摘要：在線協(xié)作會(huì)話是在線學(xué)習(xí)活動(dòng)的重要組成部分，也是促進(jìn)學(xué)習(xí)者進(jìn)行協(xié)同知識(shí)建構(gòu)的重要手段，因此越來越受關(guān)注。目前，由于分析框架和分析方法不夠完善，導(dǎo)致當(dāng)前在線協(xié)作會(huì)話存在分析維度單一、自動(dòng)化程度較低等問題。為此，文章首先提出了一種數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話分析框架和可計(jì)算模型，然后提出了協(xié)作水平系數(shù)和協(xié)作投入傾向兩個(gè)核心指標(biāo)對(duì)會(huì)話狀態(tài)進(jìn)行整體評(píng)估，最后進(jìn)行了案例分析。案例分析的結(jié)果表明：協(xié)作水平系數(shù)能夠準(zhǔn)確表征學(xué)習(xí)者在在線協(xié)作會(huì)話中的協(xié)作狀態(tài)；在線協(xié)作會(huì)話可計(jì)算模型可以直觀地呈現(xiàn)學(xué)習(xí)者在線協(xié)作會(huì)話過程中的核心特征和學(xué)習(xí)者的個(gè)體差異性；學(xué)習(xí)者的在線協(xié)作會(huì)話模式包括領(lǐng)導(dǎo)型、思想型、中庸型和邊緣型四種典型類型。文章通過研究驗(yàn)證了模型的有效性和其對(duì)于在線協(xié)作會(huì)話自動(dòng)分析與評(píng)估的實(shí)踐價(jià)值，期望能夠?yàn)樵诰€協(xié)作會(huì)話的自動(dòng)化分析提供參考。

關(guān)鍵詞：在線協(xié)作會(huì)話；數(shù)據(jù)驅(qū)動(dòng)；可計(jì)算模型；協(xié)作水平系數(shù)

【中圖分類號(hào)】G40-057 【文獻(xiàn)標(biāo)識(shí)碼】A 【論文編號(hào)】1009—8097（2023）04—0101—10 【DOI】10.3969/j.issn.1009-8097.2023.04.012

在線協(xié)作會(huì)話是在線學(xué)習(xí)活動(dòng)的重要組成部分，也是促進(jìn)學(xué)習(xí)者進(jìn)行協(xié)同知識(shí)建構(gòu)的重要手段，因此受到了廣泛關(guān)注。研究者對(duì)其開展了大量的研究，取得了豐碩的研究成果，但在實(shí)踐過程中仍存在一些不足之處：首先，已有的在線協(xié)作會(huì)話分析模型和分析方法主要是人工驅(qū)動(dòng)的事后分析，耗時(shí)耗力；其次，會(huì)話活動(dòng)的監(jiān)測(cè)和干預(yù)依賴于教師的經(jīng)驗(yàn)和觀察，難以保證科學(xué)性和有效性；再次，當(dāng)前的在線協(xié)作會(huì)話分析往往針對(duì)特定維度。協(xié)作學(xué)習(xí)本身具有復(fù)雜性，如果僅從單個(gè)維度來進(jìn)行分析，就如盲人摸象一般，會(huì)形成各不相同的結(jié)果。鑒于上述不足，本研究擬從教育心理學(xué)、社會(huì)語言學(xué)和行為科學(xué)等多個(gè)視角對(duì)在線協(xié)作會(huì)話過程進(jìn)行分析和描述，形成多粒度、多維度的在線協(xié)作會(huì)話可計(jì)算模型，并建立在線協(xié)作會(huì)話核心評(píng)估指標(biāo)。這些評(píng)估指標(biāo)以數(shù)據(jù)為基礎(chǔ)，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)分析。最后本研究通過案例驗(yàn)證模型的有效性，并開展了不同粒度的在線協(xié)作會(huì)話過程分析，以期深入了解學(xué)習(xí)者的認(rèn)知過程，提高協(xié)作會(huì)話中教師干預(yù)服務(wù)的可及性，促進(jìn)在線教育管理從“經(jīng)驗(yàn)觀察”向“數(shù)據(jù)驅(qū)動(dòng)”的轉(zhuǎn)變。

一 文獻(xiàn)綜述

為了實(shí)現(xiàn)對(duì)在線協(xié)作會(huì)話的過程分析，當(dāng)前的研究主要可以分為分析框架和評(píng)價(jià)方法兩個(gè)方面，下面分別進(jìn)行綜述。

1 在線協(xié)作會(huì)話的分析框架

針對(duì)在線協(xié)作會(huì)話分析的研究由來已久，常用的在線協(xié)作會(huì)話分析框架可以分為兩種主要的類型：?jiǎn)我痪S度的分析框架和多維度融合的分析框架。典型的單一維度的分析框架如Newman等[1]在Garrison[2]的五階段模型和Henri[3]的CMC模型的基礎(chǔ)上提出的批判性思維內(nèi)容分析體系，Gunawardena等[4]提出的知識(shí)建構(gòu)五階段模型等。典型的多維度融合的分析框架如Garrison等[5]提出的探究社區(qū)框架；李艷燕等[6]提出的面向在線協(xié)作學(xué)習(xí)的小組投入分析模型；張思等[7]在SouFLe框架的基礎(chǔ)上提出的面向知識(shí)建構(gòu)的協(xié)作學(xué)習(xí)分析模型。這些分析框架對(duì)于理解協(xié)作會(huì)話過程有重要的作用和貢獻(xiàn)，但也存在一些不足之處：?jiǎn)我痪S度的分析框架從不同角度刻畫了協(xié)作會(huì)話的關(guān)鍵特征，但未能建立起維度之間的關(guān)聯(lián)與融合，不利于從整體的角度對(duì)協(xié)作會(huì)話進(jìn)行評(píng)價(jià)；多維度融合的分析框架雖然維度全面，但缺乏可計(jì)算性的支持，不適合自動(dòng)分析，難以大規(guī)模應(yīng)用。

