复杂网络视域下在线教育用户选择行为特征研究

苏泳睿 赵 玲

(北京邮电大学 1.经济管理学院； 2.马克思主义学院，北京 100876 )

教育伴随着人类社会的产生而产生，随着社会的发展而发展，与人类社会共始终。在线教育作为教育的一种全新发展模式逐渐成为人们自主学习的首要途径。在线教育从根本上说是用户与网络课程之间通过交互，结合自身需求所产生的选择和学习的行为。网络平台作为选择和学习行为发生的媒介，参与到在线教育用户行为的发生过程中。而在线教育用户与网络课程之间的交互问题一直是行为学领域研究的主要内容；同时对在线教育用户选择行为的研究也是在线教育发展中的根本问题，在线教育用户选择行为是在线用户行为的主要表现，因此研究在线教育用户选择行为的意义，不仅体现在行为研究领域，还体现于在线教育行业的发展与规划中。

利用复杂网络的研究方法对用户行为进行分析探讨，是近些年在学术领域流行的趋势。在线教育虽然依托于网络实现，但在线教育用户之间存在的关系程度却没有像网络结构那样紧密相连。在线教育用户行为是否具有网络化特征、是否能够应用复杂网络的研究方法对其进行分析和探索都是当下研究中亟须补充的内容。因此研究的主要内容便是在复杂网络视域下在线教育用户选择行为的相关特征。以往对于用户行为的研究主要集中于行为学方面，以下运用复杂网络的研究方法，对5000条样本量进行深度挖掘和处理；在数据分析与理论探讨相结合的基础上，对在线教育用户的选择行为特征进行全面和综合的论证，开拓用户行为研究的新方向，为在线教育用户行为研究提供更多切实可行的方法与实践。

一、研究问题

(一)在线教育用户选择行为的网络性

在线教育用户选择行为作为在线教育用户的核心行为之一，厘清其行为特征一直以来都是在线教育用户行为研究的重要内容。用户选择行为的研究在当下十分丰富，如Fishbein和Ajzen于1975年正式提出的理性行为理论(TRA)[1]，Ajzen在TRA 的基础上提出了计划行为理论[2],Davis提出了技术接受模型[3]等选择行为的研究方法都已十分成熟。在线教育用户选择行为的发生过程区别于其他选择行为的发生，具体表现在两个方面:一是在线教育用户选择的资源都是一种虚拟产物，不是真实存在或者可以用物理方式测量的内容，区别于传统选择行为的研究方式，在研究其选择行为时，要结合具体的数据进行具体分析；二是在线教育用户选择行为是一种理性选择行为，这种知识性的需求是理性判断后的选择，但这种理性选择又是在一定限度内的，在线教育用户虽然能够明确地知道自己需要在哪个方面学习，可大部分在线教育产品是一种市场产品，遵循市场机制，同一学科下会有好多种同样或相似的产品出现。因此，用户在具体选择的时候，会受不同因素的影响而产生不同的选择结果，在这种情况下的选择行为就无法用理性标准来衡量。

因此，对在线教育用户选择行为的特征进行研究，显然用传统理论研究的方法进行探索略显不足，研究时需要与实际数据紧密相连，以更加准确和科学实际的方法解决问题。在线教育用户基于网络媒介进行选择和学习，构成了一个网络上的群体，可以称之为虚拟社群[4]，其本质是一种网络上的社会集合[5][6]。这种社会集合的存在就很有可能形成一个网络社区，进而就会形成网络关系。在日常的在线教育学习中，同一个用户可能选择多门课程，同样一门课程下可能会出现多名用户共同选择其他课程，在这种情况下，在线教育用户选择行为的网络特性就逐渐显现，用户的所有行为在虚拟的网络上产生了互动。研究在线教育用户选择行为的网络性不仅是对理论假设的检验，而且为在线教育行业发展提供更加切实的理论依据，从而更好地促进行业的发展。

