混合场景下协作认知投入的多模态表征与分析路径研究*

田 浩 武法提，2

（1.北京师范大学 教育技术学院；2.北京师范大学 数字学习与教育公共服务教育部工程研究中心，北京 100875）

一、引言

随着“互联网+教育”的深入推进，混合学习逐渐成为学习的新常态。在混合学习中，学习者的学习投入水平能够有效反映学习状态（Xu，et al.，2020），决定学习质量（Fincham，et al.，2019）。然而，在特定的混合学习环节，师生处于时空分离的状态，面对面互动缺失，阻碍了教师对学生学习投入水平进行及时有效的监控。因此，如何在技术支持的混合学习环境中，对学习投入进行有效表征是当前学习分析领域的关键议题。根据弗里德里克斯等人（Fredricks，et al.，2004）的观点，学习投入可以分为行为投入、情感投入、认知投入等维度。目前，在混合学习环境中，研究者大多将研究重点聚焦于个体的行为投入，例如，把学习投入定义为参与讨论的程度、观看视频的情况等。个体行为投入虽然可作为对学习进行有效地诊断和预测的要素，但是其作为外显化投入，难以深入揭示影响学习的机制（李爽，等，2018），也难以回应学习社会化的本质，不利于开展后续的学习干预。因此，混合学习环境中的学习投入研究，应逐渐由“个体—行为”取向转为“群体—认知”取向，即实现从个体行为投入向协作认知投入研究的转型。

在传统的研究中，研究者多借助自我报告（Lee，2020）或者内容分析（Chase，et al.，2019）的方法，对认知投入水平进行测量，不可避免地存在主观性，且会耗费较高的时间和人力成本。在此背景下，旨在获取学生全方位数据、兼顾外在行为数据与内在生理数据的多模态学习分析，就成为精准测量认知投入的关键方法。在数据来源方面，多模态学习分析基于可穿戴设备，可以对脑波、心率、皮肤电等生理层面的数据进行获取，有望成为打开学习“黑箱”的钥匙，为探究认知投入等内在学习机理问题提供可能性路径（牟智佳，2020）；在目标场景方面，多模态学习分析可以兼顾在线学习数据与线下学习数据，使学习分析研究摆脱在线学习场景的局限，真正赋能线上线下相融合的混合场景。

基于此，本研究依托混合学习环境，一方面，通过文献调研与逻辑推演，在理论层面明晰协作认知投入的内涵并构建其发生机制模型；另一方面，构建协作认知投入的多模态表征框架，在实践层面梳理协作认知投入的分析路径，以期为后续相关研究的开展提供参考。

二、多维视角下的认知投入观点

对概念的界定决定了研究的起点，因此，在探究协作认知投入的发生机制之前，厘清认知投入的概念尤为重要。由于研究者持有不同的理论视角与研究诉求，因而目前学术界对于认知投入的理解，尚未达成一致，主要存在“个体属性观”“策略使用观”与“心理状态观”三种典型观点（如表1所示）。

表1 认知投入的典型观点对比

（一）个体属性观：关注认知投入目的

持有“个体属性观”的研究者认为，认知投入反映了学习者的某种行为倾向，因此，其关注点在于“投入的目的”。例如，有研究（Huang，et al.，2019）认为，“认知投入是指学习者努力理解内容和掌握技能的意愿”；弗里德里克斯等人（Fredricks，et al.，2004）则认为，“认知投入指学习者有掌握复杂学习内容的意愿和承诺”。

不难看出，将认知投入视为一种个体属性，其优势在于能够探究认知投入发生的根源。人类行为模式理论指出，人类的行为根源于需要。对于学习领域来说，正是由于学习者对于学习的意愿——出于理解学习内容或是掌握技能的需要，才使得学习者能够有效投入到学习过程中。然而，“个体属性观”存在的主要缺陷，在于并不能保证有效行动的发生。即使学习者具有充足的学习意愿，其仍需要一定的刺激才能产生学习动机，并通过权衡利弊进行决策，再决定是否采取产生认知投入的行动；另外，意愿、信念、价值观等属性具有一定的稳定性，短时间内难以发生明显的改变，不足以解释认知投入变化的原因。

