汤志康 姚俊杰 黄剑标 汤 庸 李春英

（1.华南师范大学计算机学院 广州 510631）（2.广东技术师范大学计算机科学学院 广州 510665）

1 引言

学习者的目的是获取知识，使其在课程平台参与交互的动力不足。对MOOC内置讨论区的测量发现，不少于60%的学习者从不参与讨论区各项活动［1］，而这部分学习者也是高危流失人群［2］。实际上，交互数据的缺乏使得难以对在线课程平台学习者（尤其是冷启动学习者）进行准确的分析与量化，进而使平台的相关服务（如推荐系统、平台功能演化及预测等）受到限制。社交网络是学习者日常生活必不可少的一部分，其记录学习者与应用以及学习者与学习者之间交互的行为轨迹数据，通过对历史积累的在线或离线数据可以分析社交功能对学习者学习效果产生的影响，并分别从课程平台、教师和学习者等角度提出提升学习者社交意愿的策略建议。学习者社交意愿的提升能够促进交互数据的增加，在线课程平台能够利用这些数据对学习者进行学习兴趣挖掘、学习行为分析和学习推荐等，更好地发现学习者的偏好并为之提供精准的个性化服务，同时也能够进一步提高学习者的学习兴趣、学习参与度和学习效果。因此，本文采用教学科研协作平台学者网（http：//www.schlat.com）课程平台中的学习者社交数据和学习者在线下的真实成绩数据进行对比分析，对在线课程平台融入社交性对学习者的影响进行实证分析研究并期望从多个角度进一步推动在线课程平台学习者的社交意愿，使教师和学习者能够更好地利用在线课程平台进行教与学。

2 相关研究

在线学习社交化对学习者有效性的相关研究已经取得了一些成果。Kent C等利用合作认知负荷理论（CCLT）从集体的角度解释学习中的合作过程，使用社会网络分析来评估学习者社区的交互性收益和协调成本之间的平衡［3］。Huang关注学习者情绪如何影响在线学习的互动讨论模式［4］。李红霞针对国内一门在线开放课程进行分析，得出同伴互评作为学习方式，能够提高学习者的知识理解水平并促进学习参与的结论［5］。保罗·川内等认为，社交媒介对于在小组成员中建立信任感发挥重要作用，并且也是传递和建构社交临场感的工具［6］。荆永君应用统计分析、序列分析、关联规则、社会网络分析等方法，从学习活跃、学习投入时间、学习行为序列、社会交互四个方面分析了教师在线学习行为的群体特征［7］。郁晓华等的分析结果揭示了在线学习中互相关注的朋友数量不超过5个人时能获得最为显著的学习影响成效，对课程的完成具有积极影响［8］。冷姜桃通过网络基本属性、中心度、凝聚子群三个指标来分析课程学习者在线交互的特征［9］。王林艳认为在线社交学习对学习者来说具有学习资源丰富、选择个性化、多方互动与协作学习、情感联结的纵深化优势［10］。

社交性对于在线学习者具有正向显著的影响，那么其影响的因素是什么？钱瑛针对如何让在线学习更好地服务于教育教学问题，认为社会化网络环境下用户持续在线学习的影响因素有感知实用、感知互动、感知兴趣、学情地位和持续使用意愿8个变量［11］。田阳和冯锐等人研究发现，在线学习者的参与度、分享、信任、认知直接影响学习效果，而网络关系、社交性学习动机则间接的影响学习效果［12］。柳晨晨研究发现在线学习中互动讨论会促进学习者的批判性思维［13］。沈欣忆等对学堂在线平台上的学习者的在线行为进行分析，构建了学习者在线行为与学习绩效的评估模型［14］。刘繁华等研究表明在线学习投入中的认知投入、情感投入和社交投入与学习绩效呈显著正相关关系［15］。目前大部分研究数据是以调查问卷形式获得，且大部分针对在线学习行为进行分析，本文使用学习者的真实成绩和其对应的社交数据，分析每一种在线行为对学习绩效的影响，并根据分析结果得出结论，进而给出相应的应对策略和建议。

