网络学习空间中群体学习行为路径及其学习效果分析

张 涛，李春欣，胡 萍，王佳慧

（河南科技学院 信息工程学院，河南 新乡 453003）

0 引言

网络学习空间作为网络教育的主阵地，推动着信息技术与教育的深度融合与创新。互动作为网络学习空间学习行为的重要指标，通过交流、意义协商、角色扮演、竞争等形式构建个体和群体的知识建构路径。学习行为是学习者在网络学习空间中进行一系列操作的总和，是学习者与学习环境双向交互的结果［1］。当前，全过程性课程数据为学习者刻画了行为画像，揭示了其行为结构、模式、特征和影响因素，并以可视化方式理解行为之间的转换关系。此外，行为差异对交互质量和学习效果有直接影响，有助于教师了解学习者的差异与特征，制定有针对性的教学干预措施，提供有效教学支持服务，对于改善网络学习空间应用模式具有重要意义。

1 相关研究

行为路径是行为活动的路线和序列，反映了学习者围绕学习目标、内容、资源和评价对要完成的系列学习活动进行的排序［2］。通过以测量、收集、分析和报告有关学习者的行为和环境数据，理解和优化学习及学习环境为目的的研究，可以追求教育的最大效益［3］。而学习行为分析即是对学习过程中记录的行为数据进行有目的的分析，挖掘隐藏在行为背后有价值的信息［4］。

目前关于学习行为的研究主要集中在行为模式构建、学习行为序列和学习行为与成绩的关系3 个方面。在行为模式构建方面，黄石华等［5］从量化学习行为大数据的视角构建了一个可量化、可解释的学习行为分析框架，分析了“场景”与“行为”的关联；黄焕等［6］采用滞后序列分析法探索在线学习行为的时序模式，揭示了不同在线学习行为之间的依赖性；李月等［7］采用顺序分析和聚类分析算法对论坛、测验、作业与评价和资源4 类学习行为进行挖掘，分析高低成就学习者之间的在线自主学习行为模式差异。在行为序列方面，王文晶等［8］运用聚类分析方法对SPOC和MOOC 平台中的在线学习数据进行挖掘，对学习行为进行序列转换分析，探讨不同行为序列学习者的学习效果差异性；刘聪聪等［9］采用滞后序列分析和社会网络分析方法对虚拟学习社区中参与者的交互行为序列展开分析，探究参与者在虚拟学习社区中的信息交互特征。在学习行为与成绩方面，沈欣忆等［10］基于MOOC 平台中的学生学习行为数据构建了在线学习行为与在线学习绩效评估模型，通过抽样逐步回归的方式分析了在线学习行为对学习成绩的影响；姜姗姗［11］基于活动理论和群体动力学习理论构建了课堂协作学习行为分析模型，运用社会网络分析和滞后序列分析方法探讨两轮协作学习活动下社会网络和行为序列的变化过程，运用T 检验分析学习者的协作学习水平及对学习成绩的影响。

综上所述，学习分析是解释学习者行为规律的重要工具。然而，目前许多研究仅运用单一方法关注在线行为的发生过程，探索复杂在线学习行为的综合研究方法有所欠缺。此外，研究对象多为学习者个体行为，不能较好阐释在线学习的协作性对群体行为的影响。为此，本文综合运用内容分析、社会网络分析和滞后序列分析方法，以学习群体为研究对象，从宏观视角探索学习群体的整体网络结构，并依据社会网络的中心性对群体进行划分，从中观和微观视角探索不同学习群体的行为序列特征及转换过程，挖掘不同学习群体的行为序列差异性及其与学习效果的关系，帮助教师理解不同学习群体行为差异产生的原因，并结合教学目标及时调整教学策略、制订教学干预措施，促进在线学习行为转换为学习绩效。

