數據驅動的協作學習活動設計與優化策略研究

鄭蘭琴 張璇

摘要：協作學習活動的設計和優化無論在理論還是實踐層面都是一大難題。目前，主要存在重結果輕過程、重經驗輕數據、數據來源單一、不重視設計、優化體系不完善等問題。事實上，基于多源數據的設計與優化才能使得協作學習達到理想的效果。該文提出基于數據驅動的協作學習活動設計和優化策略，并通過六次協作學習活動探索如何科學設計并優化協作學習活動。采用的數據來源包括協作學習設計方案的數據、設計與實施的一致性、協作學習實施過程中信息流的屬性以及協作學習結果四大類11個指標。優化策略包括優化任務設計、提供多元媒體類型、設計不同難度的目標和任務、設計認知和元認知腳手架、搭建協作共享環境、明確交互規則等。研究結果表明，優化后的協作學習活動較優化前在方案質量、設計與實施的一致性、協作學習的信息流屬性以及協作學習結果均有顯著提升。

關鍵詞：協作學習;活動設計;以設計為中心的研究;數據驅動;優化策略

中圖分類號：G434

文獻標識碼：A

文章編號：1006-9860（2020）06-0120-10

一、引言

協作學習是學習者基于共同的學習目標、以小組的形式、在一定的激勵機制下將個人及他人成果最大化而合作互助的一系列相關行為。協作學習活動的設計質量從源頭上決定協作學習的效果。然而，目前大多數研究注重協作學習的效果，很少關注協作學習活動的設計，再加上學習者之間的交互過程無法預知，因此，協作學習的設計成為一大研究難題。協作學習活動的設計包括目標、任務、資源、交互方式以及評價的設計。這五個要素的設計不是一蹴而就的，需要不斷優化才能真正提高協作學習的質量。

在協作學習研究領域，已有的研究大多采用基于設計的研究（Design-based Research，DBR）范式進行“設計-實施”的多輪迭代，以優化協作學習的效果。但DBR存在迭代難度大、可遷移性差等問題。另外，目前協作學習活動的設計和優化主要采用課堂觀察或行動研究法并基于教師的主觀經驗進行。比如，研究者大多基于課堂觀察進行多輪迭代改良，但優化效果難以驗證。也有研究者依托行動研究法進行優化，比如在網絡學習共同體的實踐中進行三輪的行動研究法以實現設計優化。但是這些方法都缺乏客觀數據的支持，也缺少數據驅動的優化。盡管有研究者收集數據來考察協作學習的效果，數據的來源主要是調查問卷、測試等結果性數據，并不能真實反映協作學習的交互過程。此外，目前的優化策略也不夠系統，尚未構建一個完整的優化體系，可借鑒價值很低。

大數據時代，數據驅動的預測、決策、分析、監測、評價、優化等在各行各業都發揮著重要作用。數據驅動于醫學領域可以實現智能診療，于社交媒體領域可實現輿情監控和分析，于金融領域可實現大數據風控。在教育領域，數據驅動同樣發揮著重要作用，可實現精準的學情診斷、智能決策支持以及個性化的學習支持和服務，助力實現教育公平和教學質量的提升。在協作學習領域，數據驅動同樣能夠助力協作學習活動的設計和優化，協作學習的設計方案、交互的過程性數據和結果性數據成為設計和優化協作學習活動的重要依據。

綜上，協作學習學習活動的設計和優化存在重經驗輕數據、數據來源單一、體系不完善的問題，亟需借助多源數據實現協作學習活動的設計和優化，并構建有效的優化策略體系。因此，本研究旨在從數據驅動的角度并基于多源的客觀數據對協作學習活動進行設計和優化，通過數據監測評估優化前后的協作學習過程并為學生者提供個性化的學習支持和指導，從而優化協作學習的設計并提高協作學習質量。

