文献计量视角下的在线合作交互行为研究

史 喆

（南京邮电大学 教育科学与技术学院，江苏 南京 210023）

一、 引言

合作与交互是常见的人类行为，随着21世纪大数据和人工智能交互技术的兴起，越来越多的研究者对网络环境下学习者交互行为的研究给予高度重视。在计算机网络技术的支持下，学习者依托媒体进行在线交互、情感交流、合作学习。人类的交互行为总体呈上升趋势，系统地研究人类交互行为是十分必要的，它可以反映人类普遍行为的变化（Kong, Ma, Hou, Shang, & Xia, 2019）。也有研究表明，在CSCL（计算机支持的协作学习）环境下，合作问题解决（Collaborative Problem Solving,CPS）是一种影响工作绩效和幸福感的行为，以往的研究主要从社会维度和认知维度对CPS行为进行了研究，但在交互维度的研究上仍存在空白（Zheng, Bao, Shen, & Zhai, 2020）。在线合作交互行为的研究过程中，研究者主要关注了交互的分类。穆尔最早提出三大交互，他把远程交互分为师生交互、生生交互和学生与学习内容的交互这三大类（Moore, 1989）。以穆尔的三大交互为基础，希尔曼等人提出的交互模型加入了第四个维度，即学生与界面之间的交互（Hillmandc, Willis, &Gunawardena, 1994）。这些交互模型的研究为网络学习空间中交互行为分析提供了重要借鉴。我国关于交互的研究是从2000年开始的，之后关于交互的研究逐渐增多，对于在线合作交互行为的分析也涉及多个维度。陈丽（2004）从网络学习空间的操作交互、信息交互以及概念交互对学习者交互行为进行层次划分。刘黄玲子等人认为在线合作中的交互是学习者通过使用计算机进行知识构建的一种学习活动，并提出CSCL的交互研究的TAP2模型，从话题转化、情感变迁和过程模式三个维度探究了CSCL环境中的交互行为（刘黄玲子，黄荣怀，樊磊，宋彬彬，2005）。但是在线合作中的交互都伴随着问题解决、信息流动和概念交换，它涉及到合作过程中的多个维度，如知识构建、过程调节、社会交互和情感表达（Care, Scoular, & Griffin, 2016）。以往这些对于交互的分类在概念的界定上存在一定的包含和交叉。因此，有必要对网络学习环境中在线合作交互行为的研究结果进行梳理，为在线交互中的合作问题解决提供研究基础。

为了更好地把握网络环境中学习者在线合作交互行为的研究，本研究采用CiteSpace文献计量分析软件，通过绘制关键词聚类图谱、突现关键词图谱等，直观地对近十年网络学习环境中在线合作交互行为研究的研究热点进行分析，并经过二次文献梳理，总结概括该研究领域的前沿趋势，以期深化对此方面研究的理论基础与实践，为相关网络学习空间中交互行为分析的研究提供借鉴。

二、数据来源与研究方法

（一）数据来源

数据均来自Web of Science 数据库核心合集，检索时间为2020年8月，在该数据库中检索主题词“on line collaborative OR Cooperative”以及“interactive behavior OR interactive model”，时间设置为2010至2019，经筛选剔除非相关性论文和会议通知等，共得到有效检索记录365条。

（二）数据分析方法

CiteSpace是一款可视化分析软件，可以科学地计量所研究领域的演化路径、热点主题和前沿趋势（陈悦，陈超美，刘则渊，胡志刚，王贤文，2015）。本研究基于CiteSpace这款文献计量软件，结合二次文献分析，探测在线合作交互行为研究的研究热点。通过对发文国家和地区发文时间线图谱以及关键词和突现关键词的聚类图谱等内容进行分析，探究网络环境中在线合作交互行为分析的研究进展，总结概括其对应的知识基础，以此进一步明确研究前沿的本质。

