协作学习中学习者自我调节学习模式挖掘与轨迹分析

高喻 吴林静 王慧敏 刘清堂 涂凤娇

[摘   要] 自我调节学习能力是学习者应具备的一种基础而重要的学习能力，深入了解学习者的自我调节学习模式和发展轨迹，有助于教师更好地在协作学习活动中为学习者提供个性化学习指导。文章以87名参与《现代教育技术》课程协作学习活动的学习者所撰写的活动反思为数据源，对不同学业成就的学习者在自我调节学习中的调节活动、调节模式和发展轨迹进行了动态分析。结果发现：（1）高绩效学習者具有更多的预先计划和自我反思等调节活动，但在行为表现阶段与低绩效学习者无显著差异;（2）高绩效学习者拥有更多的自我评估行为和更为深入的自我反思调节模式;（3）高绩效学习者在预先计划阶段即能够产生价值认同并激发学习兴趣，而低绩效学习者的价值认同更为滞后。针对上述差异，文章给出了相应的教学启示，包括：为低绩效学习者提供预先计划阶段和自我反思阶段的学习脚手架、在任务起始阶段引导低绩效者实现对任务的价值认同、引导并辅助低绩效学习者开展自我评估等。

[关键词] 自我调节学习; 协作学习活动; 认知网络分析; 轨迹分析

[中图分类号] G434            [文献标志码] A

一、引   言

自我调节学习能力是影响学习成效的关键因素[1]，对学习成绩具有预测作用[2]。自我调节学习也是协作学习中发生社会共享调节学习的基础[3]，涉及学习策略的选择、学习时间的规划以及反思能力等多个方面。因此，不论在个人学习还是协作学习情境中，自我调节学习能力都至关重要。然而，自我调节学习具有显著的个体差异性[4]，探究不同学习者在自我调节学习过程中调节模式和发展轨迹的差异能够为教师开展个性化教学提供参考，符合《教育现代化2035》[5]中所提出的“规模化教育与个性化培养的有机结合”的战略任务。已有研究探究了自我调节学习的内涵、评估和干预措施等，但对于自我调节学习中所呈现出的调节模式和调节学习过程的发展轨迹的研究则尚有不足。且在研究方法上，已有研究大多是将自我调节学习作为一成不变的状态进行研究，而忽略了其实际上是一个随着学习进展不断变化的过程，因此需要引入能呈现调节过程的研究方法[6]。为了弥补现有研究的不足，本研究引入认知网络分析和轨迹分析等基于过程和时序列的分析方法，对学习者在协作学习活动中自我调节学习过程的调节活动、调节模式和发展轨迹分别进行了分析，以深入揭示学习者自我调节学习的发展过程与潜在规律。本研究的研究结果能够为教师更好地开展个性化教学和组织协作学习活动提供参考，同时也将帮助学习者有效提升其自我调节学习能力，促进高质量的学习活动的发生。

二、文献综述

（一）自我调节学习及其特征

自我调节学习是指学习者为了完成学习目标，主动对自己的认知、元认知、情感、动机以及行为等进行调整的过程[7]。Zimmerman提出了经典的自我调节学习模型，包括规划、执行和自我反思三个循环阶段[8]。规划阶段是学习者在学习开始之前的自我调节行为，比如任务分析和自我激励[9];执行阶段是学习过程中的自我调节行为，包括自我控制、自我观察以及监控任务进度等[8];反思阶段是完成阶段性学习任务后，通过比对自己的既定目标和执行阶段获得的反馈，调整学习策略或目标，形成新的规划[8]。后来，众多研究者对自我调节学习理论进行了发展和完善，比如Pintrich等认为自我调节学习是学习者为了完成学习目标对认知、动机/情感、行为以及所处环境四个维度进行调节的过程[10]。其中，认知维度除了认知策略，还包括元认知策略、内容知识和策略知识;动机/情感维度包括自我效能信念、任务兴趣/价值等[10]。另外，对在线学习情境中的自我调节学习研究也对其子过程进行了补充和完善，比如Cheng等人在对电子档案袋的研究中确定了与更高绩效相关的五个子过程，分别是精细化策略、资源组织、批判性思维、元认知自我调节和同伴学习[11]。以上研究都对自我调节学习子过程进行了发展和丰富，虽然对自我调节阶段的划分用词不同，但含义相似[12]。

