SPOCs论坛中学习者的交互模式研究

来源:用户上传      作者:

　　摘要：SPOCs-沦坛作为一种支持在线学习的辅助平台，为学习者提供了一个相互交流、共同参与的学习空间。该文以中部某师范大学云课堂平台中一个学期的课程论坛发帖为研究对象，采集学习者在线交互时产生的日志文件、发帖内容等数据，基于社会网络分析法和Engel创建的新指标体系，同时对论坛发帖中的回复关系和引用关系进行分析，重点探究两种关系模式下交互模式的差异性。研究结果发现：在群体水平上，基于引用关系得到的交互数量更多，且引用网络的群体指标值均高于回复网络;在个体水平上，基于个体指标分组的两类网络中的成员构成发生了较大的变化。这一结果表明SPOCs论坛中学习者之间并不只是存在着同一层级的简单的回复关系，还存在着大量对其他学习者发帖内容的引用关系;相比于回复网络，引用网络能够更真实地反映学习者实际发生的交互关系。
　　关键词：SPOCs;社会网络分析;交互模式;回复网络;引用网络
　　中图分类号：G434
　　文献标识码：A
　　一、引言
　　随着教育信息化的推进和深入，新兴信息技术持续推动着教学模式的改革和创新。从传统的在线学习平台发展到随后兴起的慕课（Massive Open OnlineCourses.MOOCs），无不体现出人们在教育领域的不断思索和创新。然而近年来，慕课在经历了初期的狂热阶段之后，逐渐显现出自身存在的弊端，主要表现为用户流失率高、课业完成率低、过程监管难、学习动机不足、学习深度缺乏等问题[1]。针对该困境，Fox[2]在2013年首次提出了SPOCs（Smallnivate Online Courses，小规模限制性在线课程）概念。SPOCs是在MOOCs基础上发展起来的、 “后MOOC”时期涌现的一种新型教学模式[3]，主要包含两大特点：小众性（Small）和私密性（Private）。小众性主要体现在一个班级只有少数学生;私密性主要体现在课程只对小部分符合要求的申请者开放[4]。此外，SPOCs提供了一种混合式教学模式，既保留了MOOCs线上学习自由把控节奏、教学资源丰富的特点，也保留了线下教学易于监管、及时反馈的特点，增强了线下面对面课程的连续性，促进了学生更民主的参与，突出了学习过程中学生的主导作用和教师的辅助作用[5]。
　　SPOCs论坛作为一种支持在线学习的辅助平台，为学习者提供了一个相互交流、共同参与的学习空间。学生通过参与、交流、共享知识进行直接或间接的交互，从而影响随之发生的知识建构过程。大量研究已证实，学习者之间的在线交互能够影响最终的学习质量[6-8]。因此，研究学生之间的交互关系对于分析学习者的知识建构起着至关重要的作用。其中，社会网络分析（Social Network Analysis，SNA）主要关注行动者彼此间交互关系的特性，因此是研究这种关系的有效方法。SNA主要用于探究社会网络中彼此互动的学习者之间的关系，社会网络主要包含两个要素：行动者（学习者、群体、国家、机构和公司）和关系f经济、关系、动机、情感和家庭）[9]。在线上学习过程中，学习者可以协作、讨论生成内容，从而在学习者与学习者之间、学习者与教师之间建立关系网络[10]，而SNA能够通过描述这些交互关系为研究者提供更多关于学生参与动态的详细信息[11]，从而挖掘出隐藏在这些行为模式背后的学习规律和特征。有研究者通过SNA展示在线活动中学生的活跃度和中心度的分布[12]，了解群体之间的总体相互作用、发现每个角色的位置和重要性[13]，并使用网络密度值描述学习者在线交互的紧密程度[14]。
