开放自适应学习平台中的异步交互行为分析

胡金艳 满其峰 蒋纪平 张义兵

[摘   要] 开放自适应学习平台中的内容由学生交互产生，交互行为与模式的不同会影响知识建构的效果。针对当前研究对开放式平台研究的不足，文章研究以CSCL领域具有代表性的知识论坛为例，基于内容分析和社会网络分析方法对学生发表在平台上的810条有效观点及其交互网络的动态关系进行探讨。结果发现，观点的异步交互行为整体呈现出“马太效应”和“黏性效应”，其纵向发展有“偶尔爆发后持久沉默”“固定例会”“引入随机的细水长流”三种模式。观点整体交互的不均衡性和不同模式“关系力量”的驱动作用对基于开放自适应学习平台的知识建构教学具有参考价值。

[关键词] 自适应学习； 在线学习； 知识建构； 观点； 交互行为

[中图分类号] G434            [文献标志码] A

[作者简介] 胡金艳（1981—），女，河南漯河人。讲师，博士，主要从事知识建构与涌现论研究。E-mail：hujinyan07@163.com。

一、引   言

随着计算机与互联网技术的进步，自适应学习平台在教育领域的应用越来越广泛。从类型上说，自适应学习平台可以分为闭合、半开放、开放三种。其中，开放自适应平台的学习内容由用户创造（User Generated Content， UGC），平台本身提供社交联系和信息连通[1]。因此，平台中的交互行为就成为产生知识内容的重要动力因素，其交互水平对学生的学习质量具有较大影响[2]。另外，由于开放式自适应在线学习平台中的交互是由学生主导和自发形成的，不存在领导者或中央控制。因此，往往呈现出一种动态的网络结构，即交互具有卷入式、沉浸式的特点，同时包含复杂的缠绕、渗透、融入的关系。如何对这种异步交互的行为结构和模式进行分析，就成为利用该类平台开展教学要解决的关键问题。当前对自适应学习平台的研究主要有以下三个方面：其一，平台类型上多聚焦于提供学习内容的平台，如MOOC作为自适应平台[3]，较少涉及UGC类型的开放式平台。其二，研究内容上多围绕平台功能设计[4]、运用平台促进个性化学习[5]、学习路径的引荐以及学习内容的精准定位等[6]开展研究，有关交互行为的实证研究较少。其三，研究方向上多集中在智能技术的开发与融合[7]，对学习同伴间的互动网络研究不足。正如有研究者指出的，缺乏对阅读时间、频次和时长等细颗粒度数据的收集，导致研究者无法客观、全面、准确和充分地基于对数据的分析来指导在线讨论环境的优化[8]。因此，有必要对开放自适应在线学习平台中的交互进行分析以揭示其规律，从而为学习和教学提供参考。

基于以上思考，本研究以知识论坛这一开放式自适应学习平台上的异步交互作为分析对象，将平台上观点的持续交互视为一种具有整体特征的网络，着重对以下两个方面进行分析：（1）交互网络的整体特点如何，包括观点的被阅读量分布及阅读行为的特点等；（2）交互网络的纵向发展特征如何，即观点交互在时间维度上的特点和模式。

二、自适应平台介绍——知识论坛

作为计算机支持的协作学习（Computer Supported Collaborative Learning，CSCL）领域中有代表性的在线学习环境，知识论坛（Knowledge Forum，KF）支持以社区知识形成为目标的自适应学习，其平台特点如下：

（一）内容由学生交互生成

与以习得知识为主要目标的教学平台不同，KF平台不提供现成的教学内容、目标、计划与测试题库，而是由学生发表观点，并通过阅读、升华、反思等交互行为产生多元化的观点网络，反映了知识的相互交织和对话本质。简而言之，这是一个赋予学生权力、减少教师支配的异步多对多在线讨论平台，即用户生产内容（UGC）。同时，为帮助学生生成社区知识，KF平台在设计与网络层面[9]都契合和支持了复杂性科学和涌现论的理念，即尽量减少对学生的干预，学生根据自己的真实想法来建构话题，并通过观点交互形成自组织环境，创造出丰富多样的群集现象并涌现出整体层面的知识[10]。

