基于行为序列的“专家—新手”结对编程话语互动模式分析

谭金波 吴思思 吴磊 李艺

[摘   要] “专家—新手”结对编程是一种常見的协作学习模式，其应用效果在以往的实证研究中存在差异性。为了探究该模式产生不同效果的原因，研究采用混合方法对结对编程同伴的互动话语进行了细粒度的分析。通过滞后序列分析，发现讲解、提示、询问、回应等典型行为是专家传递知识、新手建构知识的重要途径。通过聚类及滞后序列分析，提炼了讲授型、答疑型、引导型、探究型四种同伴互动模式。其中，引导型和探究型模式具有专家与新手双向知识转移的特点，对编程学习的积极价值较强;讲授型和答疑型模式具有专家向新手转移知识的特点，对编程学习的积极价值较弱。通过学生的反思日志，发现引导型和探究型是学生比较喜欢的两种互动模式。因此，教师可以通过干预形成引导型和探究型两种模式来优化同伴互动过程，开展更加高效的结对编程活动。

[关键词] 结对编程; 话语行为; 互动模式; 学习路径; 滞后序列分析

[中图分类号] G434            [文献标志码] A

一、引   言

国务院于2017年发布的《新一代人工智能发展规划》中提出“在中小学设置人工智能相关课程，逐步推广编程教育”[1]。为了适应中小学人工智能课程的推广，信息技术职前教师有必要在入职前掌握相关的编程技能。然而，在教学内容固定、教学时间统一的高等学校编程课堂中，普遍存在的现象是教师教学关注度和精力有限，难以在课堂上兼顾所有学生，不易真正做到“因材施教”[2]。与传统课堂学生个人编程相比，结对编程是通过两人协作的方式共同解决编程问题，有助于学生之间的知识共享，在促进学生编程概念理解、编程信心及编程态度等方面能够产生积极作用[3-4]，因此，经常作为主要的编程教学干预策略被应用。然而，也有一些研究表明，结对编程未能使所有学生在学习效果或学习态度方面受益[5-6]。由此可见，结对编程的作用效果并没有达到完全一致，有必要对结对编程过程进行更细致的分析，从同伴交互角度探讨同伴间达成什么样的互动才能产生积极的结对效果，以便为结对编程活动的有效实施提供启示。

二、问题的提出

结对编程起源于软件产业中，它要求两名程序员共同完成一项程序设计，其中一位程序员主要操作计算机进行编码，另一位程序员主要分析程序算法结构，持续地对同伴编写的代码进行审查[7]。在教育领域，面对计算机入门课程学生学习成绩不佳、辍学率高等问题，学者们开始尝试将结对编程引入教学。

（一）知识转移作为“专家—新手”结对编程的理论依据

编程教学中使用比较广泛的一种结对方式是“专家—新手”组合，将掌握较高编程技能的学生称为“专家”，将不会编程或者没有掌握编程技能的学生称为“新手”[8]。知识转移过程开始于知识差距的发现，终结于转移知识被知识接受者整合[9]。“专家—新手”结对的特点是同伴间存在编程知识与技能上的差距，新手存在知识需求，专家能够提供帮助，因此，二者之间能够产生知识转移。“新手”学习编程思维的本质是一种知识转移内化的过程，语言是知识转移的有效载体，互动双方需要进行频繁对话才能顺利完成知识转移[10]。“专家型”学生的哪些话语策略能够有效促进“新手型”学生完成知识内化是需要探讨的。

