基于K-means的在线学习者不同信息交互模式的研究——以学堂在线“财务分析与决策”课程为例

唐文静 张 婧 覃梦媛 阚雨菲

（北京师范大学 教育学部，北京 100875）

一、引言

教学交互是远程学习的关键环节，决定远程学习是否发生及发生的水平。远程学习中的教学交互属于远程教育学的基本理论范畴，是远程教学论的核心问题（陈丽，2016）。“互联网+教育”时代的到来，丰富了远程教育的教学交互形式，对于远程学习平台中学习者的学习行为交互特点进行研究，有利于改进课程平台设计，使其更符合学习者的学习行为特点，保证学习者的学习体验及学习效果。

当前，以MOOC形式为主的在线开放课程蓬勃发展，自主性、多元化、开放性和交互性等特征决定了在线学习平台上有更多的学习者进行交互（邓小霞，徐刘杰，2016），大数据时代为研究此类在线学习平台的教学交互提供了技术支持。陈丽（2004a）提出教学交互层次塔模型，将远程学习中的教学交互定义为学生与媒体界面的操作交互、学生与教学要素的信息交互、学生的旧概念与新概念的概念交互，其中第二层信息交互强调学生—学习资源、学生—教师和学生—学生的交互，该概念有助于明晰远程学习者在学习平台上发生的信息交互过程。因此，本研究利用在线学习行为数据，以教学交互层次塔中信息交互为理论支持，探究远程学习平台中学习者不同的信息交互模式特点及其与学习者成绩的关系，并以此为基础为教学平台和课程设计提出建议，从而为学习者创设更有效的学习环境，提供更有效的学习支持服务。

二、文献综述

（一）教学交互模型的研究

二十世纪七十年代至今，教学交互的研究形成了三个影响力较大的理论模型：交互影响距离理论、交互等效原理和教学交互层次塔（王志军，陈丽，2015）。穆尔的交互影响距离理论认为教学交互的影响要素分别是课程结构、对话和学习者自主性，并关注三种因素之间的相互关系（Moore, 1973;1989）。等效交互原理描述了三种交互模式（学生—教师、学生—学生和学生—内容）的水平与教学效果之间的关系（Anderson, 2003）。相关研究关注这三种交互模式的交互质量和教学效果（Rhode，2008），以此验证等效交互原理论点。陈丽（2004a）的远程学习教学交互层次塔以媒体为平台，将交互分为操作交互、信息交互和概念交互三个层次，解释了远程教学交互的特征与规律，揭示了远程学习是如何发生的，该理论模型能够有效地解释学习者的交互过程和交互模式的特点。

（二）教学交互层次塔理论及其应用研究

教学交互层次塔模型自提出以来，受到远程教育学术界和实践领域的广泛关注，基于交互层次塔模型的相关研究成果主要集中于两方面：一是关于教学交互层次塔的理论研究，主要包括对教学交互层次塔的哲学基础探讨及学习环境、学习资源交互性分析评价指标体系构建研究。王志军、陈丽与韩世梅（2016）基于教学交互层次塔，提出了以学习环境对操作交互、信息交互和概念交互三类教学交互的支持为逻辑的学习环境交互性分析框架和指标，旨在为远程学习环境相关研究实践提供指导。二是基于教学交互层次塔模型设计学习活动、教学资源、在线平台，构建与应用教学交互模型的相关研究。李波、杨璐与孙雪冬（2013）根据教学交互层次塔的每层交互性总结各层交互功能，并将其应用于辽宁省教师教育远程培训平台的功能设计，以促进学习者熟练运用平台，获得更高的学习效益，增强网络教学效果。

（三）基于教学交互层次塔的学习者信息交互模式的研究

从教学交互层次塔的视角出发研究学习者不同信息交互模式，一般以问卷、访谈和教学交流内容分析作为研究方法。陈丽（2004b）为深入解析教学交互层次塔中信息交互规律，通过问卷和访谈调查学生各种信息交互活动形式和内容并构建学生信息交互网络图，分析比较各种交互对象对学生学习帮助程度及有效性。高欣峰、陈丽与郑勤华（2018）关注微信群在移动互联网时代作为课程学习交流平台的重要性，通过具体案例分析微信课程群教学交互规律，发现微信群中操作交互、信息交互与概念交互同时存在，分别表现为分享阅读、协作互助与协同生产三种形式，而自发形成的微信课程群对课堂教学有积极作用。

