认知网络分析的教育应用

侯 冉

（扬州大学新闻传媒学院，江苏扬州 225000）

0 引言

信息技术的不断进步也在加速教育行业革新，在科技创新逐渐成为我国战略方针的背景下，国家需要培养全领域的创新型人才以实现可持续发展。Steam 课程标准的提出要求学生培养更好的问题解决能力、复合及创新性思维能力，因此学校不再将总结性评价作为学业水平评测的唯一方式，转而寻求一种更加科学、全面的新思路。认知网络分析所提供的教学方式与评测系统不仅能提高学生的实践能力和综合素质，也能在实践上促进学生的积极性，显然弥补了当下传统教育的不足之处。

认知网络分析有一个渐进式的发展过程。早期，Mis⁃levy 等［1］提出以证据为中心的评价模式，该理论认为总结性评价并不能代表学习的真实水平，学习评价应该是对学习过程进行系统性的证据推理过程；随后，Shaffer［2］提出认知网络模型概念，使用教育游戏探究学生认知元素之间的关联性，即认知框架理论。基于以上两个理论，认知网络分析在2009 年问世［3］。2015 年，Chesler 等［4］首创虚拟工程实习环境，以个性化学习为宗旨，帮助学生在协作的环境中解决复杂专业问题。随着学界的不断探索和开发，如今认知网络分析已经形成了比较成熟的理论框架和方法，并广泛应用于学生评价和教师评价等方面，例如工程设计课程、医学生手术操作课程、认知博弈和教师专业能力评价等，操作模式也不再局限于教育游戏。

基于对以往文献的回顾，本文介绍了认知网络分析的相关概念和详细的实验步骤，梳理了近年来其在教育行业的典型应用案例。研究发现，认知网络分析在学习评价、教师专业能力评测和教学改革等方面都具有巨大潜力，并根据国内外学者的成功案例为我国未来教育事业的改革提供一些设想。

1 认知网络分析简介

认知网络分析（Epistemic Network Analysis，简称ENA）由美国威斯康星大学麦迪逊分校（Wisconsin，Madison）的认知游戏团队（Epistemic Games Group）提出，它基于认知框架理论和以证据为中心的评价模式，通过教育游戏收集实验对象的话语记录，将对话进行量化编码处理进而形成一个网络模型。藉由网络模型对比就可以分析出不同熟练程度（新手和专家）的个人或群体的专业能力差别。在认知网络分析所形成的网络模型中，元素的共现体现了它们的关联程度，元素在坐标系中的投影越靠近，表示二者的关联性越强，而元素的关联程度随着学生学习进程的发展也是动态变化的［5］。因为能使复杂的数据关系可视化，认知网络分析被广泛应用于处理定性和定量问题。

2 认知网络分析理论基础

2.1 以证据为中心的评价模式

以证据为中心的评价模式（Evidence Centered Design，简称ECD）是一种系统性评价设计模式，ECD 认为对学生的评价是一种证据推理过程，需根据学生提供的有限证据对其学习效度进行论证［6］。ECD 通过系统地联系现有的、可观察的行动和评估规则模型提供学习证据，从而开发评估框架。其设计概念的核心是学习理论、评估方法和专业思考。

ECD 有3 个关键组成部分［7］：①领域分析（Domain Analysis）——关于某一学科领域中学生的意志、能力或专业知识的信息；②领域模型（Domain Modeling）——如学生在学习环境中做了什么、说了什么或完成了什么结果等；③概念评估（Conceptual Assessment）——通过特定的工具和模型检验学生的熟练程度。

Fig.1 The components of ECD图1 ECD 组成部分

2.2 认知框架理论

2005 年，Shaffer［2］设计了一款教育游戏，学生以角色扮演的形式融入其中，在体验视频游戏、电脑游戏等交互式环境的过程中学习知识和搭建知识框架。学生可以将参与游戏过程中所得的经验应用于现实生活，避免了由于经验不足而导致在实践中发生意外。这种通过交互式协作性学习逐渐构建起个人能力之网的过程，被称为认知框架理论［8］（Epistemic Frame）。认知框架理论认为学习不只是简单的知识累加，学生还需要学习领域专家所具备的专业能力，例如外科手术实习生不仅要学习手术操作和其它知识，还要像专业医师一样具备独立思考、解决突发性问题的能力［9］。认知框架理论将学习划分为5 个维度（Skive）。即：①技能：Engineering Skills，学生所展示出的能力；②知识：Knowledge，学生们共享的事实和信息；③身份：Identity，学生对自身角色的认定；④价值观：Values，学生认为什么是重要的，什么是不重要的；⑤认识论：Epistemology，对行为和主张合理性的解释和证明。当学习者对这5 个维度之间的理解建立联系时，他们就形成了自己的认知框架。

