在线讨论中动态学习情绪和认知行为序列的关系研究

王云 李志霞 白清玉 姚海莹

[摘   要] 在线讨论作为在线学习的重要组成部分，其产生的文本数据可以反映学习者的认知水平、互动质量以及情绪状态。学习情绪影响认知行为，从而影响学习成效，研究学习情绪和认知行为之间的关系非常重要。文章基于Harris等人的情绪分类法和蔡今中的认知分类体系，使用内容分析法和滞后序列分析法研究学习者的动态学习情绪、认知行为序列模式以及学习情绪和认知行为之间的关系。研究表明：困惑情绪和消极情绪会转化为积极情绪，但是中性情绪不会转化为积极情绪;学习者倾向于呈现描述行为和推断或解释行为，且认知行为序列模式具有渐进性特征;描述行为会引发消极情绪，比较行为、推断或解释行为会引发积极情绪。教师可根据学习者的行为转换情况进行适当的指导和干预，以提升学习者的学习效果。

[关键词] 在线讨论; 动态学习情绪; 认知行为; 滞后序列分析

[中图分类号] G434            [文献标志码] A

[作者简介] 王云（1964—），男，山西洪洞人。教授，博士，主要从事远程教育与智能学习、信息技术与课程整合研究。E-mail：wyspn@126.com。

一、引   言

教育部于2018年发布的《教育信息化2.0行动计划》中明确提出，“要发挥技术的优势，变革传统模式，推进新技术与教育教学的深度融合”[1]。随着信息技术的不断发展，在线学习不受时间和空间限制，为学习者提供协作沟通、交换意见、探究问题以及同伴互评的空间，使学习者成为学习活动的主体，得到越来越广泛的应用。在线讨论作为在线学习的重要组成部分，以教育管理软件为中介，支持同步和异步交互。在线讨论通常以文本的形式呈现，这些文本内容可以体现出学习者的批判性思维、知识建构、交互深度、认知水平和情绪状态。研究者开始探索在线讨论中学习者的学习情绪，学习情绪反映的是学习者在与他人互动的过程中对某一话题的态度或看法[2]。基于文本的数据蕴含着不同的学习情绪，如积极情绪（希望、快乐和骄傲）、消极情绪（焦虑、沮丧和无聊）以及困惑情绪。Kort强调学习过程中的动态情绪，动态学习情绪是指在学习环境、学习任务难度的影响下，学习过程中各种情绪（享受、困惑、焦虑等）的变化[3]。动态学习情绪可以帮助教师了解学生在讨论过程中的情绪变化，根据变化情况给予适当的学习干预，以提高在线讨论的质量和学习效果，但关于动态学习情绪的实证研究较少。在线讨论中，学习者之间的交互不仅是知识习得的过程，更是创造性的认知过程，通过学习者在讨论中发布的话语可以甄别学习者的认知模式[4]。很多研究者认为，情绪会影响学习者的认知过程。Robinson在其研究中指出，社会认知模型会引发不同的情绪，而情绪会影响认知方式和学习策略[5]。徐鹏飞等人认为，情绪和动机、认知行为密切相关，情绪状态可能会影响学习者处理新资料的方式，从而影响学习成就[6]。以上研究说明，学习情绪和认知行为之间具有相关性，而目前关于情绪对认知行为影响的研究较少。