（二）“专家—新手”结对编程的实证研究分析

有研究表明，“专家—新手”结对能够实现编程技能强的学生帮助编程技能弱的学生掌握编程知识，而新手提问又有助于专家不断拓展编程思维[11]。然而，Vandegrift的研究结果是有部分学生不喜欢与技能不同的人结对[12];另外，Williams指出，如果专家没有指导新手的积极态度，会导致“专家—新手”结对效果变差[8]。对于结对编程产生的不同效果，不少学者开展研究试图寻找更高效的结对组织形式，但是他们倾向于关注总结性的量化结果，如完成编程题的数量、课程成绩、量表测试结果以及课程结束后的访谈和自我报告等，忽视了编程中能够提供深层信息的细粒度过程数据。事实上，编程过程中学生的语言表达能力、交流互动深度是结对编程有效性的重要影响因素[13]。“专家—新手”结对编程的知识转移过程不是仅靠量化结果数据就能够清楚呈现的。直到近几年，才有研究利用音视频记录、日志分析等方法收集更丰富的过程性数据，关注结对编程的互动行为。例如，Ruvalcaba等通过观察结对编程的互动视频，揭示了同伴协作过程中主要有协调、提问、指示等行为[14]。

综上，本研究认为当前“专家—新手”结对编程研究主要是基于编程结果层面分析;已有研究开始关注结对编程的过程性数据，但对同伴互动行为序列及其规律关注较少。基于此，本研究拟从同伴互动的对话出发，探索“专家—新手”结对同伴的互动行为模式与群体特征，以期为后期结对编程有效开展提供参考。

三、研究设计

（一）研究对象的选定

本研究选取在Python课堂教学中具有典型先验知识差距的46名教育技术学专业的研究生为研究对象。31名被试表示以前系统学习过C语言、VB等相关编程语言，其中，12名被试授课前一年用过上述编程语言，其他被试已有2～3年没有用过编程语言;另外，10名被试表示以前了解过C、C++等编程语言，5名被试表示从未接触过任何编程语言。学习完变量、选择结构、循环结构等基础知识后的测试发现，被试在编程技能上存在很大差异性，并且与先验知识有显著关系。为了促进“后进生”对编程知识的掌握，采用“专家—新手”结对编程的教学策略，让上述测试成绩位于前50%的学生扮演“专家”角色，后50%的学生扮演“新手”角色，结对采取专家组的第N名与新手组的第–N名的形式组合，例如，专家组第一名与新手组最后一名结对，总共形成23个结对编程小组。

本次实验是在一次编程课上开展的。首先，向学生介绍了实验目的和结对编程的实施过程。然后，以“计算两个数的最大公约数”主题为例进行结对编程，该例包含前期所学的基础知识，并且涉及任务分析、算法设计、代码编写、程序调试等所有编程过程。每组被试利用EV录屏软件记录该项任务的结对编程过程和交流话语。学生们戴着带有麦克风的耳机，以确保更高质量的音频数据。编程任务结束后，要求每位学生对结对编程中的收获与不足写出100～300字的反思日志。整个活动历时90分钟，共形成23个结对编程视频，这些视频中的音频信息是本研究进行同伴编程话语分析的典型代表。

（二）结对编程同伴互动话语编码工具的构建

从专家新手對话文本中提取出具体的话语行为序列信息，关键在于构建一个科学有效的分析框架。“专家—新手”结对编程活动中，通常以专家传授新手编程知识技能为互动目的，这与同伴辅导的“导师—学生”一对一指导的形式相似[15]。因此，本文借鉴Graesser等人提出的同伴辅导五步对话框架，提炼出专家有提示、回应、明确对方想法、评价四种话语行为，新手有建议、回应两种行为[16] ;同时，借鉴了Rodríguez等人提出的编程对话分析框架[17]，提出了本文的初始编码框架。然后，对50%的话语样本进行了预编码，根据结果对初始编码工具进行修订。为保证行为划分及阐述的科学有效，邀请了两位同伴互动研究专家对编码表进行多轮迭代完善。最终形成的“专家—新手”结对编程话语行为编码表，见表1。

（三）数据收集与整理

本研究共收集到结对编程“专家—新手”对话总时长642分钟，话语2044条，“专家型”学生话语占54.3%，“新手型”学生话语占45.7%。音频被全部转录为文字后，由本文已熟练掌握编码分类及内涵的两位研究者对话语文本进行独立编码。经统计，二人之间具有良好的编码一致性（Kappa值为0.856），分歧之处进行协商达成一致。