（二）为学生交互提供支架

为了帮助学生在平台上开展知识建构活动，KF平台提供了各种類型的支架，包括支持发表观点的支架（“我的理论”“我需要理解”“新的信息”等）、评论支架（“我的疑问”“我的补充”“我的建议”等）和发展支架（“建构”“注释”“参考”）等，同时支持教师和学生根据实际的需求自定义与主题相关的支架。这些支架既能帮助学生有效地发表观点和进行交互，同时也帮助学生不断理解支架的内涵从而调整自己的学习行为。

（三）为学生提供交互分析工具

KF平台为学生的学习和集体知识增长提供了分析工具并生成学习报告。主要包括：观点贡献分析（发表观点数量和回应观点数量）、观点阅读分析（阅读别人次数和被别人阅读次数）、字词量分析（观点字词总量和观点平均字数）、评论分析（评论别人次数和被别人评论次数）、活跃度分析等，从而呈现学生个人在整个社区中的贡献度，并从个人和社区两个层面生成学习报告，从而为学生评估和改进学习提供依据。

三、交互数据来源与处理

（一）教学情境

知识建构（Knowledge Building，KB）理论作为学习科学领域最主要的发展方向之一，倡导以原则为导向[11]、“观点（Idea）”为中心[12]、社区知识发展为目的[13]的理念。该理念认为，观点并非个人头脑中（“世界2”）的简单想法，其交互活动需要在卡尔·波普尔的“世界3”中进行[14]。KF平台正是这样一个专门为KB设计的观点外显化环境，使观点以整个社区成员都可以获得的形式存在于“世界3”中并始终位于持续改进的轨道上[15]。交互数据来自J省某高校教育技术学专业大三本科生（N=34）的“学习科学”课程。教师团队由一名具有丰富KB教学与研究经验的教师和3名助教组成。研究者本人对教学过程进行参与式观察，包括教学设计讨论、平台发言、课堂观察等。所有学生对本次研究有知情权。

（二）数据采集

首先对KF平台中的837条观点进行搜集与清洗，剔除课程助教进行测试、宣布规则、学生由于对平台操作不熟练而发表的无效内容，以及网络延迟而导致的重复内容等与课程无直接关系的观点，得到有效观点810条，约56.3万字。值得说明的是，KB教学中一般将教师视为共同体中的一个成員，教师引导性的观点可能成为互动链条中很重要的一部分，若是去除该部分观点，则会存在观点交互链条断裂从而失去真实性的可能。因此，本研究保留教师所发表的观点。采集到的具体信息包括观点交互等级、观点标题、路径层级（0号观点交互的最长链条数）、作者、发表时间、被阅读次数等。

（三）编码方案

研究采用ZHANG J等人[16-17]所设计的观点深度评价量表对观点进行编码，该编码方案综合了Hakkarainen的认知复杂性[18]和Galili的科学性[19]两个维度，其中，前者代表学生探究复杂问题的认知努力程度，后者则反映了学生观点从直觉认识到科学理论框架的转变。综合的理解深度是二者相乘的结果（见表1），如某观点的认知复杂性等级为3，科学性等级为2，那么深度就是6。由两名研究者对编码方案进行协商学习后分别编码，不一致的结果再次讨论，最终的Kappa系数达到0.817，一致性良好。

四、研究结果

（一）观点被关注度的分析

被关注度是指观点被其他观点关注的程度，是深度交互的第一步，最初主要表现为观点的被阅读量，追踪观点被关注度可以为交互行为分析奠定基础。

1． 观点的被阅读量呈现出“马太效应”

KB理论认为，社区知识才是知识创造的最终目的，即知识是在“世界3”中能够被所有社区成员获知、发展和创造的公共知识[20]。然而，观点并不是自然地成为公共知识的，它需要经历复杂的社会化交互。因此，“被阅读”是观点“被听到”的第一步，足够的被阅读量更是观点交互并持续改进的基础。本研究使用基尼系数（Gini Coefficient）来衡量观点被阅读量的均衡程度。基尼系数最初是由意大利经济学家Corrado Gini创造的，用以度量社会收入平等程度的指标，后来被越来越多地用到了诸多领域差异问题的研究上，其值介于0～1之间，0代表绝对公平，1代表绝对不公平。本研究中基尼系数越小代表被阅读量越平均，反之则表示越不均衡，差距显著。基尼系数计算如公式（1）所示：