　　目前，在线环境下SNA的交互关系分析主要是基于系统生成的日志文件（Log Files），从中提取出学习者的发帖和回帖数据，并生成社会网[15][16]，即回复网络（亦称技术性网络（Technological Network）。然而，这类数据在反映学习者实际交互动态或交流模式上还存在争议，有研究者[17][18]指出学习者在讨论过程中普遍存在交叉发帖的情况，并且难以保证学习者会选择正确的回帖位置和层级，也不能保证平台本身能够支持一个足够丰富的回复结构。因此，基于日志文件构建的社会网络难以准确地反映论坛互动中形成的交互关系，无法完整地展示学习者建立的社会关系。此外，在测量社会网络交互质量上，SNA常用中心性指标（Centrality）表征个体在网络中的地位和权利，使用网络密度指标（Density）表征整個群体的凝聚力[19]。然而，这些指标的计算均建立在一层回复关系上，忽视了二次回复或相互回复这类关系，无法体现出不同回复关系之间的差异性和关联性。为克服这些问题，Engel等人[20]在研究中引入引用关系（学习者发帖中出现的人称指代和对他人发帖的引用关系）建立引用网络（NominalNetwork），并定义了三种不同的交互关系：非对称关系（Asymmetric Relation，学习者单方面评论他人发帖）、互惠关系（Reciprocal Relation，学习者互相评论）和应答关系（Responsive Relation.学习者对他人的评论做出回复），在此基础上提出了一套新的测量指标，有助于更深层次的挖掘学习者的交互动态。
　　因此，本研究拟以中部某师范大学云课堂平台中一个学期的课程论坛发帖为研究对象，基于社会网络分析法和Engel创建的新指标体系，同时对论坛发帖内容中的回复关系和引用关系进行分析，探究两种关系模式下学习者在SPOCs论坛中的交互动态与模式的差异性，从而分辨出哪种数据能够更好地反映学习者实际发生的交互关系，挖掘学习者交互模式，为更好地利用SPOCs教学环境促进教学模式改革，提升教学质量提供指导和建议。
　　二、社会网络新指标体系
　　在SNA中，除了采用网络可视化来直观地展示学习者之间的交互关系，常常还会通过计算相应的社会网络指标来衡量个体或群体的交互质量。传统的指标中通常只考虑学习者之间交互关系的存在与否，对于交互关系之间的差异没有进行区分开来。例如，在讨论过程中存在以下三种情况，A评论了B;A评论了B，随后B回复了A;A评论了B的帖子，同时B也评论了A的帖子。显然这三种交互关系是不同的：在第一种交互关系中仅存在一种单向的互动关系，而后两种回复关系中体现了一种双向的互动关系，发送者和接收者的角色发生了变化，这过程中不仅包含了B对A发帖内容的思考，还包含了A对B发帖内容的思考。但这两种形式之间也存在着差异，在学习者相互互动的过程中，交互的传播方向发生了变化。传统指标的计算并没有对上述三种回复关系进行区分，只是使用不同的交互数量来表示回复关系的区别。这种计算方式忽视了不同回复形式之间的差异，弱化了回复之间的连续性，因此，在应用SNA方法时需要考虑在线讨论中学生交互的复杂性和独特性[21]。对此，Engel等人[22]重新提出了一套新的指标计算方法，这套指标的计算基于作者定义的三种不同的交互形式：非对称关系（学习者单方面评论他人发帖）、互惠关系（两个学习者之间互相评论）和应答关系（学习者对其他学习者的评论进行回复），分别对应于上文列举的三种情况。类似于传统的测量方法，该指标也分为群体和个体两个层面，分别包含6个群体指标（如表1所示）和7个个体指标（如表2所示）。 　　三、研究设计
　　（一）研究问题
　　为了帮助理解SPOC论坛中的学习者交互模式，本研究将基于以上两种不同数据类型的网络结构（回复网络、引用网络）来探讨学习者在论坛讨论中交互模式的差异性，分辨出能更好地反映学习者实际交互关系的数据类型。因此，本研究主要想解决以下两个研究问题：
　　1.基于不同数据来源生成的社会网络群体指标有何差异？
　　2.基于不同数据来源生成的社会网络个体指标有何差异？
　　（二）研究对象和数据来源
　　本研究的数据来源于中部某师范大学SPOC平台中公共必修课“心理学基础”课程的论坛发帖数据。该课程内容主要分为四个知识模块：心理学绪论、心理过程、个别差异、心理建构，旨在帮助学生掌握心理学的原理与应用。课程为期一学期，共48个学时。同时，课程还要求学生参与线上讨论活动。最终，该课程论坛在一学期内共产生2992条讨论帖。通过对该课程的讨论数据进行学号匹配与筛选，剔除重复发帖记录、与课程内容无关发帖记录以及有学业成绩却未发帖的学习者记录，最终得到72名学习者发布的2824条有效讨论帖。
