群体感知工具支持下的协作互动：特征、网络与网络发展轨迹*

2023-09-21李红慧郭桐羽陈锋娟张津铭

现代教育技术 2023年9期

张思李红慧郭桐羽陈锋娟张津铭

张思李红慧郭桐羽陈锋娟张津铭

（华中师范大学人工智能教育学部，湖北武汉 430079）

在线协作学习活动中应用群体感知工具能够促进有效的协作互动，然而研究者对于“群体感知工具如何影响学习者的协作互动过程”这一问题尚未进行深入探索。为此，文章综合运用统计分析、内容分析、认知网络分析等方法分析不同自我调节组协作互动的特征、网络与网络发展轨迹，结果表明：相较于低自我调节组，高自我调节组呈现出更多与社交互动有关的协作特征，且呈现了更多的积极情绪；高自我调节组始终与关系调节联系紧密，而低自我调节组在工具提供前期与关系调节联系紧密，但在工具提供中、后期与任务调节联系紧密；高自我调节组的协作互动网络发展轨迹始于关系表现、止于关系调节，而低自我调节组的协作互动网络发展轨迹始于关系表现、止于任务调节。文章的研究可为教师设计与应用群体感知工具、促进学习者开展有效的协作互动提供理论参考，并为优化协作互动过程提供新思路、为在线协作学习活动的开展提供实践指导。

群体感知工具；协作互动；自我调节；认知网络分析；网络发展轨迹

协作学习是个体之间相互交流、达成共识的过程，此过程依赖个体间的互动[1]。在计算机支持的协作学习（Computer-Supported Collaborative Learning，CSCL）环境中，有效的协作互动被视为实现真正协作的关键[2]。而有效的协作互动，需要建立在成员群体感知的基础上。群体感知是指成员之间了解彼此的认知、行为、社交等方面信息的过程，可以加深成员对协作任务的理解、维系成员之间良好的社交关系，进而提高学习质量[3]。然而，由于受时空阻隔的影响，群体感知很难在CSCL环境中自发产生，导致群体成员之间对彼此的协作意愿、知识掌握程度、参与贡献程度等均无从知晓，因而影响了协作互动的效果[4]。随着信息技术的发展，群体感知工具应运而生，其以可视化的方式将信息呈现给协作群体/同伴，为学习者提供难以直接观测到的信息，减轻群体成员的协调负担，推动学习者进行元认知调节，提高了协作互动的效率[5]。相关研究已证实学习者的自我调节水平会影响群体感知工具的效果，且不同自我调节水平的学习者获取群体感知信息后所采取的协作行为与学习策略也不尽相同[6]。尽管已有大量研究证实了群体感知工具的应用可以促进有效的协作互动，但较少有研究者关注群体感知工具是如何影响协作互动的这个过程，特别是针对不同自我调节水平学习者的协作互动过程[7]。关注学习者的协作互动过程，有助于教师深入了解学习者的协作状态并设计与应用有效的群体感知工具，促进学习者获取新知、增长技能[8]。因此，本研究关注不同自我调节组在群体感知工具支持下的协作互动特征与变化，采用统计分析、内容分析和认知网络分析的方法，刻画不同自我调节组协作互动过程的特征、网络与网络发展轨迹，以期为群体感知工具在CSCL环境中的应用提供参考。