3 认知网络分析实验过程

3.1 数据收集

认知网络分析实验是以教育游戏为基础，当学生正式加入游戏时，实验也就开始了。在游戏所处的虚拟环境中，学生被预先分组形成若干个团队，团队内部协助完成任务。整个实验过程以视频的形式完整记录下来，并将学生的话语以文字形式保存在Excel 表格中。

3.2 数据编码

节（Stanza）是认知网络分析中的一个重要指标，学生的话语记录以节的形式被划分为几个维度。最早的Safou⁃tin 设计属性框架编码方案，包括14 个节：需求识别、问题定义、计划、管理、信息收集、思想生成、建模、可行性分析、评估、选择/决策、实现、沟通、文档和迭代（need recogni⁃tion，problem definition，planning，management，information gathering，idea generation，modeling，feasibility analysis，eval⁃uation，selection/decision，implementation，communication，documentation and iteration）。

在实际应用中，一般以从低水平到高水平的学习阶段作为划分节的标准。例如，学生在初期接触任务时一定会有对知识点的回顾，在试误过程中也会有对现象的解释，因此在低水平层次阶段可以将知识点回顾和对现象的描述等内容作为编码依据。当学生进入中等层次水平的学习阶段时，推理和设计就成为讨论的主要内容。当进入高水平阶段时，学生基本解决了任务难点和设计问题，其主要内容是任务实施、协助和反思。将若干个节依次编号，并完成对发言记录的完整编码。编码案例如表1 所示。

Table 1 Encoding case表1 编码案例

3.3 创建邻接矩阵并累加

学生的每个语句都会按表1 的方式形成一个二进制邻接矩阵，当语句中两个节共现时对应表格赋值为1，二进制矩阵意味着同一语句中多次出现两个节的共现时不会重复计数。在完成所有语句转换后，将二进制矩阵累加起来，形成一个累加邻接矩阵，如表2 所示。

Table 2 Accumulation of adjacency matrix表2 累加邻接矩阵

3.4 向量归一化

邻接矩阵中的共现内容很大程度上由学生的话语数量决定，而学生的发言积极性参差不齐，直接计数显然缺乏公平性。例如某学生的语句数量为200，另一学生的语句数量为100，这并不代表前者对问题的理解程度是后者的2 倍，在这里需要让矩阵内各单元除以它们自身的长度，以确保不同发言频率的学生占据相同权重。

3.5 奇异值分解

奇异值分解（SVD）将一个高维邻接矩阵降维，这使得数据可以在二维坐标系中展现出来。在SVD 计算过程中，矩阵M=U×S×V（其中S 为奇异值，U 与V 互为酉矩阵），U或V 取前2 列，得到各节在二维坐标系中的坐标位置，如图2 所示。

Fig.2 Singular value decomposition图2 奇异值分解

3.6 建模

经SVD 分解后，U 矩阵和V 矩阵为每个元素分配了一个处于二维空间中的位置，由于邻接矩阵的特殊性，U 矩阵与V 矩阵第一维是相同的，而第二维互为相反数。选其一作为网络模型中各节的坐标，再返回邻接矩阵构造连接数量。最终为每个小组构建一个网络模型，如图3 所示。

Fig.3 Modeling图3 建模

4 认知网络分析应用

4.1 学生评价

学生评价是认知网络分析的设计初衷，它将教育游戏作为学生学习行为记录的工具［10］。教育游戏会提供一个虚拟环境，使得没有受过专业训练的学生可以进行拟真实践。通过这些实践，学生学习基本的专业知识和能力，并开始建立专家所具备的认知框架，在游戏中可以像专家一样思考。

