可视化实时协作场景中群体深度学习发生的多维特征挖掘研究

[摘 要] 随着对教育互动的研究越来越强调“情境依存性”，关注复杂交互场景下互动数据的多维分析有助于还原群体学习复杂过程、揭示特定规律、优化特定服务。研究通过对三组不同协作成效的个案在可视化实时协作场景中的互动数据进行协作关系、协作行为和协作时序的多维分析发现，群体深度学习发生的特征表现为：（1）有多个核心成员且分层领导的组织关系，更有利于促使小组在协作前期的资料搜集和推进方案想法或成果形成的阶段积极展开交互反馈；（2）小组在协作过程中基于“内容建构”的集中性反馈和基于“案例共享、信息搜集、想法拓展”的实质性反馈对小组协作深度影响大于围绕“线索提示、任务明晰”的流程性反馈；（3）小组协作习惯主要存在“问题导向、资料导向、任务导向”三种典型模式，对小组协作深度的促进依次减弱。该研究为高校教学多元交互场景中新协作样态下的群体深度学习发生机理揭示、评价方法和促进策略优化等提供了理论与实践基础以及后续建议。

[关键词] 高校教学； 可视化实时协作； 协作问题解决； 群体深度学习； 多维特征挖掘

[中图分类号] G434 [文献标志码] A

[作者简介] 姚佳佳（1993—），女，浙江湖州人。讲师，博士，主要从事深度学习、协作学习、学习分析等研究。E-mail：yjjyoka@jiangnan.edu.cn。李艳为通信作者，E-mail：yanli@zju.edu.cn。

一、研究背景与综述

（一）更多新兴协作情境中的深度学习发生机理有待揭示

近年来，计算机支持的协作学习逐渐成为教育学、计算机科学、心理学和脑科学等领域的研究热点，但设计和组织一个促进协作有效发生的深度学习场景依然不常见且不易[1]。随着虚拟现实、人工智能、大数据挖掘、多模态分析、多人实时交互与可视化等多种新型技术的兴起，对教育互动的研究越来越强调“情境依存性”，开始通过对多场景互动数据的感知、分析、融合来还原互动过程、刻画互动主体、揭示认知规律、优化学习服务，以此推动协作学习研究的科学发展[2]。计算机支持协作学习的研究也因此越来越关注如何充分利用新兴技术赋能群体学习的过程与结果，以设计更有效的协作学习新样态，包括协作学习新样态的设计策略（学习活动或学习工具设计等）、评价方法（评价方法或评价工具开发等）、发生机制（宏观、中观、微观不同层面的原理与规律）等。

（二）作为多元交互场景的可视化实时协作研究现状

可视化实时协作主要指允许多人同时在一个不受限制的自由画布空间，运用一系列图形化或非线性互动元素把本来不可见的互动过程、互动脉络、互动关系、互动内容模块等呈现出来，使其清晰可见的一种实时协作形式，是一种融合了可视化互动、即时通讯、论坛社区等多维互动形式的“无界社区”[1]。关于可视化实时协作的研究目前主要包括三种趋势[1-3]：早期围绕“图形化讨论（Graphical Discussion）”开展的大量协同辩论研究；用于教师收集学生问答反馈或头脑风暴的课堂师生单向快速互动模式及效果研究；用于小组思维导图或学习笔记协作共建的可视化制品展示及协作过程研究。研究表明，实时互动形式一定程度上能丰富学生对话内容，促进学生知识学习效果，可视化要素的加入对缓解学生学习情绪、提升学习效益更有帮助，图形化界面在突出互动结构和支持同伴有目的浏览互动内容方面具有较大潜力[1]。

（三）群体协作深度的评价研究现状

目前，大多数研究主要聚焦在对协作学习投入的评价和互动对话的内容分析等视角，包括从社交互动参与表现、认知行为表现、情感表现等方面去分析学生的对话内容[4-7]，尤其对内容本身的认知行为类型关注较多，对同伴之间对话反馈关系的体现较少[8-10]。此外，还有一部分研究关注面向协作知识建构的智能会话分析或智能学习分析仪表盘等评价工具的开发与应用，包括认知参与、行为参与、社交参与等视角的自动分析与反馈以及学生自评、互评等评价形式的结合等[11-13]。而对于特定的协作问题解决情境中的学习深度测量，传统手段多关注个体能力检测或群体结果性评价[14]，近年来，开始更多关注个体或群体的协作问题解决过程性表现，个别研究分别探讨了群体协作的成员特征、角色关系、协作行为构成和时序分布等方面的表现与其协作成就之间的关系[15-16]，但较少关注到可视化实时协作场景中的各类过程性表现特征与协作深度关联的挖掘。

