摘要：協(xié)作學(xué)習(xí)過程即會話的過程，會話中蘊含著豐富的信息。隨著人工智能在教育中的融合應(yīng)用，會話價值得以挖掘和體現(xiàn)，協(xié)作學(xué)習(xí)智能會話分析研究也日益受到關(guān)注，但目前研究尚未形成科學(xué)體系?；诖?，文章首先對國內(nèi)外協(xié)作學(xué)習(xí)智能會話分析文獻及工具進行調(diào)研，梳理其相關(guān)研究；然后文章總結(jié)了智能會話分析的工具指向，包括會話文本的描述性統(tǒng)計分析、會話關(guān)系的社會網(wǎng)絡(luò)分析、會話內(nèi)容的主題及認知分析，并凝練了解決智能會話分析問題的三大關(guān)鍵技術(shù)——基于主題識別技術(shù)的學(xué)習(xí)質(zhì)量監(jiān)測、基于機器學(xué)習(xí)算法的會話機制探索、基于可視化技術(shù)的多維數(shù)據(jù)轉(zhuǎn)換；最后文章提出了關(guān)注會話過程多模態(tài)數(shù)據(jù)、優(yōu)化智能會話分析技術(shù)、建立人機協(xié)同會話分析模型、開發(fā)即時性分析工具四大發(fā)展路徑，以期為協(xié)作學(xué)習(xí)智能會話分析研究提供參考。

關(guān)鍵詞：協(xié)作學(xué)習(xí)；會話分析；人工智能；分析工具；關(guān)鍵技術(shù)

【中圖分類號】G40-057 【文獻標(biāo)識碼】A 【論文編號】1009—8097（2023）04—0111—08 【DOI】10.3969/j.issn.1009-8097.2023.04.013

近年來，多項研究表明協(xié)作學(xué)習(xí)對于發(fā)展學(xué)生溝通與交流、批判性思維等能力具有重要價值，已經(jīng)成為學(xué)習(xí)科學(xué)領(lǐng)域重要的研究議題，受到全球范圍內(nèi)的廣泛關(guān)注。而隨著人工智能在教育領(lǐng)域的應(yīng)用和不斷創(chuàng)新，智能技術(shù)賦予了協(xié)作學(xué)習(xí)會話分析新的研究思路和手段，由此出現(xiàn)了智能會話分析的研究新領(lǐng)域[1]。智能會話分析融合了人工智能新興技術(shù)，旨在借助智能分析方法助力協(xié)作學(xué)習(xí)會話分析的自動化處理，以提高分析的可靠性和有效性。為此，相關(guān)研究一直致力于開發(fā)協(xié)作學(xué)習(xí)智能會話分析工具，試圖在真實教學(xué)場景中為協(xié)作進程提供分析支持。研究發(fā)現(xiàn)，協(xié)作學(xué)習(xí)智能會話分析不僅能夠幫助教師在面對大批量學(xué)生分組協(xié)作時，了解小組協(xié)作狀態(tài)，對學(xué)生進行干預(yù)、指導(dǎo)和評價，并及時改進教學(xué)策略；還能幫助學(xué)生了解協(xié)作過程的知識產(chǎn)出情況，跟進協(xié)作進展并進行自我調(diào)整。這恰巧能夠應(yīng)對協(xié)作學(xué)習(xí)會話因信息量相對較大，且較難直接獲取其知識產(chǎn)出情況，容易導(dǎo)致信息過載的問題。但目前研究主要關(guān)注通過技術(shù)實現(xiàn)協(xié)作學(xué)習(xí)會話的觀點挖掘、交互行為、語義理解、討論質(zhì)量等單一維度分析[2][3][4]，尚未對協(xié)作學(xué)習(xí)智能會話分析研究中開發(fā)的工具、使用的技術(shù)以及發(fā)展路徑進行系統(tǒng)的梳理；另外，智能會話分析工具的研究與開發(fā)是該領(lǐng)域非常重要的一部分，工具的不斷更新也代表了協(xié)作學(xué)習(xí)智能會話分析的進步和推演[5]?；诖?，本研究通過協(xié)作學(xué)習(xí)智能會話分析的文獻調(diào)研及工具匯總，分析目前研究團隊收集到的協(xié)作學(xué)習(xí)智能會話分析工具的指向性，并梳理協(xié)作學(xué)習(xí)智能會話分析問題的技術(shù)實現(xiàn)方式和發(fā)展路徑，以期為協(xié)作學(xué)習(xí)智能會話分析的未來研究提供參考。