（二）策略使用观：关注认知投入过程

“策略使用观”是研究者对认知投入进行界定时，所持有的最为普遍的观点之一。持有该观点的研究者认为，认知投入就是学习者对于学习策略的使用，通过观察学生使用何种学习策略，就可以打开认知的“黑箱”，揭示内隐的认知投入过程（刘电芝，2019）。例如，谢魁等人（Xie，et al.，2020）认为，“认知投入指深度学习策略的使用，即通过整合新信息和先前知识，有意识地创造更为复杂的知识结构”。

认知投入的“策略使用观”，反映了其关注点在于“投入的过程”。“策略使用观”从更为微观的时间粒度下对认知投入进行探究，学习者使用某种学习策略，表现出某种行为模式，就能够反映出认知投入的情况。然而，持“策略使用观”表征认知投入的内涵，仍然面临一些挑战：首先，学习策略因人而异（李运福，等，2015），不同认知风格的学习者在运用同一种策略时，所投入的心理资源是不同的；其次，学习策略因任务情境而异，不同的任务类型与难度，对于学习者精力和心理努力的付出要求也有所不同；最后，学习策略可分为内隐策略和外显策略，研究者更倾向于研究外显策略，这容易造成行为投入与认知投入的混淆。

（三）心理状态观：关注认知投入结果

“心理状态观”是研究者对认知投入进行界定时，持有的另一种较为普遍的观点。凯恩曼（D.Kahneman）的认知资源能量分配理论认为，人类的心理资源是有限的，这决定了学习者的信息加工也是有限的。具体而言，学习者的短时意向、持久倾向以及对任务加工所需的能量预估等因素，决定了对心理资源的唤醒程度（刘电芝，2001）。由此可知，学习者之所以能够对某项任务进行有效的认知投入，源于学习者根据任务目标的不同，选择了特定的信息进入加工系统，从而保证这些信息得到了有效的处理和加工。因此，有研究者使用心理资源的唤醒和付出程度对认知投入进行表征。例如，有研究（Zhoc，et al.，2019）认为，“认知投入是指花费深思熟虑的精力去理解复杂的想法，以便超越最低要求以及对挑战的偏好”；科尔珀肖克等人（Korpershoek，et al.，2020）则认为，“认知投入包括深思熟虑和愿意付出必要的努力来理解复杂的想法和掌握困难的技能”。

由上述观点可知，认知投入的“心理状态观”反映出其关注点在于“投入的内容”。“心理状态观”鲜明地指出认知投入就是心理资源的投入，反映了认知投入的本质特征，能够有效地将认知投入与其他类型的学习投入进行区分。然而，“心理状态观”更侧重于心理资源的唤醒程度，即更加关注任务是如何进入到信息加工系统进行处理的，至于加工过程中耗费了多少心理资源，学习者是否会由于心理资源的减少转而投入到其他任务中，则难以进行清晰地界定及解释。

（四）本研究对协作认知投入的界定

通过对以上三类典型的认知投入观点进行分析，不难看出，无论持有何种观点，单一的视角都难以对认知投入进行全面、准确地刻画（Fredricks，et al.，2004）。因此，只有将上述多种观点进行结合，才能更加客观地描述认知投入的本质。在混合场景下，协作学习是一个协同知识建构的过程，包括“个体→小组”以及“小组→个体”两条知识流动路径。一方面，个体可以根据已有经验和学习资料进行信息加工，将知识发展为个人信念，并通过沟通、协商等社会性交互，将个人信念发展成小组公共知识（万海鹏，等，2021）；另一方面，小组成员之间通过互动可以产生观点共识，从而可以被个体内化，成为个体的新知识（柴少明，等，2010）。这两条路径无疑都需要学习者的高度认知投入。

基于此，本研究认为，混合场景下的协作认知投入是指学习者为确保学习目标的实现，借助混合学习空间，在与学习共同体其他成员互动的过程中，投入一定的心理资源，选择适宜的学习策略进行信息加工，从而实现任务理解或问题解决的过程。并且高质量的协作认知投入，可以帮助学习者开展深度的信息加工活动，促进知识的内化以及观点的分享；相反，低质量的协作认知投入则会造成讨论过程流于表面，难以形成对问题的共识。