　　（三）研究方法
　　为了构建两种不同类型的社会网络，本文首先通过平台提供的日志文件生成回复网络，同时通过日志文件和文本信息中的引用关系生成引用网络，使用一种开源软件Gephi 0.9.2进行图形可视化。然后基于社会网络新指标体系分别计算两类社会网络的群体及个体指标，以此来描述学习者在论坛中的交互質量。其次，使用Windows版本的SPSS 19.0对两类网络群体指标和个体指标进行Wilcoxon符号秩检验，分析、比较两种社会网络中两种指标的差异性，以探讨哪种数据类型能够更真实、更准确地反映学习者的交互动态，更深入地挖掘学习者的交互模式特点。
　　1.网络的生成
　　本研究构建网络使用的数据来源主要包含两类：论坛中的活动日志和学习者生成的文本信息。在回复网络中，数据源是论坛活动日志，结点之间的关系表示为学习者对其他人的回复或评论;在引用网络中，使用了论坛活动日志以及学生和教师发帖的文本内容，结点之间的关系表示为学习者对他人发帖的引用关系。引用关系的确定基于三条准则：（1）学习者请求帮助时涉及到的其他学习者;（2）学习者回复别人时涉及到的其他学习者;（3）学习者发帖中的内容与其他作者的发帖部分相同[23]。为了保证引用网络中数据处理标准的一致性和可靠性，两名研究员共同对数据进行编码，对于有争议的地方通过双方共同讨论达成一致。最后，使用开源软件Gephi 0.9.2进行社会网络的分析和可视化。
　　2.网络指标的计算
　　本研究采用第二部分描述的社会网络新指标体系共包括6个群体指标和7个个体指标，分别计算出两类网络的指标。由于平台没有提供学习者的阅读数据，本研究中没有计算个体阅读指标。
　　四、研究结果及分析
　　（一）群体指标差异分析
　　表3展示了回复网络和引用网络的群体指标结果。相比于回复网络，引用网络中的回复数量增加了3847条，新增的关系则是通过学习者对其他人发帖的引用得来的。
　　从表3的结果可以看出，引用网络的各项群体指标均高于回复网络的群体指标。通过对两组群体指标进行Wilcoxon符号秩检验，得到P=0.028<0.05，表明基于回复关系和引用关系得到的群体指标之间存在显著性差异。这反映出使用论坛工具的局限性：在论坛工具中，学习者发布的一条信息只能作为对某一个学习者的回复或者一个非回复性质的初始发帖;而在引用网络中，一条单一的信息可以通过对其他发帖内容的引用直接与不同学习者的发帖建立联系，突破由于工具自身的技术问题产生的限制，更多地挖掘学习者之间的关联性。这种差异直接体现在网络出/入度指标中，在回复网络中该指标的值仅为引用网络中该指标的1/2不到。同样地，技术带来的限制还体现在学习者与他人建立关系的数量上。在引用网络中网络密度为0.368，表示学习者建立了网络中所有可能关系的36.8%，而回复网络中建立的关系数量仅为所有可能数量的22.1%，如下页图1和下页图2所示
　　由于互惠行为和应答行为本身对交互的要求较高，所以两类网络中的网络互惠性指标和网络应答性指标的值均很低。但仍然可以看出在引用网络中这两个指标均高于回复网络。回复网络中的网络出度中心性指标和网络入度中心性指标都较低，这说明相比于引用网络，回复网络中学习者之间回复的发送和接收分布更多。
　　通过网络可视化的方式可以直观地展示两类网络的差异，如图3和图4所示。在引用网络中，36.8%的网络密度关系中22.6%是互惠关系（图中用较粗线条表示），仅有6名学习者未与其他学习者建立互惠关系。这种多维度的衡量方法显示大部分学习者把自己定位在网络核心位置。另一方面，回复网络展示了较小的网络密度（22.10%）包含了更少的互惠关系（5.6%）。尽管所有的学习者都彼此相连，没有孤立的个体或群体，但大部分学习者都处于网络边缘位置。
　　（二）个体指标差异分析