3 研究样本

学者网集学术社交和在线课程功能于一体，从课程平台角度而言，我们称其为社交化在线课程平台。该社交化在线课程平台提供管理教学资源、管理学习者信息、发布评阅和下载课程作业、发布教学公告、师生互动交流专区等在线教学服务。在其社交功能中，学习者既可以去关注其他人，其他学习者也可以作为粉丝来关注自己，当两个学习者互相关注对方则被认为是学习者好友。因此，学习者在课程平台里与其他学习者之间的社交关系由关注量、粉丝量、好友数量来反映。学习者在课程交流互动模块里既可以提出自己的问题，也可以回答其他人的提问，提问次数与回答次数的总和计为发言量。因此，我们约定学习者在课程平台里与其他学习者或教师之间的交互活动由提问量、回答量和发言量来反映。本文以学者网一门活跃课程《C语言程序设计》（http：//www.scholat.com/course/c_language）为研究对象，从该课程中选取具有相似专业背景的两个班级共计96名学习者作为研究样本，抽取学习者在该课程平台上的社交数据和交互数据，并与学习者的真实学习成绩数据进行量化对比分析，并得出相关结论。因此，本文的研究数据来源包含两个部分：一部分是学习者在学者网课程平台交流互动模块中的真实交互数据，另一部分是学习者线下的真实学习成绩。

4 研究样本数据对比分析

本研究首先从社交关系的角度对学习者进行分析，将学习者分成有无关注、有无粉丝和有无好友三个对照组，通过独立样本T检验的方法来分析两个组的学生成绩是否具有显著差异，通过相关性分析比较两组数据是否相关，利用比较均值来观察有无社交关系对学习成绩的影响；其次，从交互活动的角度对学习者进行分析，通过比较均值来说明有无交互活动的均值差异；最后，通过均值比较的方式探讨社交关系和交互活动之间的关系。

4.1 学习者真实成绩分析

96名学习者成绩中，平时成绩占10%、实验成绩占20%、期末成绩占70%，为了能够直观地了解这96名学习者的学习成绩状况，通过描述性统计得到学习成绩的统计结果，如表1所示。

表1 学习成绩描述性统计结果

由于96名学习者的平时成绩均为99分，不具有较好的区分度，因此在之后的分析里将不考虑平时成绩。从表1可以看出，相比于实验成绩（SD=3.195）和总评成绩（SD=9.817），期末成绩的离散程度最大（SD=13.665），并且均值最低（M=66.49），说明该课程期末考试难度较大，且可能存在两极分化的情况。总评成绩的中位数和均值接近，我们可以得出总评成绩以76分为分界线，总体分布均匀。

4.2 学习者社交活跃度统计分析

学习者的社交活跃度包含社交关系和交互活动两个方面，如图1所示。学习者的社交关系由关注量、粉丝量和好友数量反映。关注量说明的是学习者对于他人进行社交的意愿，展示了个人的社交积极度。粉丝量说明的是他人对自己的感兴趣程度，个人粉丝越多，说明个人魅力越大。只有当两人互相关注时才可以称为好友，说明彼此都互相感兴趣，都有交互的意愿。学习者的交互活动由提问量、回答量和发言量反映。学习者可以在互动交流模块里提出自己的问题，也可以去回答其他人的问题，提问量与回答量的总和计为发言量，发言量越多，说明学习者进行交互活动越积极。

图1 学习者社交活跃度统计维度

形成性评价和总结性评价两种模式是在线学习学习效果评价的主要方式。总结性评价主要是对学习者通过问卷、考试等形式来进行的最终考核评价，这种评价是终结性的［12］。由于本文所使用的数据包含了学习成绩，因此本研究所采用的评价方式选定为总结性评价，学习者的学习效果以学习成绩作为量化指标。

为了研究是否在线学习的社交关系越多，学习效果也就越好？是否交互活动越频繁，学习效果会越好？以及研究在线学习的社交关系和交互活动之间的关系，所以提出了以下三种研究假设，三种假设之间的关系如图2所示。