二、文獻述評

協作學習的設計在理論和實踐層面一直是一大難題。一方面，研究者很難判定協作學習的設計是否能準確反映教學目標;另一方面，研究者不清楚設計的各要素在協作學習過程中是否能達到令人滿意的效果。在協作學習領域，常用的范式是基于設計的研究（DBR），這種研究范式自出現以來一直受到廣大研究者的推崇。DBR旨在經過設計與實施的迭代過程以達到更好的協作學習效果。DBR多采用觀察法、行動研究法、訪談法以及人種志等作為主要研究方法，強調多輪迭代來改進教學的干預與設計。如有研究者在某門課程上對網絡環境下的協作學習活動進行循環兩次的設計、評估及優化。有研究者在翻轉課堂的知識建構活動中，根據問卷和訪談結果進行了三輪迭代，構建了知識建構策略體系和教學流程的操作模型。也有研究者在網絡協作學習環境下，通過實施和調整階段的四輪迭代，生成了自評和互評的個體貢獻度評價原則和策略。但將DBR置于真實的教學情境時，不難發現對一次教學進行多次迭代難度很大、優化后的結果難以評估，而且由于DBR嚴重受制于情境，因此研究結論難以重復和推廣。另外，目前的優化多根據個人主觀的感受和經驗，缺乏客觀數據的支持。比如，研究者在“協作-探究”的教學模式中兩次優化教學設計，優化依據為教學團隊的課堂觀察以及學生的反饋。還有研究者在基于概念圖的協作學習活動中，僅根據四個維度的概念圖打分數據對學習活動設計方案進行完善與優化。綜上所述，現有的協作學習活動優化中，采用DBR存在迭代難度大、不可重復、難以遷移和推廣等問題;另外，優化往往缺乏數據支持，或支持優化的數據來源單一。因此，亟需尋找一種更加科學的范式并基于數據驅動進行協作學習活動的設計和優化。

在教育領域中，數據驅動在教育教學中發揮著重要作用。首先，數據驅動可以實現精準教學，其核心是學習數據的挖掘、學習表現的評價和基于學習數據的教學決策。如李士平等構建基于數據驅動的學習支持的設計模型，實現對學生學習決策的影響，達到精準教學的目的。第二，數據驅動可以干預教學過程，即基于數據的學習分析為學習者提供有效的學習干預。如Ayres等在翻轉課堂情境下收集學生的測試數據、問卷以及焦點小組意見等，然后基于收集的數據通過延長活動時間、成績激勵、講解疑難知識點等方式優化教學設計。方海光等對師生交互信息進行收集、挖掘和分析，基于實時的課堂反饋數據如題目正確率、交卷情況、題目選項統計等對學生進行有針對性的教學指導以實現教學控制。第三，數據驅動可以實現教學決策，即在整個教學過程包括設計、實施、反思評價，對收集到的數據進行系統地分析和決策。比如，有研究者收集練習測評、視頻觀看、在線提問及討論等數據進行自動化處理以實現智能決策，如通過測評查找錯誤原因、通過視頻觀看數據發現學習難點、通過在線提問及討論數據提煉學生存在的問題并進行教學決策。

筆者認為，應該采用以設計為中心的研究范式（Design-centered Research，DCR）對協作學習活動進行設計和優化。因為DCR強調一致性，關注缺陷分析以及不一致的現實來源，具有可實施性。楊開城等借助學習過程機制圖來表征協作學習過程并對一個協作學習案例進行優化。有研究者指出可以從“目標-手段”一致性的角度優化協作學習活動方案，比如通過手段和目標之間的數據依賴關系分析協作學習活動存在的缺陷，用改進缺陷的方式來優化協作學習設計方案，但也只是停留在提出設想階段。目前DCR范式下的優化研究還處在初步探索階段，因此需要進一步探索具有可操作性的設計技術和優化策略。另外，現有的協作學習活動設計及優化研究還存在諸多問題：一方面，協作學習活動的優化還不夠系統，主要依賴主觀感受和經驗，缺少客觀的證據、優化策略不成體系;另一方面，活動設計的優化缺乏數據驅動的支持、數據來源單一。筆者認為，協作學習活動的設計與優化應該基于數據驅動并從多個角度構建優化策略體系。

三、研究設計

（一）研究范式

本研究采用以設計為中心（Design-centered Research，DCR）的研究范式，并基于數據驅動的視角來進行協作學習活動的設計與優化。DCR強調設計在教育研究的核心地位，突出教育其設計屬性，并關注教育中的一致性。另外，筆者將協作學習視為一個復雜的信息系統，研究對象確定為這個系統中的信息流，關注信息流屬性和協作學習系統之間的關系，旨在擺脫價值判斷的主觀性。在分析方法層面，本研究采用筆者前期論證的基于信息流的協作學習交互分析方法，分析協作學習交互過程中的信息流特征。本研究采用的研究模型如圖1所示，數據驅動貫穿協作學習活動的設計、實施、分析和優化的全過程，數據來源包括協作學習設計方案、協作學習設計與實施的一致性、協作學習交互過程的信息流屬性、協作學習的效果四個維度。