　　本文根据指标的值将学习者分为三组，组1由所有指标或5个指标等于或大于均值的学习者组成，组3由最多一个指标等于或大于均值的学习者组成，组2由2-4个指标等于或大于均值的学习者组成。考虑到课程人数较多，本文选取部分学习者为代表进行分析，参考引用网络的计算结果，组1、组2和组3分别选择8名学习者，如表4和表5所示。回复网络中，组2包括10名成员，其中S7、S9、S17、S26和S56是引用网络中组1的成员;组3有11名成员，其中S4为引用网络中组1的成员，S5、S37、S45、S62和S64为引用网络中组2的成员。
　　同群体指标一样，在两个网络中的分析结果都展现出较大差异。对两组数据均采用Wilcoxon符号秩检验，除个体入度指标和个体出度指标，个体入度中心性指标、个体出度中心性指标、个体互惠性指标和个体应答性指标均呈显著差异（P=0.000<0.001），表明两类网络中，个体指标总体上呈显著差异。 　　两类网络中其中一些学习者的交互模式差异尤为显著。本文将以两个例子来详细地阐述这些差异（如表6所示）。学习者S4在引用网络中的6个个体指标均高于均值，而在回复网络中有5指标均低于均值—个体入度指标、个体出度指标、个体出度中心性指标、个体互惠性指标和个体应答性指标，其中个体应答性指标甚至为0。另一个例子是学习者S5，在引用网络中，学习者的三个指标均高于均值一个体入度中心性指标、个体出度中心性指标和个体应答性指标，而在回复网络中其中两个指标均低于均值，仅个体出度中心性指标高于均值。同时，学习者S5在回复网络中有四个指标均为0一个体入度指标、个体入度中心性指标、个体互惠性指标和个体应答性指标。
　　为了进一步说明引用网络能够更好地反映学习者的实际交互，本文对学习者在整个课程中的发帖进行了详细分析。如图5、图6所示，分别展示了上述两名学习者在论坛中与其他学习者发帖的交互关系，其中左边的表示在回复网络中建立的关系，右边的表示在引用网络中建立的关系。如图5所示，学习者S4在回复网络中分别于33名学习者建立了联系，而在引用网络中人数达到57人，占整个班级人数的79.16%，这表明学习者拥有更多的资源和权利。同时，在回复网络中，S4建立了3对互惠关系和0对应答关系。而在引用网络中，S4建立了16对应答关系和3对互惠关系。
　　此外，我们还对学习者S5的发帖进行了分析，结果显示两类网络的差异更加显著，如图6所示。回复网络中，S5共与17名学习者发生了交互关系，而这些关系均是由S5评论其他学习者的发帖产生的。引用网络中，学习者S5与45名学习者建立了联系，相比回复网络，人数增加了28名。另外，引用网络中S5收到了33名學习者发送的帖子，表明这33名学习者分别在发帖中引用了S5的发帖内容。进一步分析图6，在回复网络中，学习者S5建立的互惠关系和应答关系均为0，而在引用网络中，学习者分别建立了11对互惠关系和2对应答关系。
　　五、结论与讨论
　　（一）结论
　　目前，我国正从教育信息化1.0时代迈入教育信息化2.0时代，促进学生发展和信息化学习成为2.0时代关注的要点[24]。SPOCs作为一种新的信息化学习手段，为解决浅学习问题、促进深度学习提供了新的思路[25]。真实地展现学习者的互动关系有助于掌握学习者的学习状态和结果，为改善SPOCs的教学模式和质量提供可靠的支撑。本研究以中部某师范大学云课堂平台中一个学期的课程论坛发帖为研究对象，基于社会网络分析法和Engel创建的新指标体系，分别对论坛发帖中的回复关系和引用关系建立了社会网络，并从群体和个体的角度探讨了两类网络的差异性，研究结论如下：
　　1.群体指标的差异性
　　相比于回复关系，基于引用关系得到的交互数量更多，且引用网络的群体指标均高于回复网络。回复网络的回复数量为2330条，仅为引用关系数量的1/2不到，网络出/人度指标、网络密度指标、网络出度中心性指标、网络入度中心性指标、网络互惠性指标和网络应答性指标均小于引用网络。由此可以说明，回复网络能够在一定程度上反映学习者之间的交互关系，但无法全面地展示学习者实际建立的联系，低估了学习者实际建立联系的数量和程度，而引用网络为我们揭示了更多学习者之间的关联，更真实地反映了学习者实际生成的交互模式。