二、相关研究

（一）在线讨论中学习情绪的相关研究

近年来，研究者渐渐开始关注在线讨论中学习者的情绪。首先，研究者认为，在线讨论中可能会出现不同的学习情绪。当学习者积极参与讨论，并且持续完成整个过程时，积极情绪就会出现[7]。但是，在与他人进行讨论时，网络延迟或者互联网连接不良时会产生消极情绪（焦虑或无聊）[8]。中性情绪是指积极情绪和消极情绪都不存在或者极少时出现的情绪[9]。困惑情绪是由于认知失衡引起的，如异常和矛盾，如果恰当的解决这些情绪，可以促进学习过程，反之则会阻碍学习过程[10]。综上所述，在线讨论中蕴含着多种情绪，因此，在线讨论中的学习情绪值得探究。其次，研究者开始探索在线讨论中学习情绪的类别。在Pekrun等人的研究中，使用成就情绪问卷确定了无聊、焦虑和享受等一系列情绪[11]。Daniels 和 Stupnisky将学习情绪分为积极情绪、消极情绪和中性情绪三个维度[12]。在此基础上，Harris等人提出学习情绪包含积极情绪、消极情绪、中性情绪、困惑情绪、深刻情绪和玩笑[13]。学习者在面对面交流时，情绪变化较为明显，但在线讨论中的情绪变化较为模糊。因此，在线讨论中的学习情绪变化需要进一步探究。还有，研究者研究学习情绪和在线学习效果的关系，探究在线学习过程中学习情绪的作用。刘智等人研究SPOC论坛中学习者情绪和学习效果的关系，研究表明，在特定学习进程中，学习者的积极、困惑情绪与学习效果均呈显著正相关，而在整体学习进程中，学习者的消极情绪与学习效果呈显著负相关[14]。Artino Jr和Jones II探究在线课程中学习情绪和自我调节学习互动之间的关系，研究揭示了学习情绪和学习结果具有相关性[8]。以上研究表明，学习情绪会影响学习者的学习效果。

（二）认知行为的相关研究

学习参与对学习效果具有重要影响，在学习参与的研究中，研究者使用不同的方法探究在线讨论中的认知行为。李良等人使用社会网络分析法和内容分析法研究在线学习中积极参与者和消极参与者认知行为的差异[15]。刘智等人使用滞后序列分析法（Lag Sequential Analysis，简称LSA）和内容分析法研究不同群体关键认知行为及其序列模式的差异[16]。使用滞后序列分析法研究基于文本数据的在线讨论中学习者的認知行为序列模式是一种新趋势。在分析认知行为时，研究者提出不同的认知分类方法作为编码依据。新版布鲁姆目标分类体系中的认知历程向度将认知行为分为记忆、领会、运用、分析、评鉴和创造六个层次[17]。布鲁姆认知分类呈渐进结构，由简单到复杂，由具体到抽象，即后一目标的达成是建立在已掌握的前一目标基础之上。卡内基梅隆大学话语分析项目组基于ICAP框架制定的认知行为编码表，将认知过程分为参与过程、创造过程和共同创造过程[18]。蔡今中等人为了更深入地了解学生在重新构建科学知识时信息的处理方式，提出了包括定义、描述、比较、推断或解释在内的认知分类体系[19]。前三种行为为低阶认知行为，推断或解释为高阶认知行为。一些研究者已经在分析行为模式时探索动态情绪。Cheng和Hou从情绪、认知、元认知三个角度研究学习过程，将学习情绪看作研究行为模式的一个因素，结果发现，在线讨论中，学习情绪会影响认知参与[20]。上述研究表明，动态学习情绪是认知行为模式的一个重要因素。

综上所述，动态学习情绪和认知行为之间的关系可以让我们了解学习情绪如何影响认知行为，以进行有效的干预促进学习效果的提升，但是相关的研究较少。因此，本研究在教学过程中开展在线讨论活动，主要研究以下问题：（1）在线讨论中，学习者的学习情绪具有怎样的频率分布，具有怎样的序列模式？（2）在线讨论中，学习者的认知行为具有怎样的倾向，认知行为序列具有怎样的特点？（3）在认知行为中，学习情感具有怎样的频率分布，学习者的动态学习情绪和认知行为序列之间具有怎样的关系？

三、研究方法与设计

（一）研究对象

本研究将山西师范大学本科2017级教育技术学专业的学生作为研究对象，共有46人，其中，男生8人，女生38人，所有的学生均有丰富的在线学习经历。参与课程为2019—2020学年第一学期开设的“信息技术课程教学论”。

