在線討論中動態(tài)學習情緒和認知行為序列的關系研究

王云 李志霞 白清玉 姚海瑩

[摘 ? 要] 在線討論作為在線學習的重要組成部分，其產(chǎn)生的文本數(shù)據(jù)可以反映學習者的認知水平、互動質量以及情緒狀態(tài)。學習情緒影響認知行為，從而影響學習成效，研究學習情緒和認知行為之間的關系非常重要。文章基于Harris等人的情緒分類法和蔡今中的認知分類體系，使用內(nèi)容分析法和滯后序列分析法研究學習者的動態(tài)學習情緒、認知行為序列模式以及學習情緒和認知行為之間的關系。研究表明：困惑情緒和消極情緒會轉化為積極情緒，但是中性情緒不會轉化為積極情緒;學習者傾向于呈現(xiàn)描述行為和推斷或解釋行為，且認知行為序列模式具有漸進性特征;描述行為會引發(fā)消極情緒，比較行為、推斷或解釋行為會引發(fā)積極情緒。教師可根據(jù)學習者的行為轉換情況進行適當?shù)闹笇Ш透深A，以提升學習者的學習效果。

[關鍵詞] 在線討論; 動態(tài)學習情緒; 認知行為; 滯后序列分析

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 王云（1964—），男，山西洪洞人。教授，博士，主要從事遠程教育與智能學習、信息技術與課程整合研究。E-mail：wyspn@126.com。

一、引 ? 言

教育部于2018年發(fā)布的《教育信息化2.0行動計劃》中明確提出，“要發(fā)揮技術的優(yōu)勢，變革傳統(tǒng)模式，推進新技術與教育教學的深度融合”[1]。隨著信息技術的不斷發(fā)展，在線學習不受時間和空間限制，為學習者提供協(xié)作溝通、交換意見、探究問題以及同伴互評的空間，使學習者成為學習活動的主體，得到越來越廣泛的應用。在線討論作為在線學習的重要組成部分，以教育管理軟件為中介，支持同步和異步交互。在線討論通常以文本的形式呈現(xiàn)，這些文本內(nèi)容可以體現(xiàn)出學習者的批判性思維、知識建構、交互深度、認知水平和情緒狀態(tài)。研究者開始探索在線討論中學習者的學習情緒，學習情緒反映的是學習者在與他人互動的過程中對某一話題的態(tài)度或看法[2]。基于文本的數(shù)據(jù)蘊含著不同的學習情緒，如積極情緒（希望、快樂和驕傲）、消極情緒（焦慮、沮喪和無聊）以及困惑情緒。Kort強調(diào)學習過程中的動態(tài)情緒，動態(tài)學習情緒是指在學習環(huán)境、學習任務難度的影響下，學習過程中各種情緒（享受、困惑、焦慮等）的變化[3]。動態(tài)學習情緒可以幫助教師了解學生在討論過程中的情緒變化，根據(jù)變化情況給予適當?shù)膶W習干預，以提高在線討論的質量和學習效果，但關于動態(tài)學習情緒的實證研究較少。在線討論中，學習者之間的交互不僅是知識習得的過程，更是創(chuàng)造性的認知過程，通過學習者在討論中發(fā)布的話語可以甄別學習者的認知模式[4]。很多研究者認為，情緒會影響學習者的認知過程。Robinson在其研究中指出，社會認知模型會引發(fā)不同的情緒，而情緒會影響認知方式和學習策略[5]。徐鵬飛等人認為，情緒和動機、認知行為密切相關，情緒狀態(tài)可能會影響學習者處理新資料的方式，從而影響學習成就[6]。以上研究說明，學習情緒和認知行為之間具有相關性，而目前關于情緒對認知行為影響的研究較少。