三、混合场景下协作认知投入的发生机制模型

（一）协作认知投入发生机制模型的构建原则

1.原则一：整合内隐心理资源投入与外显互动会话

认知投入本质上是心理资源的投入。在个体的认知投入中，学习者可以没有外显行为表现，但头脑中依旧能够进行积极地信息加工。然而，在协作学习任务中，学习者之间需要开展积极的对话，分享彼此的观点并进行反思，最终建构出对学习任务的理解（穆肃，等，2015）。因此，若要达成良好的协作认知投入，仅有个人心理资源的投入是不够的，学习者还需要积极与学习共同体中的同伴进行互动，尤其是要保证有高质量的互动内容。

2.原则二：综合协作认知投入的过程属性与结果属性

学习策略的使用是研究认知投入的一个重要观测点，尤其是根据信息加工的观点，学习者运用一定的学习策略，将接受的外部刺激进行编码和加工处理，处理的精细程度和复杂程度能够反映出学习者的认知投入水平（Harlow，et al.，2011）。据此，本研究把信息加工称为认知投入的过程属性。并且对于协作认知投入而言，其兼具过程与结果的双重属性。究其原因，在于当学习者投入协作学习任务时，不只是单纯和被动地接受知识，而是需要在与教师和同伴的互动中不断建构意义，最终产出问题解决方案或者创造制品（李海峰，等，2019）。

3.原则三：融合意义建构的深度与观点产生的广度

有研究沿袭了信息加工的观点，并进一步聚焦于深度信息加工，认为只有深度加工才能表明学习者达到认知投入，即认知投入要求学习者能够进行深度的意义建构，并进行有效的知识转化和迁移应用，最终实现问题解决（Xie，et al.，2020）。而在协作学习任务中，意义建构的深度固然重要，但是前期观点的多样化也必不可少，观点的多样化，为观点演化到更新、更精炼的形式，创造了丰富的环境（赵建华，2007）。多样化的观点与深度的意义建构，分别代表了信息的发散与收敛过程，只有广泛探究信息，学习者之间才更可能产生有意义的观点碰撞，为后续阶段的知识建构奠定基础。

（二）协作认知投入发生机制模型的内涵阐释

基于上述三项原则，本研究构建了混合场景下协作认知投入的APR（Activation，Processing，Reaction）发生机制模型，如图1所示。该模型由三个子系统组成，分别是激活系统、加工系统与反应系统，三个子系统相互关联，共同解释了协作认知投入的内涵及发生机制。

图1 混合场景下协作认知投入的APR 发生机制模型

1.激活系统：协作任务的感知与初始动力

激活系统描述了心理资源的激活和投入过程，是协作认知投入发生的基础和初始动力。激活系统主要包括任务感知、任务分析和心理资源投入三个环节。

在任务感知环节，学习者被置于混合协作学习的实际问题场景中，会产生一定的“困惑”，进入一种“待激活”的状态。这种“困惑”一方面可以由教师激发，例如，教师可以明确规定协作学习任务，从而令学习者感受到完成任务的需求；另一方面，“困惑”也可以由学习者自发产生，例如，学习者根据自己的学习经验以及对问题的理解，产生解决问题的冲动。

在任务分析环节，学习者意识到自己即将参与到混合协作学习的任务中，并预感到自己需要付出一定的努力才能够完成这项任务。因此，为了确保任务的顺利完成，学习者需要具体地分析任务的属性，比如，任务的难度、自身的知识与技能、任务与目标的一致性等。

在心理资源投入环节，学习者根据对任务的分析进行心理资源的过滤，确定哪些心理资源可以进入到加工系统，由此实现心理资源在协作学习任务中的分配。通常来说，当感知到的任务重要性越高、挑战性越大、与目标越匹配，学习者便越倾向于在任务中投入更多的心理资源。