其中，G为基尼系数，n是样本量的分组数，本研究中为有效观点的组数，Xi为观点累计百分比，Yi为被阅读量累计百分比。对观点进行排序、分组，根据数据大小分为11组，见表2。

所有观点总被阅读量为12443次，被阅读量低的观点占多数，说明被阅读量很小的观点很快会被淹没在大量的新观点中，从而处于边缘地带。通过公式计算得知，观点被阅读量的基尼系数为0.489，生成的曲线如图1所示。洛伦兹曲线偏离45°绝对平均线较远且被阅读量越大，弯曲程度越高，呈现明显的“马太效应”，即被阅读量“贫富不均”，被阅读次数最多的观点仅占很小部分，大量观点并没有得到充分的关注。

2． 观点的关注度呈现“黏性效应”

对观点被阅读量和链接数量的过程性数据进一步统计，得到每个观点发展的动态周期性数据。该数据是指观点从最初发表到逐渐升华的周期，和整个学期的周期不完全一致，即某观点可能从学期初发表但未持续到学期末，或从学期中间开始被大量关注和讨论。选取被阅读量与回应数前50的观点，从观点发表本周开始算起，对每个周期的观点被阅读量进行统计编码，利用SPSS 25作皮尔逊相关分析。发现除周期4～5和周期6～7之外，观点发展的一个时间点和下一个时间点之间存在明显的正相关性，如从观点发表开始到下一周期的皮尔逊相关系数为0.731，存在较强的相关关系。这一状况表明，被阅读次数多的观点具有一定的交互“黏性”，能够提高再次被阅读的可能性，从而增强自身的传播能力。这可能是因为学生更倾向于阅读被多个人阅读过的、具有“流量”热度的观点，而非关注一个全新的观点，即新发表的观点更难引起他人的注意，较低的被阅读量反过来又影响了新观点的被关注度。继续进行纵向分析，对具有交互黏性的观点在各个阶段所在的观点簇进行相关分析，发现具有交互黏性的观点最终能够引领观点的发展走向，且观点簇的被阅读量和观点深度层级的皮尔逊相关系数为0.722，也呈现正向相关关系，说明具有黏性的观点能够引发更高级的观点深度。

（二）观点交互的纵向发展分析

观点之间的互动要有足够的量，许多观点聚集在一起，其群体就足以产生各种各样复杂的运动模式，观点的分布、交互频率和时间间隔对于不同模式的形成至关重要，如拥有相同交互次数、不同交互模式的观点群代表了完全不同的发展状态。首先，对KF平台成簇的观点群进行分析，即通过对0号观点及与之交互的观点进行统计；其次，按照这些观点发表的时间进行纵向升序排列，即按观点发表的先后顺序以及观点之间的交互关系进行综合统计。经过数据分析发现，典型的交互模式存在着以下三种，结果如图2所示：

1. “偶尔爆发后持久沉默”模式

该模式如图2（a）所示，这种交互模式在偶尔间歇性、头脑风暴式的高频讨论后，可能会产生一些待深挖、待验证、有前景的想法，但火花一闪而过，观点没有得到持续探究，猜想也未能验证或证伪，观点得到了足够的发散却始终是片段化的。持久沉默之后零星的讨论停留在浅层交互的水平，头脑风暴可能拓展了讨论的多种视角，却没有纵深方向的发展趋势。长久的沉默背后是持续的能量消耗，观点间没有形成有效的链接而导致发展的间断。这并不是否认头脑风暴式讨论的价值，而是将其作为整个KB过程的一个环节或推进进程的一种方法。该模式下观点交互的最长路径一般是比较短的，观点深度的发展也是最低的。教师在教学中需要及时捕捉该模式的状态，可以运用教学支架引导学生发现有前景的观点并推动其持续研究。