2 在線協(xié)作會(huì)話的評(píng)價(jià)方法

在線協(xié)作會(huì)話的評(píng)價(jià)是指通過對(duì)會(huì)話行為的觀察和分析，建立相應(yīng)的評(píng)價(jià)指標(biāo)，從而對(duì)學(xué)習(xí)者的協(xié)作程度、會(huì)話質(zhì)量等進(jìn)行判斷。目前對(duì)在線協(xié)作會(huì)話的評(píng)價(jià)研究主要分為兩類：人工判定的方法和基于機(jī)器學(xué)習(xí)的方法。其中，人工判定的方法指的是通過問卷調(diào)查、觀察和訪談、人工標(biāo)注等方法對(duì)會(huì)話過程進(jìn)行評(píng)價(jià)，比如Chi等[8]提出ICAP學(xué)習(xí)參與分類框架（Interactive，I，交互；Constructive，C，建構(gòu)；Active，A，主動(dòng)；Passive，P，被動(dòng)）；Sánchez等[9]提出了一種以專家分析與問卷調(diào)查相結(jié)合的協(xié)作過程評(píng)價(jià)方法。基于機(jī)器學(xué)習(xí)的方法則強(qiáng)調(diào)評(píng)價(jià)過程的自動(dòng)化，如Rosé等[10]利用文本挖掘技術(shù)對(duì)會(huì)話過程進(jìn)行評(píng)價(jià)；劉清堂等[11]以詞袋模型為基礎(chǔ)，研發(fā)了教師協(xié)作反思的自動(dòng)分類方法；吳林靜等[12][13]提出了基于信息論模型的在線協(xié)作會(huì)話知識(shí)貢獻(xiàn)量化評(píng)價(jià)方法和基于文本挖掘的話語語義分析方法。在對(duì)在線協(xié)作會(huì)話進(jìn)行評(píng)價(jià)時(shí)，人工判定的方法可解釋性強(qiáng)、準(zhǔn)確率高，但費(fèi)時(shí)費(fèi)力，難以推廣；基于機(jī)器學(xué)習(xí)的方法雖然效率較高，但其往往忽略了在線協(xié)作會(huì)話的動(dòng)態(tài)性和維度關(guān)聯(lián)的復(fù)雜性，評(píng)價(jià)維度和粒度單一，且機(jī)器學(xué)習(xí)的模型難以與學(xué)習(xí)活動(dòng)關(guān)聯(lián)，存在可解釋性較差、受數(shù)據(jù)量限制等不足。

二 多維融合的在線協(xié)作會(huì)話可計(jì)算模型及評(píng)價(jià)指標(biāo)

針對(duì)上述不足，本研究擬在已有在線協(xié)作會(huì)話分析研究的基礎(chǔ)上，提出一種多維融合的在線協(xié)作會(huì)話可計(jì)算模型及評(píng)價(jià)指標(biāo)。該模型應(yīng)具有兩大基本特征：①模型能夠融合在線協(xié)作會(huì)話中的不同分析維度，在局部視角上體現(xiàn)單個(gè)維度的特征；同時(shí)，又能在整體視角上通過綜合的指標(biāo)，體現(xiàn)學(xué)習(xí)者在會(huì)話中的整體投入情況和協(xié)作水平。②模型中的相關(guān)指標(biāo)能夠通過自動(dòng)化的方式進(jìn)行計(jì)算，從而便于模型的大規(guī)模運(yùn)用和即時(shí)得出評(píng)估結(jié)果，實(shí)現(xiàn)對(duì)在線協(xié)作會(huì)話的實(shí)時(shí)監(jiān)控和評(píng)估。為此，本研究首先提出了在線協(xié)作會(huì)話過程的多維分析框架作為協(xié)作會(huì)話自動(dòng)分析的理論基礎(chǔ)，然后構(gòu)建了多維融合的在線協(xié)作會(huì)話可計(jì)算模型，最后提出了協(xié)作水平系數(shù)和協(xié)作會(huì)話的投入傾向兩個(gè)指標(biāo)對(duì)會(huì)話過程進(jìn)行綜合評(píng)價(jià)。