2.加工系统：从会话到观点的信息加工回路

加工系统描述了学习者运用心理资源进行信息加工的过程，是协作认知投入发生的核心。加工系统主要包括问题探究、观点协商、自我反思、策略改进四个环节。

在问题探究环节，学习者将心理资源投入到当前的学习任务中，促使学习者将自己对问题的困惑以及对任务的理解，以言语的形式表达出来。为了形成对问题的进一步认识，探究问题的解决方案，学习者可以自由表达自己的观点。由于共同体成员知识结构的差异与对问题理解的差异，成员之间可能产生认知冲突。而这种认知冲突可以帮助学习共同体更加全面地探究问题的解决方案。

在观点协商环节，学习者可以针对认知冲突与同伴进行协商，充分发挥个体的主体性与能动性，评估不同观点之间的异同和优劣，力求将不同的信息和知识，整合成连贯的想法或解决方案。通过整合，共同体逐渐形成共识，对问题产生更加清晰的认识，实现观点发散到收敛的阶段转换。

在自我反思环节，随着学习者不断反思自身对问题的理解，其知识结构也在发生适应性的变化。根据皮亚杰（Jean Piaget）的认识论观点，学习者的知识结构会发生“同化”和“顺应”两种变化（王光荣，2014）。“同化”是指学习者将对问题产生的新认识纳入到自己已有的知识结构中，以加强自己对问题的理解；“顺应”则是当新认识无法发生同化时，学习者必须主动调整自己的知识结构，来实现知识结构与新观点的整合。

在策略改进环节，随着知识结构的不断更新，学习者可以调整先前的学习策略或行动。学习策略的改进又影响着学习者的会话互动行为，推动加工过程的深度演化，构成信息加工的循环闭合环路。

3.反应系统：物化制品和认知制品的综合产出

反应系统描述了学习者在经过心理资源激活以及协作信息加工之后产出学习效益的过程，是协作认知投入发生的结果。反应系统主要包括问题解决与建立任务经验两部分。

根据建构主义理论，协作学习是一个建构性、生成性的过程。学习者在学习共同体中与同伴进行协作、会话，推动协作过程向着目标不断演进，产出一定的学习成果。学习成果存在于两种形态（彭绍东，2015）：第一种是外化成果，即通过一定的可视化形式将成果表达出来的物化制品，例如，学习者的产品展示方案、问题解决方案、个人反思报告等；第二种是内化成果，即通过意义建构引发知识结构转变从而形成的认知制品，例如，学习者建立的任务经验、掌握的学习策略等。

4.子系统之间的关联

需要注意的是，三个子系统之间并没有严格的时间序列关系，也并非独立发挥作用，而是通过相互协调，维持着协作认知投入的发生。

激活系统代表了协作认知投入的内容，回答了“投入了什么”这一问题。激活系统唤醒了一定的心理资源，驱动加工系统的不断运转，是加工系统的动力引擎。同时，激活系统对任务的感知与问题的理解，担纲反应系统中学习制品的评判标准。

加工系统代表了协作认知投入的过程，回答了“如何投入”这一问题。加工系统形成了从问题探究到策略改进的循环回路，回路中的每个环节都需要心理资源的投入，因此，维持着激活系统的不断唤醒；同时，加工系统体现了学习共同体的建构过程，决定了反应系统中学习制品的生成，只有协作信息加工持续、深度、高效地进行，反应系统才能保持足够的动力和良好的绩效。

反应系统代表了协作认知投入的结果，回答了“投入效果如何”这一问题。反应系统是汇聚个体智慧的知识创造场域，形成了学习者对任务新的理解，因此，学习者感知到的任务属性也在不断变化，需要在激活系统中不断调整心理资源的过滤机制；同时，反应系统中产生的过程性问题解决方案，可以成为加工系统的支架，内化的任务解决经验也可以转变为学习策略，助力于加工系统的优化。

只有当三个子系统均保持较高水平时，协作认知投入才能够有效发生。如果激活系统乏力将会导致学习者不够专注、缺乏投入焦点、缺乏学习兴趣等障碍；加工系统乏力将会引发学习者之间缺乏有效沟通、互动过程不够深入、成员贡献程度不一等现象；反应系统乏力将会造成学习共同体难以形成对问题的共识、问题解决方案缺乏创造性等问题。