　　2.个体指标的差异性
　　对两类网络中的个体指标进行分组，引用网络和回复网络中成员的分组均发生了较大的变化。引用网络中组1的8名成员，仅有2名同样属于回复网络的组1成员;回复网络中组2的10名成员，有5名属于引用网络的组1成员，组3的11名成员中，仅5名属于引用网络的组3成员。其中，学习者S4、S5的差异尤为显著，S4的个体指标在引用网络中均高于均值，在回复网络中只有个体入度中心性水平高于均值;S5的4个个体指标在回复网络中均为0，且只有个体出度中心性指标高于均值，而在引用网络中6个指标均不为0，且有3个指标高于均值。这说明，在SPOCs论坛中，学习者之间并不只是存在着同一层级的简单的回复关系，还存在着大量对其他学习者发帖内容的引用关系。
　　（二）讨论
　　1.引用网络比回复网络更能反映学习者的实际交互关系
　　相比回复网络，引用网络能够更加真实、全面地描述学习者实际建立的交互关系。这主要是因为，在SPOCs在线讨论中，学习者之间不仅存在着简单的回复行为，还存在着交叉发帖和内容引用等行为。这些行为无法通过回复关系展现出来，导致回复网络在展示学习者交互关系时丢失了大量信息，而引用网络能够突破平台技术上的限制.从内容层面挖掘出学习者之间隐藏的互动关系。因此在学生学习评估实践中，可考虑将引用关系融合到传统SNA中，即基于引用关系得出学习者之间的真实交互关系，在此基础上探究学习者间的交互关系差异及其对学习者知识建构的影响，并考察这些差异影响学习者知识建构过程的作用机制，从而挖掘出不同类型学习者的学习规律，以帮助教师开展课堂教学诊断并随后实施及时有效的干预。
　　2.社会网络新指标体系能够展示更加多样的交互模式
　　社会网络新指标体系区分了3种不同类型的交互行为——非对称行为、互惠行为和应答行为，展示了学习者个体及其群体在SPOCs论坛中的交互模式多样性。不同的交互模式反映出了不同的学习模式，因此，采用社会网络新指标体系有助于探讨在线讨论中存在的多样化学习模式。一方面，教师能够由此掌握在线讨论交互的个体性和群体性特点，及时发现问题并采取干预措施;另一方面，学习者可以通过对比了解自身与学习同伴之间的差异，据此实施针对性改进。因此，在今后的研究中，可尝试将该社会网络新指标体系运用到在线交互研究中，以挖掘学习者个体及其群体的多样化交互模式，并最终获得关于其学习模式的全面性理解。
　　3.SPOCs论坛中学习者的交互模式普遍单一
　　在线论坛中，学习者之间的互惠性或应答性关系相对较少，而且交互模式较为单一。无论在引用网络还是回复网络中，网络互惠性和网络应答性指标均较低，说明学习者在讨论过程中建立的互惠性关系和应答性关系较少，仅有少量的回复评论和相互评论行为发生，从而导致学习者建立的交互模式较为单一。交互在学习者的知识建构过程中发挥着重要作用[26]，能够促进相互协作和知识获取，进而影响学业成绩和课程满意度[27]。因此，本研究认为，SPOCs论坛中的学习者交互水平和质量还有待提升，教师可采取一定的干预措施以支持和帮助学生更多地参与到讨论中去，比如在课程前期可通过增设不同的活动规则强制性地约束学生行为，利用课程规范促进学生交互学习行为的养成，并内化为学习动机，从而实现提升学习者交互积极性和主动性的目的。 　　总而言之，基于发帖引用关系和社会网络新指标体系而构建的交互模式评价新方法能够展现学习者回复行为下隐藏的真实交互行为，更完整地揭示学习者在SPOCs论坛讨论过程中的交互模式。在今后的教学实践中，教师可基于该方法准确掌握学习者的即时学习状态，评估教学效果并制定改进措施，进而提升教学质量;同时，学习者可利用该方法准确评判自身的交互特点和学习状态，进而通过社会对比确定适合自身的改进性措施。针对SPOCs论坛中的交互模式单一问题，教师应着力引导学习者开展多样化的交互行为，以切实推动SPOCs论坛对学生学习的助力作用。
　　参考文献：
　　[1][4][25]曾明星，李桂平等.从MOOC到SPOC：-种深度学习模式建构[J].中国电化教育，2015.（11）：28-34.