2 研究设计

2.1 研究问题

本文设计了以下3 个研究问题：①网络学习空间中的学习者有哪些类型？②不同类型学习群体有哪些不同行为模式？③不同类型交互行为序列与学习成绩之间是否存在显著相关关系？

2.2 数据样本

以河南省H 高校教育技术学专业2022 年秋季开设的必修课信息技术教学论为研究对象。该课程持续一个学期（18 周），以网络学习空间为依托，采用混合式教学模式实施教学活动，其中线上教学以课程知识答疑、在线交流讨论、单元测试、学习笔记分享、自主学习其他课程资源等为主。研究样本为网络学习空间中56 名课程学习者的交互数据；该数据记录了学习者2022 年10 月17 日至12 月26日期间的7 839 条行为数据，包括4 个学习主题，1 073 条内容交互数据。

2.3 研究方法

采用社会网络分析法、内容分析法和滞后序列分析法对网络学习空间中的学习行为结构进行分析，探索不同学习群体行为序列与学习成绩的相互关系。其中社会网络分析法以个体、群体和社区所构成的社会关系为研究对象，采用量化方式分析社会关系结构及其属性的方法与范式［12］，通过网络交互密度、节点平均距离、互惠性、中心性等参数判断不同学习群体中学习者的网络位置和参与度，以进一步辨析出核心参与者、半边缘者和边缘者群体。内容分析法用于探索研究对象的交互程度，在一定程度上反映参与者的认识层次。本文采用Gunawardena 等［13］提出的五阶段交互分析模型（Interaction Analysis Model，IAM）对网络学习空间中学习者的交互文本进行编码分析，同时新增与学习内容无关的KC6 编码项作为第六阶段。认知交互行为编码框架见表1。

Table 1 Cognitive interactive behavioural coding framework表1 认知交互行为编码框架

上述研究方法从整体视角分析网络学习空间交互分布情况，但难以区分不同学习群体的多个行为活动，整个交互行为如同一个“黑箱”。滞后序列分析法有助于进一步分析学习者的行为特征［14］，根据计算结果调整残差值，绘制出不同类型的行为转换图［15］，成为打开隐形行为“黑箱”的关键性技术。

2.4 数据处理

课程结束后，对网络学习空间中的课程日志数据进行收集，将课程交互日志和学习过程数据存储至Excel 中，然后进行数据清洗、整理、格式转换与编码。根据Ucinet6.0格式要求建立编码矩阵，分析网络学习空间中的社会网络整体结构、网络密度、交互距离、互惠值、中心性等参数，确定不同学习群体（核心参与者和边缘人）的位置关系。

为保证研究信度，挑选2 名参与过研究设计的教育技术学专业学生开展内容分析，按照以下程序进行编码：首先对2 名学生进行编码培训，使其掌握编码框架内容和特殊问题帖子的处理方法；然后选取总帖量的30%（320 条）分别让2 名学生进行独立编码，通过信度系数（Cohen Kappa）检验编码一致性，以背对背互检形式对不一致内容进行讨论，以提高彼此对编码框架的理解；最后由2 人对剩余帖子分别编码，经一致性信度系数检验，Kappa 值达到0.785，研究内容具有较好信度。

3 研究结果分析

3.1 社会网络结构整体分析

3.1.1 社会网络结构分析

社会网络分析从关系数据视角研究行动者及其社会成员间的复杂关系与连接［16］，透视社会网络中行动者间的互动结构及其对行动者和整个群体的影响。本研究运用Ucinet6.0工具对56名学习者的课程交互数据进行编码，分析得到其社会网络社群图、网络密度、中心度等相关参数。网络课程的整体交互结构关系如图1 所示，节点表示在线交互中的学习者，链接表示成员间发帖、回帖的互动行为。结果表明，每位学习者向他人发表帖子数的均值为5.96，表明学习者能够与他人建立良好的沟通机制，形成相对紧密的网络联结关系。网络密度反映网络内部结构的紧密程度，是测量网络连通性的重要指标，可采用实际链接数与可能链接数的比值进行计算［17］；距离为衡量信息扩散的效率，通过从一个节点到另一个节点最短路径中的链接数来计算［18］；互惠性是衡量行动者互惠倾向的指标［19］，网络学习空间中社会网络密度越大，节点平均距离越小，互惠性指数越大，表示网络成员间联系越紧密，反之其关系越疏远。本研究中的网络密度为0.128，节点平均距离为1.96，互惠性为0.132，表明网络学习空间中学习者的社会网络关系紧密，成员间的互惠性较高，具有较强的内部凝聚力。