二、相關研究

（一）在線討論中學習情緒的相關研究

近年來，研究者漸漸開始關注在線討論中學習者的情緒。首先，研究者認為，在線討論中可能會出現(xiàn)不同的學習情緒。當學習者積極參與討論，并且持續(xù)完成整個過程時，積極情緒就會出現(xiàn)[7]。但是，在與他人進行討論時，網(wǎng)絡延遲或者互聯(lián)網(wǎng)連接不良時會產(chǎn)生消極情緒（焦慮或無聊）[8]。中性情緒是指積極情緒和消極情緒都不存在或者極少時出現(xiàn)的情緒[9]。困惑情緒是由于認知失衡引起的，如異常和矛盾，如果恰當?shù)慕鉀Q這些情緒，可以促進學習過程，反之則會阻礙學習過程[10]。綜上所述，在線討論中蘊含著多種情緒，因此，在線討論中的學習情緒值得探究。其次，研究者開始探索在線討論中學習情緒的類別。在Pekrun等人的研究中，使用成就情緒問卷確定了無聊、焦慮和享受等一系列情緒[11]。Daniels 和 Stupnisky將學習情緒分為積極情緒、消極情緒和中性情緒三個維度[12]。在此基礎上，Harris等人提出學習情緒包含積極情緒、消極情緒、中性情緒、困惑情緒、深刻情緒和玩笑[13]。學習者在面對面交流時，情緒變化較為明顯，但在線討論中的情緒變化較為模糊。因此，在線討論中的學習情緒變化需要進一步探究。還有，研究者研究學習情緒和在線學習效果的關系，探究在線學習過程中學習情緒的作用。劉智等人研究SPOC論壇中學習者情緒和學習效果的關系，研究表明，在特定學習進程中，學習者的積極、困惑情緒與學習效果均呈顯著正相關，而在整體學習進程中，學習者的消極情緒與學習效果呈顯著負相關[14]。Artino Jr和Jones II探究在線課程中學習情緒和自我調(diào)節(jié)學習互動之間的關系，研究揭示了學習情緒和學習結果具有相關性[8]。以上研究表明，學習情緒會影響學習者的學習效果。

（二）認知行為的相關研究

學習參與對學習效果具有重要影響，在學習參與的研究中，研究者使用不同的方法探究在線討論中的認知行為。李良等人使用社會網(wǎng)絡分析法和內(nèi)容分析法研究在線學習中積極參與者和消極參與者認知行為的差異[15]。劉智等人使用滯后序列分析法（Lag Sequential Analysis，簡稱LSA）和內(nèi)容分析法研究不同群體關鍵認知行為及其序列模式的差異[16]。使用滯后序列分析法研究基于文本數(shù)據(jù)的在線討論中學習者的認知行為序列模式是一種新趨勢。在分析認知行為時，研究者提出不同的認知分類方法作為編碼依據(jù)。新版布魯姆目標分類體系中的認知歷程向度將認知行為分為記憶、領會、運用、分析、評鑒和創(chuàng)造六個層次[17]。布魯姆認知分類呈漸進結構，由簡單到復雜，由具體到抽象，即后一目標的達成是建立在已掌握的前一目標基礎之上。卡內(nèi)基梅隆大學話語分析項目組基于ICAP框架制定的認知行為編碼表，將認知過程分為參與過程、創(chuàng)造過程和共同創(chuàng)造過程[18]。蔡今中等人為了更深入地了解學生在重新構建科學知識時信息的處理方式，提出了包括定義、描述、比較、推斷或解釋在內(nèi)的認知分類體系[19]。前三種行為為低階認知行為，推斷或解釋為高階認知行為。一些研究者已經(jīng)在分析行為模式時探索動態(tài)情緒。Cheng和Hou從情緒、認知、元認知三個角度研究學習過程，將學習情緒看作研究行為模式的一個因素，結果發(fā)現(xiàn)，在線討論中，學習情緒會影響認知參與[20]。上述研究表明，動態(tài)學習情緒是認知行為模式的一個重要因素。