一文献综述

群体感知是指了解协作群体或同伴的各方面信息[9]，如协作同伴当前所处的位置、参与的活动、知识水平、兴趣偏好以及感受状态等[10]。这些信息能够有效减少群体成员间调节协作任务和社交关系上的努力，增强群体成员间的交互，推动有效协作学习的发生[11]。群体感知工具的出现，极大地方便了学习者获取群体状态，并激发元认知以调节协作行为。群体感知工具通过为协作群体或同伴提供他们在协作过程中难以直接观测到的信息，如当前协作活动中协作群体的观点、协作活动的进度等，来帮助他们了解当前的协作过程，然后激发元认知以调节自身与同伴的状态，促进协作互动[12]。例如，林书兵等[13]的研究证实了CSCL环境下群体感知工具对推动有效的协作互动至关重要；Janssen等[14]通过对比实验，考察了群体感知工具（Participation Tool）对学习者协作互动过程的影响，发现具有群体感知工具支持的学习者在协作过程中更多地参与了调节社交关系相关的活动；Janssen等[15]通过考察另一个群体感知工具（Shared Space）对学习者协作互动的影响，发现群体感知工具支持下的学习小组在完成与任务有关的活动上花费了更少的时间；Lin等[16]进一步通过实验调查了群体感知工具如何影响不同自我调节水平学习者的协作互动，结果发现群体感知工具能有效提高不同自我调节水平学习者的协作互动行为，并且群体感知工具对低自我调节学习者具有暂时的积极影响，而对高自我调节学习者具有可持续的积极影响。可见，群体感知工具的应用能使学习者根据反馈的感知信息，识别、分析、反思当前协作过程中群体/同伴的行为状态，并及时做出调节，在一定程度上调动了学习者参与协作学习的主动性，为小组后续讨论指明了方向，有助于实现有效而深入的协作互动。

尽管上述研究证实了群体感知工具在促进学习者协作互动方面潜力巨大，但少有研究对“群体感知工具如何影响学习者的协作互动过程”这一问题进行深入探索[17]。此外，虽然相关研究证实了自我调节与群体感知之间存在必然联系，但群体感知工具如何影响不同自我调节水平组的协作互动过程仍然是一个有待继续研究的问题[18]。因此，有必要进一步探究在CSCL环境下群体感知工具对不同自我调节水平学习者的协作互动过程的影响机理。基于此，本研究拟重点解答以下三个问题：①群体感知工具支持下高、低自我调节组的协作互动特征是什么？②群体感知工具支持下高、低自我调节组的协作互动网络是怎样的？③群体感知工具支持下高、低自我调节组的协作互动网络发展轨迹是怎样的？

二研究设计

1 研究对象与活动

本研究以华中地区H大学33名师范专业的大二、大三学生为研究对象，在他们参与的2021～2022学年秋季课程“信息技术教育应用”中开展了群体感知工具支持下的协作互动活动。该课程共开设8周，采取线上线下混合式教学方式进行授课，授课内容为信息化教学理论知识与应用实践。在线上阶段，学生需通过QQ群和小雅云平台完成在线协作学习任务；而在线下阶段，学生需参与课程学习并于学期末展示、汇报小组作品。本课程的协作互动活动采用3人一组的形式，分组依据是学生在课程第一周填写的自我调节问卷。自我调节问卷改编自Barnard等[19]提出的在线自我调节学习调查问卷（Online Self-regulated Learning Questionnaire，OSLQ），采用李克特五点量表计分。OSLQ问卷包含环境结构、设定目标、时间管理、寻求帮助、任务策略、自我评估六个维度，问卷的分值越高，表明学生在线学习的自我调节能力越强。根据中位数分割法[20]，本研究将33名大学生划分为高、低自我调节组，在此基础上进一步划分为由3人组成的同质小组，共11组。由于课程中途有学生退课，导致参课人员数量出现波动。最终，本研究的研究对象为24名，包含高自我调节组（1组、2组、3组、6组）和低自我调节组（8组、9组、10组、11组）两个群体。

各小组需要积极参与并完成在线协作活动，活动任务分为教学设计任务和教学课件任务两项，每项任务都包含三个环节：第一个环节是组内各成员讨论并形成小组作品初稿；第二个环节是针对作品的组间互评，评价组通过在QQ群内分析和讨论他组作品，在小雅平台给予评分和评语，而被评价组收到评分和评语后，在QQ组内进行讨论并在小雅平台反馈；第三个环节是组内修改，各组成员依据课上学习的知识和他组给出的建议对作品做进一步修改，形成作品终稿。具体的在线协作活动流程如图1所示。