整体来说，现有研究主要存在以下几方面不足：在可视化实时协作场景的应用方式上，可视化功能更多用于表征学习内容，缺乏与互动性能的真正结合，学生可能仍依赖额外实时通信工具进行交互，可视化要素并未真正介入支持同伴交互行为过程中；在群体协作深度的评价方式上，研究多以常规在线学习场景中学生会话单维属性的描述性统计、社交网络分析等传统学习分析以及对学生认知、心理、态度等调查为主，缺乏对可视化实时协作这一多元交互场景下群体深度学习发生的多维特征挖掘及其与群体学习深度的关联分析。

二、研究目的与问题

本研究旨在基于可视化实时协作这一多元交互场景，探究高校混合教学中小组协作问题解决的新协作样态设计与实践，并基于不同协作表现特征小组的案例研究，挖掘该场景中的小组协作习惯与其协作深度之间的关联，从而为这一新协作样态下的群体深度学习发生机理揭示、评价方法和促进策略优化等提供理论和实践基础。具体研究问题如下：（1）不同协作深度的小组在可视化实时协作关系特征上存在何种差异？（2）不同协作深度的小组在可视化实时协作行为特征上存在何种差异？（3）不同协作深度的小组在可视化实时协作时序特征上存在何种差异？

三、研究方法

（一）研究被试与环境

本研究以某研究型大学Z校本科生专业选修课“网络与远程教育”为实践环境，接收来自教育学、计算机、旅游管理等专业的11名大三学生完整参与本次实验周期（其中，男生3人、女生8人，且男女生中各有一名留学生）。被试被分为三个小组（为保证每个小组均有3名中国学生，两名留学生被分别分配在两个4人小组中）。每组在持续8周的八个不同学习主题下均需完成8次协作问题解决的小组任务，具体协作过程要求按照四个问题解决阶段[17]推进：（1）问题表征阶段（Problem Representation），确定并深入理解要解决的核心问题，探讨其重要性，分析问题之间的联系，确定优先级，并检查信息遗漏，同时识别出问题的首要原因；（2）方案生成阶段（Generating Solutions），探讨可能的解决方案，评估其效果，详细说明实施步骤，并考虑其他可行方案；（3）辩解论证阶段（Making Justifications），阐述选择最佳方案的理由，讨论其局限性，并提供有力证据以说服不同观点的人；（4）监测评估阶段（Monitoring and Evaluating），考虑不同利益相关群体的视角，分析解决方案的优缺点，同时思考如何说服持有不同立场的利益相关者，探讨改进措施，并准备替代方案以应对可能的未达预期的情况。研究选取“会议桌”这一集头脑风暴、视频会议、在线教学、流程图绘制、任务管理、思维导图等多种可视化表征和实时互动功能为一体的多人可视化实时协作平台，作为小组开展协作问题解决的工具（图1为小组协作界面示例）。

（二）数据收集与分析

为了体现小组在可视化实时协作场景中的交互元素使用行为、交互反馈层级等属性，研究通过改编相关编码指标（见表1），由两位研究人员对学生在会议桌协作问题解决过程中产生的1365条交互内容进行协作行为的独立编码（Kappa=0.98），并采用ENA 1.6.0 Web Tool和Tableau工具对编码结果分别进行认知网络分析和时序分析，以挖掘不同小组在问题解决过程中的协作行为构成情况与时序规律。

对于小组协作问题解决深度的评价，由两位研究人员基于改进型SOLO评分框架[18]（见表2），对三个小组在会议桌中产生的8次协作问题解决情况（共24份小组制品）进行独立评分（Kappa=0.97），并采用Excel对其进行折线图绘制和描述性统计分析，以了解各组在各次协作中达到的问题解决深度波动情况、整体趋势和平均水平等。

