发布时间：2020-03-05所属分类：教育论文浏览：1次
摘 要： 摘要：在计算机支持的协作学习(Computer Supported Collaborative Learning，CSCL)中引入群体感知这一概念，可以促进学习者之间的交流和协作，为解决协作学习效果不佳的问题提供新方法。为此，文章首先分析了群体感知的概念和国外典型的基于群体感知的 CSCL
摘要：在计算机支持的协作学习(Computer Supported Collaborative Learning，CSCL)中引入“群体感知”这一概念，可以促进学习者之间的交流和协作，为解决协作学习效果不佳的问题提供新方法。为此，文章首先分析了群体感知的概念和国外典型的基于群体感知的 CSCL 学习分析工具的不足，并依托功能设计原则，构建了基于群体感知的 CSCL 学习分析工具功能模型;随后，文章具体分析了工具功能的技术实现;最后，文章通过问卷调查，发现学习者对工具功能的整体接受度较高，认为工具能有效支持协作学习。文章的研究有助于在线学习者更好地互动交流、解决问题，推动协作学习的进一步发展。
关键词：群体感知;CSCL;学习分析工具;协作学习
CSCL 是指利用计算机技术来辅助、支持小组成员共同建构知识和解决问题。作为一个新兴的研究领域，CSCL 存在许多问题，如协作过程中存在“搭便车”行为、学习质量低下等[1]。上述问题在面对面学习中同样存在，但由于网络环境缺乏非语言线索(如手势和面部表情)，这些问题在 CSCL 环境中更为突出[2]。林书兵等[3]的研究表明，为在线协作学习者提供关于其学习同伴的信息能促进彼此交互，是提高 CSCL 学习质量的关键之所在。在协作解决任务的过程中，学习者获得同伴的知识、行为、社交等信息，可以帮助他们克服与同伴沟通的障碍——这些信息被称为群体感知信息[4]。随着学习分析技术的发展，在线协作学习者可以获得的感知信息越来越丰富。然而，现有学习分析工具主要是对在线协作学习的结果进行监督与评估，忽略了对协作学习过程的支持，且不能对协作学习的过程信息进行更深入的可视化展示。因此，本研究从群体感知视角出发，构建了 CSCL 学习分析工具功能模型，并具体分析了 CSCL 学习分析工具功能的技术实现，以促进在线协作学习者更好地交流和解决问题，提高学习质量。
相关期刊推荐：《现代教育技术》立足学术研究、带动实践探索、促进教育技术发展、推动教育现代化。本刊可供高校及其他各级各类学校电教中心(现代教育技术中心)、CAI中心、远程教育机构、多媒体研究开发人员和热心教育现代化的教师及管理人员阅读，是学校图书馆、资料室、教育技术中心等部门的必备资料。本刊对师范院校教育技术类专业师生的学习及研究具有参考价值。
一 CSCL 中的群体感知
1 群体感知
群体感知(Group Awareness)是指学习者对小组成员在协作过程中各个方面信息的了解与认识。Bodemer[5]曾将群体感知分为认知感知、行为感知和社会感知三种类型，各类型的释义如表 1 所示。在 CSCL 中，“群体感知”一词通常指学习者对小组运作情况的了解，如小组成员是否在线、谁是小组讨论中的积极参与者、当前任务的解决情况等[6]。换言之，CSCL 中的群体感知是指通过技术的支持，为学习者提供关于同伴的知识、社会、行为等方面的信息，使小组成员彼此感知，从而促进学习者之间进行交互，以开展有意义的协作学习。
2 基于群体感知的 CSCL 学习分析工具
近年来，越来越多的国外学者将群体感知信息引入 CSCL，研发了一系列基于群体感知的 CSCL 学习分析工具(下文简称“工具”)，其中典型的工具如表 2 所示。
通过对上述国外典型工具的对比分析，本研究发现这些工具存在以下不足：①鲜有工具拥有完整提供认知、行为和社会三方面群体感知信息的功能，且多数工具的图形呈现方式较为单一;②这些工具主要对学习者的行为数据(如学习者登录平台的次数、学习时间等)进行分析，而这些行为数据虽然在一定程度上反映了在线学习者的学习行为，但没有深入探究在线学习活动，未能对学习活动过程进行深度分析[14]。针对这些不足，本研究认为在设计工具的功能时，应聚焦于过程数据，提供利于协作学习过程开展的数据分析(如交互均度)，同时丰富群体感知信息并多途径实现信息呈现的可视化。
二 基于群体感知的 CSCL 学习分析工具功能的设计
1 工具功能的设计原则
依据 Buder[15]对群体感知视角下 CSCL 学习分析工具的功能分析，结合工具存在的不足，本研究提出了工具功能的三条设计原则：
①多种分析方法挖掘数据，产生感知信息。已有工具多提供以统计数据为主的浅层信息，未能对协作中的言语内容、学习者的行为模式等进行深入挖掘和深度分析。基于此，本研究引入社会网络分析法、序列分析法等多种方法，对协作过程中的交互数据进行挖掘，以全面覆盖认知、行为和社会三方面的群体感知信息。
②可视化呈现信息，方便学习者感知。如何快速让学习者对信息产生感知，呈现数据结果的方式尤为重要。提供群体感知信息时，需注意不同的呈现方式会带来不同的学习效果，如在感知学习者之间的社交情况时，采用社会网络分析图更能看出学习者之间的交互情况。基于此，本研究采用热图、SNA 图等多种可视化呈现方式，以便学习者对群体感知信息进行查看与理解。
