何种因素影响网络学习资源进化？

摘 要：教育高质量发展的新阶段对资源大规模生成与持续改进的需求越来越高。准确识别网络学习资源进化的影响因素有助于掌握资源进化的规律与内在机制，从而助力学习资源高质量建设。该研究基于信息生态学理论，结合相关文献的梳理与分析，初步建立了网络学习资源进化影响因素指标体系。然后，通过德尔菲法对指标体系进行修订完善。最后，利用解释结构模型法分析因素之间的内在联系，并构建了网络学习资源进化影响因素解释结构模型。基于该模型，该研究认为，促进网络学习资源的进化需要以增加用户数量和激发用户创作积极性为目标。同时，在确保学习资源质量的前提下，注重学习平台和管理机制的建设，从而全面保障资源的有序进化。通过识别网络学习资源进化的影响因素，可以为高质量网络学习资源的建设提供有益的参考和指导，从而促进网络学习资源向更加优质和适用的方向不断发展。

关键词：网络学习资源；资源进化；影响因素；德尔菲法；解释结构模型

中图分类号：G4 文献标志码：A 文章编号：2096-0069（2024）05-0001-07

收稿日期：2024-03-16

基金项目：2020年度国家自然科学基金面上项目“网络学习资源群体进化的规律识别与预警技术研究”（62077030）；2021年度江苏省研究生科研与实践创新计划项目“网络学习资源进化影响因素及其作用规律研究”（KYCX22＿2717）

作者简介：杨宇鹏（1998 — ），男，江苏南京人，硕士研究生，研究方向为数字化学习资源与环境；杨现民（1982 — ），男，河北邢台人，教授、博士生导师，研究方向为智慧教育，教育大数据；米桥伟（1997 — ），男，湖南怀化人，博士研究生，研究方向为人工智能教育；李新（1993 — ），男，山东日照人，博士，讲师，研究方向为人工智能教育应用、学习分析。

引言

随着互联网技术的快速发展，其在教育领域的应用场景也变得更加广泛，包括远程教育、课堂直播、智慧校园等[1]。传统教育模式正在向智能化、智慧化转变。2019年2月，中共中央、国务院印发了《中国教育现代化2035》，指出要创新教育服务业态，建立数字资源共建共享机制[2]；2021年，教育部等六部门发布了《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》，指出要依托国家数字教育资源公共服务体系，推动数字资源的供给侧结构性改革[3]。可见，网络学习资源在教育教学中发挥越来越重要的作用，而高质量网络学习资源更是推动教育数字化转型的重要力量。传统的学习资源服务模式主要依赖专家的统一供给，一旦设计完成，其结构和内容就会相对固化，难以根据需求的变化及时进行动态调整，从而难以满足学习者不断变化的场景化学习需求[4]。因此，需要发挥好学习资源的“可进化”能力，不断提升资源质量，以满足不同的教育需求，提供更好的教育服务。

然而，当前用户对网络学习资源的认可度低、利用率不高等问题依然突出。针对这些问题，部分研究者开始从进化的视角研究资源变化与发展问题，试图找到资源进化过程中的变化规律，以助力学习资源的高质量建设。所谓网络学习资源进化，是指网络学习资源为满足外在学习环境和学习者需求的变化，不断地进行自身内容与结构的完善[5] 。目前，研究者对网络学习资源进化的技术、影响因素、规律、机制等展开了探究，并取得了积极的研究成果[6-9]。但是，网络学习资源有序进化真的发生了吗？哪些因素影响了网络学习资源有序进化？如何识别这些因素？这些问题在现有的研究中仍未得到充分解决，并且研究者所总结的影响网络学习资源进化的因素也不够全面。为解决上述问题，本研究借鉴信息生态学理论，结合德尔菲法和解释结构模型分析，对网络学习资源进化的影响因素进行了识别研究，旨在为高质量网络学习资源的建设提供参考和指导。准确识别这些影响因素，还为未来开展网络学习资源进化规律、预警、机制等方面的研究奠定了基础。

一、网络学习资源进化影响因素的确定过程

（一）来自信息生态学的重要启示

信息生态学是生态学在信息领域的延伸，其主要研究对象是信息生态系统。该系统是由信息用户、信息和环境组成的具有复杂性、多样性和动态性的统一整体[10]，3种要素之间相互作用，推动着整个信息生态系统不断变化和发展。