一 協(xié)作學(xué)習(xí)智能會話分析的相關(guān)研究

會話分析，廣義上是指對會話現(xiàn)象的所有研究；狹義上則指以Sacks等[6]為代表的學(xué)派將會話作為研究對象，對會話規(guī)律進行系統(tǒng)探討的研究。而在教育領(lǐng)域，黃榮懷指出會話在教育教學(xué)中普遍存在，會話分析通過挖掘?qū)υ挼娜亢x進而為解決問題提供科學(xué)依據(jù)[7]。在協(xié)作學(xué)習(xí)研究中，協(xié)作學(xué)習(xí)的過程就是學(xué)習(xí)者會話的過程，因此出現(xiàn)了協(xié)作學(xué)習(xí)會話分析的研究方向。

從研究方法來看，協(xié)作學(xué)習(xí)會話分析可概括為人工會話分析和智能會話分析兩種。其中，人工會話分析通常選取會話分析模型對會話信息進行編碼，并對編碼結(jié)果進一步人工解讀以尋找規(guī)律；而智能會話分析則通常利用已有的會話分析工具或自行開發(fā)滿足研究需求的會話分析算法或工具，自動分析大批量會話信息，以發(fā)現(xiàn)數(shù)據(jù)規(guī)律。目前，研究多關(guān)注智能會話分析，概括而言，協(xié)作學(xué)習(xí)智能會話分析的目的體現(xiàn)在三個方面：①會話特征識別[8]，即基于協(xié)作會話數(shù)據(jù)，通過詞頻統(tǒng)計、話題抽取等方法，分析協(xié)作會話的討論主題、交互特征等。②會話模式挖掘[9][10][11]，即在獲取會話特征的基礎(chǔ)上，構(gòu)建會話分析模型和框架，以挖掘協(xié)作學(xué)習(xí)模式。③會話進程干預(yù)[12]，即根據(jù)會話分析得出的結(jié)論，研究針對不同學(xué)生的特點和學(xué)習(xí)進度，教師如何及時地進行干預(yù)，以把控協(xié)作學(xué)習(xí)的討論方向和進度。

從協(xié)作學(xué)習(xí)會話分析研究中可以看出，相較于人工會話分析，智能會話分析能夠借助智能技術(shù)深度挖掘會話過程的全過程信息，節(jié)省研究人員對會話過程數(shù)據(jù)處理的時間和精力，能更客觀地對會話內(nèi)容進行分析?？傮w來說，協(xié)作學(xué)習(xí)智能會話分析的研究一直在持續(xù)推進中，但目前研究仍存在分析深度不夠、多維數(shù)據(jù)分析缺乏、實際教學(xué)需求未關(guān)注等問題，亟需梳理相關(guān)研究問題的分析工具、支撐技術(shù)和發(fā)展路徑，以期為后續(xù)研究提供借鑒。

二 協(xié)作學(xué)習(xí)智能會話分析的工具指向

智能會話分析工具在協(xié)作學(xué)習(xí)智能會話分析中至關(guān)重要，能夠?qū)Χ嘟M協(xié)作學(xué)習(xí)會話過程提供分析支持，并重新加工和過濾協(xié)作過程信息，是協(xié)作學(xué)習(xí)會話分析研究的一大熱點，以智能化手段分析會話滿足大批量會話數(shù)據(jù)的處理需求。因此，本研究基于文獻及工具調(diào)研匯總了國內(nèi)外15種協(xié)作學(xué)習(xí)智能會話分析工具，并根據(jù)分析功能指向性將其劃分為會話文本的描述性統(tǒng)計分析、會話關(guān)系的社會網(wǎng)絡(luò)分析、會話內(nèi)容的主題及認知分析三類。通過對工具進行多方面梳理比較，以期為研究人員和師生在選擇智能會話分析工具時提供一定的依據(jù)。