图1 在线协作活动流程示意图

2 群体感知工具设计

为促进各小组成员对协作互动过程的感知，引导学生进行有效的协作互动，研究人员在小组协作过程中向学生提供了群体感知工具。该工具通过收集各组协作讨论的会话数据，借助KBDeX工具对各组的协作互动过程进行分析，最终以可视化方式呈现学生在协作互动过程中生成的任务观点情况和协作过程情况，助力学生及时了解当前的协作状态，从而及时调节小组协作讨论的策略。该工具可视化反馈的群体感知信息主要包含：①观点网络图，旨在呈现小组讨论中与任务内容有关的关键词的关联性。关键词连接越紧密，说明讨论的主题内容越聚焦；关键词连接越松散，说明讨论的主题内容越分散。通过观点网络图的方式呈现小组讨论内容的聚焦度，可以帮助学习者快速感知小组当前讨论的重点和较为忽略的地方，从而有针对性地制定和规划小组讨论的策略。②观点累计增长图，用于刻画小组讨论的过程。曲线稳定增长，说明此阶段小组讨论的共识度高；曲线剧烈波动，说明此阶段小组讨论的观点分散。观点累计增长图通过曲线的波动情况展示小组的讨论过程，以进一步帮助小组成员了解各阶段的讨论情况，从而选择更适宜的方式调节小组成员的协作互动。

考虑到群体感知工具对大学生的影响具有时间效应，研究人员分别在协作活动的前期（即教学设计初稿后）、中期（即教学设计终稿后）和后期（即教学课件初稿后）各提供1次工具，具体提供时间如图1中的红色箭头所示。研究者通过收集各组在线讨论的话语，经数据清洗后导入KBDeX 1.8.0软件，并将生成好的群体感知信息呈现给大学生。为了帮助大学生更好地理解和运用群体感知工具，课程助教在观点网络图和观点累计增长图上添加具有指导性的建议，以帮助大学生更好地获取和理解图上的信息。同时，为了让大学生在后续改进时有明确的方向，研究人员在每次提供群体感知工具后，还提供一个协作反思文档，供大学生思考观点网络图和观点累计增长图上的信息，并生成可操作的解决方案。该协作反思文档基于学习调节的四个阶段（即任务理解、计划、策略、自适应调节）进行设计，由小组的理解、小组的计划、小组的策略三部分组成，每部分都包含两个问题：①对协作内容的理解、计划和策略；②对协作过程的理解、计划和策略。

3 编码框架

编码框架改编自Janssen等[21]提出的在线协作互动编码框架，从任务表现、任务调节、关系表现、关系调节四个维度分析小组协作互动的过程，如表1所示。其中，任务表现是指在协作互动过程中从事与任务有关的活动，如咨询与任务有关的问题；任务调节是指调节与任务有关的活动，如评估任务的效果和进度；关系表现是指维护小组协作互动的社交关系，如对同伴的问候语；关系调节是指调节小组协作互动的社交关系，如制定小组协作计划。

表1 在线协作互动编码框架

维度子维度举例编码任务表现交换、共享与任务有关的信息运用希沃白板应该是使用它的触屏功能和互动功能TP1 咨询与任务有关的问题有没有那种建模完能用触屏互动的软件？TP2 任务调节制定任务计划那我们等下这样安排怎么样：我们先收集内容，然后设计课程内容，最后设计游戏环节？TR1 监控任务绩效和进度我们要尽快完成任务，明天就要交了TR2 积极地评估任务的效果和进度最后加的那个配对还不错TR3 消极地评估任务的效果和进度感觉后半部分游戏有点少TR4 关系表现问候语家人们，来啦来啦RP1 社会支持评论大家辛苦啦RP2 社会抵抗评论这是小组作业，也不是谁的个人作业RP3 共享理解其实我也觉得还是不一样的RP4 失去共同的理解她说的第一个内容复杂，我不理解RP5 关系调节制定小组协作计划3～5张PPT分开做吧，要不然时间挺紧的RR1 监控小组协作过程的信息交换你们在做的时候有遇到过什么困难吗？RR2 积极对小组协作过程进行评估和讨论我们这次讨论好迅速啊！RR3 消极对小组协作过程进行评估和讨论真无语了RR4