（二）協作學習活動設計

本研究設計并實施了三個問題解決類型的協作學習活動，這三個活動主要針對初中的人工智能課程設計和實施，旨在讓學生了解并掌握人工智能的基本概念和原理，并借助可視化編程軟件實現人工智能模塊的功能。第一個協作學習任務旨在讓學生掌握人臉識別的技術，并通過可視化編程進行實現兩種以上人臉特征的識別。第二個任務旨在掌握語音識別的技術，并實現語音識別、翻譯以及語音控制運動。任務三旨在掌握人臉識別、語音識別、語音合成的技術，并通過編程實現人臉識別以及語音識別與合成。每個協作學習活動實施了兩輪，第二輪的設計和實施是基于第一輪設計和實施的數據進行優化的。

（三）研究程序

本研究在北京市某中學的兩個初一班級實施，每個班有40名學生。研究中采用面對面的協作學習方式，3人一組。為了檢測兩個班級學生的已有知識水平，本研究開展了前測，前測結果表明兩個班級的學生在人工智能模塊的知識水平沒有顯著性差異（t=1.019，p=0.312）。研究程序包括三個步驟：第一步，設計協作學習活動并在第一個班級實施第一輪;第二步，根據第一輪的實施過程和結果計算過程性和結果性數據;第三步，基于第一輪的數據優化協作學習活動設計，然后在第二個班級實施第二輪的協作學習活動。

（四）數據源及分析方法

為了更加全面地優化協作學習活動的設計質量，本研究從四個角度搜集多源數據，包括對協作學習設計方案、協作學習設計與實施的一致性、協作學習交互過程的信息流屬性、協作學習的結果四個維度。其中，協作學習設計方案的評估是指在協作學習活動實施前對設計方案進行綜合評價，包括協作學習設計方案中目標與任務的一致性、媒體多元性以及方案的適應性三個方面。協作學習設計與實施的一致性包括知識點范圍的一致性、協同知識建構程度的一致性、交互方式的一致性三個方面。協作學習的信息流屬性包括目標知識點的激活量、細化程度以及聚焦程度。協作學習的結果主要針對小組作品進行評價。下面進行詳細闡釋計算方法。

1.協作學習設計方案的評估

（1）目標與任務設計的一致性

目標與任務設計的一致性用于表征教師設計的學習任務與教學目標的一致程度，通過協作學習任務激活的知識圖與目標知識圖的相似性來衡量，主要從知識點相似度和關系相似度兩方面進行計算。筆者在已有相似度算法的基礎上，提出了改進后的一致性算法，計算方法如公式（1）所示：

（2）媒體多元性

媒體多元性用于表征協作學習過程中媒體工具的多樣性程度。借助信息熵的特性，信源種類越多，信息熵越大，構建了協作學習設計方案中媒體多元性的測量指標，用以反映媒體種類的豐富性和多樣性，計算方法如公式（2）所示：

同樣以任務二的方案為例，優化前的設計方案共包含三種媒體類型，分別為文本、聲音、圖像，三種媒體類型所占比例依次為M1=0.56、M2=0.11、M3=0.33，由公式（2）計算得方案設計的媒體多元性為0.94。

（3）方案的適應性

協作學習設計方案的適應性用于表征設計方案與不同知識水平學習者之間的匹配程度，包括目標的適應性和任務的適應性。協作學習方案目標的適應性旨在衡量是否為不同層次的學生設定了不同難度等級的目標。協作學習方案中任務的適應性則考察是否為不同層次的學生設計了不同難度等級的任務。借助GINI系數來衡量信息不確定性的性質，構建了下列計算方法來衡量目標和任務的適應性，計算方法如公式（3）和公式（4）所示：

以任務二優化前的設計方案為例，根據學生知識水平低、中、高三個等級，目標設計中的低難度、中等難度、高難度的子目標數量依次為3、2、2，根據公式（3）計算可得目標的適應性為0.65;同理，根據學生知識水平低、中、高三個等級，任務設計中的低難度、中等難度、高難度的子任務數量依次為2、3、1，根據公式（4）計算可得任務設計的適應性為0.61。