1 在線協(xié)作會(huì)話過程的多維分析框架

協(xié)作學(xué)習(xí)是群體中的個(gè)體之間進(jìn)行經(jīng)驗(yàn)連接和交換的復(fù)雜過程，涉及多個(gè)主體和要素，并相互影響。因此，對(duì)在線協(xié)作會(huì)話過程的分析應(yīng)關(guān)注會(huì)話過程中所涉及的各個(gè)主體和要素，并從不同的維度和粒度對(duì)協(xié)作會(huì)話過程進(jìn)行探究，才能夠深入全面地呈現(xiàn)和評(píng)價(jià)協(xié)作會(huì)話。以廣泛應(yīng)用的KBS協(xié)作學(xué)習(xí)分析模型和面向在線協(xié)作學(xué)習(xí)的小組投入分析模型為基礎(chǔ)[14][15]，本研究提出了面向在線協(xié)作會(huì)話過程的“二三四”多維分析框架，如圖1所示。

該分析框架分別從二主體、三粒度、四維度的角度對(duì)在線協(xié)作會(huì)話過程中的核心要素進(jìn)行了描述。其中，二主體指的是教師和學(xué)生，兩者之間形成“干預(yù)?反應(yīng)”的循環(huán)；三粒度借鑒了KBS模型的三個(gè)研究對(duì)象，指的是交互過程中的學(xué)習(xí)者會(huì)話行為分析粒度，包含個(gè)體粒度、小組粒度和社區(qū)粒度；四維度借鑒了在線協(xié)作學(xué)習(xí)的小組投入分析模型，指的是在線協(xié)作會(huì)話過程的分析維度，包括行為維度、認(rèn)知維度、社交維度和情感維度?！岸黧w—三粒度—四維度”分析框架對(duì)在線協(xié)作會(huì)話過程中涉及的各個(gè)要素和核心特征進(jìn)行描述和分類，可以幫助研究者更為全面地認(rèn)識(shí)和評(píng)估在線協(xié)作會(huì)話過程。

2 數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話可計(jì)算模型

依托在線協(xié)作會(huì)話過程的多維分析框架，還需要進(jìn)一步對(duì)各維度進(jìn)行量化，從而實(shí)現(xiàn)在線協(xié)作會(huì)話過程的可計(jì)算與可評(píng)價(jià)。

（1）在線協(xié)作會(huì)話可計(jì)算模型的基本構(gòu)成

在“二三四”多維分析框架的基礎(chǔ)上，本研究進(jìn)一步提出了多維融合的在線協(xié)作會(huì)話可計(jì)算模型，對(duì)協(xié)作會(huì)話的各維度進(jìn)行量化，從而實(shí)現(xiàn)協(xié)作會(huì)話過程的量化計(jì)算。數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話可計(jì)算模型如圖2所示。

模型的核心目標(biāo)是對(duì)學(xué)習(xí)者的協(xié)作會(huì)話水平進(jìn)行量化計(jì)算。由于教師的行為對(duì)學(xué)習(xí)者的協(xié)作會(huì)話水平起到的是間接影響，因此該模型未直接分析教師的行為數(shù)據(jù)，而是以學(xué)習(xí)者的行為數(shù)據(jù)為分析對(duì)象。該模型從行為、認(rèn)知、交互、情感四個(gè)維度構(gòu)建學(xué)習(xí)者在線協(xié)作會(huì)話分析的量化指標(biāo)，明確其定義和計(jì)算方式，并在對(duì)其進(jìn)行歸一化后置于半徑為1的單位圓上。單位圓被劃分為四個(gè)象限，分別是行為象限、認(rèn)知象限、交互象限和情感象限。每個(gè)象限中均包含該維度上的相關(guān)量化特征，以表征學(xué)習(xí)者在該維度上的學(xué)習(xí)表現(xiàn)。由于各維度特征是確定的，各象限和極軸的方向所代表的含義也是明確的，因此特征的排列順序在同一研究中不應(yīng)隨意調(diào)整。在線協(xié)作會(huì)話的分析維度及其核心特征如表1所示。

（2）各維度核心特征的量化方法

①行為特征的量化方法。行為維度包含三個(gè)核心特征，分別是發(fā)言量、話題量和反應(yīng)度，以刻畫學(xué)習(xí)者在會(huì)話過程中的主要行為表現(xiàn)。其中，發(fā)言量和話題量可以通過對(duì)學(xué)習(xí)者的會(huì)話日志統(tǒng)計(jì)得到；反應(yīng)度衡量學(xué)習(xí)者對(duì)所有討論話題的反應(yīng)程度[20]，其計(jì)算如公式（1）所示。

反應(yīng)度=發(fā)言量/話題量 公式（1）

②認(rèn)知特征的量化方法。認(rèn)知維度包含三個(gè)核心特征，分別是信息量、信息增益和貢獻(xiàn)度，以刻畫學(xué)習(xí)者在會(huì)話過程中認(rèn)知方面的主要特征，其計(jì)算方法主要借鑒Wu等[21]提出的測(cè)量知識(shí)貢獻(xiàn)的方法。該方法是基于詞的信息熵理論對(duì)學(xué)習(xí)者的會(huì)話內(nèi)容進(jìn)行信息量的計(jì)算，從而測(cè)量學(xué)習(xí)者在會(huì)話過程中的認(rèn)知貢獻(xiàn)?；谠摲椒ǎ鲜鲅芯慷x了基于信息熵理論的信息量和信息增益的量化計(jì)算方法，具體的計(jì)算如公式（2）所示。