三、文献情况分析

对365篇文献整理分析，从发文趋势看，网络学习环境中在线合作交互行为研究的总体发文情况呈上升趋势。发文量排在前3位的国家依次是美国、中国和英国。如表1所示，排名第1位的美国共发表文献87篇，占据总发文量的23.84%，领先于其他国家和地区。中国、英国分别发文85篇和31篇，占总发文量的23.29%和8.49%，中国学者同样是该领域研究的一支重要力量。为了更好地了解发文国家和地区的情况，在CiteSpace中导入需要分析的365条数据，绘制出如下图1所示的国家和地区发文时间线图谱（模块值Q值为0.377，平均轮廓值S为0.7679，分析结果具有较高可靠度和可信度）。结果显示，2010年是在线合作交互行为分析研究的起始年份，并且参与发文的国家和地区最多，是一个转折点。主要参与发文的国家和地区有中国、美国、法国等。近几年来主要参与研究的国家和地区有挪威、丹麦和芬兰等，可以看出，网络学习环境中交互行为分析的研究愈发引起国际学者重视，中国学者在网络学习环境下交互行为分析研究中的实力不可小觑。

表1 高发文国家和地区（前十名）

图1 国家和地区发文时间线图谱（Timeline View）

四、在线合作交互行为研究热点分析

（一）关键词频次分析

关键词是一篇论文核心观点的高度概括，通过研究关键词词频可以探测一个领域的研究热点。运行CiteSpace得到高频使用的关键词，将频次排在前十位的关键词整理成在线合作交互行为研究关键词频次图（见图2），可知在线合作交互行为的研究中，研究者主要在探讨模型、合作学习、交互式学习环境和行为等因素对学生在线合作学习效果的影响。有研究指出，不能有效激发和维持学习者的参与动机是目前交互式学习环境下支持学习者合作交互方面存在的困难（Liu, Calvo, Pardo,& Martin, 2015），难以对在线合作学习过程进行可视化分析，从而直接影响网络学习空间的应用水平和效果（Marbouti & Wise, 2016），而构建合适的在线合作交互行为分析模型，是开展交互行为分析的第一步（吴青，罗儒国，2013）。使用学习者交互行为分析模型可对在线交互式学习过程中个体和群体交互的行为进行可视化测量和评估，对学习过程进行预测和干预，其在学习结果的呈现和可视化方面具有应用前景（朱珂，2017）。因此，在线合作交互行为研究的热点将长期围绕探究交互式学习环境、建立和改进交互行为分析模型、探寻对学习者学习行为的预测和优化的策略这三方面展开。

图2 在线合作交互行为研究关键词频次图（前十位）

（二）高频关键词聚类分析

将网络节点类型选择为关键词（Keyword）并调整相应参数，得到高频关键词聚类图谱如图3所示（模块值Q等于0.6447，平均轮廓值S等于0.4259，聚类结果具有较高显著性和可靠度）。图3显示出九种聚类结果，而本研究在归纳相同聚类结果的同时，结合二次文献分析对每一聚类所包含的关键词进一步总结归纳后，将聚类结果归纳为以下四大类。

图3 关键词聚类图谱

1. 在线合作交互行为分析中的社会认知

聚类1——在线合作交互行为分析中的社会学习过程（#0社会认知）。这一聚类包含的关键词有：知觉、影响、协调、社会交往、意识、社会困境、自适应控制以及交互式决策等。该聚类主要从个体层面和团队合作层面探讨在线合作交互中的社会学习过程。

在学习者个体因素层面，对于个人的学习行为是由外部力量决定的还是由内部力量控制的，长期以来存在两种决定论——个人决定论和环境决定论。个人决定论强调人的内部心理因素对行为的调节和控制，而环境决定论强调的是外部环境对学习者行为的影响。不管是学习者的内在个人因素还是外部环境影响，在网络学习环境中两者都可以用来支持学生的自我调节。杰科尼等人的最新研究指出，当一个学生不能自我调节学习时，有可能是受自我产生的思想、情绪和行动影响，也可能是没有一个适当的学习环境（Jhoni et al., 2021）。社会认知理论也表明所谓交互的产生，其实是环境、行为、人三者之间互为因果，两两之间都具有双向的互动和决定关系。

