冷静 路晓旭 宋金阳

【摘 要】

为解决新时代下各种复杂问题，当代大学生应该具备知识建构能力，特别是学生能够通过在线协作平台不断进行提问、解释，从而共同解决问题并进行知识创造。由于学习过程数据可从在线学习平台获得，使得分析大学生知识建构的动态发展及序列模式成为可能。上海某高校教育技术专业的27名三年级学生参与了课程学习，并利用在线论坛进行了一学期的协作交互，共发帖787条。本研究采用内容分析法对所有帖子进行编码，利用滞后序列分析得到该课程三个協作阶段的编码行为序列。研究发现，随着协作的深入知识建构的层次逐渐提升，在不同协作阶段会出现不同的序列模式。分析在线学习行为及序列模式有助于教师更好地诊断影响学习结果的潜在问题，从而调整教学策略以促进其知识构建过程。

【关键词】  协作学习环境;在线话语;交互行为模式;知识建构过程;内容分析;协作阶段;滞后序列分析;路径图

【中图分类号】   G434         【文献标识码】  A       【文章编号】  1009-458x（2022）1-0085-07

一、问题提出

协作学习环境为学习者提供了相互交流的平台，给予他们足够的时间从多个角度进行反思，不断检查、修正和改进自己的观点（Goggins， et al.， 2016）。同时，在线学习平台能够自动记录学习者的学习行为，如学习者在论坛中的点击、发帖、回帖等学习行为。对学习者在线行为数据进行分析能够在一定程度上反映学习者的参与度和在线交互动态。研究者根据不同的研究目标与研究方法，探讨了不同的在线协作学习交互行为模式，如知识建构行为模式（马志强， 2013）、MOOCs交互模式（孙洪涛， 等， 2016）和协作行为模式（李青， 等， 2016）。这些对学习者在线行为模式的探讨对于指导教学实践具有重要意义。

在21世纪，为了更好地适应知识经济时代，学习者需要掌握一定的协作学习能力来对知识进行社会性建构（Scardamalia， et al.， 2014）。知识建构被定义为个体在某个特定的学习社区中进行相互协作，并对集体知识的形成和持续改进做出贡献，知识建构被认为是创新的关键（Scardamalia， et al.， 2003）。在线协作知识建构是实现深度学习的重要路径，也是提升协作学习质量的重要目标。目前，有研究者论述了在线协作知识建构的建构过程、构成要素、支持建构的学习环境等方面（李海峰， 等， 2019）;有研究对在线学习行为数据进行分析，分析学习者的交互质量和知识建构水平（柳瑞雪， 等， 2016）。虽然有关知识建构行为的研究取得了一定的进展，但鲜有研究对学习者的潜在行为模式和知识建构行为规律进行探究。

滞后序列分析法（Lag Sequential Analysis，LSA）通过分析学习过程中的相关行为，包括外显行为（操作层面的行为）和内隐交互行为（学生讨论话语等），来探索学习行为的规律，把握学习者在学习过程中的行为模式（杨现民， 等， 2016）。本研究采用LSA对学习者在线协作会话进行分析，探讨学习者在不同协作阶段中知识建构行为的发展过程及其模式，以帮助教师掌握学习者阶段性行为表现，从而调整教学策略以促进学生知识建构水平的提高。

二、问题解决情境中在线知识建构研究

（一）在线知识建构

近年来，在线话语分析相关的研究越来越多，特别是以增进理解和建构知识为目的的异步交流已成为在线协作的重要途径。在线协作学习环境为学习者提供了更多交互的机会，让他们投入真实的问题解决中，从而实现集体知识的发展和个体知识的进步（Yücel， et. al.， 2016）。在线话语是信息交流的主要载体，包含了关于交互过程与知识建构过程的大量信息。国内关于协作知识建构的研究主要包括过程模型理论、模式、影响因素、策略以及基于内容分析和交互分析的评价研究（刘清堂， 等， 2018）。其中，利用内容分析方法对在线话语进行分析，可以得知在线学习者的群体知识建构水平（Meyer， 2004）。