綜上所述，動態(tài)學習情緒和認知行為之間的關系可以讓我們了解學習情緒如何影響認知行為，以進行有效的干預促進學習效果的提升，但是相關的研究較少。因此，本研究在教學過程中開展在線討論活動，主要研究以下問題：（1）在線討論中，學習者的學習情緒具有怎樣的頻率分布，具有怎樣的序列模式？（2）在線討論中，學習者的認知行為具有怎樣的傾向，認知行為序列具有怎樣的特點？（3）在認知行為中，學習情感具有怎樣的頻率分布，學習者的動態(tài)學習情緒和認知行為序列之間具有怎樣的關系？

三、研究方法與設計

（一）研究對象

本研究將山西師范大學本科2017級教育技術學專業(yè)的學生作為研究對象，共有46人，其中，男生8人，女生38人，所有的學生均有豐富的在線學習經(jīng)歷。參與課程為2019—2020學年第一學期開設的“信息技術課程教學論”。

（二）教學環(huán)境與活動過程

課程開展環(huán)境為面對面教學和在線學習相結合的混合式學習環(huán)境。學習者在面對面課堂教學中進行課堂教學展示，然后進行在線討論活動。本研究將“藍墨云班課”平臺作為在線學習平臺，此平臺具有組織管理、互動交流等功能，并能記錄學生交流、討論、答疑等活動數(shù)據(jù)[21]。在“信息技術課程教學論”教學實踐中，培訓的課堂教學技能主要為導入技能、講解技能、提問技能、板書技能和PPT技能，學習者根據(jù)這五個主題進行課堂教學展示，然后學習者在平臺上進行交流討論，討論的主題如圖1所示。在討論過程中，學習者可以表達自己的想法，對其他學習者的表現(xiàn)或想法提出質疑、問題或建議，不斷進行響應或回復，直至討論結束。

? ? ? （三）研究方法

本研究使用的研究方法為內(nèi)容分析法和滯后序列分析法，使用內(nèi)容分析法對在線討論中的文本數(shù)據(jù)進行編碼，使用滯后序列分析法對動態(tài)學習情緒和認知行為序列進行分析，以研究在線討論中動態(tài)學習情緒、認知行為以及兩者之間的關系。

1. 內(nèi)容分析法

為了深入研究在線討論中學習情緒如何變化，使用Harris提出的積極（Positive）、消極（Negative）、中性（Neural）、深刻（Insightful）、困惑（Confused）和玩笑（Joking）六個維度的情緒類別[13]，分析數(shù)據(jù)發(fā)現(xiàn)，討論過程中并未出現(xiàn)玩笑類情緒，因此，將玩笑情緒刪除。Harris等人的研究已經(jīng)證明此分類足以識別文本內(nèi)容所體現(xiàn)的情緒，編碼方案見表1。使用蔡今中等人提出的認知分類體系[19]對學習者的認知行為進行編碼，見表2。

2. 滯后序列分析法

滯后序列分析法最早由Sackett提出，用于檢驗人們發(fā)生一種行為之后另外一種行為出現(xiàn)的概率及其是否存在統(tǒng)計意義上的顯著性[22]。教育技術領域研究者將其廣泛應用到學習分析中，包括行為分析、知識建構分析、情緒分析和學習路徑分析。例如：王懷波使用LSA識別深度學習者和淺層學習者在行為序列上的差異特征[23];劉智等人使用LSA提取每個年級學生最顯著的行為模式，以分析不同年級學生行為模式的差異性[24];Hou等人基于項目式學習，探究同伴反饋在線討論過程中，學習者的知識建構行為模式和潛在的情緒轉換模型[25-26];胡丹妮使用LSA對在線學習者的活動路徑進行可視化分析[27]。本研究使用滯后序列分析法分析動態(tài)學習情緒和認知行為序列模式。

