学习者社会网络交互、情绪表征与学习成效的关系研究
发布时间：2021-08-07 23:33
情绪与社会化交互是构建学习者模型的两个重要特征,学习者的情绪特征计算与社会网络分析已获得了学习分析领域的广泛关注。本研究以某高校云平台上两门课程的论坛发帖纪录为研究对象,分别探究了学习群体在情绪表征（积极、消极与困惑情绪密度值）以及社会网络交互（网络中心性与网络结构特征）方面的差异。研究结果表明:具有网络交互关系的学习者间情绪倾向趋于一致。整体网络中的"子团体"以分散型网络居多,不同社区组学习者在积极和消极情绪上具有显著性差异,而在困惑情绪上差异性并不显著。与中、低成效组相比,高成效组学习者在信息传递的中介性以及协作学习中的参与性方面的表现更为显著,但其积极情绪密度较低。论坛中情绪和交互特征的联合分析有助于对学业风险个体的准确干预和群体互动质量的提升。
【文章来源】：中国远程教育. 2020,(06)北大核心CSSCI
【文章页数】：11 页
【部分图文】：
学习者与其邻居—非邻居间的情绪密度值示意图
基于上述不同社区组学习者的情绪演化趋势，本研究通过重复测量方差分析进一步探究不同社区组学习者情绪密度之间的交互作用及差异性，结果如表2所示。在第1到15周内同一社区的学习者在不同时间点的积极、消极和困惑情绪密度均值差异均有统计学意义（p<0.001）。不同社区组与时间点之间存在交互作用（p<0.001），也就是说不同的社区在不同时间点上的积极、消极和困惑情绪变化趋势不一致（见图3）。不同社区组之间在积极和消极情绪间的差异有统计学意义（p<0.01），而在困惑情绪方面的差异不具有显著性（p=0.168>0.05）。时间因素对学习者积极情绪密度变化的影响较大（偏η2=0.606），消极情绪次之（偏η2=0.491），对困惑情绪的影响最小（偏η2=0.422）。进一步的事后检验表明，社区14分别与社区13和社区33间存在显著性差异（p<0.05），主要表现为社区14的消极情绪密度均值大于社区13和社区33，而社区13和社区33间差异性并不显著。以上数据表明不同社区组学习者的积极、消极和困惑情绪都会随时间的变化而显示出不同的走向，不同社区组学习者在积极和消极情绪表现上存在显著差异。不同社区组学习者的表现模式和情绪表征将会为教师设计教学方案提供新的思路。（三）不同成效组学习者的网络特征与情绪密度分析
学习者的网络中心性以及情绪密度特征值已被证实与其学习成效间具有显著相关性（Romero,et al.,2013;Gitinabard,et al.,2017），表4展示了不同成效组间学习者情绪密度及网络中心性的差异性分析结果。从表4可以看出，高、中和低成效组在负面和困惑情绪上的差异性并不显著（p>0.05），但在中间中心性、度中心性、接近中心性和积极情绪层次上均体现出显著差异性（p<0.05），主要表现为高成效组的中间中心性高于中成效组，度中心性高于低成效组，而接近中心性显著高于中、低成效组，积极情绪显著低于中、低成效组，但中、低成效组之间并未表现出显著差异。以上结果说明高成效组学习者在网络中承担了更多的传递信息以及连接其他学习者间对话的作用，同时也能够以较高的活跃度投入到与同伴交流和讨论的过程中来，但其对话内容则表现出较低的积极情绪。五、结论与建议
【参考文献】：
期刊论文
[1]混合式教师研修课程中教师问题解决行为的研究[J]. 孙雨薇,冯晓英,王瑞雪. 中国远程教育. 2018(11)
[2]教师工作坊中协作知识建构的社会网络分析[J]. 刘清堂,张妮,朱姣姣. 中国远程教育. 2018(11)
[3]SPOC论坛互动中学习者情绪特征及其与学习效果的关系研究[J]. 刘智,杨重阳,彭晛,刘三,粟柱,章广涛. 中国电化教育. 2018(04)
[4]网络学习空间中交互行为的实证研究——基于社会网络分析的视角[J]. 梁云真,赵呈领,阮玉娇,刘丽丽,刘冬梅. 中国电化教育. 2016(07)
[5]基于word2vec和SVMperf的中文评论情感分类研究[J]. 张冬雯,杨鹏飞,许云峰. 计算机科学. 2016(S1)
[6]MOOCs中学习者论坛交互中心度与交互质量的关系实证研究[J]. 郑勤华,李秋劼,陈丽. 中国电化教育. 2016(02)
[7]教师工作坊中的用户参与行为研究[J]. 刘清堂,武鹏,张思,黄景修,吴林静. 中国电化教育. 2016(01)
[8]基于情绪识别的远程教学自适应调节策略研究[J]. 黎孟雄,郭鹏飞,黎知秋. 中国远程教育. 2015(11)