四、混合场景下协作认知投入的多模态表征框架

目前，研究者大多使用单一模态的数据对认知投入进行表征和测量。例如，格林（Greene，2015）通过问卷的方式测量认知投入，并探究认知投入与学习者成就目标之间的关系；有研究（Wen，2021）基于I CAP 框架，通过对会话文本进行编码，从而确定学习者认知投入的水平。但单一模态的数据容易造成“路灯效应”，易使研究者产生对学习过程的偏见（穆肃，等，2021）。只有将多种模态的数据进行整合，才能够帮助研究者对学习产生更加整体与合理的理解。毫无疑问，多模态数据更加契合混合场景下协作认知投入的本质，学习者在参与协作的过程中，会同时通过语音语调、互动会话等多种形式传达自己的学习意图，并且认知投入过程中的生理反应，也真实地反映了学习者心理资源的唤醒状态。因此，对协作认知投入进行多模态表征，能够全面、真实地还原学习者参与混合协作学习时的认知投入状态。

（一）协作认知投入的多模态数据采集通道

教育是发生在真实情境中的活动，因此，为了区别于实验室研究，确保协作认知投入的表征过程具有良好生态效度，本研究重点分析无感知、低侵入性的多模态数据采集方式，力争保持学习者真实、自然的学习状态。具体来说，本研究使用文本、生理、语音、心理四种模态的数据，来支持协作认知投入的表征，如表2所示。

表2 协作认知投入的多模态数据采集通道

其中，文本数据是指学习者在混合协作过程中产生的互动文本，包括学习者通过在线学习论坛或者通讯工具产生的在线协作文本，也包括通过录音笔或课堂录播系统对协作过程进行记录并转写的线下协作文本。互动文本属于学习者协作学习中的过程性产出，文本特征可以反映学习者认知投入的层次和知识建构水平。

生理数据是指通过生理设备记录的学习者生理信号。为了减轻生理设备对被试产生的侵入性，本研究主要选取生理腕带对学习者的生理数据进行记录，实现对心率数据、心率变异数据、皮肤电数据、皮肤温度数据、血容量脉冲等信息的监测。生理数据可以反映出学习者心理资源的激活状态与适应调节能力，尤其对于认知刺激源较为敏感，因此，生理数据也是表征协作认知投入的、重要的多模态数据通道。

语音数据是指通过在线会议系统采集的学习者线上讨论会话语音，以及使用录音笔或课堂录播设备记录的学习者线下讨论会话语音。语音能够反映学习者的心理活动，结合文本分析的结果，可以更加完整地还原出学习者的学习意愿，并表征学习者协作认知投入过程中付出的心理能量。

心理数据是指学习者借助量表，以自我报告的方式，呈现其自我反思、心理资源投入等心理特征的量化水平。心理数据一方面可以对难以外显化的抽象概念进行定量测量，丰富协作认知投入的表征数据来源；另一方面也可以通过量表作答结果对多模态表征结果进行交叉验证。

（二）协作认知投入的多模态表征框架与指标

基于上述四种模态的学习过程数据，本研究构建了协作认知投入的多模态表征框架，如表3所示。其中，在激活系统中，当学习者对协作任务进行感知时，问题与困惑的产生，使得学习者的心理资源被唤醒，而经过对任务的分析，学习者逐渐可以将心理资源投入到当前任务中，适应任务的需求。这一过程主要受自主神经系统控制。自主神经系统的活动可以体现在学习者生理信号的变化上，皮肤电、皮肤温度、心率等都是较为敏感的生理信号数据。自主神经系统进一步分为交感神经和副交感神经（Scrimin，et al.，2018）：当交感神经活跃时，学习者会产生高水平的生理唤醒，皮肤电导反应率、皮温变化斜率、心跳间期标准差、低频信号与高频信号功率比值等数据特征较为敏感，也可借助心理资源投入问卷的作答结果，对学习者的心理资源唤醒程度进行综合表征；而当副交感神经活跃时，学习者则会产生较高水平的自我调节与任务适应能力（Larmuseau，et al.，2020），皮肤电导水平、皮温标准差、心跳间期差值均方根、心率高频信号功率等指标的变化，则更为显著。

