学习情绪与查询任务类型的交互作用对网络信息搜索体验的影响

谭金波+王广新

【摘 要】

情绪在网络学习中的作用越来越受到重视。在自主研发的“网络搜索行为分析系统”上，通过实验法探讨了学习情绪和查询任务类型对网络信息搜索行为和搜索绩效的影响。研究发现，情绪对搜索行为中的问题回答能力和网页阅读能力两个因子作用显著，查询任务类型对信息选择能力和网页阅读能力两个因子有显著影响，情绪与查询任务类型对搜索行为的交叉作用主要表现在对问题回答能力因子上。另外，查询任务类型对搜索绩效有显著影响，情绪与查询任务类型对搜索绩效的交互作用也很显著。这揭示出学生的学习情绪倾向、查询任务类型在其网络信息搜索体验中扮演着重要角色。

【关键词】 学习情绪；查询任务；搜索体验；搜索行为；搜索绩效；网络信息搜索；实证研究；任务复杂度

【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009-458x（2017）09-0019-07

一、引言

随着互联网的普及和终身学习的需求，网络已成为人们学习和生活的重要工具。据《2016年第38次中国互联网络发展状况统计报告》显示，截至2016年6月，我国拥有5.93 亿搜索引擎用户，使用率为83.5%，网民中学生群体的占比最高，为25.1%（CNNIC， 2016）。可以说，网络信息搜索行为发生在日常生活的方方面面。

在信息化教学环境下，学生经常需要从网上搜索信息完成探究学习活动以及混合学习活动中的任务，学生的学习情绪对搜索行为有显著影响（Kyung-Sun， 2008； Irene， 2014），同时情绪能够影响搜索意愿（Fulton， 2009）和搜索策略（Nahl & Tenopir，1996），查询任务类型被验证可以影响学生的搜索行为和体验（Gwizdka & Spence， 2006）。然而，学生的学习情绪与查询任务类型是否能够影响其搜索体验，以及如何交互影响着其搜索行为与搜索绩效，目前国内针对这一问题的探讨较少且不够深入。本研究拟采用实证研究法考察学生的学习情绪、不同任务类型与他们的网络信息搜索行为及搜索绩效之间的关系。

二、相关研究

如前所述，学生的学习情绪与查询任务类型对搜索体验有一定的影响。本节分别从学习情绪、查询任务类型、二者交互作用对搜索体验的影响三个层面梳理已有的研究状况。

1. 学习情绪对搜索体验的影响研究

自从Kuhlthau（1991）发表了包括情绪因素的搜索行为模型开始，许多学者从不同方面开展了网络信息环境中情绪因素的研究。已有研究表明，情绪与搜索策略、搜索绩效、搜索行为和搜索满意度相关。

Nahl和Tenopir（1996）探讨了新手搜索行为的认知和情绪因素，发现犹豫、害怕、惊讶等情绪会影响搜索策略的使用。Wang等（2000）从认知与情绪方面研究了网络搜索行为，发现了情绪与搜索绩效之间的联系，积极情绪支持良好的人机交互，消极情绪阻碍搜索进程，而成功的搜索能降低焦虑、困惑等消极情绪。Nahl（2004）调查了情绪变量对搜索行为的影响，发现自我效能感和乐观情绪能够抵消愤怒、挫折等负面情绪的影响，能够增加用户对系统的支持和接受度。Gwizdka和Lopatovska（2009）发现，即使是在一个不愉快的状态下开展搜索任务，被试在搜索过程中仍能较好地控制情绪，较好地完成任务，并在搜索完成后体验了积极的情感和较高的满意度。

2. 任务类型对搜索体验的影响研究

查询任务类型是信息搜索行为研究关注的重要因素，学者在任务类型的分类方法和任务类型对搜索行为的影响等方面做了大量研究。

Li和Belkin（2008）根据搜索任务、搜索者的特点提出了分类方法。White（2004）阐述了任务复杂度的分类思想，分为低复杂度任务和高复杂度任务。Wu等（2012）以学习分类法中的认知复杂度为指导，提出了从记忆、理解、应用、分析和评价五个不同维度设计搜索任务的思想。袁红和李秋（2015）探讨了任务复杂度对搜索行为的影响，发现任务越复杂，用户对检索工具使用的种类越多、搜索动作越频繁、浏览网页数量越多。Kellar等（2007）比较了事实型与信息收集型两类任务的搜索，发现被试查询事实型任务的持续时间较长，采用的检索式较长，网页浏览数量较少。刘畅和张璐（2015）选取Wu分类的记忆和理解两个维度，设计了事实型任务和理解型任务，发现用户完成事实型任务花费的时间、搜索所用的时间比完成理解型任务的时间短。