教育研究者通常使用GSEQ軟件分析行為序列，將一系列行為和情緒按其時間出現(xiàn)的先后順序輸入，然后選擇相應的操作項獲取行為或情緒轉換的顯著性情況。使用LSA的主要過程為：（1）選擇認知行為和學習情緒的編碼方案;（2）收集認知行為和學習情緒的文本數(shù)據(jù);（3）對所有的認知和情緒數(shù)據(jù)進行編碼;（4）計算認知和情緒的編碼一致性;（5）分析認知和學習情緒序列模式;（6）繪制重要序列轉換圖。

（四）數(shù)據(jù)收集與分析

研究的數(shù)據(jù)來源于學習者在“藍墨云班課”平臺上進行在線討論的文本數(shù)據(jù)，教師在進行課堂教學技能訓練的過程中，組織了5次在線討論，共產(chǎn)生了861條文本數(shù)據(jù)。數(shù)據(jù)分析過程為：（1）依據(jù)學習情緒分類法和認知分類體系對文本數(shù)據(jù)進行內(nèi)容分析和量化處理，并對編碼結果進行一致性檢測;（2）計算每類學習情緒和認知行為的頻率;（3）使用LSA繪制序列轉化圖，將學習者的學習情緒和認知行為序列模式可視化。

使用以上兩種編碼方案，并按發(fā)布時間順序對產(chǎn)生的數(shù)據(jù)進行編碼，每條數(shù)據(jù)可能會對應多種情緒或者多種認知行為，按其主要情緒或行為進行編碼。數(shù)據(jù)由兩位經(jīng)過培訓的研究生根據(jù)學習情緒和認知行為編碼方案進行編碼，編碼結果如有異議，再與教師協(xié)商，直到意見一致為止。編碼完成后，進一步檢驗編碼的可靠性。經(jīng)計算，學習情感編碼的Kappa系數(shù)為0.806，認知行為編碼的Kappa系數(shù)為0.752，表明編碼結果具有一致性。

四、研究結果

（一）動態(tài)學習情緒分析

1. 深刻情緒出現(xiàn)的頻率最高，消極情緒出現(xiàn)的頻率最低

對討論中產(chǎn)生的文本數(shù)據(jù)進行編碼和分析來研究每種學習情緒出現(xiàn)的頻率，學習者學習情緒的出現(xiàn)頻率見表3。

? ? ? 深刻情緒出現(xiàn)的頻率最高（e4=366），說明討論過程進行得較為順利，學習者在觀看別人講課時，能夠結合自己的經(jīng)驗進行反思，提出一些新認識或新看法。其次為中性學習情緒（e3=201）。困惑情緒出現(xiàn)的頻率也較高（e5=171），說明學習者在交流過程中可以發(fā)現(xiàn)很多問題，產(chǎn)生疑惑，有助于獲得新知識。積極情緒和消極情緒出現(xiàn)的頻率較低，且消極情緒出現(xiàn)的頻率最低（e2=45），說明學習者對其他人提出的看法很少表達自己的觀點，大多數(shù)學習者只是對同伴提出的困惑進行答疑。

2. 困惑情緒和消極情緒會轉化為積極情緒，但是中性情緒不會轉化為積極情緒

為了進一步研究在線討論中學習情緒的變化，應用LSA對情緒數(shù)據(jù)進行序列分析，通過計算轉換頻率，生成調(diào)整后的序列殘差表。如果z-score>1.96，說明該序列具有顯著意義。根據(jù)殘差表繪制學習情緒的序列轉換圖，更直觀地呈現(xiàn)學習情緒的變化，如圖2所示。轉換圖中的所有序列均具有統(tǒng)計學意義，圖中結點表示各種學習情緒，箭頭代表情緒的轉換方向，線條的粗細表示情緒連接的顯著性水平，數(shù)值表示調(diào)整后的殘差值（z-score）。從圖中可以看出，共有5個具有統(tǒng)計學意義的情緒序列，分別為e1→e1、e2→e4、e3→e3、e4→e1、e5→e4。由上述情緒序列可以看出，學習者往往從消極或困惑的情緒開始，當討論結束后，學習者的情緒傾向于積極情緒。在線討論中，消極情緒是討論過程中不可避免的情緒，當消極情緒出現(xiàn)時，緊跟著會出現(xiàn)深刻情緒，e2→e4表明消極情緒可以激發(fā)學習者付出更大的努力進行反思性思考。在討論中，當學習者與同伴的觀點不一致時，會產(chǎn)生認知失衡，困惑情緒在解決認知失衡過程中是不可避免的。e5→e4揭示了困惑情緒可能會幫助學習者實現(xiàn)更深層次的理解。e3→e3表明中性情緒出現(xiàn)時，緊接著只會出現(xiàn)中性情緒，不會轉變?yōu)槠渌榫w。