本研究的同伴话语是具有时间先后顺序特征的定性变量，适合采用滞后序列分析法（LSA）从“专家—新手”的对话中提取具有显著性的行为序列，表征话语行为间的承接关系，挖掘潜在的话语行为序列路径。首先，利用GSEQ软件进行数据处理，生成行为频次表;接着，生成能够表示显著行为转换序列的残差表和转换图。然后，提取每个小组的显著行为序列进行聚类分析，总结出典型的互动模式，并再次利用LSA方法生成每种模式的对话路径，揭示不同模式中同伴的话语互动特征;最后，通过学生的反思日志，进一步分析不同类型的话语互动结构对学生的编程知识掌握、问题解决能力等的影响。

四、数据分析

（一）结对同伴话语行为序列分析

将编码结果输入到GSEQ软件中，生成行为转换频次表，具体见表2。表中第一列代表前一行为，第一行代表后一行为，数值显示了前一行为向后一行为转换发生的频次，总共生成了1666条序列关系。对表格内容进行标准分数转换，得到残差表，具体见表3。当标准分数Z-scores>1.96时表示这些行为转换关系是显著的，总共形成了19种显著行为序列。

为更直观地表示专家与新手间话语行为的转换关系，将表3中19种显著行为序列以图形化方式呈现，形成了“专家—新手”同伴互动话语行为转换图，如图1所示。其中箭头方向表示行为转换的方向，线条粗细和其上的数字表示行为转换的显著性强弱。例如，专家讲解（TL）、明确对方想法（TC）、提示（TI）都会显著引发新手回应（SR）行为，但从显著性数值来看，专家提示行为最有可能引发新手作出回应。

从图1可以看出，专家和新手的显著行为序列是发生在不同行为之间的转换，不存在某种行为连续发生的显著序列;除了TR→TC、TE→TL两条路径，其他行为序列是发生在专家与新手之间的行为转换。并且，多种行为都不只有一个入度和出度，这些行为相互交错在一起，形成了具有多分支的线性与循环回路并存的路径图。整体来看，本研究中的23个结对小组中同伴话语行为转换具有频繁性和多样性的特点，这体现了结对编程过程中专家与新手之间知识转移策略的多样性。

（二）结对编程的互动行为模式分类

1. 基于聚类分析法的学习者分类

为了深究上述互动行为转换多样性的原因，同时也为了更清晰地考察结对编程中不同小组同伴之间的互动策略，本研究采用K均值聚类方法，对互动行为进行聚类[18]。经过迭代处理，本研究以上述“TL→SR”“TI→SR”“SI→TR”等19种行为序列为聚类依据，将23个结对小组的互动话语行为分为4类，具体见表4。

分析四个聚类组的行为序列，本研究发现：（1）讲授型互动模式：聚类组1的行为序列转换较为单一，高频次的行为序列转换主要集中于“TL→SR”“SR→TL”等类型，且“TL→SR”的次数高达61，远超其他组，说明此组学生以新手听取专家讲解为主要互动方式。（2）引导型互动模式：聚类组2的行为序列转换较为多样，行为序列转换次数存在“TI→SR”“SR→TI”“TI→SI”“SI→TR”等多种序列，专家发起的“TI→SR”的次数高达98，说明此组学生中专家常以提示行为推进会话，引导新手进行知识建构。（3）答疑型互动模式：聚类组3的高频次行为序列主要有“SI→TR”“TR→TC”“TC→SR”等，新手发起的“SI→TR”的次数高达64，说明此组学生的互动是以新手询问、专家回应为主要形式的答疑型互动模式。（4）探究型互动模式：聚类组4的行为序列转换最为丰富，出现了“SS→TI”“SA→TR”“ TI→SA”等主要行为序列的会话，新手发起的“SS→TI”的次数为43、“SA→TR”的次数为46，远高于其他组，表明此组学生的互动是以新手的分享与建议、专家的提示与回应为主的探究型互动。