4 数据收集与分析

本研究收集高、低自我调节组在QQ群里的话语数据，通过对数据的清洗和整理，共收集7315条有效的文本数据。之后，由两名熟悉编码框架的研究人员分别进行编码（约占总数据的30%）。编码单元为一个帖子，若出现一个帖子包含多个编码维度的情况，就将该帖子进行拆分并匹配到对应的编码维度。编码统计数据显示，Cohen’s Kappa为0.854，说明两名研究人员的编码结果表现出良好的一致性。基于此，剩下70%左右的数据由两位编码人员共同完成编码。

为了解大学生对使用群体感知工具的具体体验，本研究在课程结束后向高、低自我调节组分别发放群体感知工具的使用体验问卷。该问卷是参考Davis等[22]提出的技术接受程度调查问卷、Li等[23]提出的学生对群体感知工具接受程度的调查问卷改编而成，包含有用性、易用性、满意度、乐用性四个维度。描述性统计结果显示，高、低自我调节组对群体感知工具均抱有积极、正向的态度（M高、M低均大于3）。

针对“群体感知工具支持下高、低自我调节组的协作互动有何特征？”这一问题，本研究通过卡方检验，比较了两组在任务表现、任务调节、关系表现、关系调节四个维度上的具体差异。针对“群体感知工具支持下高、低自我调节组的协作互动网络是怎样的？”这一问题，本研究先将完成编码的数据转化为认知网络分析工具可以识别的数据格式，将其导入ENA平台（网址：http://www.epistemicnetwork.org/）；然后应用编码框架的四个维度建立会话模型，设置节系数为4；最后开展认知网络分析，探索高、低自我调节组的整体协作互动网络及其在不同环节的协作互动网络差异。针对“群体感知工具支持下高、低自我调节组的协作互动网络发展轨迹如何？”这一问题，本研究分析了高、低自我调节组的协作互动网络发展轨迹。

表2 高、低自我调节组协作互动特征的差异

高自我调节组低自我调节组χ2p （F）（%）（F）（%）任务表现TP199829.16%102526.34%13.9840.000 TP22366.89%3468.89% 总计123436.05%137135.23% 任务调节TR11213.53%1914.91%22.3300.000 TR238111.13%48012.33% TR3661.93%451.16% TR4140.41%421.08% 总计58217.00%75819.48% 关系表现RP1190.56%190.49%8.0970.088 RP21313.83%1042.67% RP340.12%60.15% RP458717.15%65016.70% RP5320.93%481.23% 总计77322.58%82721.25% 关系调节RR1491.43%551.41%23.4540.000 RR23219.38%46111.84% RR336610.69%3168.12% RR4982.86%1042.67% 总计83424.36%93624.05%

三研究分析

1 高、低自我调节组的协作互动特征分析

本研究对协作互动的四个维度分别进行卡方检验，以对比高、低自我调节组协作互动特征的差异，如表2所示。其中，高自我调节组在任务表现、任务调节、关系表现、关系调节四个维度的频数占比分别为36.05%、17.00%、22.58%、24.36%，而低自我调节组在这四个维度的频数占比分别为35.23%、19.48%、21.25%、24.05%。描述性统计分析结果表明，任务表现维度在高、低自我调节组的协作互动特征中占比最高，说明任务表现是小组协作互动的重要特征。值得注意的是，相较于低自我调节组，高自我调节组与社交互动有关的行为占比较多（46.94%＞45.3%），说明高自我调节组在协作互动过程中更善于维持并协调与社交互动有关的活动。此外，高自我调节组产生了更多的积极情绪（TR3：1.93%＞1.16%；RP2：3.83%＞2.67%；RR3：10.69%＞8.12%），而低自我调节组产生了更多的消极情绪（TR4：0.41%＜1.08%；RP3：0.12%＜0.15%）。卡方检验结果进一步表明，群体感知工具支持下高、低自我调节组在协作互动的任务表现、任务调节、关系调节三个维度上存在统计学上的显著差异（＜0.05）。