根据不同的研究目的以及研究内容，研究者设计了各种不同的知识建构研究框架。有研究者（Schrire， 2006）采用案例分析法对在线论坛中的交互情况进行研究，提出了异步讨论中协作知识建构分析模型，该模型可以从在线交互情况、话语分析和认知水平等多个角度评估学生的知识建构行为。有研究者（Gunawardena， et al.， 1997）采用扎根理论，以学习者在线交互产生的话语帖子为分析单元进行内容分析，提出包含提出观点，提出质疑，意义协商，检验、修改和达成共识，以及应用知识建构新知识五个阶段的知识建构框架，用于检查在线学习活动中学习者的知识建构水平。斯特尔（Stahl， 2000）提出协作知识建构模型包括两个重要的循环，即个人理解和社会知识建构。此外，在费尔曼等人（Veerman， et al.， 2001）的编码表中，知识建构的过程包含建立观点、解释和评价三个阶段。综上所述，在知识建构模型中都存在提出问题与解释问题的过程，提出问题与解释问题是学生知识建构过程中的重要部分，学生在不断的提问与解释中构建新的知识。

（二）滞后序列分析法

萨基特（Sackett， 1978）提出LSA，用于计算一种行为跟随另一种行为出现（也就是行为的路径）的概率，并计算其是否存在统计学意义上的显著性。目前，该方法被广泛用于电子商务、医疗等领域，教育技术领域的研究者主要将其用于学习者行为分析。有研究者（Wu， et al.， 2016）应用LSA探讨学习者在概念图工具中的操作行为以及在认知加工阶段的社会知识建构行为模式;有研究者（Wu， et al.， 2013）利用LSA比较了基于问题解决的活动和基于项目的讨论活动两种教学活动在知识构建阶段和认知维度上的差异;冷静等（2019）利用LSA通过对在线讨论话语进行分析，得出项目教学各个阶段的批判性思维转换模式;有研究者（Yang， et al.， 2018）利用LSA对协同翻译过程中的知识建构模式进行了探讨，其利用的编码框架为古纳瓦德纳（Gunawardena）提出的五阶段知识建构模型。综上所述，LSA在学习行为分析领域具有较好的应用前景，可以帮助研究者和教学者准确把握学习者潜在的行为模式，以取得更好的教学效果。

（三）研究问题

本研究通过分析大学生在线协作学习过程中的在线话语，探究大学生在线知识构建行为模式。主要对以下两个问题进行研究：

1. 在基于真实问题情境的在线讨论中，大学生在不同协作阶段分别有哪些知识建构行为？

2. 对在线话语进行编码后得到的知识建构行为序列，在不同阶段分别呈现怎样的模式？

三、研究方法

（一）研究对象

本研究以上海某高校大三年级修读教育技术学专业的27名本科生为研究对象，包括4名男生和23名女生。这些学生都参加了“信息化环境下的教学设计”这门课程的学习。该课程采用基于项目的学习，将学生分成9个小组，每个小组3名成员。各小组在确定了教学设计项目的选题之后，开展一学期的在线协作讨论并在学期末提交最终设计方案。

（二）研究设计

在本研究中，课程评价主要包含两部分：一部分是在线讨论和课堂活动（50%），另一部分是教学设计作品和课堂展示（50%）。因此，在线讨论的参与度和质量在评价中非常重要。在线讨论一共分成三个阶段：第一阶段是初始设计阶段，各小组学习相关背景材料并进行在线讨论;第二阶段是完善设计阶段，小组成员分享信息并起草小组项目方案;第三阶段是小组方案互评阶段，各小组对其他小组的项目方案进行评论，提出问题，并对其他小组对自己小组的方案所提出的问题进行解释。在各阶段中教师并不参與学生的讨论，而是各小组分别在讨论区中创建话题，并根据问题情境进行发帖：对设计方案进行质疑、提出相关意见;对他人的提问或建议进行解释、回应。每位同学在课程结束之后都接受了访谈，方便研究者通过该材料来佐证在线知识建构行为模式。