2. 基于滞后序列分析法的互动行为序列转换分析

为了进一步对结对编程四种模式的内部互动结构进行表征，本研究采用滞后序列分析法形成上述四种模式同伴之间的显著互动行为序列转换图，如图2所示。

分析四种类型的显著行为序列转换图，本研究发现：（1）讲授型“专家—新手”的最长互动行为序列长度为4，互动行为序列转换较为集中，主要表现为讲授、回应、评价三种行为的转换，说明这类组合的特点是专家将编程思路、代码等内容直接讲授给新手，新手给出回应，专家评价后仍会继续回到讲解编程知识的环节，可以看出，这是一种以专家单向知识输出为主、新手被动接受知识的过程。（2）引导型“专家—新手”的最长互动行为序列长度为7，是以专家的提示行为发起的，在专家提示下新手不断地回应，形成良性循环;同时，专家还以“提示—回应—评价”的方式启发新手“询问—建议”，说明这类组合中新手是在专家引导下主动参与到编程过程中。（3）答疑型“专家—新手”的最长互动行为序列长度为4，该路径是由新手的询问行为发起的，专家则直接回应解答问题，并以新手的回应确保对方理解了问题，说明这类组合是以解决新手某一特定问题为核心的互动方式，专家与新手的交流主要发生在新手编程遇到困难向专家求助的时刻。（4）探究型“专家—新手”的最长互动行为序列长度为8，是四类中最长的一种学习路径，话语行为较丰富，该模式中首次出现了新手分享编程见解的行为，同时新手积极提出建议，说明在此过程中新手主动性增强，以探究者身份去发现编程的问题解决思路;专家的行为是提示、回应、明确对方想法、评价等，表明专家是以引导者身份启发新手发现问题，对不明白的地方适当点拨，诱导探究的方向;观看视频发现，同伴二人在编程过程中都很投入，营造了积极的学习氛围，在思维的不断碰撞中建构编程知识。

（三）专家与新手在结对编程中的互动体验结果分析

为了更清楚地了解学生在上述四种互动模式中的编程体验，对每位学生的反思日志进行了主题分析。在“专家型”学生中，大部分人表示辅导新手完成编程任务可以帮助自己巩固编程知识（91.3%）、明晰编程逻辑结构（87%）。在“新手型”学生中，认为他们掌握了编程知识（95.7%）、提高了编程技能（82.6%）、学习了专家的编程经验（73.9%）。

然而，也有一些专家和新手产生了消极体验。按照上文提及的四类互动模式中的人员反思主题归类分析发现，消极体验主要发生于讲授型互动模式和答疑型互动模式。在讲授型互动模式中，专家的消极体验是互动较少（21.7%）、知识获得感弱（17.4%），新手的消极体验是知识运用能力弱（13%）。在答疑型互动模式中，专家的消极体验是互动较少（13%），新手的消极体验是未能系统掌握编程知识（21.7%）。另外，从学生的反思日志可以看出，引导型互动模式深受高差异组学生的喜爱，探究型互动模式是低差异组学生喜欢的交互方式。

五、讨论与建议

本研究通过分析“专家—新手”结对编程的同伴互动话语，发现了促进编程知识转移的典型话语行为以及结对编程中存在的多种同伴互动学习模式，为甄别结对编程有效性及同伴互动行为矫正提供了参考方法。

（一）“专家—新手”结对的典型话语行为能够促进编程的知识转移

本研究表明，专家的讲解和提示行为引发新手的行为序列占专家主导行为序列的53.6%。专家通过讲解向新手传达编程的基础知识，及时补足了新手知识欠缺的薄弱点;提示则是通过提问编程概念引导新手唤醒已有的编程知识，通过引导对方执行某种编程操作使得编程问题得以顺利解决。Roscoe等人的研究也表明，解释和提问是同伴辅导过程中有效的互动策略，解释是陈述性传达信息，可以使某些想法清晰和易于理解，提问则是以脚手架的形式支持学生的建设性活动[19]。