图2 三种研究假设关系图

H1：在线学习的社交关系对学习效果具有正相关影响。

H2：在线学习的交互活动对学习效果具有正相关影响。

H3：在线学习的社交关系对交互活动具有正相关影响。

4.2.1 学习者社交关系统计分析

通过对96名学习者社交关系的关注量、粉丝量和好友数量情况进行描述性统计，获得学习者的社交数据如表2所示。

在表2中，次数表示关注量、粉丝量等对应项数量上的具体数值，人数表示对应的学习者数量，百分比则表示对应人数在学习者总人数中的占比。例如在关注量中，关注量为0的有56人，占总人数的58.3%。从关注量可以看到，多达56名学习者没有关注其他人，剩余40名学习者关注了其他人，其中有20人关注了1个人，11人关注了2个人，关注量最大的学习者关注了7人；从粉丝量可以看出有75人没有粉丝，没有粉丝的人数大于没有关注的人数，说明存在许多学习者关注了他人，却并没有获得对方关注的情况；因此在好友数量中就有所体现，没有好友的学习者占比79.2%，说明整体上这96名学习者在学习平台中的社交意愿较低，近80%的学习者与他人没有存在社交关系。

表2 学习者社交情况统计

将学习者分为有关注（40人）和无关注（56人）、有粉丝（21人）和无粉丝（75人）、有好友（20人）和无好友（76人）三个对照组，通过独立样本T检验分析三个对照组学习者的学习成绩，显著性概率P值如表3所示。

表3 独立样本T检验结果

由表3可以看出，三个对照组的学习者学习成绩显著性p值均大于0.05（除了粉丝组和期末成绩显著性p值小于0.05之外），因此学习成绩在有无关注、有无粉丝和有无好友总体上均无显著差异。由于粉丝组和成绩可能存在关系，我们将粉丝量和期末成绩、实验成绩、总评成绩进行一个相关性分析，结果如表4。

表4 相关性分析结果

从表4可以看出，粉丝量和三种成绩之间均无相关性。另外从比较均值的角度看，三个对照组中只有实验成绩均值全都是有组大于无组，其余如期末成绩和总评成绩均值都是有组小于无组。由于实验成绩的占比只有20%，期末成绩占比70%，因此期末成绩决定了总评成绩平均分有组低于无组，具体数据见表5。

表5 社交关系学习成绩均值比较

通过表5中数据对比分析可知，社交关系并没有直接影响学习者的学习成绩，因此假设H1（在线学习的社交关系对学习效果具有正相关影响）不成立。

4.2.2 学习者交互活动统计分析

通过对96名学习者交互活动的提问量、回答量和发言量进行描述性统计，学习者的交互统计数据如表6所示。在表6中，次数表示提问量、回答量等对应项数量上的具体数值，人数表示对应的学习者数量，百分比则表示对应人数在学习者总人数中的占比。从表6可以看出96名学习者交互活动不活跃，只有5名学习者有过提问，次数都为1次，6名学习者有回答别人的提问，总体上只有10名学习者有发言，剩余86名学习者在整个学期中从未发言，从整体上说明了交互活动并不活跃。

表6 学习者交互情况统计表

为探索在线学习中交互活动与学习成绩的关系，研究设置了三个对照组进行均值比较，分别是有提问（5人）和无提问（91人）、有回答（6人）和无回答（90人）、有发言（10人）和无发言（86人），如表7所示。

表7 交互活动学习成绩均值比较

从表7可知，实验成绩均值三个组都是有组大于无组，而期末成绩和总评成绩均值只有提问是有组低于无组，其余的回答和发言都是有组大于无组，说明了提问、回答以及发言对学习成绩起到了正面作用。提问对学习成绩的影响效果比较小，回答以及发言对学习成绩的影响较大，并且整体上是正面的影响。因此，有进行交互活动的学习成绩均值整体上大于没有进行交互活动的，假设H2（在线学习的交互活动对学习效果具有正相关影响）是成立的。

4.2.3 学习者社交关系与交互活动关系分析

为了探索社交关系与交互活动之间的关系，研究设置了三个对照组，分别是有关注（40人）和无关注（56人）、有粉丝（21人）和无粉丝（75人）、有好友（20人）和无好友（76人），分别观察在提问量、回答量和发言量三个指标上的均值比较，具体数据见表8。