（二）教学环境与活动过程

课程开展环境为面对面教学和在线学习相结合的混合式学习环境。学习者在面对面课堂教学中进行课堂教学展示，然后进行在线讨论活动。本研究将“蓝墨云班课”平台作为在线学习平台，此平台具有组织管理、互动交流等功能，并能记录学生交流、讨论、答疑等活动数据[21]。在“信息技术课程教学论”教学实践中，培训的课堂教学技能主要为导入技能、讲解技能、提问技能、板书技能和PPT技能，学习者根据这五个主题进行课堂教学展示，然后学习者在平台上进行交流讨论，讨论的主题如图1所示。在讨论过程中，学习者可以表达自己的想法，对其他学习者的表现或想法提出质疑、问题或建议，不断进行响应或回复，直至讨论结束。

      （三）研究方法

本研究使用的研究方法为内容分析法和滞后序列分析法，使用内容分析法对在线讨论中的文本数据进行编码，使用滞后序列分析法对动态学习情绪和认知行为序列进行分析，以研究在线讨论中动态学习情绪、认知行为以及两者之间的关系。

1. 内容分析法

为了深入研究在线讨论中学习情绪如何变化，使用Harris提出的积极（Positive）、消极（Negative）、中性（Neural）、深刻（Insightful）、困惑（Confused）和玩笑（Joking）六个维度的情绪类别[13]，分析数据发现，讨论过程中并未出现玩笑类情绪，因此，将玩笑情绪删除。Harris等人的研究已经证明此分类足以识别文本内容所体现的情绪，编码方案见表1。使用蔡今中等人提出的认知分类体系[19]对学习者的认知行为进行编码，见表2。

2. 滞后序列分析法

滞后序列分析法最早由Sackett提出，用于检验人们发生一种行为之后另外一种行为出现的概率及其是否存在统计意义上的显著性[22]。教育技術领域研究者将其广泛应用到学习分析中，包括行为分析、知识建构分析、情绪分析和学习路径分析。例如：王怀波使用LSA识别深度学习者和浅层学习者在行为序列上的差异特征[23];刘智等人使用LSA提取每个年级学生最显著的行为模式，以分析不同年级学生行为模式的差异性[24];Hou等人基于项目式学习，探究同伴反馈在线讨论过程中，学习者的知识建构行为模式和潜在的情绪转换模型[25-26];胡丹妮使用LSA对在线学习者的活动路径进行可视化分析[27]。本研究使用滞后序列分析法分析动态学习情绪和认知行为序列模式。

教育研究者通常使用GSEQ软件分析行为序列，将一系列行为和情绪按其时间出现的先后顺序输入，然后选择相应的操作项获取行为或情绪转换的显著性情况。使用LSA的主要过程为：（1）选择认知行为和学习情绪的编码方案;（2）收集认知行为和学习情绪的文本数据;（3）对所有的认知和情绪数据进行编码;（4）计算认知和情绪的编码一致性;（5）分析认知和学习情绪序列模式;（6）绘制重要序列转换图。

（四）数据收集与分析

研究的数据来源于学习者在“蓝墨云班课”平台上进行在线讨论的文本数据，教师在进行课堂教学技能训练的过程中，组织了5次在线讨论，共产生了861条文本数据。数据分析过程为：（1）依据学习情绪分类法和认知分类体系对文本数据进行内容分析和量化处理，并对编码结果进行一致性检测;（2）计算每类学习情绪和认知行为的频率;（3）使用LSA绘制序列转化图，将学习者的学习情绪和认知行为序列模式可视化。

使用以上两种编码方案，并按发布时间顺序对产生的数据进行编码，每条数据可能会对应多种情绪或者多种认知行为，按其主要情绪或行为进行编码。数据由两位经过培训的研究生根据学习情绪和认知行为编码方案进行编码，编码结果如有异议，再与教师协商，直到意见一致为止。编码完成后，进一步检验编码的可靠性。经计算，学习情感编码的Kappa系数为0.806，认知行为编码的Kappa系数为0.752，表明编码结果具有一致性。