貢獻(xiàn)度=信息增益/信息量 公式（2）

③交互特征的量化方法。交互維度包含三個(gè)核心特征，分別是接近中心性、中介中心性和度中心性。其中，接近中心性刻畫的是學(xué)習(xí)者在社交過程中處于中心點(diǎn)的程度；中介中心性刻畫的是學(xué)習(xí)者的中介程度；度中心性刻畫的是學(xué)習(xí)者在在線協(xié)作會(huì)話中與其發(fā)生直接對(duì)話的同伴的數(shù)量。在本研究中，上述三個(gè)特征項(xiàng)均通過社會(huì)網(wǎng)絡(luò)分析軟件UCINET軟件計(jì)算獲得。

④情感特征的量化方法。情感維度包含三個(gè)核心特征，分別是積極詞、消極詞和疑惑度，以刻畫學(xué)習(xí)者在情感方面的主要特征。正向情緒和負(fù)向情緒被認(rèn)為是情感的兩種基本類型，因此，本研究首先納入了正向情緒和負(fù)向情緒作為情感維度的兩個(gè)核心特征——積極詞、消極詞?！耙苫蟆鼻榫w是學(xué)習(xí)者認(rèn)知加工過程中經(jīng)常出現(xiàn)的一種情緒，且對(duì)學(xué)習(xí)者的認(rèn)知加工過程具有促進(jìn)作用[22]。因此，本研究將“疑惑度”也作為情感維度的核心特征之一。情感特征的計(jì)算主要借鑒了語義心理學(xué)中關(guān)于語言心理特征的相關(guān)理論和工具。Pennebaker等[23]以語義心理學(xué)理論[24]為基礎(chǔ)開發(fā)了對(duì)文本進(jìn)行詞匯類別計(jì)數(shù)分析的特征分析工具“語義查詢與詞計(jì)數(shù)”（Linguistic Inquiry and Word Count，LIWC），并廣泛應(yīng)用于文本素材的分析。由于該工具對(duì)中文的處理能力較弱，因此中國(guó)科學(xué)院心理研究所以LIWC中的類別為基礎(chǔ)，研發(fā)了“文心”中文信息處理系統(tǒng)（http：//ccpl.psych.ac.cn/textmind/）。本研究主要利用“文心”對(duì)學(xué)習(xí)者在會(huì)話過程中的情感特征進(jìn)行量化提取。其中，正向情緒使用的是“文心”工具中積極詞占所有總詞數(shù)的百分比，負(fù)向情緒使用的消極詞占所有總詞數(shù)的百分比，疑惑度使用的是問號(hào)占所有總詞數(shù)的百分比。

3 在線協(xié)作會(huì)話的核心評(píng)價(jià)指標(biāo)

確定評(píng)價(jià)模型的各個(gè)具體維度后，可以從局部分析某一維度的特征。為了能夠從整體進(jìn)行觀察，本研究進(jìn)一步提出了協(xié)作水平系數(shù)和協(xié)作投入傾向指標(biāo)。

（1）學(xué)習(xí)者的協(xié)作水平系數(shù)

為了更好地對(duì)在線協(xié)作會(huì)話進(jìn)行評(píng)價(jià)，本研究進(jìn)一步對(duì)在線協(xié)作會(huì)話中學(xué)習(xí)者的協(xié)作水平進(jìn)行了量化，以作為評(píng)價(jià)在線協(xié)作會(huì)話的核心指標(biāo)。計(jì)算協(xié)作水平系數(shù)的原理是：在數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話可計(jì)算模型的四個(gè)象限中，各維度的取值越大，則多邊形越接近圓周，也就說明學(xué)習(xí)者在各維度上的投入越高，會(huì)話的協(xié)作程度也越高。其具體思想是：將多邊形的面積與單位圓的面積之比作為面積特征指數(shù)，將多邊形的周長(zhǎng)與單位圓的周長(zhǎng)之比作為周長(zhǎng)特征指數(shù)，然后將面積特征指數(shù)和周長(zhǎng)特征指數(shù)的調(diào)和平均值作為當(dāng)前會(huì)話的協(xié)作水平系數(shù)，具體的計(jì)算如公式（3）、公式（4）所示。

Exi為面積特征指數(shù)，表示的是協(xié)作多邊形的面積與單位圓面積的比值，其中Si表示的是協(xié)作多邊形的面積；Eyi為周長(zhǎng)特征指數(shù)，表示的是協(xié)作多邊形的周長(zhǎng)與單位圓周長(zhǎng)的比值，其中Ci表示的是協(xié)作多邊形的周長(zhǎng)。分析對(duì)象的協(xié)作水平F則定義為Exi和Eyi的調(diào)和平均值，其計(jì)算如公式（5）所示。借助該指標(biāo)下，可以更好地對(duì)分析對(duì)象的協(xié)作程度進(jìn)行量化和比較。

（2）在線協(xié)作會(huì)話的投入傾向

在數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話可計(jì)算模型中，模型的四個(gè)象限是完全對(duì)稱的。當(dāng)學(xué)習(xí)者的協(xié)作云圖的質(zhì)心位于坐標(biāo)原點(diǎn)時(shí)，標(biāo)志著學(xué)習(xí)者在各維度上的投入基本相同。當(dāng)學(xué)習(xí)者在某一維度上的投入高于其他維度時(shí)，學(xué)習(xí)者協(xié)作云圖中對(duì)應(yīng)象限的面積會(huì)大于其他象限，云圖的質(zhì)心會(huì)從坐標(biāo)原點(diǎn)向?qū)?yīng)象限移動(dòng)。因此，可以通過確定云圖的質(zhì)心所在位置來評(píng)估學(xué)習(xí)者在協(xié)作會(huì)話過程中各維度的投入傾向。