另外，新手的询问和回应行为引发专家的行为序列占新手主导行为序列的70.6%。询问是学生在理解思考同伴传递知识的基础上进一步作出的反馈，是影响学生深度学习效果的重要因素[20]。Zieris等人提出结对编程所需的重要技能之一是編程者能够敏锐察觉自身语法或语义等知识缺陷，然后成功地将这些知识从同伴那里获取[10]。本研究表明，新手通过询问有关编程的语法、语义、算法等问题，积极表达知识需求，这是获取编程知识的主要途径，同时，新手对专家的解答给以明确的回复，使得编程知识分享得以继续。因此，讲解和提示行为是结对编程专家知识转移的重要方式，询问和回应是结对编程新手知识建构的重要渠道，结对编程可以加快编程的知识转移与建构的过程。

（二）双向知识转移的互动模式对结对编程学习的积极价值较强

本研究发现，引导型和探究型互动模式的路径较长，话语行为多样化，一方面，引导型模式中存在“专家提示—学生回复”“学生询问—专家回复”等双向互动路径，表明专家以编程中涉及的知识点为问题提示新手联系旧知或者强化编程思路，新手作出积极的回应，并在编程有疑问时主动提出问题，专家给以解答，在这一问一答中推动编程进程;另一方面，探究型模式中存在“学生分享—专家提示—学生建议—专家回应” “专家评价—学生分享”等路径，表明该模式中新手对编程问题是有一定的理解，能够主动说出自己的想法，专家在对这个想法肯定的基础上通过提问让新手进一步完善解决问题的思路，新手的积极参与使得知识转移更加高效。这两种模式的共同点是双方围绕编程问题展开积极讨论，话语行为呈现同步状态，所有的话语都是围绕编程问题展开，没有出现某一方脱离会话的现象，从而形成了双向知识转移的互动模式。本研究与Zieris等人的研究结果是一致的，他们认为只有当合作伙伴在变化的会话中不断地重新保持同步时，结对编程才能正常进行[21]; Faja也认为，结对编程的有效性取决于结对者之间有效的、频繁的头脑风暴[22]。

（三）单向知识转移的互动模式对结对编程学习的积极价值较弱

本研究发现，讲授型和答疑型互动模式的路径较短，话语行为单一，讲授型模式主要是“专家讲解—新手回应”的双向路径，存在着过多的专家讲授行为，是一种专家将知识“推送”给新手的模式;答疑型模式主要是“新手询问—专家回应”的双向路径，互动的时刻是发生在新手编程遇到问题时的询问，是一种新手从专家那里“拉出”知识的模式。可以看出，“推送”是在同伴没有要求的情况下进行的解释，“拉出”是由知识接受者问题驱动的知识转移[23]。这两种模式的共同点是同伴双方参与程度差距较大，存在单方面行为不够积极的现象，同时，两者均是由专家将编程知识单向地传递给新手。Plonka等人认为，结对编程中的一方如果跟不上工作节奏，或者没有为任务作出贡献，结对编程的预期价值会大打折扣[24]。

（四）结对编程教学中引导学生有效对话的建议

本研究表明，结对同伴的话语互动存在不同的模式，这些模式对结对编程质量的价值是不同的。因此，在教学层面，教师应采用以过程为导向的干预和评估来促进结对编程。研究结果显示，讲授型模式很容易导致专家过多讲授、新手被动接收知识的现象，答疑型模式很容易产生专家被动回答新手问题的现象，因此，教师需要提供及时的帮助，指导学生形成良性的互动模式。在解决编程问题的早期阶段，教师可以给“专家”传授一些教学的基本方法，比如如何引导“新手”进行思考、如何评估“新手”对知识的掌握情况等;对于“新手”，教师要给予更多的激励和帮助，比如教给他们询问问题的方法，鼓励他们分享自己对编程的看法等。另外，本研究也表明，引导型互动模式对于两人知识差距较大的组合价值更高;探究型互动模式对于两人知识差距相对较小的组合更有价值。因此，教师需要对结对小组进行个别化指导，对于高差异组指导学生形成引导型互动方式，对于低差异组指导学生形成探究型互动模式。总之，教师应该关注学生的编程过程，因为面向过程的脚手架可以促进问题的提出与回答，进而促进知识的共享与构建，直至编程解决方案的创建[25]。

