大学生协作学习现状对个体化教学管理的启示

傅亚婷 段万里 陈佳晖 常文军

[摘 要] 通过分析大学生协作学习中互动、交流的网络特征，为提高学生个体化管理的效果提供必要的策略和支持。发现对95名平均年龄为20.5岁的大学本科生进行问卷调查，用社会网络分析工具UCINET6.0进行协作学习网络总体特征、矩阵相关性、中心性和凝聚子群分析。调查对象协作学习的互动内容包括发展信任、咨询学习和交换信息，三者具有显著相关性（p<0.001），合并为协作学习网络的整体结构稳定，存在孤立小组和重要的中心人物，协作学习关系具有小团体趋势，主要与宿舍和性别特征有关。大学生协作学习信息网络的结构特征与发展信任、咨询学习和交换信息的现状有关，性别和宿舍划分一定程度影响了协作学习小亚群的形成，挖掘和发展学生的中心人物作为协作学习小组领导成员对个性化教学管理具有重要作用。

[关键词] 大学生;协作学习;个体化;教学管理;可视化分析

[基金项目] 2018年度中国人民解放军海军党委军事医学（预防医学）重点学科专业建设项目“预防医学专业本科生导师制的探索与实践”（HL20HJ0301）

[作者简介] 傅亚婷（1992—），女，四川雅安人，硕士，海军军医大学海军医学系海军环境与劳动卫生学教研室助教，主要从事环境污染与人体健康研究;段万里（1995—），男，安徽亳州人，学士，海军军医大学海军医学系参谋，主要从事教学管理研究;常文军（1976—），男，山西晋城人，博士，海军军医大学海军医学系海军环境与劳动卫生学教研室副教授，主要从事环境污染与人体健康研究。

[中图分类号] R1 [文献标识码] A [文章编号] 1674-9324（2022）20-0028-04 [收稿日期] 2021-07-22

学生间形成协作学习关系的重要性不仅在于学习效果的提高，更是一种减少情绪问题和促进学业投入的手段。社会网络分析旨在对行为者之间的关系模式建立网络，通过分析这些模式的结构特征，确定行为对人和组织的影响[1]。基于学习行为中协作与互动的社會网络分析，教师可有效地衡量学生群体社交参与的程度、预测协作讨论的质量、监控群体互动模式及交互关系的变化从而采取科学、合理和个性化的管理策略[2]。但是，对于大学生在学习中协作交流的程度及现状尚不明确，因此，为提高个体教学管理的效率，本文对某校预防医学授课班级全体学生的协作学习网络进行调查与研究。

一、对象及方法

（一）对象和调查内容

以某医学院校临床专业预防医学教学班级97名学生为调查对象，设计学习协作关系调查表进行横断面调查。调查内容包括学生姓名、性别、宿舍号等基本信息，以及学生在班级中：（1）自愿一起学习的对象;（2）学习中遇到困难时的求助对象;（3）获取学习资料或文献的主要对象;（4）传递自己学习资料或文献的优先对象。要求学生作答时最多填写5名符合情况的同班同学名字，没有可以不填。

（二）确立关系视角

确定学生间关系视角的重要性在于明确协作学习网络中学习活动的主要交互关系。根据社区合作学习小组的研究基础，本文调查信任网络（Trust Network，TN）、咨询网络（Consultation Network，CN）和信息网络（Information Network，IN）三种社会网络关系[3]。TN的形成是基于在学习活动中是否有意愿与他人建立团队关系，并进一步趋向于形成学习小组。研究发现TN和友谊网络之间有很强的相关性[4]。研究对象遇到学习困难时寻求他人的帮助，并与其形成的交互网络即CN，体现了班级中学习能力的非正式权威和个人影响力的强弱[5]。IF是由接受信息和传递信息两个方面的网络共同构成的，代表着该班次学生间学习信息的交换和流动。根据相应问卷分别建立了TN、CN和IN三个矩阵，并探究三者间的相关性，将其合并为预防医学教学活动中的协作学习网络（Learning Collaboration Network，LCN）。