2.協作學習活動設計與實施的一致性

（1）知識點范圍的一致性

知識點范圍的一致性用來衡量協作學習設計與實施過程中激活知識點范圍的差異程度，差異越小則一致性越高，說明實施效果越好。協作學習知識點范圍一致性的計算方法如公式（5）所示：

公式（5）中，A代表設計方案中激活知識點的數量，B代表活動實施過程中激活知識點的數量，f（A∩B）代表設計和實施過程中均激活知識點的數量，f（A-B）代表設計過程激活而實施中未激活知識點的數量，f（B-A）代表實施中激活而設計方案未激活知識點的數量，KS代表設計與實施的知識點范圍一致性程度。

以任務二為例，任務設計的知識圖與實施中激活的知識圖分別如下頁圖4、圖5所示，則f（A∩B）=22，f（A-B）=4，f（B-A）=0，由公式（5）計算可得知識點范圍的一致性為0.92。

（2）協同知識建構程度的一致性

協同知識建構程度的一致性用于表征教師所期望的知識建構程度和小組實際知識建構水平的一致性程度，通過協作學習活動設計的目標知識圖和小組生成的知識圖的相似性來計算。兩個知識圖越相似，協同知識建構程度就越高，即協作學習質量就越好。協同知識建構程度一致性的計算方法如公式（6）所示：

公式（6）中，R代表命題鏈匹配正確得分，W代表正確的新增命題鏈得分，D代表命題鏈斷裂得分，X代表遺漏命題鏈得分，F代表錯誤命題鏈得分，Z代表目標知識圖中命題鏈總數，KC代表設計與實施的知識建構程度一致性程度。

由圖4和圖5可知，實施過程的知識圖中命題鏈匹配正確得分為35，正確的新增命題鏈得分為0，命題鏈斷裂得分為0，遺漏命題鏈得分為4，錯誤命題鏈得分為0，目標知識圖中命題鏈總數為39，所以由公式（6）計算可得設計與實施的知識建構程度一致性為0.79。

（3）交互方式的—致性

交互是協作學習的核心，交互方式包含交互策略、角色分配和交互信息類型三個方面。交互方式一致性的計算方法如公式（7）所示：

公式（7）中，IC代表協作學習的活動設計方案與實施過程共同包含同一種交互方式的數量，IT代表協作學習的活動設計方案中出現或實施過程中出現的所有交互方式的數量，KI代表設計與實施的交互方式一致性程度。

以任務二為例。就交互策略而言，設計與實施過程中包括討論、同伴互評、切塊拼接三種交互策略，兩者共同的交互策略有討論及同伴互評兩種;就角色分配而言，設計與實施中包含的角色有組織者、監督者、總結者三種，兩者共同包含這三種角色;就交互信息類型而言，設計與實施中包含的交互信息類型有知識語義、目標描述、事實和范例、情境、管理指令、其它相關信息、答案、不相關信息八種，兩者共同包含知識語義、目標描述、事實和范例、情境、管理指令、答案六種交互信息類型。所以，由公式《7）計算可得設計與實施的交互方式一致性為0.81。

3.協作學習的信息流屬性

協作學習的信息流屬性主要包括目標知識點的激活量、細化程度以及聚焦程度三方面。這些屬性借助筆者開發的基于信息流的協作學習交互分析工具獲取，無需人工計算。

（1）目標知識點的激活量

本研究采用目標知識點的總激活量來衡量協作學習的交互過程。總目標知識點激活量的計算方法如公式（8）所示：

公式（8）中，D代表目標知識點V的總度，d代表目標知識點V中已知邊的數量，n代表目標知識點V中未知邊的種類，F代表遺忘系數，r代表擴散衰減系數，A代表目標知識點的激活量。

（2）細化程度

協作學習的細化程度用激活生成樹的帶權路徑長度表征，計算方法如公式（9）所示：

（3）聚焦程度

聚焦程度采用小組成員共同激活的目標知識點的激活量總和來衡量，計算方法如公式（10）所示：

4.協作學習的結果

協作學習的結果主要通過小組作品的成績進行評價。評價標準的制定通常需要根據小組作品的特點來定，不同類型的小組作品可以指定不同的評價標準。根據本研究協作學習的特點，采用如表1所示的評價標準來評價小組作品。