云圖質(zhì)心的位置計(jì)算方法為：首先在數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話可計(jì)算模型中以坐標(biāo)原點(diǎn)和12個(gè)維度上的點(diǎn)為頂點(diǎn)，將學(xué)習(xí)者的協(xié)作云圖切分為12個(gè)三角形，表示為ri（i=1～12）；然后依次計(jì)算12個(gè)三角形的質(zhì)心坐標(biāo)分別為（ri.x， ri.y）（i=1～12），三角形的面積分別為si（i=1～12）。協(xié)作云圖的質(zhì)心Q的坐標(biāo)可通過公式（6）、公式（7）進(jìn)行計(jì)算。計(jì)算得到質(zhì)心點(diǎn)的坐標(biāo)后，即可將其標(biāo)注在協(xié)作云圖上，用于描述學(xué)習(xí)者的協(xié)作會(huì)話投入傾向。

三 案例分析應(yīng)用

為了驗(yàn)證數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話可計(jì)算模型的有效性，本研究以湖北省A師范大學(xué)“數(shù)據(jù)庫(kù)原理與應(yīng)用”課程作為案例開展了應(yīng)用研究。在該課程中，學(xué)習(xí)者需要圍繞數(shù)據(jù)庫(kù)設(shè)計(jì)中的重點(diǎn)和難點(diǎn)問題開展在線協(xié)作會(huì)話，以達(dá)成共識(shí)，從而產(chǎn)生了大量的在線協(xié)作會(huì)話數(shù)據(jù)，適合于開展案例研究。該案例中，所有學(xué)習(xí)者沒有進(jìn)行分組，而是以整個(gè)社區(qū)為單位開展在線協(xié)作會(huì)話活動(dòng)。因此，對(duì)案例的分析主要從個(gè)體粒度和社區(qū)粒度展開。

1 研究對(duì)象與數(shù)據(jù)采集

案例的研究對(duì)象為湖北省A師范大學(xué)2018級(jí)教育技術(shù)學(xué)專業(yè)的25名學(xué)習(xí)者（包括15名男生，10名女生）。該專業(yè)學(xué)習(xí)者對(duì)在線學(xué)習(xí)活動(dòng)較為熟悉，能夠熟練地自主開展在線協(xié)作學(xué)習(xí)活動(dòng)。數(shù)據(jù)采集于上述學(xué)習(xí)者在2020年“數(shù)據(jù)庫(kù)原理與應(yīng)用”課程中所進(jìn)行的在線協(xié)作會(huì)話活動(dòng)。在整個(gè)課程中，教師共發(fā)布了7個(gè)討論主題，所有學(xué)習(xí)者以不分組的方式圍繞這些主題開展在線協(xié)作會(huì)話并形成一定的結(jié)論。學(xué)習(xí)者發(fā)表的321條討論記錄作為本案例的數(shù)據(jù)源。

2 描述性統(tǒng)計(jì)與相關(guān)分析

為了解學(xué)習(xí)者在協(xié)作學(xué)習(xí)會(huì)話過程中各維度上的投入分布情況，本研究對(duì)所有學(xué)習(xí)者在各維度上的數(shù)據(jù)進(jìn)行了描述性統(tǒng)計(jì)。描述性統(tǒng)計(jì)的結(jié)果表明，學(xué)習(xí)者在會(huì)話過程中的協(xié)作水平差異較大，協(xié)作水平最低為0.002、最高為0.631。

為了進(jìn)一步驗(yàn)證在線協(xié)作會(huì)話可計(jì)算模型中協(xié)作會(huì)話的核心評(píng)價(jià)指標(biāo)的合理性和有效性，本研究對(duì)云圖面積特征指數(shù)、云圖周長(zhǎng)特征指數(shù)、協(xié)作水平系數(shù)這三個(gè)核心評(píng)價(jià)指標(biāo)與學(xué)習(xí)者的學(xué)習(xí)績(jī)效進(jìn)行了相關(guān)分析，統(tǒng)計(jì)方法為皮爾遜相關(guān)分析，結(jié)果發(fā)現(xiàn)：三個(gè)指數(shù)與學(xué)習(xí)成績(jī)的相關(guān)系數(shù)分別為0.586、0.687和0.634，均在0.01水平上顯著相關(guān)。

相關(guān)分析的結(jié)果顯示云圖的面積占比、云圖的周長(zhǎng)占比、學(xué)習(xí)者的協(xié)作水平均與學(xué)習(xí)者的學(xué)習(xí)成績(jī)呈顯著正相關(guān)，且相關(guān)系數(shù)較高。這一結(jié)果說明上述三個(gè)指標(biāo)對(duì)學(xué)習(xí)成績(jī)具有良好的預(yù)測(cè)效果，能夠較好地表征學(xué)習(xí)者的協(xié)作過程。

3 個(gè)體粒度中典型學(xué)習(xí)者的協(xié)作會(huì)話評(píng)價(jià)