表8 社交关系交互活动均值比较

从表8的对比结果可知，除了在提问量上有无粉丝和有无好友的均值是相等的，其余都是有组大于无组。关注量对提问影响较小，对回答和发言影响较大；提问量随着粉丝量逐步增加，粉丝量为4的时候提问量达到顶峰，说明了好友数量与交互活动的正向关系。通过上述分析，说明了社交关系对于开展交互活动是具有推动和促进作用的。可以得出假设H3（在线学习的社交关系对交互活动具有正相关影响）是成立的。

5 研究结论与策略建议

5.1 研究结论

通过对学习者相关数据的实证分析，得出以下结论。

1）在线学习的学习者社交活跃度较低

本研究社交活跃度通过社交关系和交互活动两个维度来反映。通过描述性统计分析发现，96名学习者中有56人没有关注他人，75人没有粉丝，76人无社交好友，说明超过50%的学习者没有使用课程平台的社交功能，使用课程平台的目的只是为了获取知识；另一方面96名学习者在交流互动模块中多达91人没有过提问，90人没有回答过别人的提问，86人没有发言，充分显示大多数学习者对于交流互动比较淡漠。因此，从社交关系和交互活动两个维度的数据表明当前在线学习者的社交活跃度较低。

2）在线学习的社交关系对学习成绩并不产生直接影响

围绕社交关系，设置三个对照组进行独立样本T检验得知，两组学习者的学习成绩并没有明显差异，说明学习者在学习平台上的社交活动对学习成绩没有直接影响。

3）在线学习的交互活动对学习成绩具有正相关影响

通过均值比较得知，有参与交流活动的学习者的学习成绩均值高于那些没有参与交流活动的学习者。一方面，那些会去提问的学习者，他们对于知识的求知欲比较高，愿意通过向他人求助的方式来解决自己学习上的问题，因此学习成绩较好；另一方面，回答他人问题的学习者本身的学习水平较高，因此学习成绩也较好。因此，教师应该鼓励学习者参与交互，进而提高学习兴趣和学习效果。

4）在线学习的社交关系对交互活动具有正相关影响

通过均值比较发现，有社交关系的学习者其交互活动比没有社交关系的学习者更活跃一些，均值较高，说明了社交关系对交互活动具有促进作用。

5.2 策略建议

当前在线学习者整体社交活跃度不高，体现在社交关系少和交互活动不活跃两个方面。虽然社交关系并不能直接提升学习者学习成绩，但是研究发现社交关系能够促进交互活动，并且交互活动能够直接影响学习成绩，因此社交关系能通过促进交互活动间接地对学习成绩产生影响。针对如何提升学习者的在线学习社交意愿，本文从学习平台、教师以及学习者三个主体出发提出策略建议，促进学习者更好地使用在线课程平台进行学习，提升学习效果。1）引进其他社交网站，如微信、QQ、新浪微博等。一方面使学习者分享其在学习平台的内容更加方便，另一方面可以将在其他社交网站的好友数据引入本学习平台，有利于进一步打造学习者社交生态网；2）大力开发课程平台APP，加强对学习平台的技术支持。在移动互联网时代，掌中学习、即时社交是关键所在，开发APP使学习者能够随时随地使用平台进行社交学习，提升学习者社交的及时性、积极性和使用社交功能的频率；3）借鉴当前年轻人最流行的视频弹幕网站bilibili经验，对于有视频资源的课程可以引入视频弹幕的新颖概念，弹幕交互是当前最受年轻人所喜欢的交互方式，有利于建设共同学习、在弹幕下探讨问题的学习环境，进一步建立起学习者社交生态环境。4）在教学过程中，教师通过教学设计、组织小组协作、探究性学习等方式，引导学习者参与社交互动，激发学习者参与社交互动的积极性，学习者也应积极响应教师的教学设计方式，进而及时解决学习中遇到的问题并提升对所学知识体系的学习兴趣和学业成绩。

6 结语

在线课程平台上的在线学习行为如何影响学生成绩是一个值得研究的问题。本文针对学者网课程平台中的一门《C语言程序设计》课程，利用学者网的学术交互数据弥补课程学习者数据的稀疏，然后采用描述性统计、相关性分析以及独立样本T检验三种统计方法，分析了该课程中社交关系和交互活动对学习绩效的影响，进而根据分析结论提出相关的建议，激发在线学习者的学习兴趣，提高在线课程平台的用户粘性。