2. “固定例会”模式

该模式如图2（b）所示，具有中规中矩、稳扎稳打的特点，呈现脉冲式波动的状态。观点发表一般遵循着每周上课时间或前后一天，如同例会一样按部就班。类似于任务驱动式的学习，成员之间或许十分认真，但整个过程波澜不惊，似乎一切都在预料之中，很少出现即兴内容。这种模式呈现出比较明显的“秩序感”，但這种秩序感并非来自于自组织环境所生成的“有序”，更多的是来自于外部环境和规定的推动（外驱力）。这种模式的观点深度水平发展一般。针对这种模式，教师可以在脉冲的低谷时刻进行互动干预，如增加和其他观点的链接、提出异质性的观点等，从而打破固定模式，创造交互机会。

3. “引入随机的细水长流”模式

该模式如图2（c）所示，体现了线上与线下的结合，学生不仅在固定的上课时间进行讨论，线下课堂结束后仍然继续在KF平台中交流。观点间的交互是不间断的，“随机”代表着互动是“按需”进行的，突破了固定上课时间的交互间隔。观点发展也许有一定的“蛰伏”时间，为观点深度发展持续进行思考、积累、沉淀，但这个间隔并不会特别长。同样地，也可能会有较为激烈的头脑风暴式讨论，但是讨论后并不会沉寂下来，讨论的结果会得到总结升华。这种纵深方向的发展代表了一种较为理想的观点交互模式，交互的最长路径较长，观点深度在三种模式中也最高。这种模式与已有研究中“网络中的随机连接能够促成合作的发生”的结论是相互印证的[21]。

三种模式也具有一些共性，如交互量在后期会有一些减少，这是因为在学期末学生采用了更为丰富的互动方式，如制作海报等。形成更为稳定的小组后，观点讨论向纵深方向发展，需要阅读更多权威资料、进行频繁的反思，因此，观点总交互量有所回落。

五、结论与讨论

本研究尝试将观点置于自适应平台动态交织的社会关系中进行异步交互行为的探索，也正是在这些关系中，交互呈现出不均衡的特征，体现了从“观点”到“有结构观点”的演化过程。观点交互的“关系力量”成为促进其深度发展的关键动力，并为KB教学提供实践参考和借鉴。

（一）观点交互整体呈现出不均衡的动态发展态势

观点被阅读量的“马太效应”表明其交互行为的极度不均衡性，观点发表的时间越早，持续被阅读的可能性就越高。这是因为经过一段时间的协商学习，一些学生已经找到自己感兴趣的研究领域并持续探究，此时当新的观点出现时，大量观点间的激烈竞争会阻止它们被广泛地了解和探讨。KB后期观点越来越多，一个新的观点对整个社区的影响力就会越小，其作用域也会随之变小。观点关注度的“黏性效应”说明了观点具有类似于生物体的黏性，能够吸引其他观点持续的关注，如同蚂蚁觅食时通过识别其他蚂蚁释放的信息素来生成最短和最佳路径。进一步分析观点所对应的学生发现，被同一个学生反复阅读能够形成真正的观点聚集，从而达到更深入的理解和协作。这说明学生在对观点进行多次深入的思考，也代表了其兴趣所在。

KF中的观点交互现象类似于自然选择，学生在民主化的环境中选择塑造自己以及集体的观点，而非接受教师或其他权威人士的训导。社会物理学中对于想法流的研究得出过类似的结论：有传染性的想法与有传染性的疾病一样，是沿着社会纽带传播的[22]；相似的现象也出现在科研探究群体中，有学者得出科研论文发表的本年和次年之间在引用排名上存在明显的相关性，且在范围更大的研究领域，论文发表数量越多，引用的论文在高引排名中的波动越小[23]。也就是说，新观点更倾向于去关注那些已经得到广泛关注的观点，更高的关注度具有再次吸引其他观点进行关注的黏性。因此，在KB教学实践中，教师需要及时洞察观点交互中的“马太效应”与“黏性效应”，一方面对得到足够关注的观点群体的持续发展进行指导；另一方面需要对关注度较低的、具有前景的观点进行一定的互动干预，如协调这些观点与已有观点的交互、增加权威资料不断推进其发展等。