[9]学习活动流:一个学习分析的行为模型[J]. 郁晓华,顾小清. 远程教育杂志. 2013(04)
博士论文
[1]基于系统动力学的群体情绪传播机制与影响因素研究[D]. 王雷.首都师范大学 2013
硕士论文
[1]SPOC论坛中学习者情绪-话题的联合建模研究[D]. 杨重阳.华中师范大学 2019
本文编号：3328751
【文章来源】：中国远程教育. 2020,(06)北大核心CSSCI
【文章页数】：11 页
【部分图文】：
学习者与其邻居—非邻居间的情绪密度值示意图
基于上述不同社区组学习者的情绪演化趋势，本研究通过重复测量方差分析进一步探究不同社区组学习者情绪密度之间的交互作用及差异性，结果如表2所示。在第1到15周内同一社区的学习者在不同时间点的积极、消极和困惑情绪密度均值差异均有统计学意义（p<0.001）。不同社区组与时间点之间存在交互作用（p<0.001），也就是说不同的社区在不同时间点上的积极、消极和困惑情绪变化趋势不一致（见图3）。不同社区组之间在积极和消极情绪间的差异有统计学意义（p<0.01），而在困惑情绪方面的差异不具有显著性（p=0.168>0.05）。时间因素对学习者积极情绪密度变化的影响较大（偏η2=0.606），消极情绪次之（偏η2=0.491），对困惑情绪的影响最小（偏η2=0.422）。进一步的事后检验表明，社区14分别与社区13和社区33间存在显著性差异（p<0.05），主要表现为社区14的消极情绪密度均值大于社区13和社区33，而社区13和社区33间差异性并不显著。以上数据表明不同社区组学习者的积极、消极和困惑情绪都会随时间的变化而显示出不同的走向，不同社区组学习者在积极和消极情绪表现上存在显著差异。不同社区组学习者的表现模式和情绪表征将会为教师设计教学方案提供新的思路。（三）不同成效组学习者的网络特征与情绪密度分析
学习者的网络中心性以及情绪密度特征值已被证实与其学习成效间具有显著相关性（Romero,et al.,2013;Gitinabard,et al.,2017），表4展示了不同成效组间学习者情绪密度及网络中心性的差异性分析结果。从表4可以看出，高、中和低成效组在负面和困惑情绪上的差异性并不显著（p>0.05），但在中间中心性、度中心性、接近中心性和积极情绪层次上均体现出显著差异性（p<0.05），主要表现为高成效组的中间中心性高于中成效组，度中心性高于低成效组，而接近中心性显著高于中、低成效组，积极情绪显著低于中、低成效组，但中、低成效组之间并未表现出显著差异。以上结果说明高成效组学习者在网络中承担了更多的传递信息以及连接其他学习者间对话的作用，同时也能够以较高的活跃度投入到与同伴交流和讨论的过程中来，但其对话内容则表现出较低的积极情绪。五、结论与建议
【参考文献】：
期刊论文
[1]混合式教师研修课程中教师问题解决行为的研究[J]. 孙雨薇,冯晓英,王瑞雪. 中国远程教育. 2018(11)
[2]教师工作坊中协作知识建构的社会网络分析[J]. 刘清堂,张妮,朱姣姣. 中国远程教育. 2018(11)
[3]SPOC论坛互动中学习者情绪特征及其与学习效果的关系研究[J]. 刘智,杨重阳,彭晛,刘三,粟柱,章广涛. 中国电化教育. 2018(04)
[4]网络学习空间中交互行为的实证研究——基于社会网络分析的视角[J]. 梁云真,赵呈领,阮玉娇,刘丽丽,刘冬梅. 中国电化教育. 2016(07)
[5]基于word2vec和SVMperf的中文评论情感分类研究[J]. 张冬雯,杨鹏飞,许云峰. 计算机科学. 2016(S1)
[6]MOOCs中学习者论坛交互中心度与交互质量的关系实证研究[J]. 郑勤华,李秋劼,陈丽. 中国电化教育. 2016(02)
[7]教师工作坊中的用户参与行为研究[J]. 刘清堂,武鹏,张思,黄景修,吴林静. 中国电化教育. 2016(01)
[8]基于情绪识别的远程教学自适应调节策略研究[J]. 黎孟雄,郭鹏飞,黎知秋. 中国远程教育. 2015(11)
[9]学习活动流:一个学习分析的行为模型[J]. 郁晓华,顾小清. 远程教育杂志. 2013(04)
博士论文
[1]基于系统动力学的群体情绪传播机制与影响因素研究[D]. 王雷.首都师范大学 2013
硕士论文
[1]SPOC论坛中学习者情绪-话题的联合建模研究[D]. 杨重阳.华中师范大学 2019
本文编号：3328751
本文链接：https://www.wllwen.com/jiaoyulunwen/xueshengguanli/3328751.html