信息生态系统与自然界的生态系统有着显著差异。自然界的生态系统是自发的、无组织的，而信息生态系统是人为构建的，可以进行人为干预。这种差别使得我们能够借助信息生态学理论来研究网络学习资源的进化影响因素。从信息生态学的3种构成要素来看，资源进化发生在由用户、学习资源和学习环境组成的系统中。环境要素为整个生态系统提供基础保障，网络学习平台和管理机制则为用户协作和资源进化提供场所。用户处于核心位置，他们的需求不断推动学习资源的进化。在庞大且活跃的用户群体中，用户协作较为频繁，能够在很大程度上促进资源的进化。学习资源本身也是一种重要因素，其质量和数量会影响自身进化。受用户和环境影响，资源会发生内容和关联进化，并呈现出一定的变化规律。

（二）影响因素指标体系的拟定与修订完善

首先，以信息生态学为研究视角，从用户、学习资源和学习环境3个方面展开分析，进一步挖掘影响网络学习资源进化的关键因素。其次，通过文献查阅和深入分析，完成二级指标的初步构建。最后，通过德尔菲法对拟定的指标体系进行修订和完善。本研究共计实施两轮专家意见征询，两轮专家权威系数Cr分别为0.797和0.756，均大于0.7，说明专家权威程度达到标准值，符合德尔菲法的要求。通过对两轮专家意见征询数据的分析和整合，发现第二轮意见征询结果一致性较高，因此不再进行第三轮意见征询。据此，本研究最终确定了网络学习资源进化影响因素指标体系，包括用户、学习资源、学习平台和管理机制等4个一级指标，以及用户数量、用户关联度、用户活跃度等11个二级指标。具体如图1所示。

二、网络学习资源进化影响因素的阐释

（一）用户层面的影响因素

用户是网络学习资源的创造者、使用者，是网络学习资源进化的直接受益者。用户的需求和特征驱动着学习资源不断变化，是网络学习资源进化最直接的动力。

1.用户数量

在网络学习空间中，学习者与资源之间形成了多种交互行为，这些交互行为推动着网络资源的发展[11]。本研究将在学习平台中的学习者称为用户，用户是创建资源、发展资源和利用资源的主体[12]，较大的用户数量不仅可以促使更多的人贡献和分享知识，进而使网络学习资源的内容更加丰富和多样化，还可以提供更多的观点和反馈，有助于网络学习资源内容的筛选和纠错，从而提高网络学习资源的质量和准确性。

2.用户关联度

用户关联度是指网络学习平台中用户之间的联系程度。在网络学习中，学习者通过学习行为和学习内容建立联系，形成了特殊的人际关系网络[13]。与之类似，学习平台中的用户基于学习资源建立用户关联网络，关联网络越复杂，表明用户关联度越高。强关联度的用户群体会拥有更高的群智性，从而有利于网络学习资源进化的发生。

3.用户活跃度

用户的信息行为，包括编辑、收藏、评论、订阅、分享、点踩等，是影响资源发展与利用的关键因素[14]。用户活跃度是指群体用户的登录、修改、评论、点赞、分享等一系列互动行为的发生频率。一方面，用户的交互协作行为实现了资源与资源之间的连接，增强了资源之间的关联性；同时，资源关联又使得用户更加方便地访问不同的学习资源，提高了学习资源利用率。另一方面，用户协作行为会直接使学习资源的内容和结构发生改变。

（二）学习资源层面的影响因素

从学习资源视角来看，进化是一种主动行为。与人类适应环境相似，学习资源需要不断地完善自身内容和调整自身结构，以适应变化的学习环境。

1.资源受关注度

网络学习资源受关注度会影响用户访问、编辑、评论、点赞、分享资源的概率。同时，资源受关注度受到诸多因素的影响，例如资源质量、资源推送等。用户更愿意关注主题新颖、富于创新、贴合当下热点话题的学习资源，因此，资源在创建初期，其质量在很大程度上决定了自身进化的趋势，初始质量不同的学习资源，其进化的难易程度也不同。除高质量学习资源之外，推送资源也会提高用户对学习资源的关注度。学习资源的用户关注度越高，其被访问、编辑的概率越大，进化也越容易发生。

2.资源关联度

资源关联度是指网络学习资源之间的联系程度。在资源与资源之间建立连接，形成资源关联网络，能够为用户进行资源协作建立起桥梁，使用户产生“跨资源协作”行为。一般来说，资源之间依靠语义联系建立连接，语义信息是区分不同资源的属性[15]。关联网络越复杂，表明资源关联度越高。随着资源之间的联系越来越紧密，资源所被访问、被编辑的概率就越大，从而资源进化也就越容易发生。