（三）编码方案

在知识建构过程中，最常出现的两类话语是提问和解释。本研究基于已有的知识建构编码体系（Lee， et al.， 2006），对在线话语中的提问和解释进行编码。结合平台上帖子的内容，将提问分为四个层次，即澄清性问题、事实性问题、解释性问题和挑战性问题;将解释分为四个层次，即澄清性解释、事实性解释、分析性解释和总结性解释。修改后的知识建构编码体系及具体含义见表1。

（四）数据分析过程

本研究收集了课程中共三个阶段的在线话语并由两位编码人员进行编码，编码单位为意义单元。一个帖子若包括多种行为过程，也可以对其进行分段编码。编码时记录每个编码的前后回复关系，对于部分回复位置错误的帖子，找到正确位置并将编码移至正确位置。为保证编码的客观性，在正式编码开始前编码人员就编码框架进行协商以确保二者对其的理解趋于一致。一位编码者对所有帖子进行编码，另外一位对全部帖子的48%进行编码。一致性检验显示Kappa系数为0.889，编码一致性较强。编码完成后，首先对编码频率进行统计，然后用GSEQ软件对该序列进行滞后序列分析，最后对滞后序列行为图进行结果解释与分析。

四、研究结果与分析

（一）在基于真实问题情境的在线讨论中，大学生在不同的阶段分别有哪些知识建构行为？

表2显示的是不同阶段学生知识建构层级类别和频率统计。

学生知识建构的所有类别都出现在讨论中，但所占比例不同。在第一阶段，在解释维度澄清性解释（EC，26.44%）出现的频率最高，频率最低的是总结性解释（ES，8.05%）;在提问维度解释性问题（QE，1.72%）所占比例最少。在第二阶段，事实性解释（EF，26.48%）在解释维度所占比例最高;各类提问也明显增多，出现频率最高的是事实性问题（QF，10.28%）和解释性问题（QE，9.97%）。在第三阶段，在解释维度分析性解释（EK，26.26%）出现的频率最高，其次是澄清性解释（EC，25.18%）。综上所述，学生在第二、第三阶段的知识建构水平相比第一阶段出现了明显的提升，知识建构行为主要集中在事实性解释（EF）和分析性解释（EK）。特别是在第三阶段，总结性解释（ES）增多，表明学生通过不断的提问和解释，在已有知识的基础上建构新的知识。

（二）对大学生在线话语进行编码后得到的知识建构行为序列，在不同阶段分别呈现怎样的模式？

1. 第一阶段知识建构话语分析

在线活动设计的第一阶段是初始设计阶段。通过对第一阶段产生的讨论话语进行分析，八种知识建构行为编码两两之间可产生64种行为序列，在这一阶段共产生40种、159个有效行为序列。经过GSEQ软件计算得到调整后残差值大于1.96的显著序列共7个。根据这些具有显著意义的行为序列绘制了行为转换图（如图1所示）。

从图1可以看出，学生的在线话语序列主要集中在澄清性解释（EC）与事实性解释（EF），学生在对所提供的案例提出问题时进一步进行提问、解释、协商和总结（EF→QC→QE→QM→ES→EK），从而形成观点;在向其他小组提供案例的过程中不断地进行澄清性解释（EC→EC），然后进一步提出要求提供事实、专题和一般资料的问题，不断地总结与分析观点（QF→ES→EK）。对学生的访谈分析也能印证这一点。例如，学生S1在访谈中就指出，在初始阶段针对关键性的问题进行了解释，并提出了新的方法：

“在一开始设计方案时得到了很多建议，但是要改进起来确实难度比较大，比如有人提问我们小组如何建立激励机制。这个问题我们之前并没有考虑，经过小组内部讨论我们觉得可以考虑利用及时反馈的方法（比如近期消费比较合理会增加分数或者收到徽章什么的）激励使用者控制自己的消费。不过希望找到更好的方法来吸引使用者。”