1 會話文本的描述性統(tǒng)計分析

會話文本的描述性統(tǒng)計分析以會話文本數(shù)據(jù)為分析對象，通過簡單統(tǒng)計和量化分析，總結(jié)會話關(guān)鍵信息，提煉會話基本特征，屬于較為早期出現(xiàn)的會話分析工具，其基礎(chǔ)功能多為對會話數(shù)據(jù)進行簡單的量化統(tǒng)計，并通過量化數(shù)據(jù)衡量學(xué)生的協(xié)作水平，缺乏對協(xié)作會話的深度探索。會話文本的描述性統(tǒng)計分析工具如表1所示。

2 會話關(guān)系的社會網(wǎng)絡(luò)分析

會話關(guān)系的社會網(wǎng)絡(luò)分析則是關(guān)注學(xué)習(xí)小組成員的互動關(guān)系，對其進行社會網(wǎng)絡(luò)分析，以發(fā)現(xiàn)協(xié)作學(xué)習(xí)小組成員的互動情況、活躍程度和角色定位等。該工具能夠針對協(xié)作會話的互動關(guān)系發(fā)現(xiàn)協(xié)作交互規(guī)律，記錄交互過程的質(zhì)量、時間等，但其往往僅關(guān)注社會網(wǎng)絡(luò)的單一維度，會話價值尚未完全體現(xiàn)。會話關(guān)系的社會網(wǎng)絡(luò)分析工具如表2所示。

3 會話內(nèi)容的主題及認知分析

會話內(nèi)容的主題及認知分析是對會話內(nèi)容進行主題分析、關(guān)鍵詞挖掘和認知程度分析，以發(fā)現(xiàn)學(xué)生協(xié)作學(xué)習(xí)會話過程是否偏離既定主題、關(guān)鍵詞是否與協(xié)作任務(wù)一致，并衡量其認知水平。該類工具進一步關(guān)注會話特征、觀點深度等內(nèi)容以支持協(xié)作過程評價，但會話過程產(chǎn)生的基礎(chǔ)統(tǒng)計數(shù)據(jù)研究有所遺漏。會話內(nèi)容的主題及認知分析工具如表3所示。

三 協(xié)作學(xué)習(xí)智能會話分析的三大關(guān)鍵技術(shù)

與傳統(tǒng)會話分析的人工分析相比較，智能會話分析更多的是采用基于新興計算機技術(shù)的自動化分析方法，并將其嵌入智能會話分析工具中，使工具在協(xié)作學(xué)習(xí)智能會話分析的實際應(yīng)用中具有自動化和高效性的優(yōu)勢。根據(jù)上文對相關(guān)研究和工具的梳理，從工具的主要功能和應(yīng)用場景可以總結(jié)出協(xié)作學(xué)習(xí)智能會話分析研究關(guān)注的三大核心問題，包括學(xué)習(xí)質(zhì)量監(jiān)測、會話機制探索和多維數(shù)據(jù)轉(zhuǎn)換，即如何基于大量會話數(shù)據(jù)提煉其關(guān)鍵內(nèi)容并檢測學(xué)生的學(xué)習(xí)質(zhì)量？如何基于會話數(shù)據(jù)構(gòu)建分析模型以探索其會話機制？如何將非結(jié)構(gòu)化會話數(shù)據(jù)轉(zhuǎn)化為可視化數(shù)據(jù)輸出？本研究將通過主題識別技術(shù)、機器學(xué)習(xí)算法、可視化技術(shù)實現(xiàn)其智能化分析來回應(yīng)以上問題。