然而，以上研究对象未针对远程学习者在在线教学平台的信息交互。远程学习者规模较大，在线教学平台的日志数据能够直接表征其交互情况。孙洪涛、郑勤华和陈丽（2016）基于MOOCs平台252门课程的数据，用主题帖数、教师发布主题帖数、教师答疑帖数、回帖热度和回帖时间间隔五个变量表征MOOCs的交互，运用K-means聚类得出五种交互水平，进一步分析不同交互水平的特征和影响因素。聚类分析是识别和刻画学习者特征，并对影响因素做深入分析的研究方法（王梦倩，范逸洲，郭文革，汪琼，2018），利用在线教学平台的日志数据进行聚类分析，是分析远程学习者特征的重要方式，有利于客观揭示教学交互层次塔中学习者信息交互模式特征。

三、研究设计与方法

（一）关键概念界定

本研究从教学交互层次塔的信息交互视角出发，对远程学习平台中学习者的学习行为交互模式进行分析，将学习者在平台上进行学习活动的最终学业成绩水平作为衡量学习者远程学习效果的最终指标。参考教学交互层次塔的信息交互层，根据交互对象性质主要分为资源交互和人际交互两方面，本研究针对资源交互和人际交互两个概念进行界定。

1. 资源交互

资源交互主要发生在学生利用学习资源的自学过程中，AECT94定义中，学习资源是支持学习的资源，包括教学材料、支持系统、学习环境，甚至包括能帮助个人有效学习和操作的任何因素。将所有有助于个人学习的因素均纳入学习资源的范畴中，需要进一步界定学习资源的范围。在针对远程学习中学习资源的交互性分析中，王志军、陈丽、陈敏与李彤彤（2017）针对远程学习情境将学习资源定义为以远程学习环境为载体，为特定课程和学生设计制作并整合的各种形式的学习材料，定义明确了远程学习环境下学生所利用的资源范畴，因此本研究将资源交互定义为学生和能够支持其在学习平台上完成学习活动、提供学习支持和学习评价的资源之间进行互动的过程。

2. 人际交互

学生和教师是参与在线学习平台的两大主体，远程学习中人与人之间的信息交互主要存在于师生和生生之间。师生交互通常采取课后提问、平台讨论等形式，师生可通过对学习内容、方法和态度等方面的交流来解决学生在学习过程中的问题，激发学生主动参与学习的积极性。生生交互主要指发生在学习者和其他学习者之间的直接交互行为，这种行为可以是多样的。因此，本研究将人际交互分为师生交互和生生交互，分别指教师和学生或学生和学生之间利用在线学习平台上的工具以多种形式进行直接信息传递的行为。

（二）理论假设与编码方法

1. 理论假设

本研究中，资源交互包括学生观看视频、回答问题、查看资料三种交互，三种交互加权得分越高，表明资源交互质量越高；师生交互表现为教师发帖，学生回帖，学习者个体所有回帖得分的平均值越高，个体在师生交互中交互质量越高；生生交互表现为学生发帖，对他人发帖进行回帖，不考虑教师在生生互动中的影响，并认为学生发主帖和回帖均为学生主动的论坛交互行为，没有差别。学生个体所有主帖和回帖得分的平均值越高，个体在生生交互中的交互质量越高。由于本研究所用课程源数据仅提供了学生期末总成绩，故而使用学生期末总成绩表征学业成绩。

2. 编码方法

（1）资源交互

资源交互指标指学生资源观看时长，该时长由平台视频、课程大纲、课时安排、教辅资料和扩展资料五个方面的资源观看时长加权求和而得，每个资料的观看时长由学生点击进入对应页面以及关闭页面的时间点相减求和可得，涉及变量如表1所示：