2 高、低自我调节组的协作互动网络分析

（1）高、低自我调节组的整体协作互动网络

本研究采用认知网络分析，探索了高、低自我调节组的整体协作互动网络，如图2所示。图2显示，高、低自我调节组在协作互动中以任务表现（TP）为中心，并与其他维度建立联系。其中，高、低自我调节组在“任务表现—任务调节”“任务表现—关系表现”“任务表现—关系调节”“关系表现—关系调节”四个方面均建立了较强的联系。高自我调节组在“关系表现—关系调节”（连线系数0.42）和“任务表现—关系调节”（连线系数0.43）两个方面明显高于低自我调节组（分别为0.37、0.39），表明高自我调节组更注重协调小组社交关系、营造协作氛围。

图2 高、低自我调节组的整体协作互动网络

（2）高、低自我调节组在不同任务环节的协作互动网络差异

为深入理解高、低自我调节组在群体感知工具支持下的协作互动网络差异，本研究应用认知网络分析对高、低自我调节组在不同任务环节的协作互动网络进行了对比，如图3所示。图3显示，在提供工具前，高、低自我调节组在“任务表现—关系表现”“任务表现—关系调节”“关系表现—关系调节”方面建立了较强的联系；在第1次提供工具后，高、低自我调节组的“关系调节”维度与其他维度的连线系数基本都得到提高；第2次提供工具后，高自我调节组在“任务表现—关系表现”“任务表现—关系调节”“关系表现—关系调节”方面仍然保持较强的联系，而低自我调节组在“任务表现—任务调节”“任务表现—关系表现”“任务调节—关系表现”方面建立了较强的联系；在第3次提供工具后，高自我调节组继续在“任务表现—关系表现”“任务表现—关系调节”“关系表现—关系调节”方面保持较强的联系，而低自我调节组在“任务表现—任务调节”“任务表现—关系表现”方面保持较强联系、并在“任务表现—关系调节”方面建立了较强联系。可见，高、低自我调节组在不同任务环节的协作互动网络上存在明显差异。

图3 高、低自我调节组在不同环节的协作互动网络对比

图4 高、低自我调节组的协作互动网络发展轨迹

3 高、低自我调节组的协作互动网络发展轨迹

根据高、低自我调节组每周认知网络的位置变化，本研究绘制了高、低自我调节组的协作互动网络发展轨迹，如图4所示。图4显示，协作互动四个维度分别分布在由ENA1轴和ENA2轴构成的四个区域，其中任务表现位于ENA网络的左下方，任务调节位于ENA网络的左上方，关系表现位于ENA网络的右下方，关系调节位于ENA网络的右上方。高自我调节组的协作互动网络发展轨迹主要位于ENA网络的右侧，该类群体在维护小组社交关系、调节小组社交关系上建立了更多的联系；而低自我调节组的协作互动网络发展轨迹主要位于ENA网络的左侧，该类群体在完成小组任务、协调小组任务上建立了更多的联系。由此可见，高、低自我调节组有不同的协作互动网络发展轨迹。具体来说，高自我调节组在协作初期注重建立和维护小组社交关系，而在协作末期关注点转向调节小组社交关系；低自我调节组在协作初期同样注重建立和维护小组社交关系，而在协作末期关注点转向调节小组任务。

四结论与讨论

本研究通过统计分析、内容分析和认知网络分析，探究了高、低自我调节组在群体感知工具支持下的协作互动过程，发现两组的协作互动特征、协作互动网络与协作互动网络发展轨迹存在明显差异，所得研究结论主要如下：

