基于社会网络分析的学习者在线交互行为研究

2018-05-15田丽丽赵颖

软件导刊 2018年4期

田丽丽赵颖

摘要：信息化的推进加快了慕课的发展，在慕课学习过程中积累了大量的学习者学习行为数据，合理利用这些行为数据可进一步提升学习者的学习效果。运用社会网络分析方法对《微课设计与制作》慕课中综合讨论区学习者的交互行为进行分析，从交互网络的密度、中心度、核心-边缘、凝聚子群等方面反映学习者学习情况。结果表明：慕课讨论区中学习者之间的交互比较松散，学习者流动性较大；知识掌握仍停留于表层，没有内化；学习者之间缺乏学习情感投入。因此，需从管理层面、讨论区形式、共享性方面加强慕课讨论区建设，以提高慕课学习者交互的主动性，提升学习效果。

关键词：社会网络分析；在线学习；交互行为

DOI：10.11907/rjdk.172303

中图分类号：G434

文献标识码：A 文章编号：1672-7800（2018）004-0222-05

Abstract：The promotion of information technology has accelerated the development of MOOCS. A large amount of learning data has been accumulated to improve learners learning effect. The analysis of the learners' interactive behavior in the general discussion section in the course of Micro-class Design and Production is done by the social network method to present the interactive network density， centrality， the core-edge， and condensing subgroup. It is shown that the learners interaction is relatively loose while the learners mobility is high； knowledge is not absorbed and there is a lack of emotional commitment among learners. It is suggested that the learners' interaction need to be strengthened from the promotion of management level ， discussion and sharing forms in MOOC forums to improve learning effect.

Key Words：social network analysis； online learning； interactive behavior

0 引言

信息技术正在推动人类迈向一个新的台阶，新技术带来了教育领域新的变革，使教育从思想到形态发生了巨大变化，在线教育模式也逐渐演变，慕课随之兴起。慕课由于开放性等特点，受到广大学子关注。慕课讨论区是教师与学生在教学过程中互动比较高的沟通工具，可以为学习者提供大范围的交流与协作，从社会网络分析视角对慕课学习者的交互行为进行分析，为培养学习者互动学习以及完善慕课的建设和应用提供参考。

1 研究设计

1.1 研究对象

中国大学MOOC是网易与高教社联手推出的在线教育学习平台，教育部国家精品开放课程任务由它承接，主要是向学习者提供中国知名高校的MOOC课程。上线于2014年，其完整的在线教学模式支持了高等学校在线开放课程建设，实现了学生、社会学习者的个性化学习[1]。

选取中国大学MOOC——爱课程网2017年4月12日开课课程《微课设计与制作》综合讨论区的帖子为研究对象，以4月12日到5月12日1个月中学习者及教师助教所发帖子为基础，对帖子发布时间及学习者用户名进行统计，统计之后用Excel软件进行编辑处理，为了分析方便，将学习者的用户名按顺序编号。

在课程学习过程中，学习者在讨论区的参与程度与最终成绩相联系，该综合讨论区内的帖子是每个人都可以发布的，获取满分者需要在课件“讨论活动”中发帖和回帖的数量达50条及以上。该讨论区在该时间内共有152名学习者，包括一名老师与一名助教，经过筛选，排除了无意义与回复为零的帖子数，以发生一次联系为标准建立相应的交互关系，去除重复交互次数，共有877个关系连接数。

1.2 研究方法

采用社会网络分析方法对《微课设计与制作》课程综合讨论区的交互情况进行分析。社会网络分析方法是在相关的关系数据基础上建立社会关系，通过形式化表达，探究社会行动者与行动者之间的网络关系。它是直接针对社会结构的模式化关系，主要从关系或者结构的角度分析研究对象，注重个体与个体之间的关系[2]。

社会网络分析是研究社會过程和问题的一种研究方法[3]。主要测量指标有密度、中心度、关系强度、位置、内容、角色、派系等，从其测量指标分析行动者之间的联系程度。利用社会网络分析方法分析网络学习者间的交互关系从而探讨其学习的参与程度，将学习者的ID编号构建为二值关系矩阵，矩阵的行表示关系发出者，列表示关系接受者，其中的数值代表两个行动者之间的关系，1代表行动者对另一个行动者产生了回复或评论，0代表两个行动者之间没有产生关系。利用UCINET和NetDraw软件对关系矩阵进行网络分析，通过对学习者与学习者之间联系的程度以及互动内容的分析掌握学习者学习情况，为课程制作与学习方式选择提供指导。