表1 资源观看时长变量

资源观看时长计算公式为：

（2）师生交互

师生交互指教师发帖，学生个体所有回帖的得分平均值，设学生每次回帖质量为 ，师生交互质量为，计算公式为：

（3）生生交互

生生交互指学生发帖，学生个体所有主帖和回帖的得分平均值，设学生每次发帖（回帖）质量为 ，生生交互质量为，计算公式为：

（三）研究方法

1. 论坛行为编码

研究采用Cox、Carr和Hall（2004）使用的论坛行为编码方式，通过使用学生在论坛上发生交互的一系列动作细化论坛交互行为，主要划分为挑战、证明、说明、反馈、给出信息、询问、解释七种动作类型，具体定义如表2所示，本研究基于师生论坛发帖情况，分析发帖内容，符合一种动作类型记1分，累计相加，最高分为7分，以此判断学生论坛交互丰富程度。

表2 论坛行为编码

2. 层次分析法

层次分析法是一种层次权重决策分析方法，指将与决策有关的元素分解成目标、准则、方案等层次，适用于解决难以完全定量分析的问题。该方法把研究对象作为一个系统，按照分解、比较判断、综合的思维进行分析决策（何超 等，2016）。本研究的资源交互涉及学习者和多个材料的交互，且学习者和不同资源的交互质量存在差异，因此采用层次分析法对学生和不同材料的交互进行权重确定。该过程参考领域内具有丰富知识和实际经验的专家对两两指标之间的相对重要性的打分来构造判断矩阵，计算矩阵的最大特征值及对应特征向量，得出不同指标的权重。其中打分分值规则如表3所示。

表3 分值规定

3. 聚类分析

研究采用K-means聚类算法对用户的信息交互行为进行聚类，获得课程中主要的信息交互行为类型，并进行相关分析。聚类算法的本质是计算机依据某种标准将对象自动分组，各组中的对象彼此间有相类似的属性或近似关系，K-means是最典型的划分式聚类算法之一，适合对大型数据集进行分析，运算效率高是其显著优点（唐东明，2010）。研究使用SPSS modeler运行聚类算法，首先随机选取K个对象作为初始聚类中心，根据相似度进行聚类，通过不断迭代计算簇内误差选取K值。

四、数据处理说明

研究的数据源为学堂在线平台开设的“财务分析与决策”2018年春季课程，该课程共开设十周，建议每周学时为3小时，课程成绩由平时作业和期末考试成绩组成，总成绩达到50分的同学可以获得课程证书，总成绩达到85分及以上的同学，可获得优秀证书。

（一）数据描述性统计

在“财务分析与决策”课程的论坛中，共有帖子1 086条，除去无法找到主题贴的回帖20条，共有主帖137条，回帖929条。主帖中教师发帖占12.85%，学生发帖占87.15%。在与资源的交互方面，删除id为-1和0的学生后，共有4 692位学生发生资源交互，其中与视频发生交互的学生有3 374位，扩展资料有1 997位，课时安排有729位，课程大纲有3 634位，教辅材料有1 720位，问题资源有1 680位。

（二）师生、生生交互数据处理

研究中，将论坛中的人际交互进一步区分为师生交互和生生交互。依据研究假设，我们仅关注学生个体的交互质量，对教师不进行考察，即师生交互中，教师发主帖，学生回帖，仅对学生回帖内容的质量进行打分；生生交互中，学生发主帖，仅对学生的主帖内容和其他学生的回帖内容进行打分。为保证发生的交互真实有效，对只有主帖、没有回帖的帖子进行删除，不予评分。最后根据得分按照公式（2）和公式（3）计算出师生交互和生生交互中学生个体交互质量。

编码工作由两位研究者共同进行。在初期编码时，两位研究者对58条帖子独立打分，两者打分的斯皮尔曼相关系数为0.923，具有较好的一致性。后续编码工作中，所有单条帖子的得分为两位评分者打分均值。结果显示，在论坛发帖中，进行师生互动的学生共有138人，有1人互动得分最高（3.5分），有5人得0分，师生互动得分平均值为1.2分；进行生生互动的学生共有144人，有1人互动得分最高（3分），有4人得0分，生生互动得分平均值为1.28分。

（三）资源交互数据处理

资源交互质量取决于资源查看时长，根据资源类型删除文本时长错误数据，即删除大于合理阅读或观看时长最大值的数据。合理数据最大值指以精读文本的阅读速度阅读每个文本的时长乘以10，视频时长乘以10，共删除512位学生。对照注册表删除8位不在注册表中的学生。