? ? ? （二）認知行為序列模式分析

1. 學習者的認知行為傾向于呈現(xiàn)描述行為和推斷或解釋行為

除了學習情緒，還研究了在線討論中學習者的認知行為及其傾向，分析了認知行為的比例分布。結果發(fā)現(xiàn)，學習者傾向于呈現(xiàn)描述行為和推斷或解釋行為，描述行為所占比例為40.1%，推斷或解釋行為所占比例為34.8%。在交流中，學習者往往會描述同伴的課堂教學表現(xiàn)，提出一些問題并表達自己的想法。在討論過程中，學習者的高階認知行為所占比例較高，課堂教學能力提升較快。

2. 學習者的認知行為序列模式具有漸進性特征

與學習情緒序列模式一樣，使用序列分析法將學習者的認知序列模式可視化，如圖3所示。學習者的認知行為模式具有非線性、漸進性和突變性等特點[28]。結果顯示，學習者存在K→K、D→C、C→J序列，說明認知行為序列模式具有漸進性特征。在混合式學習環(huán)境中，學習者在課堂中進行教學展現(xiàn)，然后在平臺上進行交流討論。D→C和C→J是指在進行討論時，學習者首先對同伴的表現(xiàn)進行描述，找出存在的問題并表達自己的觀點。然后對其關鍵詞進行比較，如教學方法、教學語言或者教學形態(tài)。最后基于實際的案例進行推理解釋，以更好地完善課堂教學技能。K→K指當有學習者定義某一名詞或者分享教師筆記時，其他人也會對此名詞進行定義或者分享筆記。由以上序列可以發(fā)現(xiàn)，在關于技能的討論中，學習者通常以課堂的某一現(xiàn)象為基礎，進行比較、推論或解釋，最后達到深度理解的效果。

? ? ? （三）動態(tài)學習情緒和認知行為序列的關系分析

1. 困惑情緒在描述和比較認知行為中較為頻繁，深刻情緒在推斷或解釋行為中較為頻繁

? ? ? 以上結果顯示了在線討論中學習者的動態(tài)學習情緒和認知行為序列模式，但是學習情緒是伴隨著認知行為而產(chǎn)生的。因此，研究學習情緒和認知行為之間的關系非常重要。學習情緒在認知行為中的頻率和分布情況如圖4所示。困惑情緒在描述和比較認知行為中較為頻繁，消極情緒在描述行為中較為頻繁，深刻情緒在推斷或解釋行為中較為頻繁。另外，描述行為和推斷或解釋行為會引發(fā)多種學習情緒，但描述行為中各種情緒之和所占比例最高。 ??