2 学习者交互行为社会网络分析

2.1 整体社会网络结构

社会网络分析中，节点代表各学习者，线代表各学习者之间是否存在关系，关系可以是多值也可以是二值，可以有方向也可以无方向，网络分析者将根据这种思想得到的图叫作社群图（Sociogram）[4]。社群图最早由莫雷诺使用，被广大研究者所认可，它可以简洁、清晰地表示网络中各个节点之间的关系，选取社群图表示各学习者之间的学习交互情况如图1所示，其中学习者与学习者之间的关系用带箭头的直线表示，箭头所指向的学习者代表关系的接受者。

从图1可以看出，在整个学习者网络结构中，ID号为6、114、87、22、7的学习者处于网络中心位置，ID号为144、143、33、138、94等一些学习者处于边缘位置，他们与其他学习者的交流互动比较少。在UCINET中，通过Network-Cohesion-Distance路径，可以计算出整体网的平均距离，即任何两个点之间的距离，在这门课中，计算出的平均距离为3.129，建立在距离基础上的凝聚力指数为0.306。研究显示，该凝聚力指数越大，整体网络的凝聚力就越强，此处是0.306，表明学习者之间的交互不紧密，整个网络的交互比较松散。

2.2 网络密度分析

在UCINET中经过Network-Cohesion-Density路径，可以得出此讨论区的整体网络密度为0.0382，在實际网络中能得出的最大密度为0.5。因此，此网络是比较疏散的，网络中各学习者之间的联系不是很紧密。在慕课中，由于学习者来自各地，身份环境各不相同，虽然参与人数足够庞大，但彼此之间的交流互动不多。

2.3 中心性分析

2.3.1 度数中心度与中心势

度数中心度表示与某点直接相连的点的数量，在无向图中是点的度数，在有向图中是点入度与点出度的和[5]。若一个点与其它许多点直接相连，就可以说该点的度数中心度较高[6]。在这里的学习交互中，点入度表示学习者被另外学习者回复或评论的帖子数，点出度表示学习者回复或评论他人的帖子数。

分析结果如图2所示，6号的点出度（OutDegree）最大，也就是说该学习者主要回复或评论别人所发的帖子，可以看出此学习者的身份是交互中的主要参与者，相应的讨论区主要参与者还有编号为114、51、19、66的学习者。关于入度（InDegree），其中最高的是1号，为34，接下来是编号为22、87、7、114的几位学习者，分别为25、25、22、22；其中22号为老师，由实际情况来看，此讨论区中凡是有老师参与的话题一般都会有很多学习者参与进来，在这里，入度比较高的学习者在整个交互中的地位是意见领袖，主要带动整个交互的进行，是交互的领导者。从总体情况来看，出度值大于10的学习者占总学习者的25%，入度值大于10的学习者占总学习者的9.87%，这说明学习者的主动参与度不高。

图的度数中心势描述的是网络整体的中心性，在此网络中，学习者入度的网络标准化中心势是19.07%，出度的网络标准化中心势是17.07%，说明在整个交流中，被回帖和被评论的集中趋势稍大于回帖和评论的趋势，即大部分人有问题就发帖寻求答案，并且可以找到。但总体而言，整个出度与入度的中心势比较低，说明发帖和回帖都没有明显的集中趋势。

2.3.2 中间中心度

在社会网络分析中，中间中心度测量的是某个行动者对资源的控制程度，在此交互网络中，中间中心度测量的是学习者处于整个网络的什么位置，也就是学习者被另外学习者“利用”的程度，如果一个学习者的中间中心度比较高，说明有许多学习者互动交流需要经过他[7]。

从图3中可以看出，编号为114、87、7、22、1、62、51、80的中间中心度很高，说明他们在网络交互中主要起中介作用，同时发现，在这门课程中，大多数学习者都是通过其他学习者与另外学习者进行沟通与学习。

在分析结果中，有18位学习者的中间中心度为0，结合整个网络社群图，这些学习者处于网络的边缘位置，应多加注意。另外，整个网络的标准化中间中心势为14.35%，就数值来说也不是太低，但从交互情况来看，只有114、87、7这3个学习者带动了整个交互，这表明大部分学习者之间的沟通联系还较少。