1 會話內(nèi)容可提煉：基于主題識別技術(shù)的學(xué)習(xí)質(zhì)量監(jiān)測

文本主題識別被廣泛應(yīng)用于會話文本的主題和認知層級分析，主要包括基于主題模型的方法和基于文本聚類的方法[13]。其中，常用的基于主題模型的方法是潛在狄利克雷分布模型（Latent Dirichlet Allocation，LDA）、基于文本聚類的方法有K均值（K-means）方法。協(xié)作學(xué)習(xí)的交互特質(zhì)使協(xié)作過程產(chǎn)生了大量文本信息，為協(xié)作學(xué)習(xí)智能會話分析提供了充足的語料庫，利用主題識別技術(shù)可以從會話文本中自動提取協(xié)作討論主題、識別有意義的隱藏主題，以發(fā)現(xiàn)學(xué)生討論圍繞的問題中心，并判斷學(xué)生知識建構(gòu)過程是否偏離既定話題；還可以根據(jù)主題在學(xué)科知識圖譜中的分布進而分析和評價學(xué)生知識建構(gòu)層級，為師生提供預(yù)警與干預(yù)信息。

2 會話規(guī)律可解釋：基于機器學(xué)習(xí)算法的會話機制探索

機器學(xué)習(xí)通過計算機模擬人類活動，可以識別現(xiàn)有知識并不斷改善自身性能。在協(xié)作學(xué)習(xí)智能會話分析中，結(jié)合協(xié)作學(xué)習(xí)過程性分析框架，并利用機器學(xué)習(xí)算法構(gòu)建模型，能夠?qū)崿F(xiàn)自動化分析會話數(shù)據(jù)功能，進而從認知、情感、觀點、交互等不同角度分析協(xié)作過程，揭示小組協(xié)作會話的內(nèi)在機制和隱含規(guī)律。目前，使用較多的機器學(xué)習(xí)算法有三種：分類、聚類和關(guān)聯(lián)規(guī)則。其中，分類算法主要用于構(gòu)建分類模型，對協(xié)作學(xué)習(xí)會話文本進行分類和編碼，如馬志強等[14]基于Bert模型訓(xùn)練觀點分類模型，劃分知識建構(gòu)會話內(nèi)容的觀點層級；Pang等[15]使用支持向量機（Support Vector Machine，SVM）、樸素貝葉斯（Naive Bayes，NB）等實現(xiàn)會話文本的情感分類；甄園宜等[16]采用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）、長短時記憶（Long Short Term Memory，LSTM）、雙向長短時記憶（Bi-LSTM）等深度學(xué)習(xí)模型分析各類在線協(xié)作學(xué)習(xí)交互文本。聚類算法主要用于確定維度的特征聚類，如KBS-T通過聚類方法，將不同的特征值在知識加工、行為模式和社交關(guān)系三個維度上進行聚合，以呈現(xiàn)數(shù)據(jù)[17]。關(guān)聯(lián)規(guī)則算法主要用于發(fā)現(xiàn)會話文本的相關(guān)性，如工具VINCA基于關(guān)聯(lián)規(guī)則算法計算關(guān)鍵詞頻率，以挖掘文本出現(xiàn)的模式并發(fā)現(xiàn)專業(yè)術(shù)語[18]。

3 會話結(jié)果可呈現(xiàn)：基于可視化技術(shù)的多維數(shù)據(jù)轉(zhuǎn)換

可視化技術(shù)是將文本、數(shù)值等數(shù)據(jù)信息轉(zhuǎn)換成圖表形式呈現(xiàn)給用戶，幫助用戶快速發(fā)現(xiàn)有用信息的技術(shù)。通過對工具分析結(jié)果的可視化處理，可將協(xié)作過程生成的會話內(nèi)容轉(zhuǎn)化為友好的可視形式[19]，包括將詞匯、句子等非結(jié)構(gòu)化數(shù)據(jù)進行統(tǒng)計，并以詞云圖、社會網(wǎng)絡(luò)等圖表形式呈現(xiàn)?？梢暬姆治鼋Y(jié)果可以幫助師生快速了解協(xié)作學(xué)習(xí)會話信息，有助于教師利用分析結(jié)果展開過程性評價，實時了解學(xué)生的討論進程信息，進而發(fā)現(xiàn)學(xué)生的討論主題；學(xué)生也可以獲取討論過程信息，及時發(fā)現(xiàn)問題并調(diào)整會話進度?？梢钥闯?，可視化技術(shù)以形象、直觀的方式呈現(xiàn)分析結(jié)果，可以有效提升協(xié)作學(xué)習(xí)小組的交互水平，并促進學(xué)習(xí)者個人的深度意義建構(gòu)。