（三）构建学习网络

以调查对象作为列，以其在相应问题后填写的对象作为行，用Excel表构建数据库并转换为二元矩阵，再通过NCINET 6.0数据转换功能，将矩阵数据转换为有向网络数据，同时使用NetDraw软件实现可视化，使用NCINET 6.0软件进行后续的数据分析及展示。

（四）社会网络分析

网络特征的统计分析主要为：网络整体结构，包括平均路径、平均密度等指标;节点中心趋势：包括节点的程度中心性、中介中心性和紧密中心。矩阵相关性分析主要利用软件自带的二次分配程序（QAP）分析功能计算不同矩阵之间的Pearson相关系数。网络凝聚子群分析主要采用分级聚类算法计算网络中的宗派分布并形成树状聚类图，同时将聚类分析结果与调查对象的性别和宿舍分布相比较。

二、结果

（一）协作学习网络的基本结构特征及相关性分析

本文共调查某班级95人，调查覆盖率97.9%（95/97），调查对象间LCN中平均密度为0.029，平均距离为2.889，节点之间存在着大量联系，无孤立点但存在5个节点（5.3%）组成2个独立小组。发展信任、进行咨询和传递信息三个环节的矩阵分别进行了QAP分析，结果显示，TN与CN、IN之间的Pearson相关系数分别为0.582，0.641，CN与IN之间系数为0.576，均显著相关（p<0.001）。因此，LCN网络可以充分体现该班次学生之间完整的协作学习现状。

（二）协作学习中个体中心性的分析

程度中心性是一个节点在该网络中活跃程度的指标，代表了该节点的声望。TN、CN、IN程度中心性分别为3.11、4.01、3.84，节点19中心性最高，表明该个体在班级中处于学习领袖地位，节点8、79、5的值次高，在协作交互中表现活跃。中介中心性用以描述“桥梁”角色，失去节点79、8、19整个网络的相互沟通会遭到破坏，TN、CN、IN中介中心性分别为2.82、2.65、2.03。TN、CN、IN紧密中心性分别为4.58、8.07、5.16。节点8在网络中紧密中心性最高，表示该节点能够以最短路径与其他学生进行协作，节点78、79、63次高，表示是网络的子核，可能形成具有凝聚力的亚群。

（三）协作学习中凝聚子群的分析

结果显示该班级出现了3个主要亚群（如图1），性别和宿舍分配成为组成亚群的重要因素。结果表明：（1）同性之间比异性更易形成亚群;（2）居住在同一和相邻宿舍的学生容易形成亚群;（3）女生形成小团体的趋势对宿舍因素比男生更敏感。

三、讨论

與团队前期调查的流行病学课堂咨询学习网络相比，该班次预防医学课堂之间整体交流的水平偏低，但学生之间的互动交流平均所需人数一致[6]。该网络中，没有人处于完全孤立状态，但有5位（5.3%）同学自发形成了2个独立小组进行学习，说明该班次学生整体协作学习水平较高，但仍有孤立小团体与主流网络之间没有交流，他们的学习状态和效果是教师在教学中需要关注的[7]。

班级中存在一定数量的中心学生，他们往往是班级中专业知识的权威代表，因此，在课堂教学中可以安排该类学生担任课代表或者小组长，鼓励他们在课堂中充分发挥带头作用，带动有孤立倾向的学生参与讨论。同时，具有中介中心性的学生往往掌握了该班级学习信息流动和交换的关键，他们的作用是使亚群间建立联系。因此，教师应确保该类学生掌握信息的准确性，尤其是情感、经验等隐性知识[8]。