　　[2] Fox A.From MOOCs to SPOCs[Jl.Communications of theACM.2013，56（ 12）：38-40.
　　[3]陈然，杨成.SPOC支持下的高校混合学习新模式[J].江苏开放大学学报，2015，26（2）： 44-48.
　　[5] Kang Z，He L.Construction and practice of SPOC teaching mode hasedon MOOCU].lntemational Journal of Emerging Technologies in Leaming（IJET）.2018，13（12）：35-49.
　　[6] Webb N M.Student interaction and learning in small groups[J].Reviewof Educational Research. 1982.52（3）：421 -445.
　　[7] Thurmond V.Wamhach K.Understanding interactions in distanceeducation：A review of the literature[J].lnternational journal ofinstructional technology and distance learning，2004，l （1）：9-26.
　　[8][26] Li J，Tang Y，et aI.The moderating effects of discipline on the relationship between asynchronous discussion and satisfaction with MOOCs[J].Journal of Computers in Education，2018，5（3）：279-296.
　　[9][10][15][19] Cela K L，Sicilia M A，et al.Social network analysisin e-learning environments：A preliminary systematic review[J].Educational Psychology Review，2015.27（1）：219-246.
　　[11] C.hadirian H.Salehi K，et al.Analyzing the Social Networks of High-and Low-Performing Students in Online Discussion Forums[J].American Joumal of Distance Education.2018.32（1）：27-42.
　　[12]冷静，郭日发等.促进生批判性思维的在线活动设计研及可视化分析 [J].电化教育研究，2018，39（1 0） ：77-84.
　　[13] Saqr M，Fors U.et aI.Using social network analysis to understandonline Problem-Based Learning and predict performance[J].PIoS one，2018，13（9）：1-20.
　　[14] Lee J，Bonk C J.Social network analysis of peer relationships andonline interactions in a blended class using blogs[J].The Internet andHigher Education.2016.（28）： 35-44.
　　[16] Dado M，Bodemer D.A review of methodological applications of socialnetwork analysis in computer-supported collahorative learning[J].Educational Research Review.201 7，（22）： 159-1 80.
　　[17][21] Wise A F.Cui Y，et aI.Honing in on social learning networksin MOOC forums：Examining critical network definitiondecisions[Al.Wise A F.The 7th International Conference on LearningAnalytics&Knowledge ：and Improving Leaming with Data[C].Vancouver：ACM.2017.383-392.
　　[18] Fincham E，（-;aS evic D.et al.From social ties to network processes： Dotie definitions matter？[J].Journal of Learning Analytics，201 8，5（2）：9-28.
　　[20][22][23] Engel A，Cesar Coll，et aI.Distributed teaching presence and communicative patterns in asynchronous learning：Name versus replynetworks[J].Computers&Education.2013，60（1）：1 84-196.
　　[24]刘晓琳.基础教育学校信息化教学创新评价指标体系研制——面向2.0时代[J].中国电化教育，2018.（12）：11-17.
　　[27] Wei H C，Peng H，et al.Can more interactivity improve learningachievement in an online course？ Effects of college students'perception and actual use of a course-management system on theirlearning ac.hievement[J].Computers&Education.201 5.83 （1）： 10-21.
　　作者簡介：
　　刘三蚜：教授，博士生导师，研究方向为教育大数据与人工智能（lsy5918@mail.ccnu.edu.cn）。
　　韩雪：在读硕士，研究方向为学习分析（18571543986@163.com）.
　　柴唤友：在读博士，研究方向为在线学习分析、在线交往（15623213441@163 .com）。
　　欧阳柏强：在读硕士，研究方向为情感识别（1305805709@qq.com）。
转载注明来源:https://www.xzbu.com/1/view-15224231.htm