在团队合作层面，戴尔的经验之塔表明，掌握知识的有效方法是：小组讨论、实际操作和马上应用（曲莉梅，2014）。它们有两个共同点，一是均为主动学习，二是均与合作学习有关。目前，学习的概念已经从个人转移到团队努力。有研究证实，有主动学习导向的学生可以通过合作进行有意义的知识建构（Kyeong-Ouk, 2016）。在合作学习背景下，学习者将他们的动机、态度、目标和情感结合在一起，通过交互参与到富有成效的学习表现中，以此促进知识的掌握（Kyeong-Ouk, 2019）。因此，在线学习的优势只有在学习主动性强、交互良好且组织合理的合作小组中才能体现。而一个学习小组中，成员往往需要经过交互、协调、沟通与磨合等环节，最终发展为一个学习共同体。这一发展过程以学习者的平等参与、个人责任以及积极的相互依赖为基础。团队成员积极的相互依赖感和个体责任感可以支持学生合作学习的动机（Cooper &Robinson, 1998）。

在此基础上，本研究基于社会互赖理论提出团队成员在在线合作交互中的社会学习过程（见图4）。这一过程主要包括三个阶段：①任务表征阶段，团队成员将学习任务形式化、目标化并加入个人理解。②自我思考阶段，首先，团队成员处于同一个在线学习环境，具有相同的学习目标，借助在线学习环境下的交互功能进行资源共享，此时团队之间存在外部（环境）互赖、目标互赖和资源互赖。接着，学习者进行学习任务解决的初步思考，并对依靠个人力量完成的隐性问题进行整理，形成个人观点。最后，团队成员经历从个人观点到他人观点的认识与认同的情感过渡，建立成员之间的角色关系与信任基础，个人的行动以团队为基础，个人学习成果也将直接影响团队成果，此时团队之间存在角色互赖和奖励互赖。③小组讨论阶段，团队成员通过操作交互、信息交互和情感交互将自己的观点进行公开表述、意义澄清，对已有的方案进行对比和辩论，建立新旧知识之间的联结关系，最后形成总结性的结论。在此学习过程中，团队成员通常异质分组，不同资质的学生将构成一个学习共同体，落后的学生可以在与同学的相互协调和合作交互中有效地改进自己的思维和认知，获得有针对性的帮助，优等生则在指导同学的过程中梳理总结有效的学习方法和成果，从而提升学习绩效。

图4 团队合作层面在线合作交互中的社会学习过程

2. 多元化学习环境

聚类2——多元化学习环境下在线合作交互行为分析研究（#1、#3、#4和#6均为在线合作/协作学习）。这一聚类包含的关键词有交互式学习环境、可视化、计算机中介通信、基于游戏的学习和虚拟社区等。这一聚类主要包括分布式学习环境下合作学习交互的过程和智慧教室环境下的合作学习行为。

在分布式学习环境层面，随着在线教育平台的崛起和MOOC的广泛应用，在线教育领域取得了前所未有的进步。目前，教学环境从教室正逐步过渡到分布式学习环境。分布式学习环境的应用使得可用于学情分析的数据量显著增加，但并不是所有信息都可靠或有价值。为了鉴别有效数据并利用这些数据来改善学习者的在线合作学习过程，新的研究领域出现了。学习分析学被定义为“测量、收集、分析和报告关于学习者及其学习环境的数据，以理解和优化学习及其发生的环境”（Ferguson,2012）。这项技术可帮助学习者在线合作过程中实现与其他用户的自我分析和比较，通过可视化交互行为，激励学习者提高对学习的自我调节能力。以此为基础，纳兰霍等人提出了一个可以跟踪学习分析的可视化仪表盘，自动获取学生交互行为，可以产生接近实时学习分析的效果，这对半自动评估和学生对自己训练进度的自我意识提高都非常有用（Naranjo, Prieto, Molto, & Calatrava, 2019）。因此，未来的在线合作学习交互方面的工作将包括对学习分析所显示的信息进行进一步的定制，提供更多详细信息，帮助学习者更好地理解接下来的活动。同时，分布式学习环境为解决教育资源不均等问题提供了新的视角。如冈萨雷斯等人提到，许多高等教育机构正在采用云计算来支持分布式的在线学习环境，以从降低维护成本、资源合理化和简化操作中受益（González-Martínez, Bote-Lorenzo,Gómez-Sánchez, & Cano-Parra, 2015）。多元化的学习环境在改善分布式教学的现状和优化在线合作学习交互方面将具有很大的潜能。