Fig.1 Overall interactive structure of online courses图1 网络课程的整体交互结构关系

中心性是一种对网络中个体权力量化的分析指标［20］，从微观层面衡量各个学习者在社会网络中的位置，分为点度中心度、中介中心度和接近中心度等。其中点度中心度表示社会网络节点间建立有效联系的能力，体现了学习者自身的交互能力；中介中心度表示某节点承担其他两个节点间的最短路径次数，充当中介的节点对交互行为具有控制作用；接近中心度表示某节点与其他节点的接近程度，又分为入度和出度，出度指该节点连接其他节点边的数量，入度指其他节点连接该节点边的数量。经计算，本研究的点度中心度和中介中心度均值分别为5.964 和81.196，接近中心度入度和出度值分别为18.158和27.469。

3.1.2 学习群体划分

在社会网络分析中，点出度和点入度是衡量学习者在网络学习空间中活跃度和声望的指标，本文以这两个观测值对网络学习空间中的学习群体进行划分。点出度以回帖数表示，衡量学习者在社会网络中的交互程度，数值越高，表明该学习者越能与他人建立积极的互动关系；点入度以收到的帖子数表示，衡量其他学习者与该学习者建立的联系程度，数值越高，表明该学习者在网络中拥有越高声望［21］。

以点出度（M=5.964，SD=3.669）和点入度（M=5.964，SD=2.921）的均值为阈值，将56 名学习者划分为4 类群体，即点出度和点入度均大于均值的为核心参与者，其在整个社会网络结构中非常活跃，拥有较大权力，处于核心地位，一般为单元主持人、小组组长或教师；点出度值大于5.964，且点入度值介于0～5.964 之间者划分为半边缘人A（组织者），其在交互中非常活跃，与他人能建立良好关系，但声望较低，一般为学习助理或课程助教；点入度值大于5.964，且点出度值介于0～5.964 之间者划分为半边缘人B（引导者），其拥有较高声望，与同伴能建立信任的互动关系，一般为学习标兵；点出度和点入度均小于均值者为边缘者，其参与课程学习的积极性不高，通常以潜水者身份出现。学习群体划分结果见图2。