3. 学习情绪与任务类型的交互对搜索体验的影响研究

宋念（2007）和Kim（2008）考察了具体型和开放型两类搜索任务、情绪控制和搜索绩效之间的关系，发现任务类型和情感控制能够影响用户的搜索行为，如后退、前进、链接、跳转和关键词搜索等行为。袁红和赵宇裙（2015）研究了任务感知与情感状态对协同搜索效率的影响，发现任务类型会影响协同搜索中的任务感知，任务感知和正向情绪有利于提升协同搜索效率。

以上研究表明，学者在学习情绪和任务类型对搜索体验的影响方面已有一定研究。尽管已有学者开始关注情绪与任务类型的交互，但探讨较少，且各项研究的被试、实验任务等的不同导致研究结果也有所不同。因此，有必要进一步探索学习情绪与任务类型的交互作用对搜索行为与搜索绩效的影响。

三、研究设计

1. 研究情境的设计

本研究采用用户实验法，对搜索任务类型进行控制，通过“网络搜索行为分析系统”记录被试的搜索过程与答案；采用问卷调查的方式记录被试开展搜索任务的情绪体验。来自山东师范大学的120名本科生参与了此次实验，其中男生37人，女生83人。他们是本学期学习现代教育技术公共课的大三学生，来自人文类、理科類等不同院系。所有学生都具有上网经验，83.3%的学生平均每周上网时间在8小时以上，89.2%的学生表示经常使用搜索引擎，至少每天使用几次。endprint

根据White（2004）对任务按复杂度进行归类的理论，本研究设计了两个具有不同复杂度的开放性任务：一个是低复杂度任务，另一个是高复杂度任务。低复杂度任务是指能找到很多需要的信息来完成的任务，被试通常认为这类任务比其他任务更清晰、更简单；高复杂度任务是指表述模糊的、需要从多个信息源查找所需信息的任务，这类任务相对比较难，答案也不是很清晰（White， 2004）。任务具体描述如下：

任务1——低复杂度搜索任务：“寒假到了，假如你打算用7天时间和两位好友一起去云南自由行，请你从网上找到最佳旅游攻略。”

任务2——高复杂度搜索任务：“请以某个主题为例，阐述如何设计一堂好的微课。”

实验开始之前，笔者首先向被试解释了实驗过程，接着被试填写个人背景信息问卷和测量搜索前情绪状态的PANAS量表。然后在实验室的电脑上限20分钟之内完成任务1，填写完成任务1后的PANAS量表；接着在20分钟之内完成任务2，填写完成任务2的PANAS量表。

2. 搜索行为的记录方法

被试的搜索行为采用“网络搜索行为分析系统”进行记录，该系统是本项目自主研发的软件，通过该系统教师能够了解学生搜索过程及查看问题回答情况（谭金波， 2016），系统架构如图1所示。整个系统主要分为三大部分：学生端系统、教师端系统和后台维护系统。学生端系统实现了主题选择与回答、搜索代理、网页内容分析、网页内容重组、搜索行为记录等功能。教师端系统要实现学生信息管理、主题管理、答案管理、搜索行为分析等功能。后台维护系统要对学生、教师、问题、搜索行为等信息进行管理。

3. 学习情绪的测量方法

被试的学习情绪使用Watson等（1988）创编的著名情绪自评量表PANAS进行测量。作为应用最为广泛的测量情绪的工具之一，PANAS量表由积极情绪与消极情绪两大维度组成，每个维度由10个问题项组成，每个题项采用五点量表形式计分。要求被试根据自己在某一特定时间段内的心境，来评价每一题项能够映射自己感觉的程度。Watson等（1988）的研究证明，PANAS量表内在一致性系数在0.84-0.90之间，其信度和效度也很高，简便易用。因此，被应用于很多领域来测试以前的和当前的情绪状态。