四、研究结果

（一）动态学习情绪分析

1. 深刻情绪出现的频率最高，消极情绪出现的频率最低

对讨论中产生的文本数据进行编码和分析来研究每种学习情绪出现的频率，学习者学习情绪的出现频率见表3。

      深刻情绪出现的频率最高（e4=366），说明讨论过程进行得较为顺利，学习者在观看别人讲课时，能够结合自己的经验进行反思，提出一些新认识或新看法。其次为中性学习情绪（e3=201）。困惑情绪出现的频率也较高（e5=171），说明学习者在交流过程中可以发现很多问题，产生疑惑，有助于获得新知识。积极情绪和消极情绪出现的频率较低，且消极情绪出现的频率最低（e2=45），说明学习者对其他人提出的看法很少表达自己的观点，大多数学习者只是对同伴提出的困惑进行答疑。

2. 困惑情绪和消极情绪会转化为积极情绪，但是中性情绪不会转化为积极情绪

为了进一步研究在线讨论中学习情绪的变化，应用LSA对情绪数据进行序列分析，通过计算转换频率，生成调整后的序列残差表。如果z-score>1.96，说明该序列具有显著意义。根据残差表绘制学习情绪的序列转换图，更直观地呈现学习情绪的变化，如图2所示。转换图中的所有序列均具有统计学意义，图中结点表示各种学习情绪，箭头代表情绪的转换方向，线条的粗细表示情绪连接的显著性水平，数值表示调整后的残差值（z-score）。从图中可以看出，共有5个具有统计学意义的情绪序列，分别为e1→e1、e2→e4、e3→e3、e4→e1、e5→e4。由上述情绪序列可以看出，学习者往往从消极或困惑的情绪开始，当讨论结束后，学习者的情绪倾向于积极情绪。在线讨论中，消极情绪是讨论过程中不可避免的情绪，当消极情绪出现时，紧跟着会出现深刻情绪，e2→e4表明消极情绪可以激发学习者付出更大的努力进行反思性思考。在討论中，当学习者与同伴的观点不一致时，会产生认知失衡，困惑情绪在解决认知失衡过程中是不可避免的。e5→e4揭示了困惑情绪可能会帮助学习者实现更深层次的理解。e3→e3表明中性情绪出现时，紧接着只会出现中性情绪，不会转变为其他情绪。

      （二）认知行为序列模式分析

1. 学习者的认知行为倾向于呈现描述行为和推断或解释行为

除了学习情绪，还研究了在线讨论中学习者的认知行为及其倾向，分析了认知行为的比例分布。结果发现，学习者倾向于呈现描述行为和推断或解释行为，描述行为所占比例为40.1%，推断或解释行为所占比例为34.8%。在交流中，学习者往往会描述同伴的课堂教学表现，提出一些问题并表达自己的想法。在讨论过程中，学习者的高阶认知行为所占比例较高，课堂教学能力提升较快。

2. 学习者的认知行为序列模式具有渐进性特征

与学习情绪序列模式一样，使用序列分析法将学习者的认知序列模式可视化，如图3所示。学习者的认知行为模式具有非线性、渐进性和突变性等特点[28]。结果显示，学习者存在K→K、D→C、C→J序列，说明认知行为序列模式具有渐进性特征。在混合式学习环境中，学习者在课堂中进行教学展现，然后在平台上进行交流讨论。D→C和C→J是指在进行讨论时，学习者首先对同伴的表现进行描述，找出存在的问题并表达自己的观点。然后对其关键词进行比较，如教学方法、教学语言或者教学形态。最后基于实际的案例进行推理解释，以更好地完善课堂教学技能。K→K指当有学习者定义某一名词或者分享教师笔记时，其他人也会对此名词进行定义或者分享笔记。由以上序列可以发现，在关于技能的讨论中，学习者通常以课堂的某一现象为基础，进行比较、推论或解释，最后达到深度理解的效果。