2. 第二阶段知识建构话语分析

在线活动设计的第二阶段是完善设计阶段。在这个阶段共产生43种、291个有效序列。第二阶段产生比较多的单序列，共有21个。将数据导入GSEQ软件，产生残差值>1.96的行为序列共9个。根据这些具有显著意义的行为序列绘制了行为转换图，如图2所示。

从图2可以看出，在这一阶段形成的最长序列长度为7，该序列为EC→QF→EF→QC→EF→QM→EF，还形成了QE→EF、EK→EK→ES两个序列。在第二阶段，出现了解释和问题的循环，即小组之间不断地进行澄清性解释，提出事实性的问题，之后通过事实案例分析、讨论进一步对基本的定义和事实进行提问、分析以及解释（EC→QF→EF→QC→EF→QM→EF）。在此期间，解释性问题有助于引发提供案例小组的解释性澄清（QE→EF）。同时，小组之间不断地分析与总结（EK→EK→ES），共同建构新知识。

结合论坛的帖子分析，第8小组在第二阶段发布了该组项目内容后，学生S8提出“闯关游戏中奖励机制是怎样的？”这一问题对项目中提到的细节进行提问。该条话语编码为事实性问题（QF），第8组成员在论坛中做出以下回复：

“闯关游戏中的奖励机制是给予金币。具体给多少还没有定。比如：你在学习了某一部分课程之后就会得到金币奖励，并且之后会用金币去进行闯关游戏，闯关完成之后会有一定的金币奖励，这个奖励是按照你的闯关情况给定的，但是肯定是比你进入闯关花费的金币要高。当然之后可能会提出其他的奖励机制。”

以上话语对游戏中的奖励机制进行了详细说明，其编码为事实性解释（EF）。紧接着，学生S9根据这一条回复产生了新的意见：

“用金币作为奖励挺不错的，但这不是真正的奖励，还应考虑这些金币具体可以用来干什么呢？比如可以換购一些学习用品或商品实物，因为没有实际的利益驱动，大家可能就没有赚金币的兴趣。所以可以再考虑一下奖励机制的实质。”

该条语句编码为挑战性问题（QM），根据已有事实进行追问，且采用反问的形式提出了自己的意见，得到了组员的事实性解释（EF）：

“这个有考虑到，有用到金币去进行游戏闯关花费金币，闯关之后会有金币赚取。但是换取一些学习用品这个想法我们会考虑的，比较不错的想法，比较切合实际消费呢。”

此外，在一些识别关键问题、做出有深度的解释的帖子后面会出现总结性帖子。学生S2在访谈中表示通过几轮提问—解释会对项目中涉及的学习者分析进行深度的剖析：

“在完善设计阶段，我们会不断地受到挑战，其他小组的同学会对我们的学习者分析环节进行提问。在多轮讨论和解释之后，我们总结高二学生的自我效能感比较容易受外界影响，如成败经验、个人情绪等，也总结了一些有针对性的措施激发学习者的学习兴趣，但我们的课程在目前的设计上仍旧缺少对于学习者学习兴趣的激发，往往是以提出问题的方式激起学生的探索欲。应该在后续的课程设计改进中运用一些激发学生学习兴趣的策略，如在检验学习者学习成果的时候加入一些游戏环节。教师应该在整个班级内营造和谐的课堂氛围，培养学生的积极情感，如在课堂上适当放一些轻音乐，缓解学生的焦虑感。”

3. 第三阶段知识建构话语分析

在第三阶段进行的是小组方案互评，共产生38种、270个有效序列。将数据导入GSEQ软件，得到行为序列共7个。

根据这些具有显著意义的行为序列，绘制了行为转换图（如图3所示）。

从图3可以看出，在这一阶段形成的最长序列长度为5，该序列为EK→ES→EF→EC→EC，还形成了EK→QE、EK→QF、QC→EC三个序列。在这一阶段小组之间集中于关键问题的解决，不断进行观点总结、解释讨论，以自己的实际经验提供解释支持。同时，小组之间开始反思项目过程，对事实进行解释并阐明这样做的原因，并尝试寻求猜想（EK→QE、EK→QF）。对澄清性问题进行澄清性解释（QC→EC）有助于其他小组的成员更好地理解项目的细节。