当前有关自我调节学习的研究主要可以分为两类：一类是探索自我调节学习与学习绩效之间的关系;另一类则关注学习者自我调节学习能力的差异性。在自我调节学习与学习绩效的关系方面，典型的研究如：邓国民等使用结构方程模型研究了自我调节学习机制对学习成效的影响[13];Abelardo Pardo等使用验证性因子分析等方法，研究了混合学习环境中自我调节学习指标对学习成绩的预测效果[14]。上述研究均证实了自我调节学习与学习绩效密切相关，是影响学习绩效的关键因素之一。在自我调节学习能力的差异性方面，Zimmerman基于线下学习环境，结合访谈法和统计方法等，研究了不同年级、性别的学习者在自我调节学习中自我效能和策略使用方面的差异[4];白雪梅等发现K12学习者的自我调节学习在年级和区域上存在显著差异[15]。上述研究已经取得了大量的研究成果，但往往将自我调节学习当作一个相对固定的常量来进行探究，忽略了其随着学习过程的深入的动态发展变化[6]。关注自动调节在协作学习活动中的动态发展过程对于深入了解自我调节机制有着重要意义。针对上述不足，本研究拟引入能呈现自我调节学习动态过程的研究方法，以深入探究不同类型学习者自我调节学习动态变化的过程差异性，为教学活动的组织和干预提供参考。

（二）协作学习中的个体差异

协作学习是学习者为了共同的学习目标，在一定激励机制下最大化个人和他人学习成果，进行合作互助完成一定目标的相关行为的总和[16]。在传统课堂中不参与课堂互动的学习者会在协作学习小组中被迫参与互动[17-18]，并使得不同个体的能力得以相互补充[19]。这一现象既指出了协作学习的重要价值，也提示了学习者在学习中的个体差异性。发现学习者的个体差异并提供有针对性的干预和指导，一直是教育研究所关注的重点问题之一。已有不少研究揭示了不同学习者群体在学习行为[20]、知识整合[21]、认知行为[22]、情绪表征[23]、元认知[24]、批判思维[25]等方面的差异性。这些研究成果为协作学习中的分组策略、活动组织、认知诊断和教师干预提供了大量的建议和参考。但对协作学习活动中学习者自我调节学习过程的差异性的研究则尚不多见。深入了解学习者的自我调节学习过程的差异性，有助于教师、教育研究者等利益相关者更好地组织和干预协作学习活动。比如，研究不同绩效组学习者的自我调节学习过程差异性，有助于低绩效学习者向高绩效同伴学习，也可以帮助教师在协作学习活动中进行个性化干预。因此，本研究拟重点探究协作学习活动中不同学业成就的学习者在自我调节学习过程中的差异性，从而为智能化和个性化学习提供指导。

