深度學習視域下學習者協(xié)同知識建構歷程的社會認知網絡特征分析

周平紅 周洪茜 張屹 林利

[摘? ?要] 通過協(xié)同知識建構有效引導學習者的認知層次走向深入，對學習者的知識建構歷程進行動態(tài)性、過程性、綜合性評估是學習科學領域研究的重點與難點。本研究基于兩個通用的知識構建原則，構建以深度學習為核心的大學生協(xié)同知識建構教學模式并開展實證研究。采用社會認知網絡特征（SENS）分析法對學生協(xié)同知識建構的社會認知演化軌跡進行可視化分析。結果表明：該模式能夠顯著提升學生的深度學習效果及協(xié)同知識建構水平;協(xié)同知識建構過程中，學生的社會交互參與度增強，網絡凝聚性逐步提升;不同社群學生在不同教學階段的知識進步水平具有層次性差異，核心組形成了高層次認知網絡結構，知識進步呈現進階演化趨勢，半邊緣組的認知網絡結構具有局部性特點，教學后期才出現明顯知識進步，邊緣組連接稀疏，共現極少，無明顯知識進步。研究為一線教師開展信息化環(huán)境下的深度教學提供了借鑒，為解構學習者知識建構歷程提供了新的思路。

[關鍵詞] 深度學習; 協(xié)同知識建構; 知識進步; 社會認知網絡特征; 認知網絡分析

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 周平紅（1979—），女，湖北黃石人。副教授，博士，主要從事STEM教育與計算思維、智慧教育與移動學習、教育信息化測評與發(fā)展戰(zhàn)略研究。E-mail：phzhou@mail.ccnu.edu.cn。

一、引? ?言

作為第四次工業(yè)革命的重要推動力，人工智能對人類的生產、生活產生了深刻影響，也使得教育領域正發(fā)生著重大的結構性變革，特別是對發(fā)展關鍵能力和核心素養(yǎng)的人才培養(yǎng)導向愈加凸顯。2017年，我國頒布的《新一代人工智能發(fā)展規(guī)劃》中明確提出要發(fā)展“智能教育”，利用智能技術加快推動人才培養(yǎng)模式、教學方法改革，構建包含智能學習、交互式學習的新型教育體系[1]。作為新型教育理念與學習方式變革的重要方向，深度學習在其中受到廣泛關注，協(xié)同知識建構對于實現深度學習具有重要意義。協(xié)同學習中的知識建構，正是由于群體成員之間的多樣性，發(fā)現了不同于自身知識結構的認知方式，通過在社區(qū)內承擔集體責任共同建構知識，產生出可持續(xù)改進的想法，從而有效獲得更高認知層次的成果[2]。在協(xié)同知識建構情境中進行有效交互是促進群體協(xié)作學習成功的關鍵因素。如何有效引導學生進行深度知識建構？學生如何逐步參與在線協(xié)同知識構建活動以加深他們的集體理解？不同社群學生在協(xié)同知識建構活動中的認知網絡軌跡發(fā)展（即知識進步）有何差異？這是本研究重點關注的問題。

已有研究表明，在線深度學習環(huán)境中存在“活動無協(xié)作、協(xié)作無建構或建構低水平”的現實難題[3]，混合式學習環(huán)境下深度學習導向的協(xié)同知識建構模式[4]、基于漣漪拓展探究法[5]及經驗認知沖突探究法[6]的在線深度協(xié)作知識建構學習策略、面向深度學習的動態(tài)知識圖譜模型[7]等能夠有效促進學習者的知識建構水平提升。此外，協(xié)同知識建構效果評價從多方面、多手段、多維度測評學習者的發(fā)展，如采用內容分析法、滯后序列分析法等方法研究學習者的動態(tài)學習情緒、認知行為序列模式以及二者之間的關系[8]，測評學生的注意力行為[7]，分析學生的認知投入情況[9]等。