表3 协作认知投入的多模态表征框架与指标

在加工系统中，主要体现了学习者与同伴的协作信息加工过程，因此，对加工系统的表征主要依据文本数据与语音数据。首先，在问题探究环节，学习者与同伴广泛探究可能的问题解决方案，由于处于观点发散阶段，因此，可通过文本数据中的实词数量、词汇多样性等指标反映观点探究的丰富程度；同时，也可依据语音数据中的基频特征、共振峰特征等表征学习者观点激发程度。其次，在观点协商环节，学习者通过互动来整合已有观点，由于处于观点收敛的阶段，此时学习者更加关注观点的连贯性与逻辑性，因此，可通过分析文本数据的段落衔接性和语音数据的语音流畅度等特征来反映观点协商的连贯程度。再次，在自我反思环节，学习者会更加深入地反思自身和同伴在观点及学习策略方面的不足，使得观点和策略更精炼、更完整，因而，可通过语音完整度来表征自我反思的有效性；也可借助词嵌入技术对会话文本进行向量化处理，自动识别反思文本所属具体类别（反思行为、反思观点、反思策略）；另外，学习者对自我反思过程的自我报告，也可以为表征结果进行数据补充和交叉解释。最后，在策略改进环节，学习者修正和更新协作学习策略，并通过为同伴提供建议与帮助，使其能够更好地参与到协作学习任务中，因而，可通过分析会话文本中意向性动词的发生率、因果动词的发生率等指标，来反映学习者在协作过程中承担的引导性作用。

在反应系统中，协作认知投入的成果以物化制品或认知制品的形式存在。物化制品是指学习者将隐性知识外化的过程；而认知制品则是指学习者进一步将知识由碎片化进行组织化的过程。据此，本研究将知识的外化与组织化统一界定为知识贡献行为（杜智涛，2017），并从贡献观点的广度、深度、整合度和创新度四个方面进行反应系统表征。（1）贡献观点的广度越大，表明学习者贡献的知识量越大，本研究使用学习者会话文本中的关键词数量评价观点广度；（2）贡献观点的深度越大，表明学习者贡献的知识越重要，本研究使用关键词的总信息量评价观点深度；（3）贡献观点的整合度越高，表明学习者越善于将不同的观点进行关联，本研究使用不同类别观点的共现次数来评价观点整合度；（4）贡献观点的创新度越高，表明学习者越能够超越现有观点，提出新的想法和思路，本研究使用文本中关键词的信息增益评估观点创新度。

五、基于多模态数据的协作认知投入分析路径

在厘清混合场景下协作认知投入的发生机制与多模态表征之后，本研究提出了协作认知投入的分析路径，描绘了混合场景下协作认知投入的研究图景，主要包括协作认知投入的精准诊断、演化规律、动机归因与动态干预四个阶段，如图2所示。

图2 基于多模态数据的协作认知投入分析路径

（一）基于多模态特征融合的协作认知投入精准诊断

多模态数据融合主要包括数据级融合、特征级融合和决策级融合三类。其中，特征级融合兼具数据级融合的还原性与决策级融合的容错性，更能满足教育大数据的分析要求（武法提，等，2020），因此，本研究基于多模态特征融合的方式，进行协作认知投入的精准诊断。本研究整合了文本、生理、语音、心理四个来源的多模态数据，分别就每种模态数据进行特征提取。具体而言，文本数据使用语义分析工具输出语义特征，借助词嵌入技术生成词向量特征；生理数据与语音数据则可以通过统计得出时域特征，通过傅里叶变换等时频转换技术，实现频域特征提取，依据庞加莱散点图等分析手段，生成非线性特征；心理数据则利用主成分分析、因子分析等方法聚敛出抽象的心理特征。将不同模态的数据特征进行时间对齐，输入到深度学习模型中，分别实现对于协作认知投入激活水平、加工水平和反应水平的量化。通过使用多模态数据对协作认知投入进行诊断，不同模态的数据可以互为补充、交叉印证，以保证诊断结果的准确性。