四、结果与讨论

（一）不同小组的可视化实时协作深度表现

如图2所示，第1组的协作深度整体处在高级多元结构和低级关联结构中间水平，第2组处在低级关联结构和高级关联结构中间水平，第3组处在中级多元结构和高级多元结构中间水平。整体而言，第2组的群体协作深度达到了深度学习水平，第3组还处于浅表学习水平，而第1组则处于较高水平的浅表学习和较低水平的深度学习之间。

（二）不同协作深度小组的可视化实时协作关系特征

图3左侧是三个小组11位成员的具体协作行为编码结果的认知网络分析图，右侧是对每位组员的行为表现深入剖析后总结凝练的各组成员角色关系图。整体来看，不同协作深度小组的协作关系差异主要体现在：第1组同时具备两位同等级作用的中心人物，形成了“双中心型”的协作关系；第2组的每位组员扮演不同层次的功能角色，以“分层中心型”的互补关系展开协作；第3组则是常见的小组成员功能结构，形成的是一位组长领导的“单中心型”协作方式。

就上述不同小组的协作深度差异可知：当组内有多个核心成员时，学生更能基于协作内容展开丰富的交互反馈，但相比仅对已有协作内容提供质疑或修改反馈的成员，积极参与协作方案想法与内容形成初期的交互反馈以及围绕协作内容对同伴疑问积极给予澄清和解释的成员，更能对小组协作的核心思路和内容构建起到方向把控的作用，也更能促使小组形成对相关主题的深度认知，而分层中心的组织关系更有利于激发此类成员的形成。当组内仅有单个核心成员时，学生在组内的交互反馈更易围绕协作任务展开，而缺乏深入内容的探讨，这种明确高效的传统分工合作方式并不能有效提升协作成果的认知层次。

（三）不同协作深度小组的可视化实时协作行为特征

图4是三个小组群体层面协作行为编码结果的认知网络分析两两对比图。表3是对每组的群体表现特征进行深入剖析后，从六个方面总结梳理的各组协作行为差异列表。整体来看，不同协作深度小组的协作行为差异主要体现在：第3组主要仅依赖简单的“信息搜集”以及基于信息的“线索提示”和推进“任务明晰”来完成群体协作；第2组在第3组特征的基础上，还能在“内容建构”“案例共享”和“想法拓展”等方面均开展更丰富的协作；第1组则在深入的“案例共享”“信息搜集”和“想法拓展”方面不如第2组开展得到位，主要在“任务明晰”方面比其他两组做得更充分。

就上述不同小组的协作深度差异可知：（1）组员之间对同伴建构的协作内容展开积极的交互反馈是保障小组协作问题解决达到深度认知层次的重要基础（即“内容建构”的集中性反馈是核心根基）。（2）只有在更前期环节的资料搜集以及推进方案想法或成果形成过程中，确保展开更积极的内容加工理解类交互反馈而非信息认可类交互反馈，才能促使小组最终协作达到更稳定的深度水平（即“案例共享、信息搜集、想法拓展”的实质性反馈是质量保障）。（3）以小组任务分工为主的交互反馈因多为简单的提示性对话，缺乏深入内容的具体交流，难以促进小组协作达到深度认知层次（即“线索提示、任务明晰”的流程性反馈是表面工程）。

（四）不同协作深度小组的可视化实时协作时序特征

图5左侧是三个小组群体层面协作行为编码结果的时序图示例，右侧是对每组的群体协作行为顺序特征进行剖析后总结凝练的各组协作时序习惯图。整体来看，不同协作深度小组的协作时序差异主要体现在：第1组基本不太涉及“选题”的真正交流，习惯直接从找“资料”开始，再基于搜集的资料来重点探讨解决方案的“框架”，最后基于框架分工来完成协作“成果”的内容建构，属于“资料导向”的协作习惯；第2组会认真从“选题”开始探讨，基于确定的主题协商解决方案“框架”，再基于框架分工来协作搜集和重点探讨密切相关“资料”的加工过程，最后一起完善“成果”的构建，属于“问题导向”的协作习惯；第3组则不太重视“框架”探讨的需要，直接交流完“选题”就进入分工找“资料”，最后合作拼接“成果”，属于“任务导向”的协作习惯。