①高、低自我调节组均呈现较多与任务表现有关的协作互动特征，高自我调节组在关系行为方面的特征占比明显高于低自我调节组，且高自我调节组的积极情绪占比高于低自我调节组。数据统计分析和ENA网络分析的结果表明，整体上，高、低自我调节组呈现了更多与任务表现有关的协作互动特征，这与Ku等[24]提出“成功的协作要求学习者必须协商与任务有关的内容”此观点基本一致。而相较于低自我调节组，高自我调节组在协作互动过程中呈现了更多与社交关系有关的协作特征，这与Farley等[25]的研究结论相一致，即高水平的自我调节者更善于从事与社交有关的活动。此外，Slof等[26]也指出，积极参加与协调社交关系有关的活动（如给予积极反馈）将有助于增进群体成员间的幸福感和凝聚力，营造良好的协作互动氛围。本研究还进一步发现，高自我调节组在协作互动过程中出现了很多的积极情绪。无论是在任务调节维度、关系表现维度还是在关系调节维度，高自我调节组都呈现了比低自我调节组更多的积极情绪，这对促进学习者更加专注于协作任务、推动有效的协作互动具有重要意义[27]。相反，低自我调节组在协作互动过程中出现了较多的负面情绪，这可能与该部分学习者较难及时调节自身和群体的协作行为有关，这也在很大程度上影响了他们解决问题的注意力和生产力，由此带来了消极的影响[28]。基于此，在协作互动过程中教师应当多关注学习者的情绪状态，特别是要对低自我调节能力的学习者及时进行教学干预，如定期访谈或发放问卷收集学习者的情感体验等。

②高、低自我调节组在不同任务环节的协作互动网络存在明显差异：高自我调节组始终与关系调节联系紧密，而低自我调节组在工具提供前期与关系调节联系紧密，但在工具提供中、后期与任务调节联系紧密。在第一次提供工具后，高、低自我调节组均能及时感知群体信息，并积极、主动地调节协作互动过程，完成小组任务。但随着协作活动的进行和群体感知工具的多次应用，高、低自我调节组对群体感知工具的使用出现了差异：高自我调节组能够持续地使用群体感知工具，协调小组社交关系；而低自我调节组在协作后期对群体感知工具关注不多，他们将更多的时间和精力放到了协调任务上。Lin等[29]的研究也得出了类似的结论，他们发现群体感知工具对不同水平调节组的影响效果会随时间发生变化（即暂时性或持续性地产生影响）。出现这一结果的原因，可能是相较于低自我调节学习者，高自我调节学习者往往表现出更加持久和适应的学习能力特征[30]。因此，在在线协作互动的过程中，教师有必要在学习的不同阶段设计和呈现不同类型的群体感知工具，以持续吸引学习者的学习兴趣。

③高、低自我调节组的协作互动网络发展轨迹存在明显差异：高自我调节组的协作互动网络发展轨迹始于关系表现、止于关系调节，而低自我调节组的协作互动网络发展轨迹始于关系表现、止于任务调节。高、低自我调节组的协作互动起点位于ENA网络的关系表现，这也体现了在协作学习伊始同伴之间需要通过开放的社交沟通建立和维持彼此的联系，进而促进同伴之间积极的主动参与[31]。随着时间轴的延伸，高自我调节组继续保持与社交互动有关的活动，低自我调节组则更多关注与任务有关的活动。出现这一结果的原因，可能和高、低自我调节组设定的协作任务目标不同有关：高自我调节组通过协调社交关系，建立和维护群体共识，以此完成协作任务，实现群体协作目标；而低自我调节组更关心如何达成任务目标，因而组内成员将更多的时间和精力放在完成和协调任务上。成功的协作需要多个自我调节主体之间相互依赖，建立共识[32]，学习者不仅需要关注与任务有关的互动以完成任务，还应当保持积极的社会情感互动[33]。当协作群体中的成员未建立起共同的群体目标时，群体的协作互动和参与动机可能会受到负面影响[34]。因此，教师在向学习者发布协作任务时，有必要帮助群体明确协作目标，如教师明确告知学习者目标是完成任务制品并与同伴之间建立良好的协作关系。此外，教师还可设计一些教学策略（如组内成员相互打分），以帮助低自我调节学习者营造良好的协作氛围。