（三）本研究的研究问题

针对自我调节学习在协作学习活动中的重要意义及当前研究对过程性和动态性关注不足的问题，本研究确定了如下研究问题：

（1）调节活动：不同学业成就的学习者在自我调节学习过程中的调节活动呈现怎样的分布情况？

（2）调节模式：不同学业成就的学习者在自我调节学习过程中调节模式呈现怎样的差异性？

（3）调节轨迹：不同学业成就的学习者在自我调节学习过程中调节轨迹是如何变化的？

三、研究过程

（一）研究设计

为了探究上述研究问题，本研究的研究设计方案如图1所示。为了探究学习者在协作学习活动中的自我调节学习过程的规律与特征，教师在课程中组织了一系列的协作学习活动，由学习者以小组的形式协同完成。由于自我调节学习发生于整个协作学习过程中，且很多认知加工过程发生在学习者中，难以直接通过显式的数据采集技术进行采集，因此，很多研究通过问卷调查法和访谈法来了解学习者的自我调节学习过程。但问卷调查法和访谈法进行数据采集时，存在一些不足之处，如被调查者为了取悦调查者而给出一些不符合实际情况的回答[21]。因此，在本研究中，拟通过学习者的反思数据来深入解析学习者的自我调节学习过程。与问卷调查数据和抽样访谈数据相比，以文本方式撰写的反思数据蕴含着更为丰富的信息，能够更为深入和全面地反映学习者的自我调节学习过程。

（1）活动流程。基于此设计方案，每次协作学习活动的基本流程如下：教师首先进行理论讲授，并发布协作学习活动的合作主题;学习者以小组为单位展开协作交流，完成协作任务，形成相应的人工制品;所有小组进行作品汇报，并开展互评活动;最后每位同学撰写本次活动的学习反思，回忆整个协作学习活动过程，总结自己和小组的优点与不足，形成书面反思报告。该反思报告将作为本研究分析学习者自我调节学习过程的重要数据源。

（2）数据处理。完成反思报告的采集之后，拟通过内容分析法对反思报告进行语义段的切分和编码，按照一定的自我调节学习过程编码框架进行编码，从而将质性数据转换为量化数据，为后续模式挖掘和轨迹分析奠定数据基础。

（3）数据分析。针对自我调节学习的调节活动，拟采用描述性统计分析方法进行分析;针对自我调节学习的调节模式，拟通过认知网络分析方法展开分析，以探索学习者在自我调节学习中认知网络结构上的差异;针对自我调节学习的调节轨迹，拟采用质心轨迹分析法对学习者自我调节学习过程的发展轨迹进行比较，以全面揭示不同学业成就的学习者在自我调节学习过程中的个体差异性。

（二）自我调节学习过程的编码框架

Fontana和Littlejohn等人基于Zimmerman提出的自我調节学习模型，结合后来研究者发展补充的自我调节学习子过程，制定了《MOOCs自我调节学习量表》（Self Regulated Learning in MOOCs Questionnaire， 简称SRLMQ）[12]。SRLMQ可用于测量自我调节学习相对高低，因此该量表也适合用于分析自我报告[12]。SRLMQ主要包括预先计划阶段、行为表现阶段和自我反思阶段三个一级指标，每个一级指标又进一步细分为多个二级指标和三级指标，其有效性已得到了验证[26]。基于SRLMQ，本研究经过适当修订后制定了见表1的自我调节学习编码表。

具体的编码过程如下：（1）对两位硕士研究生进行编码培训后，担任编码员;（2）从数据源中随机选取15%的数据由两位编码员分别进行独立编码;（3）计算两位编码员的编码结果的一致性，其Kappa值为0.885，说明编码结果的一致性较高;（4）两位编码员完成剩余数据的编码工作。编码完成后，将所有数据转化为认知网络分析工具可以识别的数据格式。认知网络分析工具使用的是ENA 1.5.2 Web Tool（version 1.5.2）。

（三）研究对象与数据采集

本研究的研究对象是某师范院校参与“现代教育技术”课程的学习者，共有87人，均为大学三年级的师范专业学生。在课程学习过程中，教师根据课程内容共发布了四个协作学习活动，学习者以小组协作的方式完成学习任务后，均需独立撰写学习反思。反思的主要内容包括学习者对任务的理解和评价、在完成任务中采取的行为和策略、对任务的感受以及学习者想反思和回忆的其他内容等。为避免限制学习者的反思思路，教师没有提供任何反思报告的样例。将这87名学习者提交的反思报告进行语义段切分后，共得到3000条记录。学习者的最终成绩由四次协作任务的得分及期末考试成绩按照一定的权重汇总计算得出。其中每次协作活动的成绩均由两位教师按百分制评分，最终分数为两位教师所给成绩的平均分;期末考试为闭卷考试。计算出学习者的最终成绩后，将高于平均分的学习者划分为高绩效组，共计43人;低于平均分的学习者划分为低绩效组，共计44人。