③动态更新信息，可进行选择性查看。采用动态更新群体感知信息的方式，学习者可以随时查看其协作学习进程。相较于定时的更新，及时更新、动态显示能提供最新的过程信息，便于学习者根据当下的分析结果立即微调学习活动。鉴于过多的群体感知信息会造成信息干扰或信息过载问题，本研究采用自动化分析方法，实时分析在线协作过程，允许学习者自主选择是否查看群体感知信息——信息的呈现不是强制性的，可为学习者减少不必要的认知负荷。
2 基于群体感知的 CSCL 学习分析工具功能模型
依托上述工具功能的设计原则，本研究构建了基于群体感知的 CSCL 学习分析工具功能模型，如图 1 所示。该模型主要聚焦于计算机支持的协作学习过程，为学习者提供在线协作讨论中的群体感知信息，含有知识加工、行为模式和社交关系三大主要功能板块。
(1)知识加工板块
知识加工板块提供认知感知信息，主要关注协作学习中知识生成和知识建构的过程，由三部分组成：①个人讨论话题，关注小组成员在协作过程中的讨论内容是否离题;②知识激活度，反映小组成员是否已掌握教师提前预设的知识点，便于小组成员确定下一步的协作学习方向; ③新颖性，主要评价当前小组成员中推进话题的贡献值，即对成员首次提到某一知识点的统计。
(2)行为模式板块
行为模式板块提供协作讨论中的行为感知信息，分析学习者在该过程中时常处于何种行为。行为模式可分为两种：①一级行为模式代表在协作过程中主要出现陈述、协商、提问、管理、情感等五种行为。通过行为感知信息，可以知道小组中每个人的角色定位，如管理行为多的人可能是小组中的领导者。②二级行为模式是对一级行为模式的细化，其目的为了更精确地刻画学习者在协作过程中的行为状态。如一级行为模式中的陈述可细化为给出观点/方案、进一步解释观点、修订观点、总结观点等四个二级维度。
(3)社交关系板块
社交关系板块提供社会感知信息，反映在线协作中学习者之间的交往关系与交互结构，由三个部分组成：①发帖量，是对讨论过程中学习者发贴数量的统计;②发帖时间，是对学习者发帖时间点的统计;③交互关系，是指在小组协作中成员之间彼此发帖回复的关系，可利用社会网络分析方法对小组成员之间的交互关系进行可视化呈现。其中，发帖量和发帖时间直观地反映了学习者参与讨论的积极性。
三 基于群体感知的 CSCL 学习分析工具功能的技术实现
基于群体感知的 CSCL 学习分析工具功能模型的构建，可为工具功能的实现提供理论指导。然而，在具体的实践中，工具功能的实现离不开技术的支持。基于此，本研究将立足于三大主要功能板块，重点分析工具功能的技术实现，使工具界面友好、功能易用、展示内容易理解，有效支持协作学习过程。具体来说，本研究以应用工具功能开展的系列在线协作学习活动中的一次专题活动(下文简称“专题活动”)为例，来展示专题活动中学习者使用工具的实际情况。专题活动的主题是“利用 Word 软件制作论文集”，学习者来源于 B 大学“计算机基础”课程中的 43 名大一学生，设为 4～6 人一组;每组成员在 Moodle 平台上进行讨论，讨论的具体流程为：每小组讨论并制定论文集的格式规范→根据制定的格式规范，修改 Moodle 平台上提供的两篇错乱格式的论文→将上述具体操作说明整理成文档，上传至 Moodle 平台。在为期 2 周的协作讨论中，学习者可以通过随时查看工具，获取关于小组协作过程中的群体感知信息。
1 知识加工板块的技术实现
知识加工板块的数据分析与计算以专家提前划定和总结的知识图谱为基准，将学习者的讨论内容与知识点进行比对之后，生成各类可视化图表。以专题活动中小组 1 的协作过程为例： ①在个人讨论话题柱状图(如图 2 所示)中，条纹部分代表含有预设知识点的讨论帖数量，黑色部分代表不含预设知识点的讨论帖数量。通过查看图 2，学习者很快就能发现小组 1 中王同学的离题现象较为严重。②在知识激活度热图(如图 3 所示)中，横轴代表需要讨论的知识点，纵轴代表小组成员，图中越接近绿色的方格代表该小组成员在这些知识点上重复讨论的次数越多，越接近红色的方格则代表该小组成员在这些知识点上讨论的次数越少。图 3 处于红色的方格较多，说明小组 1 的讨论可能正处于初始阶段。③在知识新颖性折线图(如图 4 所示)中，不同的线条代表小组中不同成员，纵轴代表小组成员首次提到知识点数量，横轴则代表小组成员首次提到知识点的时间。图 4 显示，小组 1 讨论的高峰期始于 16:40，学习者在此时刻首次提到知识点的数量增长较快。在小组 1 中，由于全同学在讨论过程中没有引入过知识点，对知识的进展贡献度为零，故在图 4 中没有列出。
2 行为模式板块的技术实现
行为模式板块使用内容分析法对协作讨论内容进行编码，生成一级、二级行为模式的发生频次，并进行分布比例计算，通过饼图进行呈现，使学习者清楚地知道小组成员的不同行为在协作中所占的比例。以专题活动中小组 1 孙同学的讨论为例：①一级行为模式饼图(如图 5 所示)显示，孙同学在此次讨论中最多的行为是陈述、提问，且在此次讨论中没有表现出管理行为;②二级行为模式饼图(如图 6 所示)将一级行为模式中的不同行为进行细分，更具体地提供了孙同学的行为信息，如孙同学在陈述行为中给出观点/方案的行为占比最大，说明孙同学善于提出新观点、新方案，有助于小组明确问题。
SCISSCIAHCI