第三阶段各小组将项目方案上传，并阐述、分析其教学设计理念，这些帖子多为分析性解释（EK），接着学生S10针对第2小组的项目方案发表了自己的看法：

“不同于其他小组的课程设计书，看你们小组的设计书更像是一个产品设计书与课程设计书的融合，能够在老师讲授有关课程设计的课程时对照App完成你们小组的设计，十分不容易。教学包件中的导入视频做得很用心，能够吸引用户继续点进App探索。但是我也存在两个疑问：①你们对用户做了思维方式的测试问卷，对用户的思维方式进行了解，我开始以为会针对不同的思维方式有不同的模块，但是在设计书中并没有发现该功能，所以不太了解使用思维方式问卷的目的。②了解到后测问卷是‘帮助您了解自己是否是一个善于反思的人’，我有一个建议是：这个问卷其实也可以拿到前测部分，这样确定用户的反思习惯后，也可以在App中多提醒不善于反思的用户，收到更好的效果。”

以上帖子总结了该项目方案中的亮点，并提出了自己的看法，因此被编码为ES。第2小组成员对这条帖子进行了如下回复：

“对于疑问1，我们会为用户提供多个思维方式小测试，是在设计书中的反思小测试功能模块，其目的是让用户在进行有趣、多样的小测试的过程中进行思考与反思，让用户在测试过程中得到启发，而不是真的要测试出用户的思维方式，因为在查阅一些资料后发现人的思维方式是无法通过简单的小测试问卷就能测出来一个特定模式的。”

该帖子编码为事实性解释（EF），针对项目中设计的内容进行了详细的解释说明，解决了学生S10的疑问。对此，学生S10再次回复，对自己的观点进行了重申，即澄清性解释（EC）。在这一过程中，两者通过交流进一步明确了项目细节，达成了知识建构的目的。

五、讨论和展望

教师创设真实的教学情境，让学生在问题解决过程中主动进行知识和意义的建构，这是当前倡导的课堂教学方式。为了促进深层次的在线协作知识建构，本研究使用滞后序列分析法（LSA）监控学生的知识建构行为序列，并依据在线平台中的数据生成动态的协作活动路径图，以更好地提升学习体验和优化在线活动设计。通过对比三个阶段的在线话语，挖掘学生的知识建构行为序列，主要得出以下结论，并针对教师在线教学实践提出相关建议。

第一，在问题解决过程中设计阶段性活动，让协作互动从无序到有序。本研究基于真实的问题情境设计在线讨论活动，促进学生激活已有经验，让学生主动投入面向问题解决的知识建构中，理解当前问题情境，生成新的理解与看法。采用阶段性学习活动可以让组内、组间的讨论和交流更加有序。同时，在每个阶段设置不同的讨论主题，好的问题可以促进协作质量的提升以及深度知识建构的持续。学习者在合作解决问题中学习问题背后的隐性知识，发展多种高阶思维能力。已有研究将在线协作活动分阶段进行，如杨现民等（2016）将协同翻译活动分为三个阶段，即组内协作（讨论翻译任务及修订）、组间协作（互相评论、提意见）和组内协作（根据反馈讨论及修订）;马志强（2013）则根据问题解决知识建构互动过程，将协作过程分为构建问题空间和问题策略形成两个阶段。