四、研究结果

（一）调节活动：不同学业成就的学习者在自我调节学习过程中的调节活动呈现怎样的分布情况？

为了研究不同学业成就的学习者在自我调节学习过程中的调节活动呈现怎样的分布情况，本研究统计了3000条记录的编码结果频次，结果见表2。通过描述性统计可以发现：高绩效组学习者的自我调节学习活动总频次高于低绩效组，每个阶段的总频次也高于低绩效组。但利用卡方检验对编码频次进行差异性检验时，结果显示两组学习者的自我调节学习过程总体编码结果无统计学上的显著性差异（Chi-square=5.687，p=0.056）。

为探究各个阶段调节活动的分布情况，本研究对自我调节学习中的三个一级指标分别进行了卡方检验。结果显示高低绩效组的学习者在预先计划阶段（Chi-square=24.715，p=0.004）和自我反思阶段（Chi-square=12.507，p=0.049）存在显著差异，但在行为表现上则不存在统计学上的显著性差异（Chi-square=14.839，p=0.057）。具体而言，在预先计划阶段，高绩效组在“F.设定目标”和“F.有兴趣有价值”的编码频次大于低绩效组，而低绩效组在“F.策略计划”和“F.自我效能感”编码的频次上大于高绩效组。在反思阶段，描述性统计数据显示，高绩效组的“R.自我评估”和“R.自我满意度”的频次都大于低绩效组。

上述差异意味着，不同学业成就的学习者在可观测的行为表现阶段不存在差异，但在预先计划阶段和反思阶段却存在着显著差异。与低绩效学习者相比，高绩效的学习者在预先计划阶段和反思阶段的自我调节拥有更高的频次，即：其花费了更多的时间进行行动前的准备和行动后的反思，这也可能是其学习成就更高的原因之一。

（二）调节模式可视化：不同学业成就的学习者在自我调节学习过程中调节模式呈现怎样的差异性？

为进一步探究不同学业成就的学习者在自我调节学习过程中调节模式的差异，本研究以总评成绩划分的高低绩效组中的学习者为分析单元，以每位学习者所撰写的每一篇反思报告作为对话单元，使用认知网络分析实现自我调节学习模式可视化。分析窗口大小为7时，通过邻接矩阵计算和降维处理，高低绩效组学习者的认知网络分析可视化建模结果如图2所示。

图2 中子图（a）为高绩效组学习者的认知网络结构图;子图（b）为低绩效组学习者的认知网络结构图;子图（c）为高低绩效组学习者的认知网络结构差异图，由子图（a）和子图（b）叠减所得。从图中可以看出，高绩效组学习者的认知网络质心位于坐标系的左侧，而低绩效组学习者的认知网络质心则位于坐标系的右侧。从坐标系中元素分布的位置可知，高绩效组的学习者在自我调节学习过程中拥有更多反思阶段的自我评估行为;而低绩效组的学习者则出现更多行为阶段的求助行为和预先计划阶段的设定目标的行为。从子图（c）的认知网络结构的叠减图中可以看出，高低绩效组的学习者在认知网络结构的连接模式上也存在着显著的差异性。高绩效组学习者在“R.自我评估”-“R.自我满意度”上具有更强的连接，此外，在“R.自我评估”-“P.批判思维”上也具有更强的连接;而低绩效组学习者在“P.批判思维”-“F .有兴趣有价值”“P.批判思维”-“R.自我满意度”“P.任务策略”-“R.自我评估”之间的连接则略强于高绩效组学习者。