本研究分别在被试开始搜索前、完成第一个任务后和完成第二个任务后进行PANAS量表的测试。搜索前的积极情绪和消极情绪题项询问的是前几周被试的真实情绪状态，完成搜索任务后的积极情绪和消极情绪题项询问的是执行搜索任务过程中的真实情绪状态。

4. 搜索体验变量

本研究的重点是分析学生完成不同搜索任务时的情绪状态对其搜索体验的影响，其中搜索体验描述的是学生在搜索过程中如何查询、阅读和组织信息，以及对新知识的掌握程度。搜索体验变量主要由搜索行为和搜索绩效两个变量表征。

（1）搜索行为

在前期研究的基础上，本研究从“网络搜索行为分析系统”记录的日志中抽取15个搜索行为特征指标，即输入不同关键词的次数、输入关键词的最大词组数、浏览搜索引擎回复结果的时间（秒）、浏览网页数目、浏览网页总时间（秒）、采用的网页数目、采用的网页浏览时间（秒）、未被采用的网页数目、未被采用的网页浏览时间（秒）、重复浏览网页的次数、重复浏览网页的时间（秒）、精读网页数目、精读网页时间（秒）、略读网页数目、略读网页时间（秒），对于每个特征指标的含义描述详见另一篇文章《学生信息搜索的内隐与外显策略对网络学习绩效的影响》（谭金波， 2014）。

（2）搜索绩效

搜索绩效变量来源于学生完成搜索任务的答案分值。答案分别由三位学科专家从完整性、可信性和陈述性三个方面运用3点量表进行评价，其中0表示不好，1表示一般，2表示好。这样，每位专家对每个题的评分分值在0～6分，然后取三位专家评分的平均值作为该题的搜索绩效值。

四、结果分析

1. 搜索行为特征指标的分析

由于本研究提取的表征搜索行为的指标偏多，如果直接对这些指标进行分析篇幅显得冗长，同时也为了考察这些指标之间是否存在相关性，首先采用因子分析方法对这些指标进行归类。这些指标包含如次数、时间等不同类型的行为，因此采用Z值进行标准化处理。分析结果如表1所示。本研究抽取了特征值大于1的指标形成了4个因子，即关键词使用能力、信息选择能力、问题回答能力、网页阅读能力。这四个因子的内部可靠性指标α系数分别为0.713、0.755、0.817、0.802，整个指标集的α系数是0.77，解释的总方差为81.72%，表明这4个因子可以代表学生的网上问题解决能力。

2. 不同任务情境中学生的情绪体验

情绪自评量表PANAS对120名被试搜索前和搜索过程中测试的情绪状态如表2所示。从均值可以看出，被试汇报的积极情绪高于消极情绪。另外，单因素方差分析结果显示，搜索任务前、搜索任务1后和搜索任务2后三组组间的积极情绪（F=6.888，p=0.001）、消极情绪（F=7.585，p=0.001）存在显著差异。可见，任务的复杂度对被试的情绪会有一定程度的影响。

为了考察情绪对搜索行为和搜索绩效的影响，本研究借鉴Lopatovska（2009）的情绪分组方法，根据被试汇报的情绪状态将其分为积极情绪倾向组、中性情绪倾向组、消极情绪倾向组三组。具体做法如下：首先，对每个被试搜索任务前、完成搜索任务1后和完成搜索任务2后汇报的积极情绪值和消极情绪值求和，进而计算出每个被试的积极情绪平均值和消极情绪平均值；然后，将每个被试的积极情绪平均值与消极情绪平均值相减得出一个单值，值的范围在-10～20之间；最后，根据这个单值将被试分为三组，-10～0为消极情绪倾向组，0～10为中性情绪倾向组，10～20为积极情绪倾向组。分组结果为，消极情绪倾向组29人，中性情绪倾向组50人，积极情绪倾向组41人。endprint

3. 学习情绪与任务类型对搜索行为的影响

为探索不同复杂度任务条件下学生的学习情绪对其搜索行为的影响，本研究采用多元方差分析的方法，以学习情绪、任务类型为自变量，以表征搜索行为的关键词使用能力、信息选择能力、问题回答能力、网页阅读能力四个因子为因变量，研究了它们之间的关系，结果如表3所示。