（二）基于时间序列分析的协作认知投入演化规律

协作认知投入是学习者参与协作任务时的一种认知表现，因此，协作认知投入并非学习者的固有属性，而是受到学习者内部因素和任务、环境、同伴等外部因素的影响，进而不断改变的一个过程。因此，研究者在对协作认知投入进行量化表征之后，有必要探究协作认知投入的演化规律，以发现心理资源激活、流转、加工、耗散的规律，更加深刻地理解协作认知投入的发生机制。具体过程是：首先，根据量化出的学习者协作认知投入数值，通过聚类发现典型的协作认知投入模式；其次，识别协作学习过程中的关键事件，并在协作过程中进行时间切片；进而，在不同的协作阶段，按照时间顺序生成不同协作认知投入模式下的序列；最后，通过计算每个序列的支持度和置信度，挖掘出其中的频繁时间序列，用于表征协作认知投入的典型演化特征。

（三）基于自我决定视角的协作认知投入动机归因

马丁（Martin，2007）构建了“动机与投入轮”概念模型，指出动机是产生投入的驱动力。因此，进一步挖掘协作认知投入背后的动机成因，对于解释其演化机制，设定干预策略，具有极为重要的指导意义。在混合协作学习场景中，学习者可以自由掌控讨论进度，而自我决定理论作为一种动机理论，强调了个体对行动的自由选择，可以为研究协作认知投入提供动机归因框架，并且能够在混合学习实践中为改善协作认知投入，提供具有操作性的干预策略（牟智佳，2017）。自我决定理论认为，个体具有三种基本心理需要，即自主需要、胜任需要和关系需要，分别为关注学习者可以根据自身意愿开展学习活动的自由感、学习者能够顺利完成任务并取得能力发展的控制感以及学习者能够与其他个体建立联系的感觉（Deci，et al.，2000）。本研究以这三种基本心理需要，作为协作认知投入的动机成因，通过定性比较分析方法，将不同因素组合形成组态，从集合论的视角观察组态整体对于频繁序列的解释效果，从而探析不同动机类型组合，对典型协作认知投入模式的影响路径。

（四）基于可视化仪表盘的协作认知投入动态干预

本研究依托面向教师和学习者的可视化仪表盘作为协作认知投入的干预手段。韦贝尔等人（Verbert，et al.，2013）认为，学习分析仪表盘具有四种功能，分别是感知、反思、洞察、改进。为了实现仪表盘的感知与反思功能，本研究设计了三种可视化形式，来对协作认知投入水平进行呈现，帮助师生发现学习过程中的问题。（1）通过直方图，师生可以将某位学习者与同伴的投入水平进行对比，了解该学习者所处的位置；（2）通过折线图，可以分析学习者在协作过程中投入水平的演化规律，及时在曲线拐点处定位关键学习事件，确定干预锚点；（3）通过雷达图，师生则可以获知学习者在协作认知投入不同维度的实际表现，从而有侧重地改善投入水平。

在师生借助可视化图表对协作认知投入中的问题产生感知和反思之后，本研究在仪表盘中关联了三种干预策略，以支持仪表盘的洞察与改进功能。通过动机归因，师生可以了解不同动机类型是如何影响学习者协作认知投入水平。策略一为针对自主需要不足的学习者，教师可以在学习材料的表述中融入非控制性语言，令其产生对学习过程的掌控感；策略二为针对能力需要不足的学习者，教师可以根据学习材料内容，适应性地为其呈现重点概念的学习支架；策略三为针对关系需要不足的学习者，教师可以适当地为其提供协作策略建议，帮助其更好地建立与同伴之间的关系。学习者协作学习过程得到改进之后，又可以产生新一轮的数据，支持后续协作认知投入水平的精准诊断，从而构成协作认知投入“诊断—演化—归因—干预”的闭合回路。

六、讨论与展望

为实现混合学习质量的有效提升，本研究阐述了学习投入研究的转型诉求，并通过对已有观点进行分析，深度解析了协作认知投入的内涵，按照“诊断—演化—归因—干预”的逻辑理路，完整描述了协作认知投入的分析路径。