上述差异提示，与低绩效组学习者相比，高绩效组学习者进行了反思阶段的自我调节学习活动，反复进行“自我评估”和“自我满意度”等反思活动。高绩效组学习者能够更多针对自身优点和不足进行反思，肯定自身的优点以得到激励，同时明确自身问题以后续改进，产生了一个不断接近绩效目标的反复调节过程。而低绩效组学习者在预先准备阶段和行为表现阶段虽然也具有丰富的认知调节模式，但在反思阶段的自我调节活动严重不足，尤其是缺乏“自我评估”与“自我满意度”之间的连接转换。这一现象说明低绩效组学习者尚不能高效地进行自我评估，并根据评估结果实现自我价值的认同。

（三）调节轨迹：不同学业成就的学习者在自我调节学习过程中调节轨迹是如何变化的？

为了探究不同學业成就学习者的自我调节学习过程随时间变化的规律，本研究按照时间顺序对四次协作学习活动的自反思报告进行了独立分析，并按照时间顺序进行排列，以追踪学习者自我调节学习的发展过程，得到的结果如图3所示。

图3中子图（a）和子图（b）分别展示的是高绩效组学习者和低绩效组学习者在四次学习任务中，其认知网络质心发展变化的轨迹。从两图中可以看出，两类学习者自我调节学习的发展过程存在着差异性。高绩效组学习者在第一个任务中，其认知网络的质心位于坐标系的左下方，提示其在自我调节学习的预先计划阶段即表达了对任务的兴趣和价值认同;在随后的三个任务中，高绩效组学习者的认知网络质心迅速上升至坐标系的上方，即自我反思阶段，且其自我反思活动在后三个任务中不断增加。这一趋势体现了高绩效组学习者的自我调节学习过程源于其学习兴趣和价值认同，并能够随着协作活动的不断开展，不断进行自我反思，从而快速提升其学习绩效。低绩效组学习者自我调节学习过程的发展轨迹则不同于高绩效组学习者。其第一个任务的认知网络质心位于坐标系的左边中部位置，表明了其在第一个任务中在行为表现阶段逐步得到了兴趣提升;其第二个任务和第三个任务的认知网络质心则逐渐移动到坐标系的右下方，提示学习者开始逐步重视行为表现阶段所采用的任务策略和批判思维;第四个任务的认知网络质心则向上移动，也基本达到“R.自我满意度”附近，即低绩效组学习者也开始进行相关的自我反思活动。通过查看原始数据发现，低绩效组在第一个主题时主要是因为与课程接触后产生了价值认同，发生了兴趣提升;在第二和第三个主题时则是更多地考虑自己应该如何更好地完成学习任务，并且因为所学知识对自己的已有认知产生了冲击而进行了一些批判性思考;在第四个主题时，随着任务的进一步完成而产生了成就感，以及此前的思考产生了一定成效，因此有了较多自我满意度。

总体而言，高低绩效组学习者自我调节学习过程发展轨迹主要存在以下差异：第一，高绩效组学习者能够在预先计划阶段即认识到任务的价值，并表现出对任务的学习兴趣;而低绩效组学习者则更多地在行为表现阶段才逐渐体现出对任务学习兴趣的提升。第二，高绩效组学习者在协作学习活动中，能够快速认识到自我反思的重要性，并迅速开展相关自我反思活动;而低绩效组学习者则更为重视行为表现阶段的学习策略，但其也能够逐步认识到自我反思的重要性，并逐渐开始进行自我反思。

五、研究启示

（一）开展协作学习活动有助于提升学习者的自我调节学习能力，尤其是自我反思能力

对高低绩效组学习者的自我调节学习发展轨迹的对比分析发现，虽然低绩效组学习者的自我调节学习过程发展较为曲折，但与高绩效组学习者异曲同工的是，在第四个任务中，其也开始出现更多的与自我反思相关的自我调节活动。这一发现说明，无论是高绩效学习者还是低绩效学习者，随着协作学习活动的不断深入，所有学习者的自我调节学习能力都得到了不同程度的发展。高绩效组学习者发展更为迅速，低绩效组学习者则相对曲折且较慢，但最终所有学习者都出现了更多自我反思阶段的调节活动。通过查看原始数据发现，这很可能是因为协作学习活动中，学习者与组内及组间同伴的交流增多，使得学习者有较多机会对他人及自我表现进行评估，因此促进了反思活动的发生，比如有学习者在反思报告中提到“个别小组出现知识性的错误，这是非常低级的错误……对于我们小组的作品呢，我们通过讨论……在认真听取了老师同学们的建议之后……接下来我们会进一步修改，力求做出一份让自己满意的作品来”。这一现象提示，开展协作学习活动能够促进学习者自我调节学习能力的发展，尤其是对自我反思能力具有显著的促进作用。