2.4 核心-边缘位置分析

核心-边缘结构是中心联系紧密、外周联系分散的特殊结构，核心-边缘有离散和连续之分，如果是定类数据，则构建的是离散的核心-边缘模型，若是定比数据则构建连续的核心-边缘模型[8]。在此对收集数据处理后，由于所用的是二值网络，属于定类数据，因此构建的是离散的核心-边缘模型。通过分析学习者的核心边缘位置情况，可以准确掌握各学习者所处位置，更好地控制其后续学习走向。

在UCINET中按Network-Core/Periphery-Categorical路径，可以构建出学习者的核心-边缘模型，如图4所示，可以看出，初始矩阵与理想矩阵之间的相关系数为（Starting fitness）0.081，经过重排后的矩阵与理想矩阵的相关系数（Final fitness）为0.082，Final fitness值越大，表明实际模型数据与理想模型数据越接近，实际模型中的核心-边缘结构模型越显著。

此外，图4中第一部分学习者显示的是处于核心地位的学习成员，有84位，第二部分显示的是处于边缘地位的学习成员，有68位，表明在整个学习过程中，有大半学习者还是处于主动地位。从数值看，此研究中学习者之间的联系比较松散。

根据密度矩阵可以看出，核心学习者之间的关系密度为0.073，边缘学习者之间的关系密度为0.005，核心到边缘的密度为0.035，边缘到核心的密度为0.016，可以发现，核心学习者之间相互联系程度远远大于边缘学习者之间相互联系程度，且核心学习者与边缘学习者之间也存在方向性，核心到边缘联系的程度远大于边缘到核心的联系程度，可以推断出边缘学习者比较被动。

2.5 凝聚子群分析

凝聚子群研究是一种社会结构研究，凝聚子群的概念有很多种，大体上说，“凝聚子群是满足如下条件的一个行动者子集合，即在此集合中的行动者间具有相对较强、直接、紧密、经常的或积极的关系”[9]。在本讨论区中，主要通过派系对学习成员间的联系进行分析，在派系中，任意两个学习者之间都是直接相联系的，且不能向其中加入另外新的学习者。

首先，对学习者的成分进行鉴别，即强成分与弱成分，通過分析结果得知，强成分有22个，其中存在一个大的强成分和21个较小的强成分（分别由11、14、37、55、68、69、88、94、113、129、132、136、137、138、139、140、141、143、144、146、147这21个单点构成）。对弱成分进行分析，可得到只有一个弱成分，是由全部学习者构成的。由此看出整个网络中学习者的联系较松散，只有一个大的强成分，说明学习者讨论交流主要集中于一个圈子中，剩下的几个强成分则是比较独立的边缘学习者。

由于这种分析没有提供群体内部结构的信息，因此需要对该数据进行细致化处理分析——派系分析。分析结果如图5所示。

由图5可知，共有32个派系，从派系分析结果可以看出，派系之间有相同的成员，存在派系重叠的情况。因此，可利用派系共享成员降低派系数量，找出派系中的主要成员以及群体中可能存在的领导者。

从数量上来说，共享数量越多，派系间相似性就越高，也说明在讨论交流中与大多数学习者建立了较为紧密的联系；图6是派系共享成员矩阵，由图6可知，派系3、4、5都包含4个学习者，但其中3个学习者是共享成员，说明派系3、4、5具有相似性，即6、62、66三个学习成员在讨论交流过程中与更多的学习成员建立了联系。

还有一些学习成员不存在于任何派系中，说明他们在讨论区中较少参与交流沟通，属于孤立的学习团体。从整个讨论区的学习者参与情况来看，大部分学习者积极参与讨论并与他人建立了良好的联系，但是整体讨论参与情况并不是很好。

处于同一派系中学习者之间的联系比较紧密，但同其派系之外学习者之间的互动性并不是很高，对于不属于任何派系的学习者来说，他们与其他学习者之间的联系更是松散。因此，要加强与其他学习者之间的交流互动，更好地参与网络学习中。

3 结论与建议

3.1 研究结论

通过对中国大学慕课上《微课设计与制作》中综合讨论区的分析研究，发现慕课中大部分学习者的学习积极性虽然比较高，但不乏一些学习者只是“三分钟热度”，刚开始时兴趣很高，在学习了一段时间之后就退出了，可以看出慕课的流动性较大，导致学习者间的交流互动不紧密，联系不密切。