3.资源呈现方式

资源的呈现方式会对用户的资源创作意愿产生影响。传统的学习资源主要以文本和图片为主，但随着时代的发展，这种呈现方式难以吸引学习者的学习兴趣，也难以维持他们的持久学习积极性。多模态的网络学习资源很好地弥补了传统学习资源的不足，多样化的呈现方式使得资源变得更加生动活泼。当前，形式多样化的学习资源不仅提升了资源本身的质量，还吸引了更多用户的关注和使用，从而促进了网络学习资源的进化。

（三）学习平台层面的影响因素

学习平台是用户交互、资源流通的重要载体。用户借助学习平台进行资源协作，学习资源依托学习平台进行扩散并吸引用户对自身进行编辑和使用，促使自身发生进化。

1.平台易用性

易用性指的是用户在平台上进行学习和操作时的便捷程度。学习平台设计要遵循“以用户为中心”的理念，要能满足用户的使用需求和习惯。平台易用性主要表现为易于理解、易于操作和易于学习3个方面。平台易用性越强，越能吸引更多的用户参与协作并调动用户进行资源协作的意愿，从而提高用户使用资源的概率，同时促进网络学习资源的进化。

2.平台开放性

开放性体现了学习平台对外开放的程度。从平台自身来看，开放性主要包括是否与不同系统兼容、是否开放接口等方面；从用户的角度来看，开放性主要包括是否允许多种登录方式、是否允许用户生成内容（UGC）等。因此，开放程度越高的学习平台，越能汇聚更多的用户和学习资源，从而有助于学习资源进化的发生。

（四）管理机制层面的影响因素

管理机制在网络学习资源进化中扮演着重要角色，对资源的规范、质量的控制和用户协作的积极性产生着重要影响。合适的管理机制可以促进资源的不断进化和优化。

1.激励机制

激励对于激发学习动力至关重要，会影响用户创作资源的积极性。在协作环境中，激励机制的设置十分关键。通过深入分析用户特征，包括兴趣、需求和行为模式等，设计个性化的激励措施，能够有效激发用户的参与热情，提高其投入和积极性。因此，合理设置激励机制不仅能够鼓励用户更积极地参与资源创作和资源协作，还能够促进整个网络学习资源的进化和发展。

2.运营机制

通过设置合理的平台运营机制，学习平台能够保持活跃性，不断吸引新用户加入并汇聚新资源。好的平台运营包括平台的内容建设和输出、平台的宣传推广，以及平台的实时维护。通过适当的运营机制，可以不断优化平台服务，保证平台用户和资源的不断增加，从而促进学习资源的进化。

3.监控机制

监控机制是学习资源高质量和高活跃度的重要保证。首先，应实施质量监控，建立资源质量控制框架，对资源的质量进行评价与反馈。对于用户协作的资源，应进行检测，避免出现重复或无价值的资源。其次，应实施状态监控，对学习资源的进化过程进行干预。完备的监控机制是网络学习资源进化的重要保障，对进化发生起着积极作用。

三、网络学习资源进化影响因素的层级划分

解释结构模型法（Interpretative Structure Modeling，简称ISM）是一种研究系统复杂要素间逻辑关系和关联结构的分析方法[16]。本研究拟使用解释结构模型法对网络学习资源进化影响因素进行层级划分。

首先，构建影响因素的邻接矩阵，判断因素之间是否存在影响关系。其基本准则是，如对应行的因素对所对应列的因素有影响，则标注为“1”，反之，则标注为“0”。由于各因素之间的关系较为复杂，因此，只考虑直接影响作用，而忽略间接影响。本研究通过两位数字学习资源领域专家的两轮商讨与修改，对11个网络学习资源进化影响因素进行作用关系标注，得到了邻接矩阵A。

其次，通过布尔运算计算出可达矩阵R（A），公式为：（A＋I）K-1≠（A＋I）K＝（A＋I）K＋1＝R（A）（K≥2）。其中，I为单位矩阵。随后，在可达矩阵的基础上，通过对可达集合和先行集合的运算进行因素层级抽取。本研究经过4轮抽取，得到了影响因素层级关系，构建了网络学习资源进化影响因素的解释结构模型，将11个影响因素划分为具有4个层次的阶梯式结构，如图2所示（见下页）。

由图2可知，运营机制与监控机制构成了影响网络学习资源进化的初始因素，资源呈现方式、平台易用性、平台开放性和激励机制构成了第三层因素，用户活跃度、用户关联度、资源关联度、资源受关注度构成了第二层因素，用户数量则是影响网络学习资源进化的直接因素。该模型分为4个层次，从底层逐级向上呈现出递进关系。越低层级的特征越具体却不稳定，覆盖范围越小；越高的层级稳定性越强，覆盖范围越大。这里的覆盖范围是指该层级的影响和作用范围，并且可能涵盖更多的子部分或组成部分。