就上述不同小组的协作深度差异可知：（1）“问题导向”小组的协作习惯有利于组员基于确定的问题解决框架对同伴资料内容给予充分的交互反馈，能够加深组员对彼此所负责内容的理解，进而促进小组协作成果达到深度认知层次。（2）“资料导向”小组的协作习惯不利于促进组员对同伴资料内容的交互反馈和理解，但有利于其基于资料支撑更深入地展开关于解决方案框架的交互反馈，这种方式导致的小组协作成果认知层次不够稳定，群体可能达到深度学习，也可能停留在浅表层面。（3）“任务导向”小组的协作习惯既不利于组员对同伴资料展开充分交互反馈，也不利于其基于资料支撑展开有关解决方案框架的深入探讨，协作成果的产生缺乏各阶段真正的内容性交互反馈过程，以成员独立完成各自负责部分和小组汇总合并为主，导致组员既对彼此的内容缺乏了解，又对小组问题解决情况的思考和理解不深，使得群体协作停留在浅表层次。

五、总结与展望

（一）研究结论

研究发现，在基于可视化实时协作的多元交互场景中，小组的协作关系、协作行为、协作时序等协作习惯均会影响其达到的群体协作深度，具体体现在：

其一，有多个核心成员且分层领导的组织关系，更有利于促使小组在协作前期的资料搜集环节以及推进方案想法或成果形成的阶段积极展开交互反馈，并在资料搜集环节实现真正的内容合作而非任务合作。相关结果在已有研究中也得到了较为相似的印证，如Liu等人[19]发现，集中知识交流的同伴对话模式（具有公认能力的学生成为群体中知识交流的中心，类似本研究中问题导向的分层中心型小组结构）产生的小组协作作品成绩最高，群体发展障碍的同伴对话模式（学生没有聚拢于一个共同的过程来解决指定的问题，类似本研究中任务导向的单中心型小组结构）产生的小组协作作品成绩最低，部分知识交流的同伴对话模式（问题解决过程和知识交流只发生在选定的学生之间，类似本研究中资料导向的双中心型小组结构）产生的小组协作作品成绩则处于前两者之间。

其二，小组在协作解决问题的过程中，基于“内容建构”展开集中性反馈以及基于“案例共享、信息搜集、想法拓展”展开实质性反馈对小组协作深度结果至关重要，围绕“线索提示、任务明晰”的流程性反馈影响不大。这意味着在实际的教学过程中，比起关注小组协作的全程表现，更着重引导学生在协作早期开展积极的搜集、探讨与建构工作，更有利于保障学生的群体学习成效。然而，被试在学习体验反馈中表明，其在小组协作中遇到的最大挑战正是“在开始提出思路阶段最缺乏积极性”这一问题。有研究通过定量分析和函数建模方法探索小组在协作解决问题过程中的收敛出现节点时发现，小组高（或低）质量的贡献在讨论中较早出现时，对最终结果有着更大的影响，这启示教师不需要提供全过程的脚手架支持，但可以重点在讨论的早期阶段提供适当的脚手架来促进小组的讨论更早达到收敛，从而提升群体学习的最终成效[20]。

其三，小组整体的协作习惯主要存在“问题导向、资料导向、任务导向”三种典型模式，对小组协作深度的促进依次减弱，注重“任务合作”的小组协作并不能促进群体达到深度学习，决定群体协作能否实现深度学习的关键一环在于小组能否在“资料”环节做到真正的“内容合作”，即组员能够对同伴提供的资料内容给予充分的交互反馈，从而促进彼此对各自内容的深度理解和消化。已有研究也发现，学生在协作问题解决活动中存在不同模式的对话[8]：一种是专注于寻找结果答案的权威式交流，往往产生领导者和跟随者这种不对称的组员角色，学生更多地是在提出自己的观点视角后通过评价反馈强化自己的想法，最终快速达成共识和生成结果，大部分反馈往往被简单地确认、评价或忽略，这一模式跟本研究中的任务导向模式较为类似；另一种是对话式探讨，同伴反馈旨在互惠，组员之间角色互补，学生通过提问和描述性反馈来支撑同伴的想法，或通过对同伴的想法进行重新组织措辞、澄清或制定建议来提供精心设计的反馈，并鼓励同伴提供提示或挑战想法来进行回应，这一模式则跟本研究中的问题导向模式较为类似。