通过层次分析法，请相关专家对每个课程资料的重要性程度进行判断，得到表4所示矩阵。

表4 课程资料权重矩阵

各个材料的权重如表5所示，其中CR≈0.0064＜0.1，矩阵一致性可接受，得到的权重可接受度较高。

表5 资源交互质量权重

最终资源交互质量得分依据公式（1）计算获得。

（四）K-means聚类K值的确定

图1 SSE折线图

K-means聚类算法以类别数目K作为输入变量，聚类结果对输入变量K十分敏感（王梦倩 等，2018），因此在聚类前，通过多次迭代计算不同K值对应的簇内误差（within-Cluster Sum of Squared Errors, SSE, 也叫簇惯性）选取最佳聚类结果K值。不同K值簇内误差如图1所示，从K=4开始，出现平滑曲线，由于K=4和K=5时，SSE的值还处于较高水平，所以选取K=6的聚类结果。

五、研究结果

（一）学习者类型划分及其特征

研究删除未参加期末考试中途退学和未发生有质量的信息交互（资源交互、生生交互、师生交互均为0）的学生数据，最后得到324位学生的数据。将每个学生的资源交互、师生交互、生生交互质量得分和期末成绩转换为Z分数，对学生三种交互得分和学生期末成绩进行聚类，最后聚成6类，其平均轮廓系数为0.6。用各类型学生的维度平均值表示该群体各维度分数，聚类结果如表6所示。

表6 聚类结果类别详细情况

研究发现，该课程中根据信息交互三大维度数据特点可划分出六类学习者，具体如下。

1. 聚类1——消极型学习者

聚类1共60人，人数占数据有效学习者总数的18.52%。这一类型的学习者资源交互质量低，与其他类型的学习者相比利用资源展开学习质量较差。同时学习者的生生交互、师生交互质量也低。仅有极少部分在论坛中发言，绝大多数学习者不发言或发言无意义。综上，这一类型学生利用各类学习资源展开学习质量低，几乎不参与课程讨论，因此称该类学习者为消极型学习者。

2. 聚类2——无差别型合作学习者

聚类2共有65人，人数占数据有效学习者总数的20.06%。聚类2的学习者资源交互质量偏低，生生交互质量和师生交互质量高。这一类型学习者学习课程资源的时间较少，但是在论坛中十分活跃，常发生质量较高的人际交互。学习者在论坛中经常提问，问题集中在课程推荐书目、小测验中出现的问题等，并且能够得到高质量的回复；同时学习者在论坛中与教师讨论学习内容，吸取其他学习者经验，从而获得新知、巩固旧知。综上，聚类2学习者发生信息交互倾向主动发问、主动与同学和教师交流，因此称该类学习者为无差别型合作学习者。

3. 聚类3——普通型学习者

聚类3共91人，人数占数据有效学习者总数的28.09%。这一类学习者资源交互标准分为0.05，在所有学习者中属于中等水平，说明这部分学习者能够利用课程视频和文本资料进行学习。但生生交互标准分仅-0.72，师生交互标准分为-0.67，接近生生交互和师生交互最低分-0.73和-0.69。这一类型学习者在论坛中仅有4名学生发言，且质量低。综上，这类学习者信息交互倾向于利用资源，但也会进行极少量师生交互和生生交互。具有以上特点的学习者在课程整体学习者中占比最大，因此称该类学习者为普通型学习者。

4. 聚类4——自主型学习者

聚类4共有2人，人数仅占数据有效学习者总数的0.62%。其交互特点主要表现为资源交互质量高，两名学习者的资源交互质量标准均为9分以上。而生生交互质量标准分为-0.73，师生交互质量标准分为-0.69，表示该类学习者未与教师和其他学习者发生有质量的交互。即这类学习者在学习过程中对于课程资源的查看和使用情况良好，基本完成视频、题目等学习要求，但论坛使用不活跃，缺乏人际互动。综上，这类学习者的信息交互倾向自主利用学习资源学习，较少与同学合作、教师沟通，因此称其为自主型学习者。