（二）在协作学习活动中为低绩效学习者提供预先计划阶段和自我反思阶段的脚手架

对高低绩效组学习者的自我调节学习过程中调节活动的对比分析发现，高低绩效组的学习者在行为表现阶段的调节活动并无统计学上的显著差异，但在预先计划和自我反思阶段则存在统计学上的显著差异，具体表现是低绩效组学习者在上述两个阶段调节活动的频度均低于高绩效组学习者。此外，高低绩效组的学习者在调节模式上的差异性分析也提示，低绩效组学习者在行为表现阶段具有较为丰富的认知转换，但缺乏自我反思阶段的自我调节学习活动，不能高效地进行自我评估和自我满意度评价。已有大量研究指出[27-29]，自我反思和评价能力是影响学习者学习绩效的关键变量之一。反思与评价不能仅停留在发现问题和弱点，了解弱项与了解进步（即“自我满意”）都很重要[30]。因此，在预先计划阶段和自我反思阶段为低绩效学习者提供更为有效的指导，而非仅关注学习者行为表现阶段的外显行为表现，对于提升低绩效学习者的学习效果具有重要的意义。

（三）针对低绩效学习者，应在协作学习活动的预先计划阶段引导其对任务产生价值认同

高低绩效学习者的自我调节学习发展轨迹的差异分析提示，高绩效的学习者在预先计划阶段即能够认识到学习任务的价值所在，并表现出对学习任务的兴趣;而低绩效学习者则往往在行为表现阶段经过一定的探索后才能够逐步实现价值认同和兴趣提升。因为对任务本身价值的感知要滞后于高绩效学习者，导致低绩效学习者在协作活动中自我调节学习的进程和学习进步均滞后于高绩效学习者。而从源头上改善这种现象的重要手段即是在任務的起始阶段帮助低绩效学习者意识到学习任务的价值所在，产生价值认同，进一步引发学习兴趣，从而更好地开展后续的自我调节学习活动。

（四）协作学习活动中应重点提升低绩效学习者的自我评估能力

高低绩效学习者自我调节学习的认知网络结构分析和发展轨迹分析均显示，高绩效学习者具有较强的自我评估能力，且能够在协作活动学习中快速意识到自我评估的重要性，从任务的开始阶段即积极开展自我评估;而低绩效学习者虽然在协作学习活动过程中有所进步，但其自我评估能力明显不足，在自我调节学习过程中缺乏有效的自我评估活动。因此，针对低绩效学习者，教师应通过多种手段，如提供脚手架、提供自我评估量表、引导学习者进行互评等来促进其开展自我评估活动，提升自我反思能力，并最终提升学习绩效。

六、总   结

在协作学习活动中，自我调节学习与学习绩效密切相关。本研究通过认知网络分析法和轨迹分析法等结构探索方法，探究了高绩效与低绩效学习者在协作学习活动中自我调节学习内容、模式和轨迹的差异。研究发现：（1）高绩效学习者在学习活动的预先计划准备和反思阶段与低绩效学习者存在统计学上的显著性差异，而行为表现阶段则无显著性差异;（2）在自我调节学习中，高绩效学习者拥有更多的自我评估活动，能够进行更为深入的自我反思活动;（3）高绩效学习者在活动的预先准备阶段即能够产生价值认同，而低绩效学习者需要在行为表现阶段逐步实现价值认同和兴趣提升。基于上述差异，本研究为协作活动中提升低绩效学习者的自我调节学习能力提出了相应的建议和参考。本研究也存在一些不足之处，主要体现在数据来源单一，仅使用了一门课程的学习数据，未来研究拟进一步扩大研究对象范围，纳入多种类型的课程学习者，扩大样本数量;同时，通过出声思维法等方法收集类型更为丰富的数据，以提升结论的普适性和可靠性。

[参考文献]

[1] 兰国帅，钟秋菊，郭倩，等. 自我效能、自我调节学习与探究社区模型的关系研究——基于网络学习空间中开展的混合教学实践 [J]. 中国电化教育，2020（12）：44-54.