(二)在线教育用户选择行为的传播性

在线教育用户选择行为基本是在互联网媒介上进行操作，包括之后学习、考试等具体行为也都是在网络上进行的。那么在线教育用户之间是否会产生互动？这些用户是否在学习之前就已相识，一起选择这门课程？通过学习，用户之间是否会产生新的联系，影响持续使用的意愿或者重新选择的想法？这些问题都是在线教育用户选择在线教育产品时需要面对的实际问题，并且这些问题产生的根源都指向在线教育用户选择行为是否具有传播性这一核心内容。人们往往在选择虚拟性的产品时会更加谨慎，这种时候自然会产生一种从众的心理，当某些因素能影响到你选择的时候就会形成一种心理契约[7],人们就会朝着契约的方向选择或发展。从行为传播的角度来看，这属于一种典型的行为传播方式，然而由于在线教育的特殊性，我们无法从行为表面发现这种传播规律，需要以数据分析的结果和实际调研的验证，才能得到一个较为完善的答案。当然关于在线教育用户选择行为传播性的一系列问题，由于数据的不同，得出的结论也会不尽相同，因此针对这一问题的研究更加需要具体问题具体分析。

(三)在线教育用户选择行为的逻辑原初性

在上述两个问题的基础上，在研究在线教育用户选择行为的特征时，还需要对在线教育用户选择行为的逻辑原初性[8]进一步追溯。在线教育用户选择行为网络的形成是由一个逻辑起点开始的，从一个点开始引发出一系列的逻辑关系，并进行拓展和延伸。黑格尔认为，这个世界的客观性是我们人类的前提[9]，按照这种逻辑模式可以发现，在线教育用户进行选择的逻辑起点是自身的需求。原因有两点：第一，在线教育用户选择行为的紧迫性，在线教育的学习成果是作为一种非物质且无法确定效果的形式存在，如果人们没有十分迫切的需求，那么不会去花费精力去做一个结果不明确的事情，正是因为这种紧迫性的存在，让用户感觉到自己十分有必要去进行在线学习，从而驱动了用户选择行为的产生；第二，在线教育用户选择行为的自主性，在线教育本质功能仍然是教育，教育是一种对人潜移默化的影响行为，成年人作为完全的行为能力人，在正常情况下，接受教育是一个主动的需求过程，所以在线教育用户在进行选择行为时，首要考虑的因素为是否符合自己的实际需要。

上述分析主要是从理论层面出发，在实际操作过程中是否也符合这一规律，需要利用数据进行验证。如果在线教育用户在选择在线教育内容时并不是以自身需求作为逻辑起点，还能够以什么因素作为起点，是值得进一步研究的关键。

结合上述问题和内容，通过采用二模网络图谱绘制的方法对数据进行了处理和构图，通过复杂网络的分析模式，对数据的网络结构进行了具体解析，以期在对数据分析的基础上，最大限度地验证在线教育用户选择行为的逻辑原初性。

二、实验分析

(一)数据处理

进行实证研究数据为某高校网络教育学院5000条学生选课情况，根据学生与课程之间的关系进行网络建模，检验该数据能否构成网络，根据数据情况和网络结构，采用二模网络形式进行分析，构建二模复杂网络模型[10]。Burchard 和 Cornwell提出二模网络的概念[11]，即由两类节点构成，不同类别节点之间通过共同事件的参与情况或隶属关系形成连接，以此构成的拓扑分析结构就是二模网络[12]。

数据关系是关于用户—课程，同一个用户可能选择多个课程，选择同一课程的用户有可能又共同选择了另一项课程，所以该数据符合二模网络构成。二模复杂网络是复杂网络的一种表示模式，由两种类型的节点构成[10]。二模复杂网络模型可以用公式Q=(G,B,C)表示。其中，G和 B分别代表任意两个关联的节点，C代表任意两个节点的关联关系。

对5000条数据处理后发现，有效节点数为4674，有效边为4999，其中，绿色的节点代表课程，红色的节点代表用户， 采用Gephi软件进行渲染。

渲染后图形(图略)呈现出中间聚集、四周延展汇集的态势，整体上看位于渲染中心的节点相对集中，四周节点较为极端化，具体表现为中间部位节点关系较为紧密，相互关联性明确，四周的节点相比较于中间节点，与其他节点之间的关系并不十分紧密，但也与一些节点的关联度较高，整个渲染图呈现的形状为中间近似圆形，外围近似多角星形状。

进行二模分析后，得到节点数为196，边数为494，渲染图呈现多边形形状，节点与节点之间的边有明显的清晰与模糊之分，聚集度较为明显，二模网络可以更好地看出两个层次节点之间的相互关系，通过进一步分析可以发现，相互关系明确的两个节点呈现得较为清晰，相互关系弱的节点呈现得较为模糊，相比较原始关系图，整个图形呈现出多极化趋势，中心区域不再是较为集中的圆形分布，四周多极化趋势也相对减弱。这也就说明课程与课程之间的网络关系存在较为明确的强弱之分。