2. 描述行為會引發(fā)消極情緒，比較行為、推斷或解釋行為會引發(fā)積極情緒

使用卡方分析來研究學習情緒和認知行為序列的關系，并將顯著性行為進行可視化分析，如圖5所示。定義行為和中性情緒密切相關，描述行為和消極情緒、困惑情緒呈顯著正相關，比較行為與深刻情緒相關，推斷或解釋與積極情緒緊密相關。首先，學習者傾向于低階認知行為，他們對同伴在課堂教學中的表現(xiàn)進行描述。在描述的過程中會提出一些問題或者不認同的做法（描述→困惑情感、描述→消極情感），因此，會出現(xiàn)困惑情緒或者消極情緒。隨著討論過程的深入，學習者的認知達到了更高的認知水平，對其關鍵詞進行比較，深刻思考并表達自己的想法，逐漸消除困惑、消除不一致（描述→比較、比較→深刻情感）。最后，部分學習者達到高階認知水平，基于實際的案例或者做法進行推斷或解釋，達到深度理解，學習情緒轉變?yōu)榉e極情緒（推理或解釋→深刻情感推理或解釋→積極情感）。此時，學習者的認知行為和學習情緒趨于穩(wěn)定。理解定義時一般不會進行全面深刻的解釋，直接呈現(xiàn)筆記或者網(wǎng)絡知識（定義→中性情感）。例如：丁同學提到“教育機智”，直接將網(wǎng)絡上“教育機智”的定義分享到討論區(qū)，沒有做更全面的分析。

五、討論與建議

在線討論中，交互式文本數(shù)據(jù)既能反映學習者的學習情緒，又能反映認知行為，且有研究表明，學習情緒和認知行為之間存在相關性[6]。因此，本研究使用Harris等人的情緒分類法和蔡今中的認知分類體系對在線討論中產(chǎn)生的文本數(shù)據(jù)進行分類，使用內(nèi)容分析法和滯后序列分析法研究學習者的動態(tài)學習情緒、認知行為序列模式以及學習情緒和認知行為之間的關系。結果發(fā)現(xiàn)：（1）困惑情緒和消極情緒轉化為積極情緒，但是中性情緒不會轉化為積極情緒。轉換序列“中性情感→中性情感”與Huang等人的研究不同，他們認為中性情緒可以轉化為積極情緒[28]，但是與Hou和Cheng的研究結果相同[29]。而中性情緒所占比例較大，因此，在開展在線討論時，教師要引導學生從不同的角度深刻思考問題，表達自己的觀點，勇于質疑其他人的觀點，并進行解釋與爭辯。“消極情感→深刻情感”和“困惑情感→深刻情感”揭示了困惑情緒和消極情緒可以促進學習者進行更深層次的思考。研究認為，學習者傾向于從困惑情緒或消極情緒開始，最后變?yōu)榉e極情緒或深刻情緒。與Kort等人的研究稍有不同，他們認為學習者總是從積極情緒、中性情緒或困惑情緒開始[3]。消極和困惑情緒有助于討論的展開，可以幫助學習者獲得新知識。積極和深刻情緒有助于討論的順利進行，可以消除疑慮。（2）學習者傾向于描述行為和推斷或解釋行為，且認知行為模式具有漸進性特征。高階認知行為所占比例為38.1%，表明有部分學習者的認知程度較深，能夠結合實例進行推斷、解釋，以解決課堂教學問題。卡內(nèi)基梅隆大學話語分析項目組認為，學習主動性強的學習者更傾向于呈現(xiàn)高階認知行為[30]，說明部分學習者的主動性較強。因此，在進行討論之前，教師應該告知學生學習本課程的意義以及進行討論對提升課堂教學表現(xiàn)的作用，以此來激發(fā)學生的學習動機，改變學生的學習態(tài)度，呈現(xiàn)更多的高階認知行為，促進學生更有效的學習。在學習和提升教學技能時呈現(xiàn)漸進的認知序列模式，首先描述問題，然后進行比較，最后進行推斷或解釋。序列“定義→定義”揭示學習者在理解定義之后，沒有進行更深入的認知活動，這就要求教師要注重學習者發(fā)散思維、批判性思維等高階思維的培養(yǎng)，鼓勵學習者在理解的基礎上，引用案例進行多角度、深層次的討論，運用高階認知思維解決問題。（3）描述行為會引發(fā)消極情緒，比較行為、推斷或解釋行為會引發(fā)積極情緒。描述行為和推斷或解釋行為會引發(fā)各種情緒，但是描述行為中消極情緒和困惑情緒出現(xiàn)的頻率較高，推斷或解釋行為中積極情緒和深刻情緒出現(xiàn)的頻率較高。學習者傾向于從更深層的認知行為轉變?yōu)榉e極情緒和深刻情緒，從而促進有意義的學習。當學習者一直呈現(xiàn)定義認知行為時，教師要創(chuàng)設一些問題情境或者提出一些難度較大的綜合性論述，引導學習者進行推理、判斷、解釋等，還可以組織學習者對每個問題進行總結，通過補充、提煉、修訂等形成一個既完整又簡潔的答案，促進認知水平的提升，使學習者處于積極情緒狀態(tài)，提升學習效果。