从第一层和第二层可以看出用户和网络学习资源对资源进化具有重要影响。网络学习资源的进化需要遵循“应用为王，服务至上”的原则，即为用户提供更好的教育服务，以满足他们的个性化学习需求。在这些因素的逐层影响下，网络平台中拥有高质量资源和活跃性较强的用户数量越多，将越有利于资源进化的发生。第三层和第四层展示了由学习平台和管理机制组成的网络学习环境，这是影响资源进化的基础因素。在开展网络学习之前，对平台的建设和机制的设置将决定用户聚集和资源整合的难易程度。换句话说，学习环境的建设为用户协同创作和资源升级迭代提供了支持，是网络学习资源进化的基础。因此，平台和管理机制的相关因素位于下层，是影响资源进化发生的初始因素。

四、实践启示

网络学习资源进化是一个不断变化和发展的过程，用户、学习资源、学习平台和管理机制4种因素相互作用，共同促进着资源进化的发生。基于网络学习资源进化影响因素的解释结构模型，我们得到4条促进网络学习资源进化的启示。

（一）扩大平台用户数量，提升用户创作积极性

在上述的解释结构模型中，用户数量是影响学习资源进化发生的最顶层因素。在某个网络学习平台中，用户基数越大，学习资源的进化就越容易发生。因此，网络学习平台需要吸引更多的用户，并进一步考虑如何提升用户的活跃度。当用户进行网络学习时，在协作交互的过程中产生了知识共享，然而，这种共享意愿受到多种因素的影响。参与学习资源协作的用户来源广泛，用户之间存在较大的认知和行为差异。因此，要注重培养用户的协作意愿，通过设置合理的管理机制和创新学习形式来帮助用户保持学习资源协作的积极性。例如，可以根据学习特征和兴趣将用户分组，同一组中的用户具有较多相似点，更容易建立联系，从而具有更高的用户关联度。随着时间的推移，学习群组会逐渐成熟，可以加强群组之间的互动，使群组之间建立联系。久而久之，用户之间会建立更为紧密的互动联系，对学习资源的进化发生起促进作用。

（二）提升学习资源质量，加强自身“可进化”力

高质量的网络学习资源往往具备更强的进化能力。它们以新颖的主题、丰富的内容、完整的结构和清晰的目录吸引用户参与，并不断进化。确保资源质量的关键在于以下几个方面：首先，创作资源时要结合热点信息和话题，如ChatGPT、元宇宙等，以提高关注度和吸引力。其次，保证资源的多样化呈现方式，如图表、视频、实例等，满足不同用户需求，打破单一模式。再次，监控资源质量和状态，通过数据统计和可视化图表及时发现问题并修改。最后，通过推荐机制增加资源被访问和编辑的概率，提高资源使用率。只有被使用的学习资源才能发挥价值，并不断进化。高质量的网络学习资源需关注热点话题、多样化呈现、持续监控改进和有效推荐，吸引用户参与并不断发展。

（三）优化学习平台建设，提升平台服务能力

网络学习平台建设属于学习环境中的硬环境建设，为用户创作和资源进化提供了基础场所。通过优化平台建设，提高网络学习资源的可用性和可访问性，是促进资源的进化关键措施。首先，加强学习平台之间的互联互通，实现资源共享和互联，为用户提供更多元化的选择。其次，融合新兴信息技术，如大数据、区块链、云存储与计算、生成式人工智能等，丰富平台功能设计，满足用户的多样化使用需求，提供智能化学习支持。再次，及时更新和维护平台的软硬件设施，解决用户反馈的问题，推动平台功能不断改进和创新。最后，优化学习平台建设，提高平台的易用性和开放性，提高平台汇聚用户和资源的能力。高质量的网络学习平台能够提高资源质量和使用效率，促进用户互动和交流，推动资源的创新和发展。

（四）建全进化管理机制，打造进化适宜环境

构建管理机制是学习环境中软环境建设的重要组成部分。完善的管理机制能够提升用户的资源创作积极性，提高学习资源的质量，并保障网络学习平台的正常运行。与平台和网络等硬件建设相比，合适的管理机制设置更具挑战性。因此，在管理机制建设过程中，需要充分考虑用户需求、资源特点及平台运营模式等因素。首先，建立完善的资源监控机制至关重要，以确保学习资源的质量和合法性。这意味着需要加强对资源的审核和评估，防止低质量或违规内容的出现。其次，建立激励机制是关键，以促进用户积极参与资源创作和分享，提高他们的积极性和创造力。最后，建立健全的用户反馈机制也至关重要，以不断提升用户的平台使用体验。总之，完善的管理机制对于网络学习软环境的建设起着重要作用。只有建立和完善合理的管理机制，才能更好地促进网络学习资源的发展和创新，为用户提供更优质、更高效的学习服务。

参考文献

[1]林晓峰，谢康.第五代移动通信网络技术的教育领域应用及其发展趋势[J].数字教育，2019，5（6）：26-29.