节点表示的是不同的课程，假设G课程和B课程之间有相同的学生进行选择，那么G课程和B课程之间进行连线，它们的关系为C。根据郭进利对复杂网络的定义，即具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络[13]。从用户选择行为网络是否具有小世界网络特性和无标度特性两个方面进行验证。

1.小世界网络特性

小世界网络需要同时具备较短的网络平均路径和较大的网络聚类系数[14]。网络平均路径长度L的计算公式如下所示：

进行二模分析之后，共有196门课程中的用户相互之间存在关联，构成的网络较为庞大，平均路径长度为2.9542。

聚类系数是一个比值，分子为节点G与其相连的节点B之间相连的边的实际数量，分母为节点G与其相连的节点之间两两相连的边的数量，用公式表示如下：

其中，Ki表示节点数量，Ei表示实际的边数，Ci表示节点的聚类系数。由此可知，整个网络的平均聚类系数为网络中所有节点的聚类系数的平均值，如下所示：

其中，C为网络平均聚类系数，N为网络中的节点总数。

根据网络图(图略)可以发现，在线教育用户的选择课程分布较为零散，导致这一现象出现的因素有很多，如用户之间的熟悉程度、课程之间的关联程度等，尽管分布较为零散，但是通过分析我们也可以发现仍有一些节点出现了聚集的特点，根据分析结果得出的网络的聚类系数为0.237。该结论尽管数值没有很高，但是0.237>0，证明节点之间的确存在关联性，所以可以证明整个网络结构属于复杂网络模式。由于数据来源于真实反映以及在线教育用户选择行为的特殊之处，我们也可以认定这一数值符合概念中所提及的具有较大的网络聚类系数。

通过对在线教育用户选择行为网络的分析，发现二模分析后网络中共有196个节点，网络规模庞大，但是其具有较短平均路径长度(平均路径长度为2.9542)和具有较高的聚类系数(网络的聚类系数为0.237)，符合小世界网络特征。

2.无标度特性

无标度特性是指当社会网络中的节点(主体)增长到一定数量时，少数节点拥有大量的连接，而大量的节点仅仅拥有少量连接的幂律分布现象[15]。尽管采取的是二模网络的构建方法，但是根据实际情况分析，选择同一门课程的用户再去选择另一门相同的课程这种情况的出现是一种双向的认可，即“用户需求学习，课程提供供给”，所以认定用户选择行为网络是一种无向网络。

节点度分布是指节点度数的概率分布，一般用P(k)表示：

用户行为网络呈现幂律分布，少数用户在网络中建立了广泛的联系，大多数的用户只建立了少数联系。

根据分析可以得出以下结论：首先，在196门课程中，有151门课程的连接度小于等于7，占比76%，有9门课程的连接度大于等于20，占比4%。可见用户选择行为网络连接度呈现出清晰的不均匀分布，而且最高的连接度为44，相比较于其他研究内容，这一数值已相对可观，符合实际。所以76%的课程只有少量的连接度，而极少数的课程有相对较多的连接度，由此可以证明，用户行为选择网络节点度分布具有无标度特性。

关于用户选择行为网络的无标度特性形成的主要原因如下：课程和课程之间是存在联系特性的，如管理学和组织行为学。学习管理学的用户一部分是专修管理学专业的用户，那么组织行为学就是其必学科目；另一部分用户可能凭借兴趣学习，在管理学教学中会多次出现关于组织行为学的概念及术语，所以在条件允许的情况下，这两门课程都会选择学习。因此两门课程的连接数量会不断增加，在分析结果中，管理学节点度为37，组织行为学节点度为27。

综上所述，用户选择行为网络具有“小世界网络特性”“无标度特性”等复杂特性，因此在线教育用户选择行为网络可以使用复杂网络理论进行分析。

(二)核心节点分析

节点度可以看作衡量节点对周围人直接影响力的指标，中介中心度可以看作衡量节点在网络中传递信息时所起到的信息中介的重要程度。所以对节点度排名前十、中介中心度排名前十的课程进行分析，如表1、表2所示。