五结语

群体感知工具以可视化的方式向学习者呈现协作群体/同伴相关的信息，对促进有效的协作互动具有重要意义。本研究基于群体感知工具开展协作互动活动，探索了群体感知工具支持下不同自我调节水平学习者协作互动的特征、网络和网络发展轨迹，发现高自我调节组比低自我调节组呈现出更多与社交关系有关的协作互动特征，并且更加积极且持续参加与社交行为有关的活动。此发现可为在线协作学习活动的有效开展提供参考：①在线协作学习活动中，教师可以通过提供群体感知工具促进学习者开展有效的协作互动；②在线协作学习活动中，教师应及时关注低自我调节学习者在不同环节的协作互动状态，及时采取干预措施。

本研究为群体感知工具在在线协作学习领域的应用提供了新的实证证据，进一步验证了群体感知工具对协作互动的积极影响。尽管高、低自我调节组认可群体感知工具对协作学习的帮助作用，但课后访谈时学习者也纷纷表示群体感知工具的可操作性和易理解性亟待提升。基于此，后续设计群体感知工具时，有必要向学习者呈现丰富、详尽的感知信息，同时也要注意尽可能地以简洁、直观的方式呈现，以增强群体感知工具的可操作性和易理解性。此外，后续研究可以结合多模态数据，进一步对小组协作互动过程进行全面而深层次的分析。

[1]彭绍东.从面对面的协作学习、计算机支持的协作学习到混合式协作学习[J].电化教育研究,2010,(8):42-50.

[2][13]林书兵,徐晓东.从觉知到协调:促进协作互动的有效方法和策略[J].开放教育研究,2008,(1):69-78.

[3]王靖,邓雯心.协作知识建构中促进互动的群体感知信息设计[J].电化教育研究,2022,(12):93-100.

[4]李艳燕,张慕华,彭禹,等.在线协同写作中组内、跨组群体感知信息对小组学习投入的影响[J].现代教育技术,2021,(10):49-58.

[5][12]张思,李红慧,惠柠,等.多模态视域下的群体感知:内涵、功能与实现路径[J].电化教育研究,2023,(5):20-28.

[6][7][16][18][29]Lin J W, Tsai C W. The impact of an online project-based learning environment with group awareness support on students with different self-regulation levels: An extended-period experiment[J]. Computers & Education, 2016,99:28-38.

[8]Gu X, Shao Y, Guo X, et al. Designing a role structure to engage students in computer-supported collaborative learning[J]. The Internet and Higher Education, 2015,24:13-20.

[9]Bodemer D, Dehler J. Group awareness in CSCL environments[J]. Computers in Human Behavior, 2011,(3):1043-1045.

[10]Bodemer D, Janssen J, Schnaubert L. Group awareness tools for computer-supported collaborative learning[A]. International Handbook of the Learning Sciences[C]. New York: Routledge, 2018:351-358.

[11]毛子琪,李艳燕,张慕华,等.CSCL中群体感知工具能提升学习效果吗？——基于2002～2021年国内外35篇实证研究文献的元分析[J].现代教育技术,2023,(3):65-74.

[14][21]Janssen J, Erkens G, Kanselaar G, et al. Visualization of participation: Does it contribute to successful computer-supported collaborative learning?[J]. Computers & Education, 2007,(4):1037-1065.

[15]Janssen J, Erkens G, Kanselaar G. Visualization of agreement and discussion processes during computer-supported collaborative learning[J]. Computers in Human Behavior, 2007,(3):1105-1125.

[17]Kwon K, Liu Y H, Johnson L S P. Group regulation and social-emotional interactions observed in computer supported collaborative learning: Comparison between good vs. poor collaborators[J]. Computers & Education, 2014,78:185-200.