六、结   语

以往实证研究表明结对编程效果具有不一致性，这使得寻找结对效果差异的原因变得越来越重要。因此，本研究从“专家—新手”的互动话语行为及其序列关系视角对结对编程过程进行了细粒度分析。采用聚类及滞后序列分析法形成了四种同伴互动模式，论文呈现了四种模式的显著行为序列，从中可以显著地判断出不同的话语互动方式对结对效果的贡献度是不同的，这解释了以往研究的结对效果差异的原因。这些探索可以帮助教师进一步理解结对编程的同伴互动过程，为结对编程活动过程设计提供参考性建议。后续将进一步丰富研究内容，综合考虑言语信息、肢体动作、面部表情等多模态数据开展结对编程的过程性研究，为编程教育的推行提供更加有力的指导建议。

[参考文献]

[1] 国务院.国务院关于印发新一代人工智能发展规划的通知[EB/OL].（2017-07-20）. http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2] ALAMMARY A.Blended learning models for introductory programming courses： a systematic review[J].PLoS one，2019，14（9）：e0221765.

[3] PAPADAKIS S.Is pair programming more effective than solo programming for secondary education novice programmers： a case study[J]. International journal of web-based learning and teaching technologies， 2018，13（1）：1-16.

[4] ZHONG B，CHEN J，et al.The impact of social factors on pair programming in a primary school[J]. Computers in human behavior， 2016，64：423-431.

[5] RADERMACHER A，WALIA G S，RUMMELT R.Assigning student programming pairs based on their mental model consistency： an initial investigation：Proceedings of the 43rd ACM Technical Symposium on Computer Science Education，Raleigh，February 29-March 3，2012[C].New York：Association for Computing Machinery，2012.

[6] SEYAM M，MCCRICKARD D S.Teaching mobile development with pair programming：Proceedings of the 47th ACM Technical Symposium on Computing Science Education，Memphis，March 2-5，2016[C].New York：Association for Computing Machinery，2016.

[7] BECK K，ANDRES C.Extreme programming explained： embrace change[M].Boston：Addison Wesley Professional， 2004.

[8] WILLIAMS L，KESSLER R.Pair programming illuminated[M]. Boston：Addison Wesley Professional， 2002.

[9] 譚大鹏，霍国庆.知识转移一般过程研究[J].当代经济管理，2006，28（3）：11-14.

[10] ZIERIS F，PRECHELT L.On knowledge transfer skill in pair programming：Proceedings of the 8th ACM-IEEE International Symposium on Empirical Software Engineering and Measurement，Torino，September 18-19， 2014[C].New York：Association for Computing Machinery，2014.

[11] PLONKA L，SHARP H，LINDEN J V D，DITTRICH Y. Knowledge transfer in pair programming： an in-depth analysis[J]. International journal of human-computer studies， 2015，73：66-78.

[12] VANDEGRIFT T.Coupling pair programming and writing： learning about students'perceptions and processes：Proceedings of the 35th SIGCSE Technical Symposium on Computer Science Education， Norfolk，March 3-7， 2004[C].New York：Association for Computing Machinery，2004.

[13] KOUTSOMBOGERA M，VOGEL C.Observing collaboration in small-group interaction[J]. Multimodal technologies and interaction， 2019， 3（3）：45.

[14] RUVALCABA O，WERNER L，DENNER J.Observations of pair programming： variations in collaboration across demographic groups：Proceedings of the 47th ACM Technical Symposium on Computing Science Education，Memphis，March 2-5，2016[C].New York：Association for Computing Machinery，2016.

[15] HERA D，ZANONI M B，SIGMAN M，et al. Peer tutoring of computer programming increases exploratory behavior in children[J]. Journal of experimental child psychology，2022，216：105335.