四、分析結果及協作學習優化策略

（一）優化前的結果

1.協作學習設計方案分析結果

三個協作學習設計方案在目標與手段的一致性、媒體多元性、目標設計適應性、任務設計適應性的計算結果如下頁表2所示。在優化前的三個任務設計中，目標與任務設計的一致性依次為0.89、0.85、0.91，可見任務二中，目標與任務設計的一致性程度較低，主要是因為在任務設計時“語音識別”較多目標知識點未在任務設計中激活，如“語音識別的具體概念”“語音識別的應用領域舉例”“語音識別的具體價值”等。三個任務的媒體多元性依次為0.80、0.94、0.64，其中任務三的媒體多元性較低，因為在任務三“綜合練習”中目標知識點的表征形式多為文本，圖片占比較少，且音頻、視頻等其他媒體類型缺失，導致媒體多元性較低。目標設計的適應性依次為0.61、0.65、0.63，任務一的目標適應性程度較低，說明目標設計不能很好地適應不同知識水平的學生，原因是方案中的目標設計傾向于中等知識水平的學生群體而忽略了高水平和較低知識水平的學習者。任務設計的適應性依次為0.50、0.61、0.56，任務一的適應性程度較低，說明任務設計不能很好地適應不同知識水平的學生，從方案本身來看，發現方案中針對低、中、高三種層次的任務數量分別為1、4、1，可見對中等知識水平學生的關注明顯多于知識水平較低和較高的學生群體。

2.設計與實施的一致性

三個協作學習活動在知識點范圍一致性、知識建構程度的一致性、交互方式一致性的計算結果如下頁表2所示。在第一輪的設計與實施中，三個活動的知識點范圍的一致性依次為0.86、0.83、0.61，活動三設計與實施的知識點范圍一致性較低，發現部分知識點在設計中激活而在實施中未激活，主要原因是學生在知識點之間無法建立聯系。設計與實施知識建構程度的一致性依次為0.71、0.59、0.54，發現活動二知識建構程度一致性較低，主要原因是遺漏命題鏈較多，說明學生在協作學習過程中未掌握的知識點較多導致知識建構程度欠缺。設計與實施的交互一致性依次為0.81、0.81、0.74，活動三的交互方式一致性較低，主要是因為協作學習過程中產生了大量無關信息導致設計與實施共同包含的交互信息類型較少。

3.協作學習的信息流屬性

從協作學習過程的信息流屬性來看，三個協作學習活動在激活量、細化程度以及聚焦程度的計算結果如表2所示。三個活動在第一次實施后，產生的激活量依次為68.62、62.15、87.16。可以發現，任務二的激活量最低，主要是因為協作學習過程中知識語義、事實和范例、答案等信息較少，而管理指令、其他相關信息以及無關信息較多。細化程度依次為98.48、112.92、183.66，活動一的細化程度與另兩個活動的差距較大，原因是學生在協作學習過程中互動的深度不足，而且新舊知識之間的聯系較少。聚焦程度依次為21.30、41.73、49.10，活動一的程度明顯較低，原因是協作學習過程中小組學生凝聚力不足，小組成員在協作學習過程中對核心問題的聚焦程度不夠。

4.協作學習的結果

三個協作學習活動的結果如表2所示。三個活動中，小組作品成績依次為83分、85分、87分，活動一中小組成績很低的原因是該小組成員完成的作品過于簡單，雖正確性不存在問題，但技術性和創新性上還有待提升。

（二）數據驅動的協作學習優化策略

基于第一次協作學習活動設計和實施的數據分析結果，筆者提出如表3所示的優化策略對協作學習活動的設計進行優化，然后再實施第二輪，以檢驗優化策略的效果。

（三）優化后的結果

1.協作學習設計方案分析結果

根據第一輪實施的結果和相應優化策略，對三個協作學習活動進一步優化。與優化前的結果進行對比，結果如上頁表2所示。在協作學習設計方案方面，三個任務優化后的目標與任務設計的一致性均有提升，優化后的協作學習設計方案在各維度上顯著優于優化前的水平（z=2.370，p<0.05）。特別是任務二中為學生提供腳手架后一致性從0.85提升到0.90;媒體多元性水平整體也有提升;從方案的適應性來看，三個任務的目標設計適應性以及任務設計適應性均有提升，得益于方案設計時關注不同知識水平的學生并設計相應難度的目標和任務。