      （三）动态学习情绪和认知行为序列的关系分析

1. 困惑情绪在描述和比较认知行为中较为频繁，深刻情绪在推断或解释行为中较为频繁

      以上结果显示了在线讨论中学习者的动态学习情绪和认知行为序列模式，但是学习情绪是伴随着认知行为而产生的。因此，研究学习情绪和认知行为之间的关系非常重要。学习情绪在认知行为中的频率和分布情况如图4所示。困惑情绪在描述和比较认知行为中较为频繁，消极情绪在描述行为中较为频繁，深刻情绪在推断或解释行为中较为频繁。另外，描述行为和推断或解释行为会引发多种学习情绪，但描述行为中各种情绪之和所占比例最高。   

2. 描述行为会引发消极情绪，比较行为、推断或解释行为会引发积极情绪

使用卡方分析来研究学习情绪和认知行为序列的关系，并将显著性行为进行可视化分析，如图5所示。定义行为和中性情绪密切相关，描述行为和消极情绪、困惑情绪呈显著正相关，比较行为与深刻情绪相关，推断或解释与积极情绪紧密相关。首先，学习者倾向于低阶认知行为，他们对同伴在课堂教学中的表现进行描述。在描述的过程中会提出一些问题或者不认同的做法（描述→困惑情感、描述→消极情感），因此，会出现困惑情绪或者消极情绪。随着讨论过程的深入，学习者的认知达到了更高的认知水平，对其关键词进行比较，深刻思考并表达自己的想法，逐渐消除困惑、消除不一致（描述→比较、比较→深刻情感）。最后，部分学习者达到高阶认知水平，基于实际的案例或者做法进行推断或解释，达到深度理解，学习情绪转变为积极情绪（推理或解释→深刻情感推理或解释→积极情感）。此时，学习者的认知行为和学习情绪趋于稳定。理解定义时一般不会进行全面深刻的解释，直接呈现笔记或者网络知识（定义→中性情感）。例如：丁同学提到“教育机智”，直接将网络上“教育机智”的定义分享到讨论区，没有做更全面的分析。

五、讨论与建议

在线讨论中，交互式文本数据既能反映学习者的学习情绪，又能反映认知行为，且有研究表明，学习情绪和认知行为之间存在相关性[6]。因此，本研究使用Harris等人的情绪分类法和蔡今中的认知分类体系对在线讨论中产生的文本数据进行分类，使用内容分析法和滞后序列分析法研究学习者的动态学习情绪、认知行为序列模式以及学习情绪和认知行为之间的关系。结果发现：（1）困惑情绪和消极情绪转化为积极情绪，但是中性情绪不会转化为积极情绪。转换序列“中性情感→中性情感”与Huang等人的研究不同，他们认为中性情绪可以转化为积极情绪[28]，但是与Hou和Cheng的研究结果相同[29]。而中性情绪所占比例较大，因此，在开展在线讨论时，教师要引导学生从不同的角度深刻思考问题，表达自己的观点，勇于质疑其他人的观点，并进行解释与争辩。“消极情感→深刻情感”和“困惑情感→深刻情感”揭示了困惑情绪和消极情绪可以促进学习者进行更深层次的思考。研究认为，学习者倾向于从困惑情绪或消极情绪开始，最后变为积极情绪或深刻情绪。与Kort等人的研究稍有不同，他们认为学习者总是从积极情绪、中性情绪或困惑情绪开始[3]。消极和困惑情绪有助于讨论的展开，可以帮助学习者获得新知识。积极和深刻情绪有助于讨论的顺利进行，可以消除疑虑。（2）学习者倾向于描述行为和推断或解释行为，且认知行为模式具有渐进性特征。高阶认知行为所占比例为38.1%，表明有部分学习者的认知程度较深，能够结合实例进行推断、解释，以解决课堂教学问题。卡内基梅隆大学话语分析项目组认为，学习主动性强的学习者更倾向于呈现高阶认知行为[30]，说明部分学习者的主动性较强。因此，在进行讨论之前，教师应该告知学生学习本课程的意义以及进行讨论对提升课堂教学表现的作用，以此来激发学生的学习动机，改变学生的学习态度，呈现更多的高阶认知行为，促进学生更有效的学习。在学习和提升教学技能时呈现渐进的认知序列模式，首先描述问题，然后进行比较，最后进行推断或解释。序列“定义→定义”揭示学习者在理解定义之后，没有进行更深入的认知活动，这就要求教师要注重学习者发散思维、批判性思维等高阶思维的培养，鼓励学习者在理解的基础上，引用案例进行多角度、深层次的讨论，运用高阶认知思维解决问题。（3）描述行为会引发消极情绪，比较行为、推断或解释行为会引发积极情绪。描述行为和推断或解释行为会引发各种情绪，但是描述行为中消极情绪和困惑情绪出现的频率较高，推断或解释行为中积极情绪和深刻情绪出现的频率较高。学习者倾向于从更深层的认知行为转变为积极情绪和深刻情绪，从而促进有意义的学习。当学习者一直呈现定义认知行为时，教师要创设一些问题情境或者提出一些难度较大的综合性论述，引导学习者进行推理、判断、解释等，还可以组织学习者对每个问题进行总结，通过补充、提炼、修订等形成一个既完整又简洁的答案，促进认知水平的提升，使学习者处于积极情绪状态，提升学习效果。