社会网络内部通常出现聚类现象，表现为小团体内部节点之间有相对密集的连接。聚类结果表明该班男生与女生基本上分属于不同的两大亚群，而少数女生可以融入男生亚群中形成各个次级小团体，且该团体属于比较活跃的成分。相较于按照学号和性别分组的传统方法，了解学生内部关系网络更有助于开展以小组为单位的教学创新活动。居住在共同或相邻宿舍的学生有相对较近的协作关系，并且女生间该特性较男生而言更为普遍。大学生面对学习、生活、情感的应对机制尚未发展成熟，且应对方式存在性别、感情状况、心理依恋模式等变量上的显著差异[9]，因此教师可适当增加团体辅导中男生女生之间沟通的机会;同时，男生对于学习活动之间的协作可能更具有包容性和发散性，教师应鼓励内向型女性学生增加交流对象的选择范围。

结语

大学生中学习信任、咨询和信息传递的特征与其协作学习的现状有关，中心人物作为小组领导成员对协作学习网络的运行具有重要意义，性别和宿舍分布一定程度影响了协作学习小亚群的形成，这为教师组织教学活动和班级管理提供了一定的策略。

参考文献

[1]MARK J， VAN R， CARY J. The Cascading Effects of Reducing Student Stress： Cooperative Learning as a Means to Reduce Emotional Problems and Promote Academic Engagement[J].The Journal of Early Adolescence， 2021，41（5）：700-724.

[2]郑娅峰，赵亚宁，王雯.在线协作讨论中社交关系分析及可视化呈现研究[J].中国教育信息化，2021（5）：10-17.

[3]LIN X F，HU X Y，HU Q T，et al. A social network analysis of teaching and research collaboration in a teachers’ virtual learning community[J]. British Journal of Educational Technology，2016，47（2）：302-319.

[4]DAVID K， MARTIN K. Friendship Patterns and Culture： The Control of Organizational Diversity[J]. American Anthro-pologist，1990，92（1）：142-154.

[5]NOHRIA N， ROBERT G. Networks and Organizations：Structure， Form， and Action[M]Boston： Harvard Business School Press， Eccles， Eds， 1992：216-239.

[6]常文军，顾春英，刘世建，等.社会网络分析法在大学流行病大班课教学组织管理中的应用[J].中华疾病控制杂志，2010，14（4）：350-352.

[7]丁美月.大学新生人际调适中朋辈团体辅导的应用[J].吉林省教育学院学报，2020，36（4）：48-51.

[8]BADAR K， HITE M， BADAR F. Examining the relationship of co-authorship network centrality and gender on academic research performance： the case of chemistry researchers in Pakistan[J].Scientometrics，2013，94（2）：755-775.

[9]李晓妍.大学生应对方式的现状及干预研究[D].太原 ：山西医科大学，2018.

Enlightenment of the Current Situation of College Students’ Collaborative Learning on Individualized Teaching Management： Visual Analysis Based on UCINET

FU Ya-ting， DUAN Wan-li， CHEN Jia-hui， CHANG Wen-jun

（Department of Naval Environmental，  Naval Medical University， Shanghai 200433， China）

Abstract： Analyzing the network characteristics of interaction and communication in college students’ collaborative learning is to provide necessary strategies and support for improving the effect of students’ individualized management. We conduct a questionnaire survey on 95 undergraduate students with an average age of 20.5 years and use the social network analysis tool of UCINET6.0. The overall characteristics， matrix correlation， centrality and cohesive subgroups of collaborative learning network are analyzed. The interactive contents of collaborative learning include developing trust， consulting learning and exchanging information， which are significantly correlated （P < 0.001）. The structural characteristics of college students’ collaborative learning information network are related to the current situation of developing trust， consulting learning and exchanging information. Gender and dormitory division affect the formation of small subgroups of collaborative learning to a certain extent. Mining and developing the central figure of students as the leader of collaborative learning group plays an important role in individualized teaching management.

Key words： college students; collaborative learning; individualized; teaching management; visual analysis