Fig.2 Learning group division results图2 学习群体划分结果

3.2 交互内容分析

在网络学习空间中，文本交互是学习者认知思维显性化的重要表现形式，反映了学习者的信息加工过程和知识建构水平。本文采用IAM 框架对1 073 条交互帖子进行编码，从整体交互行为来看，KC1 占比最大（54.20%），其次为KC3（19.50%）、KC2（12.88%）、KC4（8.94%）、KC6（2.03%），而KC5仅占2.44%。表明网络学习空间中学习者的交互层级以浅层交互为主，仅有少量学习者达到较高层级（如KC3、KC4），高层级（KC5）交互质量不理想。不同学习群体的交互行为也呈现出相同特征，但又表现出一些差异。相同特征在于核心参与者、半边缘者A（组织者）、半边缘者B（引导者）和边缘者的交互层级均处于浅层（KC1、KC2），分别占其总数的68.42%、67.10%、70.90% 和74.90%。此外，核心参与者、半边缘者A（组织者）和半边缘者B（引导者）在KC3 阶段出现较高层级现象，分别有95条、77 条和90 条帖子。在KC4、KC5 阶段，4 类学习群体的交互帖子均明显减少。差异之处在于在浅层交互阶段（KC1、KC2），核心参与者的交互帖子数量均高于其他3 类学习群体，帖子数分别为275 条和89 条；在较高层级（KC3、KC4、KC5）阶段，4 类学习群体的交互行为差异性较为显著，即边缘学习者的KC3 帖子仅有34 条，明显低于其他3 类学习群体；在KC4 和KC5 阶段，边缘者仅有7 条和0条帖子，表明边缘者偶尔有较高层级的交互活动出现，但不够持续；相较于浅层阶段，核心参与者在KC4 和KC5 阶段表现也不够理想，仅有48 条（9.02%）和18 条（3.38%）帖子出现，而半边缘者A（组织者）和半边缘者B（引导者）处于核心参与者与边缘者之间，KC3 和KC4 的交互行为帖子数量趋近于核心参与者；在KC5 阶段，半边缘者A（组织者）、半边缘者B（引导者）仅有8 条（2.07%）和7 条（1.62%）帖子，相较于核心参与者的交互帖子有明显差异。

3.3 不同学习群体行为序列与学习绩效分析

行为序列是一个行为向另一个行为的转换，以两个行为的编码组合表示两个行为形成的序列，组合中行为编码前后顺序代表该序列行为转换的方向［22］。本研究运用滞后序列分析工具GSEQ5.1 考察网络学习空间中出现概率达到显著水平（P＜0.05）的行为序列模式，根据行为序列调整后残差值（Z-score）绘制行为模式转换图，分别建立不同学习群体的网络学习行为转换模式和交互行为转换模式。

3.3.1 不同学习群体交互行为序列分析

根据社会群体划分方法，在内容分析结果的基础上对4 类学习群体的交互行为序列与模式转换进行分析，以动态视角考察不同学习者群体的内隐行为差异及行为交互过程，结果见表2和图3。

Fig.3 Sequential transformation of interaction behaviours of different learning groups图3 不同学习群体交互行为序列转化

可以看出，4 类不同学习群体的交互行为序列有一条共同显著路径，即KC1→KC2，表示学习者在陈述各自观点后紧接着分析比较观点差异，该过程进一步佐证交互层级为浅层的观点。在大多数情况下，教师提出新问题后，学习者会回帖讨论问题内容与自身观点的不一致性。核心参与者、半边缘者A（组织者）和半边缘者B（引导者）存在KC1→KC2、KC2→KC3、KC3→KC1 3 条显著路径，表明学习者在分享信息后通过观点比较分析直接跳转至意义协商阶段（KC1→KC2→KC3），进行意义协商后会反过来对重新描述的内容进行审视（KC3→KC1），在此阶段，交互行为的渐进序列逐渐形成（KC1→KC2，KC2→KC3）。作为半边缘人A（组织者），其行为序列逐渐走向较高层级（KC4），渐进行为序列为KC1→KC2（Z-score=7.38）、KC2→KC3（Z-score=5.10）和KC3→KC4（Z-score=3.20），表明组织者在协作交互中不断审视自己的观点，努力与同伴建立学习共同体并检验达成一致的观点（KC3→KC4，Z-score=3.20）。当然，在交互中存在无关内容（KC6→KC6，Z-score=7.86）来活跃讨论气氛，但可能会扰乱正常的交流秩序。半边缘者B（引导者）在整体交互中未发挥应有的引导作用，交互层级形成以一个浅层的闭环，即KC1→KC2→KC3，其残差值分别为Z-score=3.11、2.70 和3.33。核心参与者是整个交互系统中最重要的角色，推动交互行为走向高阶层级，其行为构成完整的渐进序列模式KC1→KC2（Z-score=4.73）、KC2→KC3（Z-score=2.25）、KC3→KC4（Z-score=3.20）、KC4→KC5（Z-score=3.33）。此外，通过群体间协商，核心参与者在检验修正观点时会对原有观点进行自查与反思（KC3→KC1，Z-score=3.82；KC4→KC1，Z-score=4.03），表明学习者能接受他人观点进行自我反思，理性客观看待不同观点对自身知识结构的影响，并与他人达成一致目标（KC4→KC5，Z-score=3.33）。整体来讲，不同学习群体的交互以浅层行为序列为主，只有核心参与者和半边缘者A（组织者）进入高阶层级，促进网络学习空间知识建构过程顺利开展。