[16] GRAESSER A C，PERSON N K，MAGLIANO J P.Collaborative dialogue patterns in naturalistic one-to-one tutoring[J]. Applied cognitive psychology，1995，9（6）：495-522.

[17] RODR？魱GUEZ F J， PRICE K M， BOYER K E.Exploring the pair programming process： Characteristics of effective collaboration：Proceedings of the 2017 ACM SIGCSE Technical Symposium on Computer Science Education，Seattle，March 8-11，2017[C].New York：Association for Computing Machinery，2017.

[18] 胡丹妮，章夢瑶，郑勤华.基于滞后序列分析法的在线学习者活动路径可视化分析[J].电化教育研究，2019，40（5）：55-63.

[19] ROSCOE R D，CHI M T H.Understanding tutor learning： knowledge-building and knowledge-telling in peer tutors'explanations and questions[J]. Review of educational research， 2007，77（4）：534-574.

[20] 姚佳佳，李艳，陈新亚，苏建元.基于实时互动的同伴对话反馈对大学生课堂深度学习的促进效果研究[J].电化教育研究，2022，43（1）：113-121.

[21] ZIERIS F，PRECHELT L.Observations on knowledge transfer of professional software developers during pair programming：Proceedings of the 38th International Conference on Software Engineering Companion，Austin，May 14-22， 2016[C].New York：Association for Computing Machinery，2016.

[22] FAJA S.Pair programming as a team based learning activity： a review of research[J]. Issues in information systems， 2011，12（2）：207-216.

[23] ZIERIS F， PRECHELT L. Explaining pair programming session dynamics from knowledge gaps：Proceedings of the ACM/IEEE 42nd International Conference on Software Engineering， Seoul，June 27-July 19，2020[C].New York：Association for Computing Machinery，2020.

[24] PLONKA L，SHARP H，et al.Disengagement in pair programming： does it matter：Proceedings of the 34th International Conference on Software Engineering，Zurich，June 2-9，2012[C].Zurich：IEEE Press，2012.

[25] SUN D，OUYANG F，LI Y，et al.Three contrasting pairs' collaborative programming processes in china's secondary education[J]. Journal of educational computing research， 2020，59（4）：740-762.

Analysis of Discourse Interaction Mode of "Expert-novice" Pair Programming

Based on Behavioral Sequence

TAN Jinbo1，  WU Sisi1，  WU Lei1，  LI Yi2

（1.Faculty of Education， Shandong Normal University， Jinan Shandong 250014;

2.School of Education Science， Nanjing Normal University， Nanjing Jiangsu 210097）

[Abstract] "Expert-novice" pair programming is a common collaborative learning mode， and its application effect is different in previous empirical studies. To explore the reasons for the different effects of this model， this study uses the mixed method to make a fine-grained analysis of the interactive discourse of pair programming peers. Through lag sequence analysis， it is found that typical behaviors such as lecture， instruction， inquiry and response are important ways for experts to transfer knowledge and novices to construct knowledge. Through clustering and lag sequence analysis， four peer interaction modes are refined， namely， lecture-oriented， answer-oriented， guidance-oriented and exploration-oriented modes. Among them， guidance-oriented and exploration-oriented modes have the characteristics of two-way knowledge transfer between experts and novices， and have a strong positive value for programming learning. Lecture-oriented and answer-oriented modes have the characteristics of transferring knowledge from experts to novices， and their positive value to programming learning is weak. Through students' reflection logs， it is found that guidance-oriented and exploration-oriented are two interactive modes that students prefer. Therefore， teachers can optimize the process of peer interaction and carry out more efficient pair programming activities by intervening to form these two modes.

[Keywords] Pair Programming; Discourse Behavior; Interaction Mode; Learning Path; Lag Sequence Analysis

[作者簡介] 谭金波（1978—），女，山东烟台人。副教授，博士，主要从事编程教学和学习行为分析研究。E-mail：yttjb@163.com。

基金项目：2021年山东省自然科学基金项目“网络学习空间知识扩散机制与测度研究”（项目编号：ZR2021QF069）