（二）观点交互的“关系力量”是促进观点深度发展的关键动力

研究发现，观点间复杂交互在时间维度上呈现出的三种模式，实际上反映了观点交互的“关系力量”是如何促进观点深度发展的。复杂系统中重要的是加强关联点的力度，而不是加强节点的力度[24]，说明了关系的重要性。没有孤立的观点，每个观点都通过交互处于一种复杂的关系之中，如竹内弘高等认为，“交谈”是创造社会知识的舞台，是人类最自然、最普遍的活动，通过交谈将自己的观点与同伴的观点联系在一起，体验观点究竟如何在这一过程中获得生命并持续生长[25]，这种“交谈”就是观点间的互动。我们将KB社区中的观点视为有生命的智能体，其在自适应平台的相互作用推动着社区中观点群的演变和进化，为观点深度发展奠定基础。

观点交互的“关系力量”给予我们许多教学实践的启示，在自适应平台中，观点数量是重要的，但更重要的是观点的链接力度与模式，如同样数量的观点群在不同的交互模式下对观点深度的影响是完全不同的。如果观点交互仅仅经过了偶尔爆发的头脑风暴后就陷入沉默，其发展可能仅达到了浅层共识，教师需要提供支架等策略持续推进观点的纵向发展。这种“关系力量”对学生的知识建构也有重要的启示，学生通过把观点发表在自适应平台来进行知识工作，学习不再是个体头脑中的心理过程，而是在“世界3”中通过对概念性人工制品的构造而从事的创造性活动，小组的参与者也不再是“领导者”“追随者”“潜行者”“懒惰者”等个人属性的标签[26]，而是“协作者”“质疑者”“共建者”“对话者”“中间人”等明显区别于个人属性的社区关系属性。

对以UGC为主的平台异步交互行为的分析，为自适应学习的研究提供了具体的探索思路，将分析的视角转向由交互引发的整体模式而非单个观点的分析，这意味着在KB社区中，对成员参与合作的激励是针对社区网络的构建，而不仅仅是聚焦于个体能力的提升，即在教学中更应该关注改变观点间的链接模式，而非仅关注改变学生个体的行为模式。这并不是说个体行为模式的改变不重要，而是当我们聚焦于关系链接和公共社区知识的创造时，个体知识的增长与行为模式的改变就成了个体浸入社区关系并参与构造社区结构过程中自然而然的副产品。对交互的强调使得对学习行为的研究标签不再仅是“知识”“思维”“情感”“记忆”等集中在个人“脑内”（“世界2”）的概念，而是“观点”“交互”“社区”“共同创造”等标志着“世界3”的多主体间的词汇。

[参考文献]

[1] 郭朝晖，王楠，刘建设.国内外自适应学习平台的现状分析研究[J].电化教育研究，2016，37（4）：55-61.

[2] 郝祥军，顾小清.基于协商的学伴推荐：自适应学习的社会性发展路向[J].中国远程教育，2021（8）：51-59，75，77.

[3] 孙先洪，张茜，邵越，李静.外语慕课平台自适应性评价指标验证研究[J].外语电化教学，2021（1）：66-70，11.

[4] 崔向平，徐娟.自适应学习技术的应用、问题及趋势——访美国俄亥俄州立大学大卫·斯坦恩教授[J].开放教育研究，2019，25（5）：4-10.

[5] 周海波.基于自适应学习平台促进学生个性化学习的研究[J].电化教育研究，2018，39（4）：122-128.

[6] 李海峰，王炜.国际主流适应性学习系统的比较与趋势分析[J].现代教育技术，2018，28（10）：35-41.

[7] 李凤英，龙紫阳.从自适应学习推荐到自适应学习牵引模型——“智能+”教育时代自适应学习研究取向[J].远程教育杂志，2020， 38（6）：22-31.

[8] 刘三女牙，胡天慧，柴唤友.新型异步在线讨论环境的应用图景与发展路向[J].现代远程教育研究，2021，33（5）：33-41，62.

[9] 集智俱乐部.生命游戏为何迷人？从复杂性科学看电子游戏的未来[EB/OL]. （2020-04-14） [2021-06-10]. https：//www.163.com/dy/article/FA5D6EFB0511D05M.html.

[10] 胡金艳，满其峰，蒋纪平，张义兵.知识建构社区中观点流驱动的群体智慧涌现研究：基于社会物理学分析的视角[J].电化教育研究，2022，43（11）：15-22，52.