3.3.2 不同学习群体行为序列与学习成绩相关性分析

对交互行为的25 个行为序列总频次与学习成绩进行Spearman 相关分析，结果显示仅有8 个行为序列与学习成绩显著相关，结果见表3。可以看出，不同学习群体交互行为序列与学习成绩的共同显著性主要集中在KC1KC2 和 KC2KC1 序列中，表明群体学习的交互行为序列在浅层阶段对学习成绩具有正向影响，该序列体现了学习群体注重知识内容的基本认知与理解；差异性表现为两个方面：

Table 3 Correlation analysis between sequences of interactive behaviors and academic performance in different learning groups表3 不同学习群体交互行为序列与学习成绩相关性分析

（1）同一群体内部差异显著。如核心参与者的交互行为序列在0.373（P＜0.05）以上对学习成绩影响显著，即KC1KC2、KC1KC3、KC2KC1、KC3KC1 和KC2KC3；半边缘者A（R≥0.331，P＜0.05）为KC1KC2、KC2KC1 和KC3KC1；半边缘者B（R≥0.358，P＜0.05）为KC1KC2 和KC2KC1；边缘者（R≥0.363，P＜0.05）仅在KC1KC2 序列上与学习成绩关系显著。研究表明，同一群体内部的交互行为序列首先从基本知识的理解开始，逐步扩展到知识间的意义协商和达成，充分发挥学习共同体在分享、检验、修正等交互过程的协作效应，既符合学习者的认知行为规律，又佐证了上述不同学习群体的交互行为序列分析结果。然而由于某些复杂的原因，半边缘者B（引导者）和边缘者在知识协商与修正等较高层级的认知行为活动中缺乏主动性，影响了学习成绩的显著性。

（2）不同群体间差异显著。研究认为，交互行为序列数越多，学习成绩越显著。核心参与者、半边缘者A（组织者）、半边缘者B（引导者）和边缘者分别有8 个、6 个、5 个和2 个行为序列与学习成绩显著相关性，其中核心参与者与边缘者差异最为显著，其次为半边缘者B（引导者）和半边缘者A（组织者）。此外，群体行为特征差异是影响学习成绩的关键因素，例如核心参与者和半边缘者A（组织者）在外显交互行为阶段具有帖子再编辑和与同伴良好协作的过程，表明其具有反思、检验、修正前期观点的意识和能力。同时，在交互行为阶段，二者的行为序列均进入交互较高层级，在意义协商与观点检验修正中能不断形成新的知识与认知再认识的行为。

4 研究结论与建议

4.1 建立紧密的社会网络关系结构，激发不同学习群体的内在动力

社会网络分析清晰呈现了网络学习空间中不同学习者间的互动结构关系。本研究中网络交互密度为0.128 4，平均距离为1.906，互惠性为0.131 7，表明网络学习空间中学习者的社会网络关系已经建立，但交互结构松散，交互主体主要集中于核心参与者和半边缘者A（组织者），而半边缘者B（引导者）和边缘者未在交互中表现出理想的行为关系，对学习成绩影响不显著。在教学中，教师应充分尊重学习群体的需求，依据不同学习角色提供教学支持服务，增强不同学习群体在网络学习空间中的主动性［23］，例如赋予核心参与者更多学习自主权，使其在交互中起到引领、激发、调节等作用，以汇聚其他学习者共同参与交流；应发挥半边缘者A（组织者）助学者角色，使其承担学习过程中的答疑任务，鼓励其他参与者积极互动交流，推动群体交互层级与质量向上发展；引导半边缘者B（引导者）对启发性和探索性话题进行思考交流，注重从发帖数量向发帖质量转变；给予边缘者人文关怀和精准指导，通过与核心参与者和助学者建立学习共同体，帮助其回归社群活动。