第二，在不同的协作阶段，学生的知识建构行为路径差异较大。已有研究表明，随着在线协作活动的展开，在线话语反映的批判性思维的深度和层次有明显的提升（冷静， 等， 2019）。本研究应用LSA对学生在不同活动阶段的行为模式进行比较，发现在第二、第三阶段，学生的知识建构层次有明显提升。特别体现在组间交互之中，出现的提问如解释性问题（QE）和挑战性问题（QM）增多，继而引发事实性解释（EF）、分析性解释（EK）甚至总结性解释（ES）的依次出现。协作解决问题有助于学生主动形成以解决问题为驱动力的获取知识、搭建知识体系行为。随着协作的不断深入，学生的思维深度随着任务的深入和互动的频繁而不断提升。因此，教师作为课程开发者，可以根据学生在不同协作阶段知识建构的特点，设计符合学生学习规律的教学活动。如教师可以在协作活动前期设计有趣味性的活动主题，吸引学生的兴趣从而提高学生参与的积极性与主动性，并使学生对协作活动保持注意力。

第三，教师可以对在线协作活动制定较为全面的评价方式，促进在线协作学习质量的提升。教师可以制定以过程为导向的评价计划，在小组之间组织适度的辩论，以激发学生参与协作任务的兴趣与动机（Yang， et al.， 2018）。教师还可以依据在线平台中每一阶段的数据生成动态的协作活动路径图，对学生的协作活动做出判断和相应干预，提供有效的学习支持。在协作活动前期，学生需要对活动进行分析，以深入了解并形成观点，学生的知识建构行为围绕解释展开，包括澄清性解释（EC）和事实性解释（EF）;教师应该承担信息咨询者和学术顾问的角色，对学生展开积极的引导，帮助学生建立宽厚灵活的知识基础，在此基础上提出创造性的观点。在协作活动中期，学生已经完全进入状态，知识建构在解释和提问中不断循环，此时教师应作为意义建构的促进者适时发问，促进小组对有关内容的理解走向深入，发展有效的问题解决技能与团队协作能力。在协作活动末期，项目进入收尾阶段，小组更关注关键问题的解决和反思，教师应针对小组提出的具体方案给予更正性建议，启发诱导学生发现和解决问题。

综上所述，本研究设计了阶段性的协作活动，并设置问题引导学生投入深层次的在线知识建构中;利用LSA呈现了学习者在不同阶段中知识构建行为模式存在的差异，有助于教师更好地了解学生的行为模式，诊断影响其学习结果的潜在问题。本研究对于教师及时调整教学策略、设计出适合的学习活动以及促进学生在线话语中的知识建构具有重要意义。然而，本研究也在实验设计和分析方法层面存在一定的局限性：其一，在实验设计方面，教学策略（包括教学评价）可能是产生显著行为序列的影响因素（Kanuka， et al.， 2007），但是本研究并未对其进行详细分析。另外，教师的支持是影响学生知识建构层次的一个重要因素，而本研究使用的在线平台并不支持提供各种知识建构支架，教师的支持策略比较单一，有必要对模型进行多种教学策略和多种教学支持的实践应用研究。其二，在学习分析方面，本研究仅生成了知识建构行为的路径图并研究行为模式及转化规律，后续可以使用更加精确的可视化方法（胡丹妮， 等， 2019），深度挖掘LSA路径图中学生的在线知识建构行为状态，从而为教师及时调整教学策略、优化在线教学活动设计提供参考。

[参考文献]

胡丹妮，章梦瑶，郑勤华. 2019. 基于滞后序列分析法的在线学习者活动路径可视化分析[J]. 电化教育研究，40（5）：55-63.

冷静，黄旦. 2019. 基于LSA的大学生批判性思维在线话语分析[J]. 中国电化教育（4）：70-78.

李海峰，王炜. 2019. 在线协作知识建构：内涵、模式与研究向度[J]. 现代远距离教育（6）：69-77.

李青，翁克山. 2016. 协作式移动语言学习协作行为与协作模式分析研究[J]. 中国远程教育（6）：44-53.

刘清堂，张妮，朱姣姣. 2018. 教师工作坊中协作知识建构的社会网络分析[J]. 中国远程教育（11）：61-69，80.

柳瑞雪，石长地，孙众. 2016. 学习管理系统和社交平台协作学习知识建构层次分析[J]. 中国远程教育（7）：10-19，79.