教育游戏通常是虚拟化的学习情境，例如Chesler 的虚拟工程实习，其目的在于：①指导学生在协作环境中解决复杂工程问题，从而培养工程专业人员的思维习惯和其它特性；②使教育工作者有机会评估工程思维的关键方面；③介绍学生喜欢并认为有价值的工程经验。该项目不久后得到了广泛的传播和使用，满足了美国早期工科学生的学习需要。

2018 年，ENA 被应用于外科手术教育实习中，实验采用了语言反应模式（VRM）编码。实验表明，低绩效团队在游戏过程中产生了更多不稳定因素，因为低绩效团队的成员基础水平较低，还要花费额外的时间解决自身不懂的知识点。而高绩效团队往往很快就能将信息传达给其它团队成员，可以将更多时间资源投入到任务执行与信息共享中［11］。

4.2 K-12 工程标准完善

K-12 工程标准（K-12 Engineering Programs）是美国和欧洲国家实行的中小学阶段教学体系，旨在提高学生对工程类学科的学习兴趣度。2011 年，Svarovsky［12］指出K-12工程过分强调设计和技术层面上的教育，因而极大降低了女性学生对此类科目的兴趣度。针对该问题，Svarovsky 基于认知网络分析法设计了一个教育游戏——数字动物园，帮助学生在发展工程技能和知识的同时，还能将这些概念与习惯、观点和思维方式联系起来，弥补了女性学生在逻辑和空间思维上的弱势，一定程度上提高了K-12 工程的有效性和包容性。

4.3 教师专业能力评测

认知网络分析是一种学生评价工具，在教师专业能力评测方面也很有效。2012 年，Orrill 等［13］认为教师自身的知识水平与其教学质量之间存在关联性，于是他将认知网络分析作为测定教师话语联系的工具。而实验结果表明，专家级别的教师往往更能抓住课堂的一些关键点，普通教师虽然理解知识也传授知识，但并不能将它们有效结合。2020 年，冷静等［14-15］将ENA 应用于职前教师的反思能力发展轨迹研究中。该研究表明，职前教师的反思能力轨迹呈上升趋势，同时随着其水平的不断提高，反思方法也在逐步完善。近几年来，认知网络分析作为一种定量民族志方法得到许多国际知名大学的采纳，并开发了大量教育游戏作为实验基础，应用领域也变得逐渐广泛起来［16-20］。

5 结语

总体而言，ENA 的出现为学生提供了高效的学习环境，其所衍生出的教育游戏能够极大地增强学生的学习兴趣，同时也为教师提供了科学的教学管理和学生测评方法。所有的活动都依托在线学习环境而进行，游戏活动中会产生丰富的数据，之后通过认知网络分析评估学生解决问题的进度，以及学生达到专业熟练程度的距离［21-23］。随着该方法的不断完善和扩充，未来ENA 有望作为一种最有效的教学模式进入到教育领域中。

认知网络分析是以教育游戏为依托，教育游戏也是一项值得教育领域借鉴的教学方法。首先，教育游戏一般都是协作性的，它可以帮助学生锻炼社交和沟通技能，在游戏中学生所扮演的角色往往都相互依赖，学生需要在游戏过程中积极参与讨论，从小组成员那里获取信息进而解决实际问题，这极大地锻炼了学生的学习主动性和团队合作意识；其次，教育游戏一般都是经过精心设计的，教育游戏在制作过程中充分考虑到学生阶段性发展特点，以一种独特的方式让他们在参与学习的过程中构造认知结构；最后，教育游戏提供了一种良好的学习环境，学生在参与团队游戏时会自然而然地参与到科学论证中，角色扮演可以鼓励玩家观察科学现象、提出问题、分析数据、推理假设并加以反思——这些都是进行科学实践的必要过程［24-26］。

当下，电子游戏对年轻人具有很大的吸引力和驱动力，游戏会帮助玩家训练创新思维能力，并对一些难懂的专业内容产生深刻理解。可将这种优势运用于现代教育中，开发出行之有效的教育游戏，并将认知网络分析作为科学的评价工具，以一种独具优势的方式为学生构建社会认知，让学生在快乐学习中增长知识，提高他们学习的自信心与主动性。