（一）讨论

在学习投入的各个维度中，认知投入是真正决定学习有效发生的实质性投入（李爽，等，2018）。本研究聚焦于混合协作学习场景，厘清了协作认知投入的概念，并构建其发生机制模型，可以为理解协作学习过程、探究协作学习成功，提供新的研究思路。以往对于认知投入的研究多持有单一视角，例如，基于心理资源角度或策略使用角度。本研究整合了不同观点，从心理资源激活、协作信息加工、小组知识贡献等方面，综合探究协作认知投入，是对已有研究视角的扩展。研究视角的扩展，也得益于多模态学习分析的成熟，通过对文本、生理、语音、心理等不同模态数据进行同时监测，我们得以洞见协作学习者在不同方面（身体—生理—行动）的认知投入表现。各种模态的数据相互映射、互为佐证，能够全面地揭示学习者协作认知投入的特点。

德梅洛等人（D’Mello，et al.，2017）指出，未来学习投入的测量应具备“3A”特征，即先进（Advanced）、分析（Analytic）、自动化（Automated）。毫无疑问，这类测量属于数据驱动的循证研究范式，本研究便是对该范式的一次探索与实践。首先，本研究基于文本、生理、语音、心理等多模态数据，构建了协作认知投入的表征框架，这些多模态数据全部基于非侵入、高可用的数据采集设备，能够保证研究结果的精准性与可靠性。其次，通过对协作认知投入进行剖析和解构，可以从更加细粒度的层次对认知投入进行测量。最后，基于多模态学习分析的方法，可以更加实时、客观地对协作认知投入进行表征，提升了测评效率，并能有效规避人工评价造成的社会赞许性、刻板印象等主观因素影响。

不过，虽然可以运用多模态数据对协作认知投入开展自动测评与表征，但这并非意味着教师会被完全取代，协作认知投入的评价与表征，仍需要遵循人机协同的路径。首先，在数据收集阶段，尽管本研究能够获取学习者的多模态过程数据，但是学习者的自我报告数据以及教师的观察数据，依然是重要的数据来源，可以保证数据的完整性。其次，在建模阶段，协作认知投入的数据建模，本质上是一个有监督的机器学习过程，特征的提取与模型的验证都需要依靠教师经验对数据进行标注（D’Mello，et al.，2017）。最后，在应用阶段，教育是一个复杂系统，学习者、学习场景等要素都体现出一定的复杂性，单纯依靠数据模型，难以对不确定的教育系统进行完全精确地预测，该应用过程仍然需要教师的人工参与，以便在分析过程缺乏置信度时，进行介入调整，从而形成“人在回路”的混合增强智能系统，以保证诊断过程的科学性和有效性（武法提，等，2022）。

通过对协作认知投入进行表征与分析，也可以为教学决策提供依据和支持，优化教学实践。教师借助可视化仪表盘，能够实时了解学习者参与协作学习时的状态，从而进行快速响应并及时施加干预手段；教师也能够透视混合协作学习中的教育规律，发现学习问题，为开展面向学习者的形成性评价提供支撑。为了帮助学习者维持较高的协作认知投入水平，教师可以采取适当的教学策略，例如，调整学习资源设计，使学习内容更加符合学习者的认知规律与学习习惯（Jones，et al.，2019）；充分利用数字化学习工具，搭建技术中介的协作认知支架，提升学习者学习兴趣和学习动机（Lu，et al.，2017）；构建学习共同体，发挥同伴支持的作用，促进共同体内部的观点碰撞与认知冲突（陈向明，2013）；提供积极反馈策略，帮助学习者意识到当前状态与学习目标之间的差异，提供动力完善学习计划，从而更有效地投入到学习任务中（Butler，et al.，1995）。

（二）未来展望

本研究对协作认知投入进行了深入剖析，为学习投入与协作学习等相关研究，提供了新的研究视角。然而，在协作认知投入的表征信效度、干预策略、教学实践等方面，仍需要开展进一步研究。其一，未来需要设计开发协作认知投入的诊断工具与可视化仪表盘，并将其运用在具体的混合协作场景中（如，协作问题解决、协同知识建构），应通过在教学实践中开展实证研究，收集真实协作场景中的多模态数据，对协作认知投入的发生机制模型与表征框架，进行信效度检验。其二，应继续探究协作认知投入的人机智能协同干预机制，构建协作认知投入的干预策略库，明确人类教师与智能系统的协同与交互模式，在实践过程中不断提升系统的智能程度。其三，应深度挖掘协作认知投入的实践锚点与价值定位，使协作认知投入测评能够支持日常教学，进而重构学习服务体系。