[2] ZIMMERMAN B J. Theories of self-regulated learning and academic achievement： an overview and analysis[M]//Self-regulated learning and academic achievement： theoretical perspectives. 2nd ed. Mahwah， NJ， US： Lawrence Erlbaum Associates Publishers. 2001：1-37.

[3] J？魧RVEL？魧 S， HADWIN A F. New frontiers： regulating learning in CSCL[J]. Educational psychologist， 2013， 48（1）： 25-39.

[4] ZIMMERMAN B J， MARTINEZ-PONS M. Student differences in self-regulated learning： relating grade， sex， and giftedness to self-efficacy and strategy use[J]. Journal of educational psychology， 1990， 82（1）： 51-59.

[5] 教育部.教育部关于印发《教育信息化“十三五”规划》的通知[EB/OL]. [2021-12-05]. http：//www.moe.gov.cn/srcsite/A16/s3342/201606/t20160622_269367.html.

[6] 奥尔加·维伯格，默罕默德·哈利勒，马丁尼·巴斯，等. 在线学习环境下的自我调节学习和学习分析实证研究述评[J]. 中国远程教育，2020（12）：28-41，58，93.

[7] PINTRICH P R. The role of goal orientation in self-regulated learning[M]//Handbook of self-regulation. Elsevier， 2000： 451-502.

[8] ZIMMERMAN B J. Becoming a self-regulated learner： an overview[J]. Theory into practice， 2002， 41： 64-70.

[9] HONG J-C， LEE Y-F， YE J-H. Procrastination predicts online self-regulated learning and online learning ineffectiveness during the coronavirus lockdown[J]. Personality and individual differences， 2021， 174： 110673-110673.

[10] PINTRICH P R. A conceptual framework for assessing motivation and self-regulated learning in college students[J]. Educational psychology review， 2004， 16（4）： 385-407.

[11] CHENG G， CHAU J. Exploring the relationship between students' self-regulated learning ability and their ePortfolio achievement[J]. The internet and higher education， 2013， 17： 9-15.

[12] FONTANA R P， MILLIGAN C， LITTLEJOHN A， et al. Measuring self-regulated learning in the workplace[J]. International journal of training and development， 2015， 19（1）： 32-52.

[13] 鄧国民，韩锡斌，杨娟. 基于OERs的自我调节学习行为对学习成效的影响[J]. 电化教育研究，2016，37（3）：42-49，58.

[14] PARDO A， HAN F， ELLIS R A. Combining university student self-regulated learning indicators and engagement with online learning events to predict academic performance[J]. IEEE transactions on learning technologies， 2017， 10（1）： 82-92.

[15] 白雪梅，尹欢欢，顾小清. 谁会成为在线学习的赢家——K12学生在线自我调节学习能力及其影响[J]. 中国远程教育，2021（3）： 36-44，75，77.

[16] 赵建华. CSCL研究的现状及发展趋势[J]. 中国电化教育，2009（5）：7-14.

[17] BAER J. Grouping and achievement in cooperative learning[J]. College teaching， 2003， 51（4）： 169-175.

[18] 丁青. 在线协作学习中学习者知识共享行为影响因素研究[D]. 武汉：华中师范大学，2020.

[19] WYMAN P J， WATSON S B. Academic achievement with cooperative learning using homogeneous and heterogeneous groups[J]. School science and mathematics， 2020， 120（6）： 356-363.