（二）未来展望

可视化实时协作场景下的问题解决过程是一种复杂现象，学生群体需要通过对话和行动不断协调交互、行为、调节、认知等以适应复杂和动态变化的协作环境[21]。因此，对这类复杂交互场景下的协作过程的理解，未来将需要通过更加有机、非线性和整体的方法来挖掘其中的多维性质、协同关系和非线性的动态演化特征[22]。而智能技术将为此提供新动能，未来复杂教育情境中的群体协作过程深度评价将走向“多来源、多模态数据可视化表征—大数据、大模型要素自动化计算—全系统、全业务人机协同化决策”新方向[23]，融合多种智能技术深度挖掘学生语言、交互行为、情绪情感等数据的评价方法成为最新趋势[24]。

研究团队未来将进一步关注如何在可视化实时协作的多元交互场景中，为群体学习提供更多有效的辅助策略或支架工具，如多维的群体感知工具、更优设计的CSCL可视化支持系统和编排脚本、更系统视角的多层次智能分析技术以及融入AIGC功能后的提示设计、认知建模、过程挖掘与效果监测[25]等，从而方便教师了解和顺应学生群体的动态演变规律，人机协同地引导学生更好地在协作过程各个阶段开展深入交互反馈，由此实现复杂交互场景下群体协作深度的动态识别与精准干预，促进小组协作方式的优化转型和协作成效的改善。

[参考文献]

[1] 姚佳佳，李艳，陈新亚，等. 不同可视化实时互动界面对大学生同伴对话反馈的影响研究[J]. 远程教育杂志，2023，41（1）：102-112.

[2] 郑永和，王一岩，吴国政，等. 教育信息科学与技术研究的现实图景与发展路向——2018—2022年F0701资助情况分析[J]. 现代远程教育研究，2023，35（1）：10-19.

[3] 姚佳佳，李艳，陈新亚，等. 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.

[4] 马志强. 社会性认知互动的多维刻画：协作学习投入理论建构与实践探索[M]. 北京：中国社会科学出版社，2021.

[5] 马志强，岳芸竹，王文秋. 基于多模态交互信息的协作学习投入分析[J]. 现代教育技术，2021，31（1）：47-53.

[6] 马志强，孔伶玉，岳芸竹. 面向协作学习多重投入特征画像的多模态学习分析[J]. 远程教育杂志，2022，40（1）：72-80.

[7] OUYANG F， CHANG Y -H. The relationships between social participatory roles and cognitive engagement levels in online discussions[J]. British journal of educational technology， 2018，50（3）：1396-1414.

[8] GAN JOO SENG M， HILL M. Using a dialogical approach to examine peer feedback during chemistry investigative task discussion[J]. Research in science education， 2014， 44： 727-749.

[9] ER E， DIMITRIADIS Y， GA？譒EVI■ D. A collaborative learning approach to dialogic peer feedback： a theoretical framework[J]. Assessment and evaluation in higher education， 2021，46（4）：586-600.

[10] 姚佳佳，李艳，潘金晶，等. 同伴对话反馈对大学生在线深度学习的影响研究[J]. 华东师范大学学报（教育科学版），2022，40（3）：112-126.

[11] 马志强，郭文欣，王萌. 面向协作知识建构会话内容的智能挖掘分析[J]. 现代远距离教育， 2022（1）： 3-13.

[12] 马志强，吕子芸，张赛宇. 迈向人机协同的协作学习——CSCL领域智能学习分析仪表盘研究热点与前沿趋势探究[J]. 现代远距离教育，2022（5）：3-11.

[13] HU L， WU J， CHEN G. iTalk-iSee： a participatory visual learning analytical tool for productive peer talk[J]. International journal of computer-supported collaborative learning， 2022，17：397-425.

[14] ROJAS M， NUSSBAUM M， CHIUMINATTO P， et al. Assessing collaborative problem-solving skills among elementary school students[J]. Computers & education， 2021，175：104313.