[2] 中共中央、国务院.中国教育现代化2035[EB/OL].（2019-02-23）[2024-03-13]. http：//www.gov.cn/zhengce/2019-02/23/content_5367987.htm.

[3] 教育部等六部门.关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见[EB/OL]. （2021-07-08）[2024-03-13]. http：//www.moe.gov.cn/srcsite/A16/s3342/202107/t20210720_545783.html.

[4] 王琦，余胜泉，万海鹏.内容与结构松耦合的适应性学习资源模型及应用研究[J].电化教育研究，2022，43（3）：51-59.

[5] 杨现民，余胜泉.泛在学习环境下的学习资源进化模型构建[J].中国电化教育，2011（9）：80-86.

[6] 郑庆思，杨现民，余胜泉.泛在学习环境下学习资源的聚合研究[J].现代教育技术，2013，23（12）：79-84.

[7] 万力勇，黄志芳，邢楠，等.用户生成性学习资源建设的驱动因素研究：以百度百科平台为例[J].电化教育研究，2015，36（2）：50-57.

[8] 米桥伟，杨现民，李康康.如何识别网络学习资源的进化状态：一种基于信息体量的量化表征方法[J].现代远程教育研究，2023，35（1）：103-112.

[9] 杨现民，余胜泉.开放环境下学习资源内容进化的智能控制研究[J].电化教育研究，2013，34（9）：83-88.

[10] 肖钠.我国信息生态理论研究综述[J].情报科学，2011，29（7）：1114-1120.

[11] 张青敏.基于系统动力学的网络环境下信息生命周期演化规律研究[J].情报理论与实践，2011，34（5）：6-9.

[12] 徐刘杰，陈中，熊才平.基于连通主义的网络教育资源发展与利用研究[J].电化教育研究，2014，35（12）：81-85.

[13] 余胜泉，杨现民，程罡.泛在学习环境中的学习资源设计与共享：“学习元”的理念与结构[J].开放教育研究，2009，15（1）：47-53.

[14] 杨现民.泛在学习资源动态语义聚合研究[J].电化教育研究，2014，35（2）：68-73.

[15] 余胜泉，王琦，汪凡淙，等.泛在学习资源组织和描述框架国际标准研究：暨学习元的国际标准化研究[J].中国远程教育，2021，558（7）：1-9，76.

[16] 乔婧怡，张屹，马静思.基础教育阶段学生计算思维影响因素及作用机制：基于人工智能课程的实证研究[J].数字教育，2023，9（6）：38-46.

（责任编辑 孙兴丽）

What Factors Influence the Evolution of E-Learning Resources？

—A Study Based on the Delphi Method and Explanatory Structural Modeling

Yang Yupeng1， Yang Xianmin1， Mi Qiaowei2， Li Xin1

（1.School of Smart Education， Jiangsu Normal University， Xuzhou， Jiangsu， China 221116;

2.School of Information Technology in Education， South China Normal University， Guangzhou， Guangdong， China 510631）

Abstract： The new stage of high-quality development of education has an increasing demand for large-scale generation and continuous improvement of E-learning resources. Accurately identifying the influencing factors of E-learning resource evolution helps to grasp the law and internal mechanism of resource evolution， thus helping the construction of high-quality resources. Based on the theory of information ecology， this study initially establishes an index system of influencing factors on the evolution of E-learning resources by combing and analyzing relevant literature. Subsequently， the index system is revised and improved through the Delphi method. Finally， the intrinsic connection between the factors is analyzed by using the explanatory structural model method， and the explanatory structural model of the factors influencing the evolution of E-learning resources is constructed. Based on the model， this study argues that promoting the evolution of E-learning resources needs to be aimed at increasing the number of users and stimulating their creativity. At the same time， under the premise of ensuring the quality of learning resources， it focuses on the construction of learning platforms and management mechanisms， and thus can comprehensively guarantee the orderly evolution of resources. By identifying the influencing factors of the evolution of E-learning resources， it can provide useful reference and guidance for the construction of high-quality E-learning resources， so as to promote the continuous development of E-learning resources in the direction of better quality and applicability.

Key words： E-learning resources; Resource evolution; Influencing factors; Delphi method; Explanatory structural modeling