方法，仿真模拟博弈双方知识建构行为策略的演化过程，以期打开“行为演化”这个黑箱。数据结果显示，知识建构行为受多个变量的共同作用，知识存储量、信任关系、知识吸收能力、协同收益正向影响知识建构者的协同意愿； 而投机收益与协同行为呈负向影响，且奖惩制度亦会对学习者策略选择具有直接影响。最后为有效引导知识建构者形成协同行为，提出了六条对策建议。区别于经典博弈论学习者完全理性的假说，本研究将扎根理论和演化博弈模型用于分析知识建构各参与者之间的决策演化博弈，丰富了知识建构研究的理论视角；同时，运用系统动力学，仿真解析各因素变量对知识建构行为演化博弈的影响，为后续知识建构协同行为的促进机制研究，提供了新的思路。

但本研究仅基于假设条件，从学习主体和学习同伴两个群体视角进行，现实教学情境通常更为复杂多变，可能存在各影响因素之间相互作用的效应，且受知识建构使用经历的影响。另外，研究样本量较少，未来研究可尝试将研究对象进一步延伸至组内和组间、教师监管与学习者参与之间等多方博弈，在增加具有不同学科背景研究样本量的同时，进一步结合真实课堂数据进行建模仿真，深入剖析与诠释知识建构内部博弈演化机制。以期望通过推动知识建构的理论研究与实践创新，为学习科学的发展提供了科学依据和基础支撑。