為進(jìn)一步了解學(xué)習(xí)者個(gè)體在協(xié)作會(huì)話中的差異性，本研究選取了6位典型學(xué)習(xí)者進(jìn)行個(gè)體粒度的詳細(xì)分析。6位學(xué)習(xí)者的選取方式如下：計(jì)算所有學(xué)習(xí)者的協(xié)作水平系數(shù)，并按照降序進(jìn)行排列，排序完成后選擇協(xié)作水平系數(shù)最高的2位學(xué)習(xí)者、協(xié)作水平系數(shù)最低的2位學(xué)習(xí)者，以及位于中位數(shù)上的2位學(xué)習(xí)者作為6位典型學(xué)習(xí)者，將同一協(xié)作水平的兩位學(xué)習(xí)者分別命名為A和B。對(duì)上述6位學(xué)習(xí)者的協(xié)作會(huì)話狀態(tài)通過在線協(xié)作會(huì)話可計(jì)算模型進(jìn)行可視化展示，并計(jì)算其云圖質(zhì)心，得到的結(jié)果如圖3所示。

從圖3可以看出，不同協(xié)作水平的學(xué)習(xí)者在協(xié)作會(huì)話狀態(tài)云圖中所形成的圖形存在明顯差異；高協(xié)作水平的學(xué)習(xí)者所形成的云圖面積最大，傾向于鋪滿整個(gè)單位圓；低協(xié)作水平的學(xué)習(xí)者所形成的云圖面積最小，傾向于環(huán)繞在圓心附近；中等協(xié)作水平的學(xué)習(xí)者所形成的云圖則介于前述兩者之間。造成這種差異的原因主要在于，協(xié)作水平越高的學(xué)習(xí)者在各維度上的投入也相對(duì)越高，從而導(dǎo)致其云圖更為向外擴(kuò)散、覆蓋面積更大。與此同時(shí)可以觀察到，即使協(xié)作水平非常相近的學(xué)習(xí)者，在協(xié)作會(huì)話中投入傾向上也存在差異，這一點(diǎn)可以通過協(xié)作云圖的質(zhì)心直觀地體現(xiàn)出來，從而幫助研究者更好地了解學(xué)習(xí)者在協(xié)作會(huì)話中的差異。如高協(xié)作水平組中的兩位學(xué)習(xí)者，雖然其協(xié)作水平系數(shù)非常相近，但學(xué)習(xí)者A的云圖質(zhì)心位于行為象限，而學(xué)習(xí)者B的云圖質(zhì)心位于社交象限，這體現(xiàn)了兩位學(xué)習(xí)者在協(xié)作會(huì)話過程中投入傾向的差異——中協(xié)作水平組和低協(xié)作水平中的兩位學(xué)習(xí)者也存在類似的差異。

上述結(jié)果說明，通過協(xié)作會(huì)話狀態(tài)云圖可以直觀地觀察到學(xué)習(xí)者的整體協(xié)作水平及其局部維度上的核心特征，同時(shí)直觀地對(duì)學(xué)習(xí)者進(jìn)行比較，便于教師更有針對(duì)性地向?qū)W習(xí)者提供個(gè)性化的干預(yù)和反饋。

4 社區(qū)粒度中學(xué)習(xí)者的協(xié)作會(huì)話模式挖掘

除了對(duì)個(gè)體粒度學(xué)習(xí)者的協(xié)作會(huì)話進(jìn)行分析，數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話可計(jì)算模型也可以用于對(duì)社區(qū)粒度中學(xué)習(xí)者的典型投入模式進(jìn)行挖掘。本研究通過聚類算法對(duì)社區(qū)中所有學(xué)習(xí)者的協(xié)作會(huì)話特征進(jìn)行聚類分析，以挖掘社區(qū)中學(xué)習(xí)者的協(xié)作會(huì)話過程典型模式。研究使用的是K-means聚類算法，工具為RapidMiner 7.6。為了確定聚類的最佳類簇?cái)?shù)k，使用戴維森堡丁指數(shù)（Davies-Bouldin Index，DBI）對(duì)k值進(jìn)行優(yōu)選，DBI指數(shù)越小，意味著聚類結(jié)果越接近數(shù)據(jù)的真實(shí)類別分布。設(shè)置k值為2～7，當(dāng)k=4時(shí)，DBI的值最小，表明本研究中數(shù)據(jù)集最為合適的類簇?cái)?shù)量為4。

設(shè)置k值為4并對(duì)數(shù)據(jù)集進(jìn)行聚類分析，可得到4個(gè)類簇，本研究分別將其命名為類簇1～類簇4。為了更好地觀察各類簇中學(xué)習(xí)者的協(xié)作會(huì)話模式，對(duì)四個(gè)類簇中所包含學(xué)習(xí)者的各維度的核心特征計(jì)算平均值后，本研究繪制了社區(qū)中各類簇的協(xié)作會(huì)話云圖，如圖4所示。

從圖4可以看出，四類學(xué)習(xí)者所形成協(xié)作會(huì)話云圖形態(tài)各異。為更好地理解這四類模式，本研究對(duì)四個(gè)類簇在各維度的核心特征進(jìn)行了總結(jié)，并根據(jù)其特征的差異性將其分別命名為“領(lǐng)導(dǎo)型”“思想性”“中庸型”和“邊緣型”學(xué)習(xí)者，各類簇的協(xié)作會(huì)話模式典型特征如表5所示。