本研究对学习情绪和认知行为的序列模式进行编码和分析，并深入研究了学习情绪和认知行为之间的关系，可以帮助教师了解学习者的认知和情绪状态，当出现有碍于讨论进行的行为和情绪时，教师能及时给予恰当的干预，以促进学习者的知识建构，提升学习效果。

[参考文献]

[1] 教育部. 教育信息化2.0行动计划[EB/OL]. （2018-04-13）[2019-11-30]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2] ORTIGOSA A，Martín J M，CARRO R M. Sentiment analysis in facebook and its application to e-learning[J]. Computers in human behavior，2014，31（2）：527-541.

[3] KORT B，REILLY R，PICARD R W. An affective model of interplay between emotions and learning：reengineering educational pedagogy-building a learning companion[C]// 2001 IEEE International Conference on Advanced Learning Technologies.Madison： IEEE，2001.

[4] ROWNTREE D. Teaching and learning online：a correspondence education for the 21st century？[J].British journal of educational technology，1995，26（3）：205-215.

[5] ROBINSON K. The interrelationship of sentimentand cognition when students undertake collaborative group work online：an interdisciplinary approach[J]. Computers & education，2013，62（3）：298-307.

[6] 徐鵬，郑勤华，徐耀华，等. 教育数据挖掘中的学习者建模研究[J]. 中国远程教育，2018（6）：5-11，79.

[7] CHO M H，KIM Y，CHOI D. The effect of self-regulated learning on college students' perceptions of community of inquiry and affective outcomes in online learning[J]. The internet and higher education，2017，34（3）：10-17.

[8] ARTINO Jr A R，JONES II K D. Exploring the complex relations between achievement emotions and self-regulated learning behaviors in online learning[J]. The internet and higher education，2012，15（3）：170-175.

[9] GASPER K，DANUBE C L. The scope of our affective influences：when and how naturally occurring positive，negative，and neutral affects alter judgment[J]. Personality and social psychology bulletin，2016，42（3）：385-399.

[10] D' MELLO S，LEHMA B，PEKRUN R，et al. Confusion can be beneficial for learning[J]. Learning and instruction，2014，29（1） ： 153-170.

[11] PEKRUN R，GOETZ T，FRENZEL A C，et al. Measuring emotions in students' learning and performance：the achievement emotions questionnaire （AEQ）[J]. Contemporary educational psychology，2011，36（1）：36-48.

[12] DANIELS L M，STUPNISKY R H. Not that different in theory：discussing the control-value theory of emotions in online learning environments[J]. The internet and higher education，2012，15（3）：222-226.

[13] HARRIS S C，ZHENG L，KUMAR V. Multi-dimensional sentiment classification in online learning environment[C]// 2014 IEEE Sixth International Conference on Technology for Education. Clappana：IEEE，2014.