[15] 王辞晓，王小越. 多元小组特征对协作问题解决的组态效应——基于模糊集定性比较分析（fsQCA）[J]. 远程教育杂志，2023（6）： 62-70.

[16] OUYANG F， TANG Z， CHENG M， et al. Using an integrated discourse analysis approach to analyze a group's collaborative argumentation[J]. Thinking skills and creativity， 2023，47：101227.

[17] BYUN H， LEE J， CERRETO F A. Relative effects of three questioning strategies in ill-structured， small group problem solving[J]. Instructional science， 2014，42：229-250.

[18] BURNETT P C. Assessing the structure of learning outcomes from counselling using the SOLO taxonomy： an exploratory study[J]. British journal of guidance and counselling， 1999，27（4）：567-580.

[19] LIU C -C， TSAI C -C. An analysis of peer interaction patterns as discoursed by on-line small group problem-solving activity[J]. Computers & education， 2008，50（3）：627-639.

[20] PUNTAMBEKAR S， ERKENS G， HMELO-SILVER C. Analyzing Interactions in CSCL[M] // KAPUR M， VOIKLIS J， KINZER C K. A complexity-grounded model for the emergence of convergence in CSCL groups. Boston， MA： Springer， 2011：3-23.

[21] OUYANG F， XU W， CUKUROVA M. An artificial intelligence-driven learning analytics method to examine the collaborative problem-solving process from the complex adaptive systems perspective[J]. International journal of computer-supported collaborative learning， 2023，18：39-66.

[22] AMON M J， VRZAKOVA H， D'MELLO S K. Beyond dyadic coordination： multimodal behavioral irregularity in triads predicts facets of collaborative problem solving[J]. Cognitive science， 2019，43（10）：Article e12787.

[23] 谢幼如，高磊，邱艺，等. 智能技术赋能高质量课堂的评价创新[J]. 电化教育研究，2023（12）：73-79，94.

[24] 丁继红. 多模态协作学习分析理论模型、实践逻辑和教育价值[J]. 远程教育杂志，2023（2）：95-104.

[25] 姚佳佳，李艳，刘明月，等. 多层交互轮转的课堂编排视角下大学生深度学习促进机制研究——基于学生个案反思的主题分析[J]. 现代远距离教育，2024（2）：71-83.

Research on Multidimensional Feature Mining of Group Deep Learning in Visualized Real-time Interaction Scenarios： A Case Study Based on Three Groups with Different Collaboration Habits

YAO Jiajia1， LI Yan2， LIU Mingyue1， MA Zhiqiang1

（1.Research Center of Educational Informatization， Jiangnan University， Wuxi Jiangsu 214122;

2.College of Education， Zhejiang University， Hangzhou Zhejiang 310028）

[Abstract] With the increasing emphasis on "context dependency" in the study of educational interactions， multidimensional analysis of interaction data in complex interaction scenarios can help to restore the complex process of group learning， reveal specific patterns， and optimize specific services. Through the multidimensional analysis of interaction data of three groups with different collaborative performance in visualized real-time interaction scenarios in terms of collaborative relationships， collaborative behaviors and collaborative time sequences， it is found that the features of group deep learning are as follows： （1） the organizational relationse4Jp4ATTI/nBColh6LT3moRHsclqhto24im/hyYOmOg=hip with multiple core members and hierarchical leadership can be more conducive to encouraging the group to gather information and advance program ideas in the early stages of collaboration， or actively carry out interactive feedback in the stage of outcome formation;（2） in the process of group collaboration， the centralized feedback based on "content construction" and the substantive feedback based on "case sharing， information gathering and idea development" have a greater impact on the depth of group cooperation than the procedural feedback based on "clue prompts and task clarification"; （3） there are three typical modes of group cooperation habits， namely the problem-oriented， the data-oriented and the task-oriented， with the promotion of the depth of group collaboration being weakened in turn. This study provides a theoretical and practical foundation as well as subsequent suggestions for the revelation of the mechanism， the optimization of evaluation methods and promotion strategies under the new collaborative paradigm in the multidimensional interaction scenarios of higher education.

[Keywords] Higher Education; Visualized Real-time Collaboration; Collaborative Problem Solving; Group Deep Learning; Multidimensional Feature Mining