多元方差分析结果表明，学习情绪对问题回答能力（F=3.320，p=0.042）和网页阅读能力（F=3.043，p=0.050）两个因子的作用较为显著。事后检验表明，中性情绪倾向组与积极情绪倾向组、消极情绪倾向组不存在显著差异，而积极情绪倾向组与消极情绪倾向组在这两个因子上存在显著差异，两组回答问题能力的均值差值为0.327，网页阅读能力的均值差值为0.348。进一步对比这两组指标的均值，差异显著的指标如表4所示。积极情绪倾向组阅读的未用来回答问题的网页数目均值为5.32个，阅读这部分网页用时均值为75.61秒；消极情绪倾向组阅读的未用来回答问题的网页数目均值为21.12个，阅读这部分网页用时均值为229.28秒。积极情绪倾向组精读网页数目均值为11.14个，精读网页时间为653.33秒；消极情绪倾向组精读网页数目均值为6.21个，精读网页时间为316.89秒。可见，积极情绪倾向组以一种精力充沛、全神贯注、欣然投入的状态进行搜索，能有效地选择所需网页，认真地用心阅读网页，网页阅读效率和回答问题能力较高；而消极情绪倾向组以一种心情低落、失神无力的状态频繁点击多个网页，打开略读判断不是所需网页立马关闭重新打开新网页，这个动作重复多次，回答问题能力和网页阅读能力相对较弱。

任务类型对信息选择能力（F=5.075，p=0.013）和网页阅读能力（F=4.033，p=0.029）两个因子有显著影响。如表5所示，对比学生完成低复杂度和高复杂度两个任务的搜索行为特征指标均值发现，完成低复杂度任务时，浏览网页数目均值为7.89个，精读网页数目均值为5.3个，略读网页数目为2.59个；完成高复杂度任务时，浏览网页数目均值为18.73个，精读网页数目均值为11.61个，略读网页数目为7.12个。完成低复杂度任务时，浏览网页总时间为375.33秒，精读网页时间为356.83秒，略读网页时间为18.5秒；完成高复杂度任务时，浏览网页总时间为795.59秒，精读网页时间为743.95秒，略读网页时间为51.64秒。这表明学生完成高复杂度任务时，浏览网页次数和浏览时间要多于低复杂度任务，可能原因是学生对于高复杂度任务不够熟悉，频繁打开网页产生一定的迂回现象。

对于不同类型的查询任务，学习情绪对问题回答能力（F=4.345，p=0.020）因子有显著影响，也就是说学习情绪与任务类型对该因子具有显著的交互作用。通过均值比较发现，这种显著作用主要发生于高复杂度任务中，消极情绪倾向组阅读的未采用网页数目均值为15.05个，用时376.54秒；积极情绪倾向组阅读的未采用网页数目均值为5.32个，用时86.2秒。这表明不同情绪状态的被试问题回答能力依任务类型的不同而有差异。

4. 学习情绪与任务类型对搜索绩效的影响

本研究采用单因素方差分析的方法探究了学习情绪和检索任务类型对搜索绩效的影响，结果如表6所示，学习情绪对搜索绩效的作用不显著（F=1.536，p=0.231），任务类型对搜索绩效有显著作用（F=4.646，p=0.033），被试在低复杂度任务的绩效成绩均值为4.64，在高复杂度任务的绩效成绩均值为4.19，高复杂度任务的绩效成绩要低于低复杂度任务的绩效成绩。

此外，学习情绪和任务类型对搜索绩效的交互作用显著（F=3.741，p=0.043），说明学生的情绪状态对搜索绩效的影响因任务难易而产生变化，通过均值比较发现，这种显著作用主要发生于消极情绪倾向组，该组完成低复杂度任务时绩效均值为4.51，高复杂度任务时绩效均值为4.07。可以看出，消极情绪倾向组完成低复杂度任务较容易，而完成高复杂度任务较困难。可能是因为高复杂度任务先前领域知识的缺乏，学生有更多的迷航感，焦虑、困惑等负面情绪增多，消极情绪倾向组未能有效控制自己的情绪、更易受这些负面情绪的影响，因而，搜索结果也会受影响。