本研究對學習情緒和認知行為的序列模式進行編碼和分析，并深入研究了學習情緒和認知行為之間的關系，可以幫助教師了解學習者的認知和情緒狀態(tài)，當出現(xiàn)有礙于討論進行的行為和情緒時，教師能及時給予恰當?shù)母深A，以促進學習者的知識建構，提升學習效果。

[參考文獻]

[1] 教育部. 教育信息化2.0行動計劃[EB/OL]. （2018-04-13）[2019-11-30]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2] ORTIGOSA A，Martín J M，CARRO R M. Sentiment analysis in facebook and its application to e-learning[J]. Computers in human behavior，2014，31（2）：527-541.

[3] KORT B，REILLY R，PICARD R W. An affective model of interplay between emotions and learning：reengineering educational pedagogy-building a learning companion[C]// 2001 IEEE International Conference on Advanced Learning Technologies.Madison： IEEE，2001.

[4] ROWNTREE D. Teaching and learning online：a correspondence education for the 21st century？[J].British journal of educational technology，1995，26（3）：205-215.

[5] ROBINSON K. The interrelationship of sentimentand cognition when students undertake collaborative group work online：an interdisciplinary approach[J]. Computers & education，2013，62（3）：298-307.

[6] 徐鵬，鄭勤華，徐耀華，等. 教育數(shù)據(jù)挖掘中的學習者建模研究[J]. 中國遠程教育，2018（6）：5-11，79.

[7] CHO M H，KIM Y，CHOI D. The effect of self-regulated learning on college students' perceptions of community of inquiry and affective outcomes in online learning[J]. The internet and higher education，2017，34（3）：10-17.

[8] ARTINO Jr A R，JONES II K D. Exploring the complex relations between achievement emotions and self-regulated learning behaviors in online learning[J]. The internet and higher education，2012，15（3）：170-175.

[9] GASPER K，DANUBE C L. The scope of our affective influences：when and how naturally occurring positive，negative，and neutral affects alter judgment[J]. Personality and social psychology bulletin，2016，42（3）：385-399.

[10] D' MELLO S，LEHMA B，PEKRUN R，et al. Confusion can be beneficial for learning[J]. Learning and instruction，2014，29（1） ： 153-170.

[11] PEKRUN R，GOETZ T，F(xiàn)RENZEL A C，et al. Measuring emotions in students' learning and performance：the achievement emotions questionnaire （AEQ）[J]. Contemporary educational psychology，2011，36（1）：36-48.

[12] DANIELS L M，STUPNISKY R H. Not that different in theory：discussing the control-value theory of emotions in online learning environments[J]. The internet and higher education，2012，15（3）：222-226.

[13] HARRIS S C，ZHENG L，KUMAR V. Multi-dimensional sentiment classification in online learning environment[C]// 2014 IEEE Sixth International Conference on Technology for Education. Clappana：IEEE，2014.

[14] 劉智，楊重陽，彭晛. SPOC論壇互動中學習者情緒特征及其與學習效果的關系研究[J].中國電化教育，2018（4）：102-110.