在智慧教室环境层面，智慧教室整合了先进的教育技术形式，包含了交互式白板和可触摸移动设备等技术，为学生在线交流和小组合作学习提供支撑。智能教室的发展已经成为一个主要的新兴趋势（Huang, Yang, & Hu, 2012）。它所体现的多功能性改变了以教师为中心的教学实践，激发了学生参与式的学习（Looi et al., 2010），学生必须自己理解呈现的信息，通过合作交互分享观点（Schunk,2012）。因此学生合作是智慧教室的一个关键学习过程，“智能化”和“强交互”是智慧教室环境的主要功能。学生对于智慧教室环境下不同功能的喜好与偏爱对合作学习行为发生的影响也不同。为此麦克劳德等人提出了一种有效和可靠的工具测量学生对智慧教室学习环境的偏好（MacLeod, Yang,Zhu, & Li, 2018），从而改善其功能开发与设计。符合学生偏好的学习环境也将更有利于支持学生学习。鉴于智慧教室环境提供了许多优势，智慧教室环境对学生学习的积极影响也将导致未来智慧教室应用越来越普及。充分利用人工智能技术、网络技术、多媒体技术等来改善智慧教室学习环境已成为一个必然选择（黄荣怀，胡永斌，杨俊锋，肖广德，2012）。

3. 技术支持

聚类3——基于一定技术支持的在线合作交互行为研究（#2多媒体/超媒体系统，#5随机模糊规划）。这一聚类包含的关键词有：合作机器人、教育技术系统的架构和体系结构。超媒体系统为合作机器人和教育技术系统的架构提供了现实基础，它利用图像、视频、音频、动画等多种媒体来表示信息，建立文本与图形、声音、动画等媒体之间的链接关系，而随机模糊规划在数据分析上体现出一定的优势，有利于识别学习者在学习过程中产生的可用性评价数据。

有研究指出，基于多媒体系统的在线移动应用程序，其糟糕的可用性会降低学生的工作效率，从而导致学生的满意度下降（Shitkova, Holler, Heide,Clever, & Becker, 2015）。为解决这一问题，帕萨扎德等人开发了一个移动学习应用程序，通过追踪学习者交互行为特征去识别应用程序的可用性，并为发展在线合作和交互的移动学习提供了框架，在可用性评估中加入及时性，提高了移动学习应用程序的接受度（Parsazadeh, Ali, & Rezaei, 2018）。多媒体系统中移动学习程序的合作与交互设置可以增强学生的学习动机，并促进学生之间的交流。通过加强学习者之间的实时合作与交互，能有效地提高学生的在线信息评估技能。同时基于超媒体系统的学习交互监控模块可以针对不同的交互活动中产生的交互行为数据进行统计。在计算机支持的环境下捕捉信息技术学习系统中的动作和话语，揭示学习者在任务参与过程中的交互机制（Podolefsky,2012）。例如：在小组成员讨论和答疑过程中，统计数据可以根据发言频率、有效发言次数、发帖次数和长度来计算学习者的参与度，根据分享题外资源的次数计算学习者分享度，根据学习者解决问题的个数和提出新观点与新思想的次数计算其学习深度和投入度。按照预先确立的换算方法，将相关数据转换成分数，使学习者的交互行为可视化。对学习者此次在线合作讨论过程中的行为进行总结，指出整个讨论的优点与不足，必要的时候加以指导和提示。