綜上所述，在協(xié)作學(xué)習(xí)智能會話分析研究中，通過智能技術(shù)分析協(xié)作會話，旨在實現(xiàn)會話內(nèi)容的可提煉、會話規(guī)律的可解釋、會話結(jié)果的可呈現(xiàn)：①通過識別協(xié)作學(xué)習(xí)會話主題及分布層級，能夠檢測學(xué)生的協(xié)作學(xué)習(xí)質(zhì)量；②通過構(gòu)建學(xué)習(xí)分析模型探索協(xié)作學(xué)習(xí)會話過程的會話機制，能夠發(fā)現(xiàn)協(xié)作學(xué)習(xí)規(guī)律；③通過可視化技術(shù)將多種會話數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)或圖表，能夠直觀輸出協(xié)作過程分析結(jié)果?？傮w而言，三個研究問題所使用的技術(shù)各有優(yōu)勢和針對性，在智能會話分析應(yīng)用中發(fā)揮了重要的作用。主題識別技術(shù)基于會話文本分析會話主題，有效地發(fā)揮了協(xié)作會話語料的價值，精準(zhǔn)提煉了會話的關(guān)鍵內(nèi)容；機器學(xué)習(xí)算法獲取協(xié)作會話更深層次的規(guī)律，發(fā)掘隱藏機制信息；可視化技術(shù)則將復(fù)雜數(shù)據(jù)直觀化呈現(xiàn)，方便師生獲取。三種技術(shù)綜合應(yīng)用，有助于全面探究協(xié)作學(xué)習(xí)智能會話分析的研究問題。

四 協(xié)作學(xué)習(xí)智能會話分析的四大發(fā)展路徑

技術(shù)支持的協(xié)作學(xué)習(xí)智能會話分析研究是教育人工智能的一個主要研究課題[20]，會話的深層教育價值有待進一步挖掘，如何促進智能會話分析的深入探索仍是研究的重中之重。因此，本研究在總結(jié)協(xié)作學(xué)習(xí)智能會話分析的相關(guān)研究和智能分析工具指向性的基礎(chǔ)上，凝練出數(shù)據(jù)收集、技術(shù)支持、模型構(gòu)建、工具開發(fā)四個發(fā)展方向，可為協(xié)作學(xué)習(xí)智能會話分析的持續(xù)發(fā)展提供有效路徑。協(xié)作學(xué)習(xí)智能會話分析的四大發(fā)展路徑如圖1所示。

1 數(shù)據(jù)收集：關(guān)注會話過程多模態(tài)數(shù)據(jù)

目前的會話分析研究數(shù)據(jù)大多仍是會話文本信息或交流互動信息，缺乏對多模態(tài)會話數(shù)據(jù)的關(guān)注，如會話語音、視頻數(shù)據(jù)的音量、韻律、情緒變化，以及學(xué)習(xí)日志的討論時長等。而多模態(tài)學(xué)習(xí)分析已有大量的研究成果和實踐探索，其通過數(shù)字化學(xué)習(xí)環(huán)境收集和存儲學(xué)習(xí)過程數(shù)據(jù)，供研究人員進一步分析和解讀，并應(yīng)用到學(xué)習(xí)監(jiān)控和評價。會話數(shù)據(jù)是協(xié)作學(xué)習(xí)智能會話分析的基礎(chǔ)，未來研究應(yīng)整合會話多模態(tài)數(shù)據(jù)，從單一數(shù)據(jù)到多維數(shù)據(jù)，借助語音識別技術(shù)記錄會話全過程信息，注重小組和個體層面分析相結(jié)合，逐漸在認知和行為研究中融入情感元素，對其語義、情緒、網(wǎng)絡(luò)關(guān)系、行為變化進行融合研究，從多模態(tài)數(shù)據(jù)中探索會話內(nèi)容的特點和模式、會話討論的價值和意義、小組交互的質(zhì)量和聯(lián)系，使會話分析研究更加完整。