四種類型的學(xué)習(xí)者在協(xié)作會(huì)話過程中起到了不同的作用，典型特征詳述如下：

①領(lǐng)導(dǎo)型學(xué)習(xí)者。在四個(gè)類簇中，此類學(xué)習(xí)者擁有最高的協(xié)作程度系數(shù)且各象限中的投入均位于高位，表明其處于活躍狀態(tài)。這類學(xué)習(xí)者在社交象限的中介中心性遠(yuǎn)高于其他類簇中的學(xué)習(xí)者，是信息流動(dòng)核心節(jié)點(diǎn)；其綜合表現(xiàn)也顯著優(yōu)于其他學(xué)習(xí)者，并在一定程度上承擔(dān)了組織和領(lǐng)導(dǎo)功能。此類學(xué)習(xí)者被命名為“領(lǐng)導(dǎo)型學(xué)習(xí)者”，適合于在協(xié)作學(xué)習(xí)活動(dòng)中擔(dān)任組長(zhǎng)。

②思想型學(xué)習(xí)者。此類學(xué)習(xí)者的協(xié)作水平系數(shù)在四類學(xué)習(xí)者中處于第二高，與其他三類學(xué)習(xí)者存在顯著差異的是在認(rèn)知象限的學(xué)習(xí)投入遠(yuǎn)高于其他學(xué)習(xí)者。這意味其雖然在協(xié)作會(huì)話過程中不如領(lǐng)導(dǎo)型學(xué)習(xí)者活躍，但發(fā)言具有較高的知識(shí)貢獻(xiàn)和認(rèn)知深度，因此被命名為“思想型學(xué)習(xí)者”，適合于承擔(dān)高強(qiáng)度認(rèn)知加工的任務(wù)，為協(xié)作任務(wù)的深入做出認(rèn)知維度的獨(dú)特貢獻(xiàn)。

③中庸型學(xué)習(xí)者。此類簇在所有四個(gè)類簇中包含的學(xué)習(xí)者個(gè)數(shù)最多，說明此類學(xué)習(xí)者是協(xié)作會(huì)話中較為常見的一種類型。其協(xié)作水平系數(shù)位于中等水平，質(zhì)心位置接近于圓心，各象限中的投入也位于社區(qū)中的中等水平，屬于數(shù)量眾多的中規(guī)中矩型的學(xué)習(xí)者。這類學(xué)習(xí)者由于數(shù)量大且無特殊的表現(xiàn)，相對(duì)來說不容易引起教師的關(guān)注，但也是協(xié)作會(huì)話過程中基數(shù)最大的主體，是社區(qū)中知識(shí)流動(dòng)的基礎(chǔ)。

④邊緣型學(xué)習(xí)者。此類學(xué)習(xí)者在社區(qū)中的協(xié)作水平系數(shù)最低，其各象限中的學(xué)習(xí)投入均處于最低水平。由于其各個(gè)象限的投入水平均不高，活躍度極低，未能正常地參與和完成協(xié)作任務(wù)，因此在協(xié)作會(huì)話過程中基本處于邊緣性的地位。此類學(xué)習(xí)者被命名為“邊緣型學(xué)習(xí)者”，需要教師更多地關(guān)注、干預(yù)和指導(dǎo)，防止其成為協(xié)作會(huì)話過程中的孤立點(diǎn)，最終導(dǎo)致學(xué)習(xí)失敗。

四 結(jié)語

在線協(xié)作會(huì)話是促進(jìn)知識(shí)共享和認(rèn)知提升的重要手段。針對(duì)當(dāng)前在線協(xié)作會(huì)話分析僅關(guān)注單一維度、自動(dòng)化程度不高等問題，本研究提出了一種數(shù)據(jù)驅(qū)動(dòng)的多維融合在線協(xié)作會(huì)話可計(jì)算模型及其量化計(jì)算方法，同時(shí)進(jìn)一步提出了兩個(gè)協(xié)作會(huì)話的核心評(píng)價(jià)指標(biāo)，實(shí)現(xiàn)對(duì)協(xié)作會(huì)話狀態(tài)的整體評(píng)估。案例研究的結(jié)果雖然證明了模型的有效性與可用性，但尚未在大規(guī)模數(shù)據(jù)集中進(jìn)行進(jìn)一步測(cè)試和驗(yàn)證，后續(xù)研究將進(jìn)一步擴(kuò)大數(shù)據(jù)規(guī)模，提升模型的應(yīng)用范圍和實(shí)踐價(jià)值。

參考文獻(xiàn)

[1]Newman D， We Bb B， Cochrane C. A content analysis method to measure critical thinking in face-to-face and computer supported group learning[J]. Interpersonal Computing amp; Technology， 1995，（2）：56-77.

[2]Garrison D R. Critical thinking and self-directed learning in adult education： An analysis of responsibility and control issues[J]. Adult education quarterly， 1992，（3）：136-148.

[3]Henri F. Computer conferencing and content analysis[J]. Collaborative learning through computer conferencing： The Najaden papers， 1992，90：117-136.

[4]Gunawardena C， Lowe C A， Anderson T. Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing[J]. Journal of Educational Computing Research， 1997，（4）：397-431.