5. 聚类5——亲师型合作学习者

聚类5共有50人，人数占数据有效学习者总数的15.43%。聚类5学习者资源交互质量低，师生交互质量高，而生生交互标准分为-0.73，表示这类学习者并未与其他学习者产生有质量的交互。这类学习者常在论坛中教师的发帖下进行回帖，反馈自己的学习体验与效果，如“感觉第七章讲的太快了”等，同时部分学生也会提出在学习中遇到的疑问。综上，聚类5学习者较少与课程资源发生交互，在论坛中倾向与教师交流，因此称该类学习者为亲师型合作学习者。

6. 聚类6——非亲师型合作学习者

聚类6共56人，占数据有效学习者总数的17.28%。根据聚类结果可得，聚类6的学习者资源交互质量偏低，师生交互质量低、生生交互质量高。该类学习者在论坛中与其他学习者交流多，多为回答其他学习者提出的问题。此外，该类学习者的发言大多积极，具有较高的学习热情，如“学学经济管理是有很大好处的”等。综上，聚类6学习者发生信息交互倾向与他人合作、主动与同学交流，但较少与教师交流，因此称该类学习者为非亲师型合作学习者。

（二）信息交互类型与学习成绩的关系

1. 学生采用以资源交互为主的信息交互模式，无法保证得到良好的学习效果

聚类3和4的学习者在展开学习时，倾向利用学习资源，而不与其他课程参与者交流。聚类3学习者平均成绩为85分，在所有类别中排名第四。在对该类别学生的成绩数据深入分析后发现，聚类3的学生成绩分布在71～100分之间，位于70～79分的学生有29人，位于80～89分的学生有33人，位于90～100分有29人，各分数段之间未呈现出明显的人数差异，并且各区间内分数分布未出现明显集中于某个分数的现象，因此研究认为倾向于利用资源交互展开学习的学习者，无法保证得到良好的学习效果；聚类4学习者平均成绩仅60分，但该类学生的资源交互水平却是最高的，从具体数据来看，聚类4的两名同学均和资源发生了较长时间的交互，分别为23.18小时和10.34小时，但成绩情况并不理想，分别为57和63，这也在一定程度上印证了本研究所提出的学生采用以资源交互为主的信息交互模式，良好的学习效果无法得到保证的观点。即在学习者发生低质量的师生交互和生生交互的情况下，仅发生高质量的资源交互，并不能保证学生取得较好成绩，达到良好的学习效果。

2. 学生采用以人际交互为主的信息交互模式，其学习效果好

与其他类型学习者进行对比，无差别型合作学习者、亲师型合作学习者和非亲师型合作学习者三种学习者倾向较高质量的师生交互和生生交互，在论坛中会对课程的内容进行提问或解答，如询问小测验中的问题、交流财务决策的定义等。这三类学习者相较于自主型学习者和普通学习者更容易实现对原理和概念的深度理解，发生概念交互。进一步对比这三类学习者的成绩与其他类型学习者成绩，发现合作学习者的学习成绩平均分更高，且高分人数在各自类别人数中占比高。因此，本研究认为合作学习者的学习效果好。即在学习者展开在线学习时，除了观看课程资源外，通过与教师、其他学习者发生高质量的交互，能够更好地实现概念交互，深化知识理解，强化学习效果。

六、讨论

通过分析，本研究认为得到上述结论的原因可能有以下两个方面。

（一）资源交互质量评价指标存在局限

资源交互质量无法保证学习者学习效果的原因可能是资源交互质量的评价指标存在局限。本研究综合考虑视频、文本资料等学习资源的学习，参考以往研究，通过时长来判断学习者资源交互质量，认为学生资源学习时长越长，其资源交互质量就越高。但这仍然具有一定局限性，由于当前学习平台数据库提供的行为数据有限，且学习平台数据标签随时间推移有所改变，部分url含义不明晰，因此数据处理编码过程中对部分学习者的学习行为难以界定，这也影响了研究后期无法深入挖掘学习者的交互行为模式特点，无法对学习者个体进行全面表征。

此外，有学者在关于在线学习平台的学习行为数据模型研究中得出了学习者课件学习时长与学习者的测验成绩无显著性相关的结论（刘丹丹，2017），所以在采用时长评价资源交互质量时，可能会得出资源交互质量与学习者的成绩无关的结论，因而未来仍需要进一步完善资源交互质量评价指标。