2 技術(shù)支持：優(yōu)化智能會話分析技術(shù)

技術(shù)是智能會話分析的有力支撐，基于多模態(tài)會話數(shù)據(jù)融合人工智能技術(shù)分析會話能夠發(fā)現(xiàn)會話規(guī)律，提高會話數(shù)據(jù)的應(yīng)用價值。通過上文對協(xié)作學(xué)習(xí)智能會話分析技術(shù)的總結(jié)和歸納，可以看到先前研究較常使用的分析技術(shù)包括文本挖掘技術(shù)、機器學(xué)習(xí)算法和可視化技術(shù)，其中文本挖掘技術(shù)應(yīng)用廣泛。因此，未來研究可以借鑒先前使用技術(shù)的經(jīng)驗，并根據(jù)會話分析過程中技術(shù)存在的缺陷不斷優(yōu)化機器學(xué)習(xí)算法，嘗試借助深度學(xué)習(xí)算法提高分析的準(zhǔn)確度。另外，研究人員可持續(xù)利用三大關(guān)鍵技術(shù)并結(jié)合新興技術(shù)分析和挖掘會話文本的深層含義，持續(xù)優(yōu)化智能會話分析技術(shù)，提高自動編碼和人工編碼的匹配度，幫助師生理解協(xié)作學(xué)習(xí)交互機制。

3 模型構(gòu)建：建立人機協(xié)同會話分析模型

模型構(gòu)建是協(xié)作學(xué)習(xí)會話分析研究的核心，用于會話數(shù)據(jù)的分類和分析。為了規(guī)范化、科學(xué)性地分析和評價協(xié)作學(xué)習(xí)會話過程，研究人員構(gòu)建了許多可用于會話分析的模型，可以概括為理論模型和技術(shù)模型兩類。面向計算機支持的協(xié)作學(xué)習(xí)（Computer Supported Collaborative Learning，CSCL）的學(xué)習(xí)分析理論模型已被廣泛用于協(xié)作學(xué)習(xí)研究，其中Henri[21]的分析模型在研究中引用較多，該模型由參與、社會性、交互、認知和元認知五個維度構(gòu)成。隨著技術(shù)的發(fā)展，研究出現(xiàn)了技術(shù)視角基于會話數(shù)據(jù)構(gòu)建的會話分析模型，如王麗英等[22]借鑒Henri分析模型提出了融合知識建構(gòu)和機器學(xué)習(xí)的觀點質(zhì)量評價模型，包括可讀性、相關(guān)度、內(nèi)聚度、縱深度和探究度五個維度。而目前在模型研究中較少提及或未明確模型維度與技術(shù)實現(xiàn)兩者的對應(yīng)關(guān)系，因此有必要構(gòu)建人機協(xié)同會話分析模型，借鑒已有的理論和技術(shù)模型進一步優(yōu)化分析模型，將理論維度和技術(shù)實現(xiàn)融為一體，助力人工分析與機器分析的優(yōu)勢互補，主客觀分析相結(jié)合，使會話分析模型在實際應(yīng)用和工具實現(xiàn)方面具有可操作性，為智能會話分析工具的開發(fā)提供模型依據(jù)。