4. 学习者能力水平

聚类4——学习者能力水平对在线合作交互行为的影响研究（#7高等教育、#8高和低水平的）。这一聚类包含的关键词有：成人学习、高等教育、小学教育、青少年问题行为、注意缺陷/多动障碍和先进的学习者等。这一聚类主要从个人先验知识、学习能力水平两个方面探究其对在线合作交互学习的影响。

从学习者先验知识层面来看，在网络学习空间中，学习者先验知识方面的差异主要有以下原因：学习者的起点水平不同，对于知识建构的能力不同，从而影响在线合作交互学习的效果，也进一步影响学习者的信息素养。学习者的先验知识水平是利用信息工具来解决问题的基础，网络学习环境中的在线合作学习要求学生具备熟练使用技术手段工具的能力。希尔加德和鲍尔对人类记忆的研究证明，学习者积累的先验知识提高了对新知识的获取能力，并且也提高了对旧知识的回忆和使用的能力（Hilgard & Bower,1981）。因此，学习者先验知识储备越广，差别越大，个体越容易通过对已有的先验知识进行归纳，从而创造新知识，这与在线合作交互学习行为的有效进行成正向相关。同时，学习者先验知水平的差异也将导致在线合作交互过程中知识共享和信息交互的不平衡。卡柳加和伦克尔指出这种不平衡可能是由于低水平学习者的知识不足却没有得到适当的指导，或者是较高水平学习者的现有知识与提供的学习知识之间发生重叠造成的（Kalyuga & Renkl, 2010）。因此，学习者先验知识水平的差异也是影响在线合作交互学习效果的重要原因。

从个人学习能力水平来看，小约翰等人探究了自主学习能力对在线学习效果的影响机制。研究指出学生的自我反思和认知能力水平对于在线合作学习效果的影响很大，学生主动投入到在线学习活动中，能够主动调节学习策略，其学习效果更好（Littlejohn, Hood, Milligan, & Mustain, 2016）。因此，自主学习是开展高质量在线学习的重要条件。学习者是否具备较强的自主学习能力，即自我反馈监控能力、高效组织学习活动的能力、积极的学习动机、恰当的任务驱动、合适的学习策略运用、评估学习结果以便自我反思等，均影响其在线合作交互学习的效果。

五、前沿领域分析

突现词是特定时间内出现频次较高的词汇，借助突现词来捕捉特定时间内出现的新趋势，通过分析突现关键词可了解某一领域的研究前沿。在CiteSpace中导入用于分析的365条数据，将突现词的最小持续时间单位设置为1，共得到4个突现关键词，翻译转换后如表2所示。

表2 突现关键词

（一）交互式学习环境

从表2可以看出，“交互式学习环境”和“合作/协作学习”的突现时间最早，时间跨度最短。建立和完善新型交互式协作学习与研究服务机制，有效地支撑了网络学习环境下的新型学习需求，提供了无处不在、无时不在且全方位支持的知识服务能力与机制。合作/协作学习，20世纪70年代末兴起于美国，并在70年代中期至80年代中期取得实质性的进展。从关键词突现的结束时间来看，目前对于这两方面单独的研究减少。其主要原因在于目前更倾向于研究交互式学习环境下的合作学习。有学者指出未来将进一步研究交互式学习情境下的合作问题解决过程，进一步研究合作过程中不同阶段的行为转变模式，提取并比较这些模式，以深入理解在线协作讨论活动中的行为策略（Zheng, Bao, Shen, &Zhai, 2020）。

（二）教与学策略

“学习策略”这个关键词的突现跨度最长，是2012年至2016年关于在线合作交互行为研究的高频关键词。学习策略在学习过程中普遍存在，考虑到21世纪学习者应该具备的知识与技能，有效的学习策略在在线合作交互实践中的应用将会持续被关注。在线交互的合作学习过程中，学习者被分成若干个学习团队，然后以团队为单位借助一定的网络交互媒体和技术支持开展学习活动，以完成学习任务。由于学习者缺乏自我调节能力和自主学习能力等因素，学生可能会因为不能进行任务管理、需要外部学习策略有效应用而导致在线合作学习的失败（Yilmaz F. G. K. &Yilmaz R., 2019）。因此，在线合作交互过程中，对于学习策略的研究也是非常重要的。