（二）课程难度较高，学生更需要合作学习

“财务分析与决策”这门课程中除了典型的普通型在线学习者之外，还有超一半的学习者属于合作型学习者（聚类2、聚类5和聚类6），这类学习者的资源交互质量较低，但师生交互质量或者生生交互质量较高，且学习成绩相较其他类型学习者更优秀。我们认为这种现象的产生可能与课程学习难度有关。

课程有难度时，讨论与合作学习比自学更有效。该课程中涉及较多财经专有名词和大量公式计算，对于没有财务基础的同学来说是一门比较有难度的课程，不少学生在论坛中反映“感觉这门课好难啊”“真的好难计算啊”。这种情况下，学生光靠自学可能无法解决所遇问题，跟教师和同学的交流合作相比自学能够为学习者提供有效的学习支持和情感支持，更能促进学生的学习。

此外，研究表明，偏理工类课程论坛参与度相对文科类课程较低，且理工科性质的课程帖子内容不如文科类课程的课程帖子内容更贴近主题（刘向宇，2015）。这门课程是一门偏理科类的课程，课程论坛帖子内容较少，帖子内容质量也不够高，也可能对研究结果分析造成影响。

七、总结与建议

本研究利用远程学习平台上记录的学习者行为数据，参照教学交互层次塔的信息交互概念对学习者在远程学习平台中学习时存在的信息交互模式进行K-means聚类分析。研究发现，学习者仅通过资源交互无法保证其良好的学习效果，而和教师及其他学习者进行高质量交互的学习者的学习成绩普遍处于较高水平。经过分析讨论，本研究认为，课程难度较大、需要学生合作学习是不同信息交互模式下成绩差异的主要原因。基于研究结论和讨论，本研究主要针对在线学习平台课程设计提出以下建议。

（一）重视学习资源对学习者学习有效性的支持

研究表明，在“财务分析与决策”课程中，学习者采用以资源交互为主的信息交互模式并不能保证学生的学习效果。研究中，根据课程实际开展情况和所得数据，对资源交互质量的评价以观看时长为标准，但是此类交互是否能支持学习者深入学习仍然存疑。王志军等（2017）对远程学习中学习资源的交互性分析中指出，资源的交互性是保证资源可以有效支持教学交互的重要特性，学习者的学习行为和资源的支持行为应该是对应共存的。

因此，实际开展课程中应重视学习者在观看资源时资源所能提供的学习支持服务，王志军等（2017）认为学习资源的交互性分为可选择、可控制、可编辑、可评价、模拟会谈、自动反馈、学习指导和情境再现八个维度，即平台的资源提供应给予学习者足够的自主空间，在提供学习者可观看资源的基础上，可增加观看过程提问、批注等功能，及时给予反馈，通过增加资源自身的交互性强化学习者学习效果，使远程学习者能够获得有效的学习支持，提高学习效果。

（二）重视学习共同体的建设

研究中，进行合作学习的学习者成绩相较其他学习者成绩表现出更为明显的优势，我们认为这与远程学习特点及课程难度有关。远程学习过程中，师生交互和生生交互能够为学习者提供有效的学习支持和情感支持，尤其对于偏理科性质的课程来说，专有名词较多、课程难度较大是阻碍学习者进行有效学习的重要因素，学习者仅依靠自学往往难以对知识有深入认识，需要通过和他人交流解决问题，因此，课程学习共同体建设尤为重要。

在本门课程中，学习者和他人进行交互的学习活动主要发生在论坛，每章课程教师均设置了答疑帖，但研究发现，本门课程的论坛利用率较低且存在较多质量较低的帖子，这在一定程度上降低了论坛所提供学习支持的有效性。因此，在课程活动设计和开展过程中，应该重视论坛在构建学生学习共同体方面发挥的作用。教师如果缺少设计在线讨论内容的意识，学生将难以得到充分的学习支持，教学互动的作用也难以发挥（许玲，郑勤华，2016），因此，建议教师除了发布答疑帖以外，可根据教学需求设置与学习内容相关的话题帖，鼓励学生积极参与。另外，论坛可根据学习者发帖内容划分专有区域，如课程知识答疑区以及技术问题区等，便于学习者根据问题类型在专有区域进行问答求助，这也是提高学习者学习效率的有效措施。同时，教师也要重视自身的引导作用，及时回复学习者在论坛中提出的问题，帮助学习者更好地完成课程。