4 工具開發(fā)：滿足師生即時性分析需求

研究人員對會話過程數(shù)據(jù)的關(guān)注，以及自動化分析模型的實踐應(yīng)用，為協(xié)作學(xué)習(xí)智能會話分析工具的開發(fā)提供了數(shù)據(jù)來源和模型支持，使協(xié)作學(xué)習(xí)會話分析變得更加智能化、自動化。協(xié)作學(xué)習(xí)智能會話分析工具為協(xié)作學(xué)習(xí)的過程性分析提供了強大的技術(shù)支持，其發(fā)展趨勢主要體現(xiàn)在分析方法愈發(fā)多元化和精確化，自動化程度日趨提高。因此，未來協(xié)作學(xué)習(xí)智能會話分析工具的開發(fā)與研究是不可缺少的，通過自動化工具對協(xié)作學(xué)習(xí)會話進行分析能夠在一定程度上避免人工編碼的不穩(wěn)定性和主觀性，分析結(jié)果可以用于協(xié)作學(xué)習(xí)的監(jiān)控、評價、預(yù)測和反饋。而已有工具多為事后分析，較少能夠為協(xié)作進程提供實時分析支持，因此未來需關(guān)注會話過程的即時性分析以滿足學(xué)生的自適應(yīng)學(xué)習(xí)需要[23]，從協(xié)作學(xué)習(xí)分析需求與系統(tǒng)開發(fā)現(xiàn)狀出發(fā)，開發(fā)協(xié)作過程支持、協(xié)作效果評價、協(xié)作信息可視三位一體的協(xié)作學(xué)習(xí)智能會話分析工具。此外，還需加強開發(fā)人員與師生的對話溝通，實現(xiàn)計算機科學(xué)方法與學(xué)習(xí)分析方法的有機融合，并在協(xié)作過程應(yīng)用中不斷地改進和迭代。從長遠來看，仍需要在支持協(xié)作學(xué)習(xí)場景的智能會話分析工具開發(fā)與應(yīng)用方面做進一步的探索。

五 結(jié)語

協(xié)作學(xué)習(xí)智能會話分析作為協(xié)作學(xué)習(xí)領(lǐng)域的重要研究方向，而智能會話分析工具的出現(xiàn)能夠有效地幫助師生獲取會話交互過程中產(chǎn)生的想法和創(chuàng)意。本研究對15種協(xié)作學(xué)習(xí)智能會話分析工具進行了分類比較，總結(jié)了針對會話內(nèi)容的可提煉、會話規(guī)律的可解釋、會話結(jié)果的可呈現(xiàn)三大問題的技術(shù)實現(xiàn)路徑，并從數(shù)據(jù)收集、技術(shù)支持、模型構(gòu)建、工具開發(fā)四個方面提出了協(xié)作學(xué)習(xí)智能會話分析的發(fā)展路徑，期望通過相關(guān)研究、智能會話分析工具比較、關(guān)鍵技術(shù)和發(fā)展路徑的梳理能夠?qū)罄m(xù)研究有所幫助。

參考文獻

[1]王阿習(xí)，王旭.整合會話分析與文本挖掘技術(shù)來評價協(xié)作學(xué)習(xí)——訪談卡耐基梅隆大學(xué)著名教授卡洛琳·佩恩斯坦·羅澤[J].現(xiàn)代遠程教育研究，2017，（6）：3-10.

[2][22]王麗英，張義兵.融合知識建構(gòu)和機器學(xué)習(xí)的觀點質(zhì)量評價[J].現(xiàn)代教育技術(shù)，2020，（11）：62-69.

[3]勞傳媛.網(wǎng)絡(luò)學(xué)習(xí)空間在線討論語義分析工具的實現(xiàn)與應(yīng)用[D].武漢：華中師范大學(xué)，2019：51-60.

[4]閆寒冰，段春雨，王文嬌.在線討論質(zhì)量分析工具的研發(fā)與實效驗證[J].現(xiàn)代遠程教育研究，2018，（1）：88-97、112.

[5]馬志強.從相互依賴到協(xié)同認知——信息化環(huán)境下的協(xié)作學(xué)習(xí)研究[M].北京：中國社會科學(xué)出版社，2019：87.

[6]Sacks H， Schegloff E A， Jefferson G. A simplest systematics for the organization of turn taking for conversation[A]. Studies in the Organization of Conversational Interaction[C]. New York： Academic Press， 1978：7-55.

[7]馬啟龍.教育技術(shù)學(xué)的專門研究方法綜述[J].電化教育研究，2010（5）：24-28.

[8]李艷燕，彭禹，陳凱亮，等.基于群體感知的CSCL學(xué)習(xí)分析工具功能研究[J].現(xiàn)代教育技術(shù)，2019，（1）：72-78.

[9][19]鄭婭峰，徐唱，李艷燕.計算機支持的協(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.