通过表1和表2可以清晰地看出，经济学、管理学、毛泽东思想和中国特色社会主义理论体系概论、社会学、组织行为学、论文写作指导等六门课程都位于两个表格的前十之中，证明这六门课程是用户选择行为网络里的核心节点。从现实意义上来说，这六门课程最为符合此次调研用户的实际选择需求；从科目种类上分析，这六门课程基本为专业基础课，如毛泽东思想和中国特色社会主义理论体系概论为公共基础课，这些课程是用户所必须学习和掌握的内容，即刚性需求。从而我们可以进一步得出推论，本组数据的用户构成大致是需要对管理技能进行提升的用户群体，学习这些课程的目的既是为了获得学位，又是为了在日常工作中能够学以致用。另外从用户行为角度分析，这些课程作为基础课程，能够延展出更多的相关课程，这些相关课程的学习同样也是用户选择这一课程的主要推动力之一，基础课程的学习是为了掌握基本的原理和方法论，进而更好地掌握进阶课程，所以我们可以推断在线教育用户在进行选择行为的时候，会从全面的角度进行考虑形成一套完善的逻辑体系，绝不是单纯地以某个内容作为核心的一次性学习。所以在线教育用户选择行为网络中的核心节点均是基础类课程，而且是在职场中较为热门的专业领域。

表1 节点度排名前十的课程情况

表2 中介中心度排名前十的课程情况

三、结论

通过研究，可以得出以下三点结论：

(一)在线教育用户选择行为的研究呈现网络性特征，可以使用复杂网络的方法予以研究

根据前文的分析和实验结论，尽管数据量庞大，网络关系不紧密，但仍然属于典型的网络式结构，从而证明在线教育用户选择行为之间存在明确的关系。尽管这种关系在表面上无法发现，但进行深度挖掘之后可以清晰地反映出来。尽管数据不同有可能导致研究结果发生变化，但由于研究的数据体量较大，而且数据为近期数据，因而具有一定的代表性和普遍性，所以在线教育用户选择行为的特征呈现网络性。

(二)在线教育用户选择行为是具有传播性的

通过研究结论可以清楚地发现，各个数据节点并不是独立存在的，节点和节点之间存在明确且多样的联系，课程作为节点，用户作为边，课程之间的连线越粗壮代表着具有共同选择的用户越多；课程之间连线越多，代表着课程之间的联系越紧密。根据核心节点分析，可以得出核心节点所延伸出的相关课程节点与核心节点的连接较多，也就是说选择核心节点课程的用户，大部分会去选择与核心节点相关的部分课程，由于数据是客观数据，我们无法得知用户是否会在共同学习一门课程后建立联系，然后再共同约定去选另一门课程，但是可以从课程之间的联系发现，选择这一门类基础课的用户大部分会去选择其他相关课程，如选择管理学的用户有209名，占总用户人数的4.1%，管理学是用户选择量最多的课程；作为管理学的相关课程，组织行为学选择的用户有109人，占总用户人数的2.1%，所以哪怕我们无法判断用户之间是否有联系，但是相关课程之间的选择的人数较为接近，且用户多为两门课程都选择的用户，因此我们可以推断出因为课程之间的联系，在线教育用户选择行为是存在传播性的。

(三)关于在线教育用户选择行为的逻辑原初性，通过数据验证，可以认定逻辑起源于自身需求

通过数据分析可以得知，管理学作为5000条数据中选择人数最多的课程，也仅仅只有209人，而5000名用户选择的学科数目达到196门，这也就说明用户的需求是多种多样的，从而更好地证明了在线教育用户选择行为的逻辑起点是自身需求。当然，不可否认的是通过数据我们无法判断是否有其他因素比自身需求这一因素更为重要，更有可能成为在线教育用户选择行为的逻辑起点，所以更为严谨的说法应该是在无外界约束的情况下，在线教育用户选择行为发生的逻辑原初性为自身需求。

利用二模网络的建构方法对5000条在线教育用户选择课程的实际情况进行分析，验证了在线教育用户选择行为呈现网络性特征，并且符合复杂网络特性，可以使用复杂网络的方法予以分析。在数据分析和结果的基础上，论证了在线教育用户选择行为传播性和逻辑原初性等问题，以复杂网络的视角重新解读了在线教育用户选择行为的特征以及相关逻辑关系，从而为在线教育用户选择行为研究提供了一个新的方向。对于成年人而言，在线教育更多意味着是一种自主性的职业再教育，是为了更好地适应职业需求，而选择的自主学习，对于职业有提高和促进的作用，所以对于在职业道路上有进一步发展需求的在线教育用户而言，选择符合自身实际的在线教育内容才是重中之重，既要考虑到自身的实际情况，又要顾及在职业发展方面的应用，从而在提升自身综合素质的同时，提升核心竞争力。