[5]Garrison D R， Anderson T， Archer W. Critical inquiry in a text-based environment： Computer conferencing in higher education[J]. Internet amp; Higher Education， 1999，（2-3）：87-105.

[6][15][16][20]李艷燕，彭禹，康佳，等.在線協(xié)作學(xué)習(xí)中小組學(xué)習(xí)投入的分析模型構(gòu)建及應(yīng)用[J].中國(guó)遠(yuǎn)程教育，2020，（2）：40-48、77.

[7]張思，高倩倩，馬怡敏，等.基于SouFLé框架的在線協(xié)作學(xué)習(xí)分析模型[J].現(xiàn)代遠(yuǎn)程教育研究，2020，（6）：94-103.

[8]Chi M， Wylie R. The ICAP framework： Linking cognitive engagement to active learning outcomes[J]. Educational Psychologist， 2014，（4）：219-243.

[9]Sánchez E G， Lorenzo M L B， Abellán I M J， et al. Conceptual framework for design， technological support and evaluation of collaborative learning[J]. International Journal of Engineering Education， 2009，（3）：557-568.

[10]Rosé C， Jrvel S. Building community together： Towards equitable CSCL practices and processes[J]. International Journal of Computer-Supported Collaborative Learning， 2020，15：249-255.

[11]Liu Q， Zhang S， Wang Q， et al. Mining online discussion data for understanding teachers’ reflective thinking[J]. IEEE Transactions on Learning Technologies， 2018，（2）：243-254.

[12][17][21]Wu L， Li J， Liu Q， et al. Information measures of knowledge contribution： A new method to measure knowledge contribution in collaborative knowledge building： An information theory perspective[J]. Journal of Educational Computing Research， 2021，（7）：1319-1342.

[13]吳林靜，劉清堂，毛剛，等.大數(shù)據(jù)視角下的慕課評(píng)論語義分析模型及應(yīng)用研究[J].電化教育研究，2017，（11）：43-48.

[14]鄭婭峰，徐唱，李艷燕.計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)分析模型及可視化研究[J].電化教育研究，2017，（4）：47-52.

[18]Ye D， Pennisi S. Analysing interactions in online discussions through social network analysis[J]. Journal of Computer Assisted Learning. 2022，（3）：784-796.

[19][22]王云，李志霞，白清玉，等.在線討論中動(dòng)態(tài)學(xué)習(xí)情緒和認(rèn)知行為序列的關(guān)系研究[J].電化教育研究，2020，（6）：60-67.

[23]Pennebaker J W， Francis M E， Booth R J. Linguistic inquiry and word count： LIWC 2001[OL].

http：//downloads.liwc.net.s3.amazonaws.com/LIWC2015_OperatorManual.pdf

[24]Tausczik Y R， Pennebaker J W. The psychological meaning of words： LIWC and computerized text analysis methods[J]. Journal of Language and Social Psychology， 2010，（1）：24-54.

Abstract： As an important part of online learning activities， online collaborative discourse is also an important method to promote learners to carry out collaborative knowledge construction， which has attracted more and more attention. However， due to not enough perfect analysis framework and analysis methods， the current online collaborative discourse exists the problems such as single analysis dimension and low degree of automation. Therefore， this paper firstly proposed a computable model of data-driven and multi-dimensional fused online collaborative discourse， and then put forward to evaluate the overall state of of collaborative discourse by tow core indicators of collaboration level coefficient and collaboration engagement tendency， and finally made a case study. The results of the case study showed that collaboration level coefficient could accurately represent learners’ collaborative state in collaborative discourse， and the computable model of online collaborative discourse could intuitively present learners’ core characteristics and individual differences in the process of online collaborative discourse. Meanwhile， learners’ online collaborative discourse model included four types of leadership type， thought type， moderation type and marginal type. Through research， the effectiveness of the model and its practical value for automatic analysis and evaluation of online collaborative discourse were verified in this paper， which was expected to provide reference for the automatic analysis of online collaborative discourse.

Keywords： online collaborative discourse; data driven; computable model; collaboration level coefficient

*基金項(xiàng)目：本文為國(guó)家自然科學(xué)基金項(xiàng)目“數(shù)據(jù)驅(qū)動(dòng)的在線學(xué)習(xí)協(xié)作會(huì)話過程監(jiān)測(cè)與干預(yù)機(jī)制研究”（項(xiàng)目編號(hào)：72174070）、華中師范大學(xué)“人工智能+教育”教學(xué)創(chuàng)新研究項(xiàng)目“在線協(xié)作會(huì)話中不同的教師干預(yù)策略對(duì)學(xué)習(xí)者認(rèn)知加工過程的影響研究”（項(xiàng)目編號(hào)：2022XY023）、華中師范大學(xué)信息化與基礎(chǔ)教育均衡發(fā)展省部共建協(xié)同創(chuàng)新中心重點(diǎn)項(xiàng)目“中小學(xué)教師信息化教學(xué)勝任力指標(biāo)構(gòu)建及智能測(cè)評(píng)”（項(xiàng)目編號(hào)：xtzd2021-008）的階段性研究成果。

作者簡(jiǎn)介：吳林靜，副教授，博士，研究方向?yàn)閷W(xué)習(xí)分析與教育數(shù)據(jù)挖掘，郵箱為wlj_sz@126.com。

收稿日期：2022年10月23日

編輯：小時(shí)