[19]Barnard L, Lan W Y, To Y M, et al. Measuring self-regulation in online and blended learning environments[J]. The Internet and Higher Education, 2009,(1):1-6.

[20]Wang J Y, Wu H K, Hsu Y S. Using mobile applications for learning: Effects of simulation design, visual-motor integration, and spatial ability on high school students’ conceptual understanding[J]. Computers in Human Behavior, 2017,66:103-113.

[22]Davis F D, Bagozzi R P, Warshaw P R. User acceptance of computer technology: A comparison of two theoretical models[J]. Management Science, 1989,(8):982-1003.

[23]Li Y, Li X, Zhang Y, et al. The effects of a group awareness tool on knowledge construction in computer‐supported collaborative learning[J]. British Journal of Educational Technology, 2021,(3):1178-1196.

[24]Ku H Y, Tseng H W, Akarasriworn C. Collaboration factors, teamwork satisfaction, and student attitudes toward online collaborative learning[J]. Computers in Human Behavior, 2013,(3):922-929.

[25]Farley J P, Kim-Spoon J. The development of adolescent self-regulation: Reviewing the role of parent, peer, friend, and romantic relationships[J]. Journal of Adolescence, 2014,(4):433-440.

[26]Slof B, Erkens G, Kirschner P A, et al. Guiding students’ online complex learning-task behavior through representational scripting[J]. Computers in Human Behavior, 2010,(5):927-939.

[27]Wolters C A. Regulation of motivation: Evaluating an underemphasized aspect of self-regulated learning[J]. Educational Psychologist, 2003,(4):189-205.

[28]Pekrun R. The control-value theory of achievement emotions: Assumptions, corollaries, and implications for educational research and practice[J]. Educational Psychology Review, 2006,18:315-341.

[30]Zimmerman B J. Investigating self-regulation and motivation: Historical background, methodological developments, and future prospects[J]. American Educational Research Journal, 2008,(1):166-183.

[31]Jarvela S, Malmberg J, Haataja E, et al. What multimodal data can tell us about the students’ regulation of their learning process?[J]. Learning and Instruction, 2021,72:101203.

[32][34]王小根,杨爽.群体动力学视角下的协作知识建构活动探究[J].现代教育技术,2020,(11):55-61.

[33]陈凯亮,包昊罡,李艳燕,等.协作情境下社会调节学习工具的设计与应用[J].现代教育技术,2020,(6):86-92.

Collaborative Interactions Supported by Group Awareness Tools:Characteristics, Network and Network Development Trajectory

ZHANG Si LI Hong-hui GUO Tong-yu CHEN Feng-juan ZHANG Jin-ming

The application of group awareness tools in online collaborative learning activities can promote effective collaborative interaction. However, the question of “how group awareness tools affect learners’ collaborative interaction process” has not been deeply explored. Therefore, this paper comprehensively used statistical analysis, content analysis, and epistemic network analysis to analyze the characteristics of collaborative interaction, networks, and network development trajectories of different self-regulation groups. The results showed that compared with the low self-regulation groups, the high self-regulation groups presented more collaborative characteristics related to social interaction and had more positive emotions. At the same time, the high self-regulation groups were consistently tightly associated with relationship regulation, whereas the low self-regulation groups were closely associated with relationship regulation in the pre-tool provision period, while closely related with task regulation in the mid- and late-tool provision periods. The collaborative interactive network development trajectory of the high self-regulation groups began with relationship performance and ended with relationship regulation, while the collaborative interactive developmental trajectory of the low self-regulation groups began with relationship performance and ended with task regulation. The research of this paper can provide theoretical reference for teachers to design and apply group awareness tools, promote learners to carry out effective collaborative interaction, and provide new ideas for optimizing the collaborative interaction process, and practical guidance for the implementation of online collaborative learning activities.

group awareness tool; collaborative interaction; self-regulation; cognitive network analysis; network development trajectory