（三）博弈论

博弈论也称为对策论，这个关键词的突现时间为近三年，可预测围绕“博弈论（对策论）”研究是未来一段时间内在线合作交互行为研究的研究前沿。在线合作学习中，由于评价结果以团队为一个整体，因此给了很多学习者搭顺风车的机会，主要原因在于小组分工不明确，异质分组造成学习者的学习权利不均等。博弈论主要研究公式化了的激励结构间的相互作用，是人与人之间的策略互动。博弈论考虑了个体的预测行为和实际行为，并研究它们的优化策略。该关键词涉及的具体研究包括博弈论视角下学习者在线合作学习绩效的分析和从博弈论角度解决团队中主体之间的不平等合作与虚假合作的问题。

六、结论与展望

（一）研究结论

本研究运用 CiteSpace这款文献计量软件，对2010年至2019年Web of Science 数据库核心合集收录的365篇以在线合作交互行为研究为主题的文献进行分析。通过绘制国家和地区发文时间线图谱、关键词聚类图谱和突现关键词图谱，直观地呈现了近十年网络学习环境中在线合作交互行为研究的研究热点，并经过二次文献梳理，总结概括了该研究领域的前沿趋势及其相应的知识基础。研究结果表明：按照总体发文量来看，美国学者暂时是在线合作交互行为研究中的领头羊，但是近年中国学者也在持续发力，有着超越之势。对于在线合作交互行为的研究，研究者主要探讨模型、合作学习、交互式学习环境和行为等因素对学生在线合作学习效果的影响。其中，社会认知水平、多元化的学习环境、一定的技术支持和学习者能力水平是影响在线合作学习效果的主要因素，也是目前在线合作交互行为研究领域关注的热点问题。对于在线合作交互行为的研究，建立学习者交互行为分析模型可以对学习过程中个体和群体交互的行为进行可视化测量和评估，因此在线合作交互行为研究的热点仍将长期围绕探究多元化学习环境、建立和改进交互行为分析模型、探寻对学习者学习行为的预测和优化的策略这三方面展开。

通过对突现关键词图谱分析，我们发现在线合作交互行为研究的前沿将从探究交互对象、交互环境和学习策略拓展到学习者行为预测和优化策略，聚焦于研究交互式学习环境下基于问题解决的合作学习、在线交互合作中学习策略应用和博弈论在预测与优化学习者交互行为中的使用。近几年，博弈论已经不仅仅被应用于数学及经济学领域问题，它的普遍性及理论性已经成为了理解人类交互行为的有力工具。在在线合作交互学习中，有合作就有竞争，这也为博弈论的引入提供了条件。从博弈论视角入手，建立在线合作交互学习模型，对于合作学习中成员的交互行为和情感反馈做量化研究，从而提高计算机支持交互式环境下的学习绩效，如果想要达到预期效果，则需要更多的研究。

（二）研究展望

21世纪，随着“人工智能+教育”的深度融合，为学习者进行在线合作学习提供了更优质的交互式学习环境和实现个性化学情分析的技术支持。借助在线合作交互行为研究模型，采集学习者在线合作过程中的交互数据，能准确判断出学生的知识掌握情况，并能利用交互式学习环境提供的交互功能为学习者提供有效信息反馈、资源推荐等，最终实现学习者对知识的建构。通过对学习者交互行为进行分析，可以了解学习者进行知识建构的关联顺序，从而为学习者提供更优质的在线合作学习策略，推荐进一步优化机制（陈丽，郭玉娟，高欣峰，谢雷，郑勤华，2019）。在在线交互合作的环境中，学习者在一定的规则约束下，依靠所掌握的信息，各自选择行为或是策略加以实施，并取得相应结果。在此过程中，通过博弈论的视角分析，研究者可以对学习者的交互行为进行预测，通过对复杂的合作环境中的交互行为的分析，逐步引入对交互结果产生影响的其他因素，从而提高学习绩效，该方法也将是在线交互行为研究的后续研究方向。