[20] 刘三女牙，刘智，高菊，等. 慕课环境下学习者学习行为差异性分析研究[J]. 电化教育研究，2016，37（10）：57-63，69.

[21] 刘杰，杨娟，廖雪花，等. SPOC学习中学习者知识整合差异性研究[J]. 中国远程教育，2019（1）：36-46.

[22] 刘智，杨重阳，刘三女牙，等. SPOC学习者认知行为及序列模式的差异性分析[J]. 开放教育研究，2019，25（2）：44-52.

[23] 刘智，康令云，刘三女牙，等. 学习者社会网络交互、情绪表征与学习成效的关系研究 [J]. 中国远程教育，2020（6）：31-39，59，77.

[24] WU L J， LIU Q T， MAO G， et al. Using epistemic network analysis and self-reported reflections to explore students' metacognition differences in collaborative learning[J]. Learning and individual differences， 2020， 82： 10.

[25] CARROLL D W. Patterns of student writing in a critical thinking course： a quantitative analysis[J]. Assessing writing， 2007， 12（3）： 213-227.

[26] LITTLEJOHN A， HOOD N， Milligan C， et al. Learning in MOOCs： motivations and self-regulated learning in MOOCs[J]. The internet and higher education， 2016， 29： 40-48.

[27] BELSKI R， BELSKI I. Cultivating student skills in self-regulated learning through evaluation of task complexity[J]. Teaching in higher education， 2014， 19（5）： 459-469.

[28] COOKE S D. Engendering autonomy and motivation through learner reflection tasks[J]. Studies in self-access learning journal， 2016， 7（4）： 341-354.

[29] 李文昊，任晓曈，朱希雅，等.认知弹性设计下自我调节学习行为影响学习成绩的机制研究[J].电化教育研究，2022，43（2）：64-71.

[30] 文秋芳. 英语学习成功者与不成功者在方法上的差异[J]. 外语教学与研究，1995（3）：61-66.

Mining and Trajectory Analysis of Learners' Self-regulated Learning Patterns in Collaborative Learning

GAO Yu， WU Linjing，  WANG Huimin，  LIU Qingtang，  TU Fengjiao

（School of Educational Information Technology， Central China Normal University， Wuhan Hubei 430079）

[Abstract] Self-regulated learning is a basic and important learning ability that students should have. An in-depth understanding of learners' self-regulated learning patterns and development trajectories can help teachers better provide personalized learning guidance to learners in collaborative learning activities. Based on the activity reflection written by 87 learners participating in the cooperative learning activities of "Modern Educational Technology"， this paper conducts a dynamic analysis of the regulation activities， regulation patterns and development trajectories of learners with different academic achievements in self-regulated learning. The results show that （1） high-performance learners have more regulatory behaviors such as pre-planning and self-reflection， but there is no significant difference between high-performance learners and low-performance learners in the behavioral performance stage. （2） high-performance learners have more self-assessment behaviors and more in-depth self-reflection and regulation patterns. （3） High-performance learners can generate value identification and stimulate learning interest at the pre-planning stage， whereas low-performance learners' value identification is more delayed. In view of the above differences， this paper gives the corresponding pedagogical enlightenments， including providing low-performance learners with learning scaffolding in the pre-planning stage and self-reflection stage， guiding low-performance learners to realize value identification of tasks in the task initiation stage， and guiding and assisting low-performance learners to carry out self-assessment etc.

[Keywords] Self-regulated Learning; Collaborative Learning Activities; Epistemic Network Analysis; Trajectory Analysis

[作者簡介] 高喻（1998—），女，云南昭通人。硕士研究生，主要从事数据挖掘、学习分析研究。E-mail：15987913351 @163.com。

基金项目：国家自然科学基金项目“数据驱动的在线学习协作会话过程监测与干预机制研究”（项目编号：72174070）;2021年华中师范大学人工智能教育学部教学创新研究项目“数据驱动的在线协作会话教师干预策略研究及应用”（项目编号：ZNXBJY202110）