马志强. 2013. 问题解决学习活动中知识建构的过程与规律研究[J]. 电化教育研究，34（1）：26-31，40.

孙洪涛，李秋劼，郑勤华. 2016. MOOCs交互模式聚類研究[J]. 中国远程教育（3）：33-38，44，80.

杨现民，王怀波，李冀红. 2016. 滞后序列分析法在学习行为分析中的应用[J]. 中国电化教育（2）：17-23，32.

Goggins， S.， & Xing， W. （2016）. Building models explaining student participation behavior in asynchronous online discussion. Computers & Education， 94， 241-251.

Gunawardena， C. N.， Lowe， C. A.， & Anderson T. （1997）. Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing. Journal of Educational Computing Research， 17（4）， 397-431.

Kanuka， H.， Rourke， L.， & Laflamme， E. （2007）. The influence of instructional methods on the quality of online discussion. British Journal of Educational Technology， 38（2）， 260-271.

Lee， E. Y. C.， Chan， C. K. K， & van Aalst， J. （2006）. Students assessing their own collaborative knowledge building. International Journal of Computer-supported Collaborative Learning， 1（1）， 57-87.

Meyer， K. （2004）. Evaluating online discussions： Four different frames of analysis. Journal of Asynchronous Learning Networks， 8（2）， 101-114.

Sackett， G. P. （1978）. Observing behavior： Theory and applications in mental retardation. Baltimore： University Park Press.

Scardamalia， M.， & Bereiter， C. （2003）. Knowledge building environments： Extending the limits of the possible in education and knowledge work. In A. DiStefano， K. Rudestam， & R. Silverman （Eds.）， Encyclopedia of distributed learning. （pp. 269-272）. Thousand Oaks， CA： Sage Publications.

Scardamalia， M.， & Bereiter， C. （2014）. Knowledge building and knowledge creation： Theory， pedagogy and technology. In K. Sawyer （Ed.）， Cambridge handbook of the learning sciences. （pp. 397-417）. Cambridge： Cambridge University Press.

Schrire， S. （2006）. Knowledge building in asynchronous discussion groups： Going beyond quantitative analysis. Computers & Education， 46（1）， 49-70.

Stahl， G. （2000）. A model of collaborative knowledge-building. In B. Fishman & S. O'Connor-Divelbiss （Eds.）， Fourth international conference of the learning sciences. （pp. 70-77）. Mahwah， NJ： Erlbaum.

Veerman， A.， & Veldhuis-Diermanse， E. （2001）. Collaborative learning through computer-mediated communication in academic education. In P. Dillenbourg， A. Eurelings， K. Hakkarainen（Eds.）， European Conference on CSCL. （pp. 625-632）. Maastricht： McLuhan Institute， University of Maastricht.

Wu， S.， Hou， H.， Hwang， W.， & Liu， E. Z. （2013）. Analysis of learning behavior in problem-solving-based and project-based discussion activities within the seamless online learning integrated discussion （solid） system. Journal of Educational Computing Research， 49（1）， 61-82.

Wu， S. Y.， Chen， S. Y.， & Hou， H. T. （2016）. Exploring the interactive patterns of concept map-based online discussion： A sequential analysis of users’operations， cognitive processing， and knowledge construction. Interactive Learning Environments， 24， 1-17.

Yang， X.， Li， J.， & Xing， B. （2018）. Behavioral patterns of knowledge construction in online cooperative translation activities. The Internet and Higher Education， 36（1）， 13–21.

Yücel， Ü. A.， & Usluel， Y. K. （2016）. Knowledge building and the quantity， content and quality of the interaction and participation of students in an online collaborative learning environment. Computers & Education， 97， 31-48.

收稿日期：2020-05-01

定稿日期：2020-12-10

作者簡介：冷静，博士，副教授，硕士生导师，本文通讯作者;路晓旭，硕士研究生。华东师范大学教育学部教育信息技术学系（200062）。

宋金阳，硕士研究生，香港大学教育学院（999077）。

责任编辑 单 玲