[11] SCARDAMALIA M. Collective cognitive responsibility for the advancement of knowledge[M]// SMITH B. Liberal education in a knowledge society. Chicago： Open Court， 2002： 67-98.

[12] LOSSMAN H， SO H J. Toward pervasive knowledge building discourse： analyzing online and offline discourses of primary science learning in Singapore[J]. Asia pacific education review， 2010， 11（2）： 121-129.

[13] HONG H Y， SCARDAMALIA M， MESSINA R， et al. Fostering sustained idea improvement with principle-based knowledge building analytic tools[J]. Computers & education， 2015， 89 （9）： 91-102.

[14] SCARDAMALIA M， BEREITER C. Knowledge building： theory， pedagogy， and technology[M]. New York： Cambridge University Press， 2006： 97-115.

[15] 斯琴圖亚，魏志慧.如何使学习者为知识社会做好准备——访国际知名教育心理学家玛琳·斯卡德玛丽亚教授[J].开放教育研究，2009，15（2）：4-10.

[16] ZHANG J， SCARDAMALIA M， LAMON M， et al. Socio -cognitive dynamics of knowledge building in the work of 9- and 10-year-olds [J]. Educational technology research and development， 2007， 55（2）： 117-145.

[17] ZHANG J， SCARDAMALIA M， RICHARD R ， RICHARD M. Designs for collective cognitive responsibility in knowledge-building communities[J]. The journal of the learning sciences， 2009，18（1）：7-44.

[18] HAKKARAINEN K. Progressive inquiry in a computer-supported biology class[J]. Journal of research in science teaching， 2003，40（10）： 1072-1088.

[19] GALILI I， HAZAN A. Learners' knowledge in optics： interpretation， structure and analysis[J]. International journal of science education， 2000（1）： 57-88.

[20] BEREITER C. Design research for sustained innovation[J]. Cognitive studies， 2002， 9（3）：321-327.

[21] LI A， ZHOU L， SU Q， et al. Evolution of cooperation on temporal networks[J]. Nature communications， 2020， 11（1）：2259.

[22] 阿萊克斯·彭特兰.智慧社会：大数据与社会物理学[M].汪小帆，汪容，译. 杭州：浙江人民出版社，2015：229.

[23] CHU J， EVANS J. Slowed canonical progress in large fields of science[J]. Proceedings of the national academy of sciences， 2021， 118 （41）：1-5.

[24] 范冬萍.复杂系统突现论：复杂性科学与哲学的视野[M].北京：人民出版社，2011：46.

[25] 竹内弘高，野中郁次郎.知识创造的螺旋：知识管理理论与案例研究[M]李萌，译.北京：知识产权出版社，2006：134-135.

[26] STAHL G， LAW N， CRESS U， et al. Analyzing roles of individuals in small-group collaboration processes[J]. International journal of computer supported collaborative learning， 2014， 9（4）： 365-370.

Analysis of Asynchronous Interaction Behavior in Open Adaptive Learning Platforms

—Taking Knowledge Forum as An Example

HU Jinyan1，  MAN Qifeng2，  JIANG Jiping2，  ZHANG Yibing2

（1.Faculty of Education， Henan Normal University， Xinxiang Henan 453007;

2.School of Education Science， Nanjing Normal University， Nanjing Jiangsu 210097）

[Abstract] The content in an open adaptive learning platform is generated by student interaction， and the different interaction behaviors and patterns affect the effect of knowledge building. In view of the shortcomings of current research on open platforms， this study takes a representative knowledge forum platform in the field of CSCL as an example， and discusses the 810 valid ideas published by students on the platform and the dynamic relationship of their interactive networks based on content analysis and social network analysis methods. The results show that the overall asynchronous interaction behavior of ideas presents a "Matthew effect" and a " viscosity stickiness effect"， and its vertical development includes three patterns of "occasional outbursts followed by persistent silence，" "regular meetings，" and "introduction of a random trickle". The unevenness of the overall interaction of ideas and the driving role of the "relational power" of different patterns have reference value for knowledge building teaching based on open adaptive learning platforms.

[Keywords] Adaptive Learning; Online Learning; Knowledge Building; Idea; Interactive Behavior