[14] 劉智，杨重阳，彭晛. SPOC论坛互动中学习者情绪特征及其与学习效果的关系研究[J].中国电化教育，2018（4）：102-110.

[15] 李良，乔海英，王淑平. 基于Moodle平台的学习者社会性交互特征研究[J].电化教育研究，2012（7）：48-53.

[16] 刘智，杨重阳，刘三女牙. SPOC学习者认知行为及序列模式的差异性分析[J].开放教育研究，2019（2）：44-52.

[17] ANDERSON L W，KRATHWOHL D R. A taxonomy for learning，teaching，and assessing：a revision of bloom's educational objectives[M]. New York：Longman，2001.

[18] CHI M T. Active-constructive-interactive：a conceptual framework for differentiating learning activities[J]. Topics in cognitive science，2009，1（1）：73-105.

[19] WU Y T，TSAI C C. Effects of constructivist-oriented instruction on elementary school students' cognitive structures[J]. Journal of biological education，2005，39（3）：113-119.

[20] CHENG K H，HOU H T. Exploring students' behavioural patterns during online peer assessment from the affective，cognitive，and metacognitive perspectives：a progressive sequential analysis[J]. Technology，pedagogy and education，2015，24（2）：171-188.

[21] 邢伟. 手机移动终端下高职课堂教学研究与实践——以蓝墨云班课为例[J].职教通讯，2017（3）：70-73.

[22] BAKEMAN R. Observing interaction：an introduction to sequential analysis[M].Cambridge： Cambridge University Press，1997.

[23] 王怀波，李冀红，杨现民. 高校混合式教学中深浅层学习者行为差异研究[J].电化教育研究，2017（12）：44-50.

[24] 刘智，王亚妮，郑年亨. 高校SPOC环境下学习者行为序列的差异性分析研究[J].中国电化教育，2017（7） ： 88-94，106.

[25] HOU H T，CHANG K E，SENG Y T. An analysis of peer assessment online discussions within a course that uses project-based learning[J]. Interactive learning qnvironments，2007，15（3）：237-251.

[26] HOU H T，CHENG K. Analyzing the latent emotional transfer pattern （LETP） of a learning community in an online peer-assessment activity[J]. British journal of educational technology，2012，43（4）：113-116.

[27] 胡丹妮，章梦瑶，郑勤华. 基于滞后序列分析法的在线学习者活动路径可视化分析[J].电化教育研究，2019（5）：55-63.

[28] 邢红军.自组织表征理论： 一种物理问题解决的新理论[J].课程·教材·教法，2009，29（4）：60-64.

[29] HUANG C Q，HAN Z M，LI M X，et.al. Investigating students' interaction patterns and dynamic learning sentiments in online discussions[J]. Computer & education，2019，140（13）：103589.

[30] WANG X，WEN M，ROSE C P. Towards triggering higher-order thinking behaviors in MOOCs[C]// The Sixth International Conference on Learning Analytics & Knowledge. New York：Association for Computing Machinery，2016.

[Abstract] As an important part of online learning， the text data generated by online discussion can reflect learners' cognitive level， interaction quality and emotional state. Learning emotion affects cognitive behavior， which in turn affects learning outcomes. It is very important to study the relationship between learning emotion and cognitive behavior. Based on Harris et al. 's emotional taxonomy and Cai Jinzhong's cognitive classification system， this paper adopts content analysis method and lag sequence analysis method to study learners' dynamic learning emotion， cognitive behavior sequence pattern and the relationship between learning emotion and cognitive behavior. The study shows that confusion and negative emotions can be converted into positive emotions， but neutral emotions are not converted into positive emotions. Learners tend to present descriptive behaviors and infer or explain behaviors.， and the cognitive behavior sequence patterns are progressive. Describing behaviors trigger negative emotions， while comparing， inferencing， or explaining behaviors trigger positive emotions. Teachers can provide appropriate guidance and interventions according to their behavior transformation so as to improve learners' learning effect.

[Keywords] Online Discussion; Dynamic Learning Emotion; Cognitive Behavior; Lag Sequence Analysis