[15] 李良，喬海英，王淑平. 基于Moodle平臺的學習者社會性交互特征研究[J].電化教育研究，2012（7）：48-53.

[16] 劉智，楊重陽，劉三女牙. SPOC學習者認知行為及序列模式的差異性分析[J].開放教育研究，2019（2）：44-52.

[17] ANDERSON L W，KRATHWOHL D R. A taxonomy for learning，teaching，and assessing：a revision of bloom's educational objectives[M]. New York：Longman，2001.

[18] CHI M T. Active-constructive-interactive：a conceptual framework for differentiating learning activities[J]. Topics in cognitive science，2009，1（1）：73-105.

[19] WU Y T，TSAI C C. Effects of constructivist-oriented instruction on elementary school students' cognitive structures[J]. Journal of biological education，2005，39（3）：113-119.

[20] CHENG K H，HOU H T. Exploring students' behavioural patterns during online peer assessment from the affective，cognitive，and metacognitive perspectives：a progressive sequential analysis[J]. Technology，pedagogy and education，2015，24（2）：171-188.

[21] 邢偉. 手機移動終端下高職課堂教學研究與實踐——以藍墨云班課為例[J].職教通訊，2017（3）：70-73.

[22] BAKEMAN R. Observing interaction：an introduction to sequential analysis[M].Cambridge： Cambridge University Press，1997.

[23] 王懷波，李冀紅，楊現(xiàn)民. 高校混合式教學中深淺層學習者行為差異研究[J].電化教育研究，2017（12）：44-50.

[24] 劉智，王亞妮，鄭年亨. 高校SPOC環(huán)境下學習者行為序列的差異性分析研究[J].中國電化教育，2017（7） ： 88-94，106.

[25] HOU H T，CHANG K E，SENG Y T. An analysis of peer assessment online discussions within a course that uses project-based learning[J]. Interactive learning qnvironments，2007，15（3）：237-251.

[26] HOU H T，CHENG K. Analyzing the latent emotional transfer pattern （LETP） of a learning community in an online peer-assessment activity[J]. British journal of educational technology，2012，43（4）：113-116.

[27] 胡丹妮，章夢瑤，鄭勤華. 基于滯后序列分析法的在線學習者活動路徑可視化分析[J].電化教育研究，2019（5）：55-63.

[28] 邢紅軍.自組織表征理論： 一種物理問題解決的新理論[J].課程·教材·教法，2009，29（4）：60-64.

[29] HUANG C Q，HAN Z M，LI M X，et.al. Investigating students' interaction patterns and dynamic learning sentiments in online discussions[J]. Computer & education，2019，140（13）：103589.

[30] WANG X，WEN M，ROSE C P. Towards triggering higher-order thinking behaviors in MOOCs[C]// The Sixth International Conference on Learning Analytics & Knowledge. New York：Association for Computing Machinery，2016.

[Abstract] As an important part of online learning， the text data generated by online discussion can reflect learners' cognitive level， interaction quality and emotional state. Learning emotion affects cognitive behavior， which in turn affects learning outcomes. It is very important to study the relationship between learning emotion and cognitive behavior. Based on Harris et al. 's emotional taxonomy and Cai Jinzhong's cognitive classification system， this paper adopts content analysis method and lag sequence analysis method to study learners' dynamic learning emotion， cognitive behavior sequence pattern and the relationship between learning emotion and cognitive behavior. The study shows that confusion and negative emotions can be converted into positive emotions， but neutral emotions are not converted into positive emotions. Learners tend to present descriptive behaviors and infer or explain behaviors.， and the cognitive behavior sequence patterns are progressive. Describing behaviors trigger negative emotions， while comparing， inferencing， or explaining behaviors trigger positive emotions. Teachers can provide appropriate guidance and interventions according to their behavior transformation so as to improve learners' learning effect.

[Keywords] Online Discussion; Dynamic Learning Emotion; Cognitive Behavior; Lag Sequence Analysis