[10]鄭婭峰，張巧榮，李艷燕.協(xié)作問題解決討論活動中行為模式自動化挖掘方法研究[J].現(xiàn)代教育技術(shù)，2020，（2）：71-78.

[11]吳林靜，高喻，涂鳳嬌，等.基于語義的在線協(xié)作會話學(xué)習(xí)投入自動分析模型及應(yīng)用研究[J].電化教育研究，2022，（3）：77-84.

[12]Chen C M， Li M C， Chang W C， et al. Developing a topic analysis instant feedback system to facilitate asynchronous online discussion effectiveness[J]. Computers amp; Education， 2021，163：104095.

[13]呂英杰.網(wǎng)絡(luò)健康社區(qū)中的文本挖掘方法研究[D].上海：上海交通大學(xué)，2013：32-33.

[14]馬志強，郭文欣，王萌.面向協(xié)作知識建構(gòu)會話內(nèi)容的智能挖掘分析[J].現(xiàn)代遠距離教育，2022，（1）：3-13.

[15]Pang B， Lee L， Vaithyanathan S. Thumbs up？ Sentiment classification using machine learning techniques[A]. Proceedings of the ACL-02 Conference on Empirical Methods in Natural Language Processing[C]. Philadelphia： Association for Computational Linguistics， 2002：79-86.

[16]甄園宜，鄭蘭琴.基于深度神經(jīng)網(wǎng)絡(luò)的在線協(xié)作學(xué)習(xí)交互文本分類方法[J].現(xiàn)代遠程教育研究，2020，（3）：104-112.

[17]包昊罡，邢爽，李艷燕，等.在線協(xié)作學(xué)習(xí)中面向教師的可視化學(xué)習(xí)分析工具設(shè)計與應(yīng)用研究[J].中國遠程教育，2019，（6）：13-21、92-93.

[18]李艷燕，廖劍，王晶，等.協(xié)作學(xué)習(xí)交互分析工具及其案例研究[J].開放教育研究，2007，（4）：94-99.

[20]Chen X， Zou D， Xie H， et al. Two decades of artificial intelligence in education[J]. Educational Technology and Society， 2022，（1）：28-47.

[21]Henri F. Computer conferencing and content analysis[A]. Collaborative Learning Through Computer Conferencing[C]. Berlin， Heidelberg： Springer， 1992：117-136.

[23]馬志強.社會認知互動的多維刻畫——協(xié)作學(xué)習(xí)投入理論構(gòu)建與實踐探索[M].北京：中國社會科學(xué)出版社，2021：157-160．

Abstract： The process of collaborative learning is the process of discourse， in which contains a wealth of information. With the integrated application of artificial intelligence in education， the value of discourse has been mined and reflected， the research of intelligent discourse analysis for collaborative learning has been paid more attention， and the current research has not yet formed a scientific system. Based on this， this paper firstly investigated the relevant literature and tools of intelligent discourse analysis for collaborative learning at home and abroad， sorted out the relevant research. Meanwhile， the tool orientation of intelligent discourse analysis was summarized in this paper， which included descriptive statistical analysis of discourse text， social network analysis of discourse relationship， topic and cognitive analysis of discourse content. Then， three key technologies to solve the problems of intelligent discourse analysis were condensed： learning quality monitoring based on topic detection technology， discourse mechanism exploration based on machine learning algorithm， and multi-dimensional data conversion based on visualization technology. Finally， four development paths of focusing on the multimodal data of discourse process， optimizing the intelligent discourse analysis technology， constructing the man-machine collaborative discourse analysis model， and developing the instant analysis tool were propoased， which was expected to provide reference for the research of intelligent discourse analysis of collaborative learning.

Keywords： collaborative learning; discourse analysis; artificial intelligence; analytical tools; key technologies

*基金項目：本文為教育部人文社會科學(xué)研究項目“面向心理健康的文本情緒識別研究”（項目編號：No.21YJA740037）的階段性研究成果。

作者簡介：王萌，副教授，博士，研究方向為自然語言處理、教育數(shù)據(jù)挖掘，郵箱為wangmengly@163.com。

收稿日期：2022年9月6日

編輯：小時