2.設計與實施的一致性結果

從設計與實施的一致性角度來評估，優化后的三個協作學習活動在知識點范圍一致性、知識建構程度的一致性、交互一致性的計算結果如上頁表2所示。根據第一輪實施的數據，筆者重點關注設計與實施中不一致的部分，通過增加實施中未激活知識點的學習提示，使得三個活動在知識點范圍一致性均有提升;通過建立新舊知識點的聯系以促進協同知識建構的程度，三個活動的知識建構程度的一致性也都有明顯提升。此外，三個活動交互方式的一致性也均有提升。所有數據表明，優化后的協作學習設計與實施一致性在各維度上顯著優于優化前的水平（t=7.385，p<0.001）。

3.協作學習的信息流屬性

從協作學習的信息流屬性來看，優化后的三個協作學習活動在激活量、細化程度以及聚焦程度的計算結果如上頁表2所示。通過腳手架的搭建，使得三個活動的激活量均有明顯提升，其中變化最明顯的是活動一，激活量從68.62提升到101.66;任務的細化程度整體也都有提升。協作共享工具的使用使得三個活動的聚焦程度都有提升。數據表明，優化后協作學習的信息流屬性在各維度上顯著優于優化前（t=2.555，p<0.05）。

4.協作學習結果

優化后的協作學習結果即小組的作品成績如上頁表2所示，通過明確評價規則、設置獎懲規則、及時反饋等策略，三個任務的小組作品成績都得到了提升。其中，任務二優化前、后的小組作品分別如圖6、7所示。

五、結語

本研究結果表明，基于數據驅動的協作學習設計與優化模型是可行而且有效的。協作學習的設計方案質量、設計與實施一致性、協作學習交互過程的信息流屬性、協作學習的結果四大類數據在優化后均有提升。在設計方案層面，目標與任務設計的一致性、媒體多元性、目標的適應性以及任務的適應性整體水平均有提升，表明設計時優化任務設計、提供多元媒體類型、設計不同難度的目標和任務都能夠有效提升協作學習的設計質量。在設計與實施的一致性層面，知識點范圍的一致性、協同知識建構程度的一致性以及交互方式的一致性均有提升，表明在協作學習過程中通過提出問題激活目標知識點、搭建腳手架、建立新舊知識的聯系以及明確不同角色的職責能夠有效提升設計與實施的一致性。從協作學習的信息流屬性來看，優化后激活量、細化程度以及聚焦程度都有提升，表明搭建認知類和元認知類的腳手架、強化討論深度以及搭建協作共享環境能夠有效優化協作學習的交互過程。從協作學習的結果來看，優化后三個任務的小組作品成績均有提升，表明通過知識技能層面的引導、明確交互規則以及內外部獎懲激勵等能夠有效提升小組的作品質量。

本研究具有重要的理論和實踐價值。在理論層面，基于復雜系統的視角把協作學習看成是復雜的信息系統，深入分析這個系統內部信息流的屬性與效果的關系是值得推廣的。另外，采用以設計為中心的研究范式能夠深入分析設計的缺陷并生成協作學習設計的技術性知識，這類知識具有極大的應用價值。在實踐層面上，本研究為協作學習的設計和優化提供了一種新的思路和方法，即摒棄主觀經驗，從多源的客觀數據出發，基于數據驅動實現協作學習活動的設計和優化。盡管如此，本研究也存在兩方面的不足。一是協作學習活動的數據來源還有待繼續完善，除本文提到的四大類數據外，還可以通過社會網絡分析、情感分析、行為分析等數據進行優化;二是本研究僅基于三個協作學習任務、六次協作學習活動進行探索，未來研究將進一步擴大研究樣本，在更多的協作學習活動中進一步改進優化策略。

作者簡介：

鄭蘭琴：副教授，博士，研究方向為計算機支持的協作學習、學習分析技術和教學設計（bnuzhenglq@bnu.edu.cn）。

張璇：在讀碩士，研究方向為計算機支持的協作學習（cherilynzhang@126.com）。

收稿日期：2019年12月18日

責任編輯：李雅瑄