4.2 建立有效教学交互策略，促进交互质量提升

本研究中学习群体的交互活动主要集中于浅层级（KC1、KC2），占总交互数的67.08%，而高层级交互（KC4、KC5）数量偏少，仅占11.38%。在不同学习群体的交互活动中也具有相似情况，但又表现出一些差异。例如，核心参与者的KC1-KC2 交互活动占总交互行为的68.42%，而其他学习群体在该层级的交互活动值均高于核心参与者；核心参与者在KC4 和KC5 阶段出现频率较高的交互行为，其他学习群体的交互行为主要集中于KC1、KC2、KC3，KC4和KC5。这一现象对于个体知识建构、评价反思能力、深度协作等潜在学习能力具有显著影响，不利于网络学习空间中社会化学习体系的良性循环。因此在教学中，教师应以“主题模块化+策略”机制推进学习者与学习内容、学习资源、师生之间的深度交互，促进知识内化［24］。此外，注重学习者的差异性特征，利用多种学习分析工具为不同学习者提供个性化服务，可促进其高阶思维能力与协作交互质量的提升。

4.3 注重学习者行为差异，发现有效行为序列规律

在交互行为序列分析中，不同学习群体的行为序列均主要集中于KC1 和KC2 阶段。相比于边缘者B（引导者）和边缘者以浅层交互行为为主（KC1 和KC2），核心参与者和边缘者A（组织者）在高阶交互序列中均有显著行为序列出现（KC4 和KC5）。此外，无关信息（KC6-KC6）可能会影响交互质量。在网络学习空间中，教师应根据学习群体的特征或学习者的个性差异为其提供适宜的学习支架和灵活的交互策略，帮助学习者产生有价值的想法；鼓励学习者积极建立交互活动，如同伴互评和同伴协作。此外，教师应利用网络学习空间中的智能代理，如仪表盘、概念地图、词云、知识社会网络等工具及时掌握话题走向［25］，调控交互秩序，并在交互中发现有价值的交互行为规律，积极引导半边缘者B（引导者）和边缘者改善学习方式，促进其构建有意义的知识体系。

4.4 挖掘学习者的个性潜能，改善教学交互策略

研究认为，在所有学习群体中KC1KC2 和KC2KC1 行为序列与学习成绩成正相关，说明交互行为质量与行为序列会影响学习成绩。发现有意义的行为序列有助于优化教学过程，提升教学效果；而对于偏离学习主题或无意义的行为序列，教师应及时采取干预并调整交互话题，改善交互质量［26］。此外，教师应关注学习者的行为特征差异，利用信息技术手段为其制定差异化学习方案，在学习共同体中发挥个人潜能，促进其在积极的协作交互中提升绩效水平。

5 结语

本文通过综合运用社会网络分析、内容分析、滞后序列分析和相关分析等方法挖掘了不同学习群体的行为特征及其差异，发现浅层次的学习行为以及低等级的交互质量仍然是当前网络学习空间交互活动面临的主要问题。诚然，本研究还存在很多局限之处：首先研究样本数量有限，仅针对某一课程数据进行分析；其次，网络学习群体划分未考虑学习者的个性特征，划分依据有待改善；第三，文章仅从内容交互行为与学习成绩视角进行相关分析，对学习者外显行为与学习成绩的相关性未予以考虑。今后将进一步扩大样本，对不同学习群体的成因、交互行为差异、教学活动设计进行优化与调整，以提升其在网络学习空间中的交互质量和学习效果。