整个讨论区的密度也偏低，中心位置的学习者和边缘位置的学习者都不是太多，由此看来在慕课课程学习中，处于中间位置的人比较多，大部分人能够完成课程的学习，但将交流讨论当作可有可无的学习，很多人觉得看完视频就是学习，没有将知识内化从而用讨论交流的形式展示出来。

在讨论交流中，有部分学习者倾向于与权威人士互动交流，对教师参与和发起的讨论回复和评论比较多；还有学习者提出学习中遇到的操作性问题，很多学习者都进行了细致的回复。可以看出，在交流讨论中，主要是以共享知识为主，学习者之间以及教师与学习者之间缺乏学习情感投入。

3.2 建议

3.2.1 加强教师与管理人员的引导作用

在慕课课程开始阶段，教师和助教应该发挥其领导组织作用，组织学习者在讨论区互相认识，提升情感交互，将学习者带入一个情感支持明显的学习环境中[10]；在课程讨论区发展过程中，教师和助教可以以知识点为单元分小组学习，进行知识竞赛，鼓励学习者协作学习，分享心得；在课程结束时，管理人员可以选出核心学习者，为课程的再次建设打下基础[11]。

3.2.2 改变讨论方式，培养学习者的学习交流习惯

在慕课学习中，虽然讨论区是开放的，但由于学习者来自四面八方，其个人背景、教育程度、生活地域等也有差距，因此，教师可以根据学习者的个人信息，建议学习者组织与其相适应的讨论小分队，形成同伴互助、异队互学的讨论学习形式，加强知识内化。

良好的讨论区即使没有教师参与也能自主发展。因此，学习者之间的互助互学以及学习中的核心人物是关键，可以在学习者中选择核心人物为其他学习者答疑解惑。随着课程的继续，已开始学习课程的学习者可以为后续参与的学习者提供相当于教师的指导，以加速知识传播。

3.2.3 发挥网络优势，进一步共享课程

目前，对于各大慕课课程的学习时间，都是依照传统学校的时间安排，在工作日内发布课程信息，一旦课程结束，没参加课程学习的学习者就不能再看到课程的具体内容，对于一些学生和教师来说，在校期间较忙，寒暑假却比较轻松。因此，针对这些问题，可以利用网络的实时性，对课程开课时间作适当调整，使得上线课程随时可以被查看，方便各学习者随时学习。

4 结语

大数据时代的到来，使得学习者学习过程中产生的各类数据发挥了重要作用，从社会网络分析角度对慕课课程中学习者讨论区进行了分析，发现了交互学习中的小群体、边缘学习成员以及核心学习成员，以便教师随时掌握学习者的学习动态，发挥核心人物的力量督促和提醒边缘学习者，使教与学向更好的方向发展。

参考文献：

[1] 互动百科.中国大学MOOC[EB/OL].http：//www.Baike.com/wiki/%E4%B8%AD%E5%9B%BD%E5%A4%A7%E5%AD%A6mooc&prd;=so_1_doc.

[2] 刘军.整体网分析讲义：UCINET软件实用指南[M].上海：格致出版社，2009.

[3] 王陆.典型的社会网络分析软件工具及分析方法[J].中国电化教育，2009（4）：95-100.

[4] 张恩.社交网络空间结构特征分析与研究[D].赣州：江西理工大学，2014.

[5] 邢晨宇.基于图论的SNS社区网络空间结构——中心性分析[D].石家庄：河北师范大学，2013.

[6] 赵广利.社会网络分析技术在博客媒体信任度中的研究与应用[D].包头：内蒙古科技大学，2011.

[7] 徐刘杰，熊才平，郭伟.网络资源动态发展利用的社会网络分析——以新浪微博“教育技术”群为例[J].远程教育杂志，2013（1）：38-44.

[8] 张玥，朱庆华.学术博客交流网络的核心——边缘结构分析实证研究[J].图书情报工作，2009（12）：25-29.

[9] 李凌云，陈维维，刘敬.我国教育技术学研究热点的可视化分析——基于国内博、硕士学位论文关键词网络的研究[J].南京晓庄学院学报，2015（4）：85-91.