五、討论

本研究探讨了在两类复杂度不同的任务情境中学生的情绪体验与搜索体验，分析了情绪体验与任务类型对搜索行为、搜索绩效的影响作用。

首先，研究发现网络学习过程中，总体来看学生的积极情绪高于消极情绪，尤其是对于“旅游”这一贴近学生生活、有趣的低复杂度任务，学生的积极情绪更高。这一发现符合一般规律：“人都有一种趋向积极情绪体验回避消极情绪体验的先天行为倾向。在学习过程中，学习者对符合其情绪追求的学习内容（新奇有趣、活泼生动）会表现出更高的动力水平，更大的学习兴趣，这种情绪追求是学习者学习活动最直接的动机。”（林晓航， 2010）这就提示我们，在给学生设置搜索任务时，要充分考虑学生的学习特点，提供有情境的学习任务，从而激发学生乐于学习的动机。

其次，学生的学习情绪与任务类型均对搜索行为有显著作用。情绪对搜索行为的显著作用主要表现在问题回答和网页阅读两个层面。具体来说，消极情绪倾向的学生可能主要受沮丧、焦虑、困惑、挫折感等负面情绪的影响，没有对给定的问题进行认真的考虑和计划，频繁地打开网页，仅看上几秒就关闭，重复这样的操作多次，缺乏计划通常导致他们较低的搜索绩效。积极情绪倾向的学生拥有自信、乐观、平静等正面情绪，对搜索主题感兴趣，思维方式更灵活，在选择关键词、阅读网页、采用网页回答问题等各个环节都认真思考，从而获得较高的搜索绩效。先前的研究也表明，情绪在网络学习中扮演着十分重要的角色，当积极情绪最大化而消极情绪最小化时学习效率将会提高（ORegan， 2003），这与本研究的发现是一致的。这些极有可能受自己情绪影响的学生，似乎更加需要来自于教师的特别关注。学生完成不同任务时，在网页信息选择与阅读方面存在差异，刘畅等（2015）的研究也证明了搜索任务复杂度增高会导致用户花费更长的时间。相比于低复杂度任务，学生在完成高复杂度任务时需要花费更多时间去浏览、阅读、评价网页，可能会遇到信息超载的问题，采取频繁浏览网页的方法，如果无法快速找到目标信息，可能会感到沮丧、焦虑。可见，面对不同的搜索任务，学生的学习情绪会受到影响。endprint

最后，任务类型对搜索绩效有影响，学生完成高复杂度任务获得的成绩明显低于低复杂度任务的成绩，产生这个结果的原因是消极情绪倾向组学生完成高复杂度任务比较困难。可能由于先前领域知识的缺乏，面对高复杂度任务时学生紧张、焦虑情绪增多，会产生更多的迷航感，在搜索过程中会觉得无从下手，从而影响到搜索结果。

有研究表明，“通过积极的反馈和成功经验的增多可以加强人们的自信”（宋念， 2007）。学生的搜索行为可以通过一系列渐进式的引导性培训来得到提高，比如培训学生掌握有效的搜索策略，包括“选择恰当的关键词、形成有效查询以及对搜索结果进行适当评价等方面”（Kim， 2007）。另外，呈现高复杂度任务时，教师需要为学生提供相应的指导，比如可以为学生提供可靠、有效的学习资源或者搜索主题的网站列表，也可以将复杂问题进行细化，形成多个有明确搜索目标的小问题，提供一个流程表按步骤指引学生的搜索行为。

六、结束语

当前，情绪在网络学习中的作用越来越受到重视。本研究通过实验法探讨了学习情绪和查询任务类型及其交互作用对搜索行为和搜索绩效的影响。研究发现，情绪对搜索行为中的问题回答能力和网页阅读能力两个因子有显著作用，查询任务类型对信息选择能力和网页阅读能力两个因子有显著影响，情绪与查询任务类型对搜索行为的交叉作用主要表现在对问题回答能力因子有显著影响。除此之外，查询任务类型对搜索绩效有显著影响，情绪与查询任务类型对搜索绩效的交互作用显著。由于本研究采用的是实验控制，可能与真实的搜索情境略有差异。但是实验过程有较为科学、规范的操作流程，因此，本研究的结论有较好的信度。下一步将深入分析情绪与认知活动产生相互影响的内在机制，探讨认知和情绪的动态交互对搜索行为的影响。

[参考文献]

CNNIC. 2016-07. 中国互联网络发展状况统计报告[EB/OL]. [2016- 09-20]. http：//www.360doc.com/content/16/0813/23/33582415_5830 48393.shtml

Kim， K.S.，杨玉芹，焦建利. 2007. 熟练Web 用户的搜索行为：关注控制与情感控制的影响[J]. 远程教育杂志（2）：31-34.

林晓航. 2010. 网络学习中学习者的学业情绪初探[J]. 高等函授学报（哲学社会科学版），23（1）：70-73.

刘畅，张璐. 2015. 时间限制和搜索任务类型对搜索体验的影响分析[J]. 现代图书情报技术（9）：1-8.

宋念. 2007. 网络信息查询——情感控制及查询任务的影响[J]. 图书情报工作，51（12）：131-134.

谭金波. 2014. 学生信息搜索的内隐与外显策略对网络学习绩效的影响[J]. 中国电化教育（9）：67-71.

譚金波. 2015. 网络搜索行为分析系统的实现及应用效果探究[J]. 现代教育技术，26（7）：99-105.

袁红，赵宇裙. 2015. 协同搜索行为中的用户任务感知及情绪状态研究[J]. 图书情报工作，59（17）：89-98.

袁红，李秋. 2015. 搜索任务和搜索能力对用户探索式搜索行为的影响研究[J]. 图书情报工作，59（15）：94-105.

Fulton， C. （ 2009）. The pleasure principle： The power of positive affect in information seeking. Proceedings of New Information Perspectives， 61（3）：245-261.

Gwizdka， J.， & Lopatovska， I. （2009）. The role of subjective factors in the information search process. Journal of the American Society for Information Science and Technology. 60（12）：2452-2464.

Gwizdka， J.， & Spence， I. （2006）. What can searching behavior tell us about the difficulty of Information tasks？ a study of web navigation. Proceedings of the 69th Annual Meeting of the American Society for Information Science and Technology， Austin， US， 1-22.

Kellar， M.， Watters， C.， & Shepherd， M. （2007）. A Field Study Characterizing Web-based Information-seeking Tasks. Journal of the American Society for Information Science and Technology， 58（7）： 999-1018.

Kim， K.S. （2008）. Effects of emotion control and task on Web searching behavior. Information Processing and Management 44 （1）： 373-385.

Kuhlthau， C.C. （1991）. Inside the search process： Information seeking from the users perspective. Journal of the American Society for Information Science， 42（5）：361-371.endprint

Li， Y.L.， & Belkin， N.J. （2008）. A Faceted Approach to Conceptualizing Tasks in Information Seeking . Information Processing and Management， 44（6）： 1822-1837.

Lopatovska， I. （2009）. Emotional aspects of the online information retrieval process. The State University of New Jersey.

Lopatovska， I. （2014）. Toward a Model of Emotions and Mood in the Online information search process. Journal of the Association for Information Science and Technology， 65（9）：1775-1793.

Nahl， D.， & Tenopir， C. （1996）. Affective and cognitive searching behavior of novice end-users of a full-text database. Journal of the American Society for Information Science， 47（4）：276-286.

Nahl， D. （2004）. Measuring the affective information environment of web searchers. In： Proceedings of the American society for information science and technology， 41：191-197.

O'Regan， K. （2003）. Emotion and E-learning. Journal of Asynchronous Learning， 7（3）：78-92.

Watson， D.， Clark， L. A.， & Tellegen， A. （1988）， Development and validation of brief measures of positive and negative affect： The PANAS scale. Journal of Personality and Social Psychology， 54（6）：1063-1070.

Wang， P.， Hawk， W. B.， & Tenopir， C. （2000）. Users interaction with world wide web resources： An exploratory study using a holistic approach. Information Processing and Management： An International Journal， 36（2）： 229-251.

White， R.W. （2004）. Implicit feedback for interactive information retrieval. University of Glasgow.

Wu， W.C.， Kelly， D.， & Edwards， A.， et al. （2012）. Grannies， Tanning Beds， Tattoos and NASCAR： Evaluation of Search Tasks with Varying Levels of Cognitive Complexity. Proceedings of the 4th Information Interaction in Context Symposium. ACM， 254-257.

責任编辑 刘 莉endprint