傳統(tǒng)的從總體、靜態(tài)角度進行評估的學習分析方法存在一定局限，如何有效借由證據對學生在學習各階段中的協(xié)同知識建構歷程進行動態(tài)的捕捉及分析，探明在線環(huán)境下的協(xié)同知識建構活動如何促進知識進步，為有效教學提供精準反饋，需要進一步研究。社會認知網絡特征（Social Epistemic Network Signature，SENS）分析法是一種協(xié)作學習分析方法，是社會網絡分析（Social Network Analysis，SNA）與認知網絡分析（Epistemic Network Analysis，ENA）兩種互補的網絡分析技術的結合，可以對學習者在認知活動中產生的交互數據進行社會層面和認知層面分析[10]，可用于表征和分析深度協(xié)作學習過程[11]。

本研究采用社會認知網絡特征（SENS）分析方法對學生協(xié)同知識建構歷程各個階段中形成的互動網絡結構以及不同社群學生知識建構特征進行可視化分析，明晰學生在協(xié)同知識建構過程中的思維發(fā)展全貌，以期提升學生的協(xié)同知識建構能力，為一線教師開展信息化環(huán)境下的深度教學提供借鑒與參考，為其他研究者動態(tài)表征和評價學習者知識建構歷程提供新的思路。

二、理論基礎

（一）深度學習視域下的協(xié)同知識建構

深度學習（Deep Learning）是相對于學習過程中簡單記憶和非批判性接受知識的淺層學習（Surface Learning）更高層次的學習[12]，其本質在于使學生真正參與到學習過程當中，通過對知識進行意義建構深化理解，提升高階思維能力與深層次認知能力，培養(yǎng)人際交往能力和學習品質。何克抗認為深度學習是在奧蘇貝爾的“有意義傳遞接受”理論指引下形成的“有意義傳遞—主導下探究相結合”的教學觀念，有效實施深度學習的條件與途徑在于樹立科學的教育教學觀念、運用有效的教學模式、建立新型“學習共同體”、創(chuàng)設智慧學習環(huán)境[13]。

知識建構被認為是學習科學領域的六種基礎性創(chuàng)新方法之一[14]，它關注知識的持續(xù)產生和改進，對于促進深度學習起著關鍵性作用。由知識建構衍生的協(xié)同知識建構（Collaborative Knowledge Building，縮寫為CKB），也稱協(xié)作知識建構，是個體在特定的組織或社區(qū)中互相協(xié)作、共同參與某種有目的的活動，最終形成某種觀點、思想、方法等智慧產品的過程[15]，它更關注學習者協(xié)作進行知識創(chuàng)新。知識建構理論是基于原則的教學法，能夠為深度學習設計提供機制指引[7]。

（二）知識建構歷程的社會認知網絡特征分析

協(xié)同知識建構過程中，學生的社會交互行為與知識建構呈現動態(tài)變化。對知識建構歷程的分析涉及社會交互演變和認知發(fā)展變化。結合社會網絡分析和認知網絡分析的社會認知網絡特征分析法可以較好地動態(tài)捕捉知識建構歷程變化趨勢。其中社會網絡分析法是一種社會科學定量研究方法，常用于呈現各節(jié)點之間的關系，并利用節(jié)點和節(jié)點間的關系可視化反映整體網絡結構和特征，提供節(jié)點的度、中間中心性等各種參數以反映節(jié)點的地位和影響力。認知網絡分析是一種可動態(tài)量化表征學習者認知網絡的分析方法，它以認知框架理論和以證據為中心的教育評價設計模式為基礎，通過獲取教學活動中產生的關于學生知識技能發(fā)展證據的數據進行定量分析，來描述個人（或團體）學習過程[16]。

三、研究設計

本研究基于深度協(xié)同知識建構理論、結合ICAP框架，構建以深度學習為核心的大學生協(xié)同知識建構模式，開展教學實踐。選取華中地區(qū)某師范大學教育技術學專業(yè)2018級36名本科生作為實驗對象，其中男生10名，女生26名。以《教育學原理》課程為樣本開展了為期一個學期（16周）的實證研究。

（一）協(xié)同知識建構教學過程設計

依托信息化課堂與SPOC（Small Private Online Course，小規(guī)模限制性在線課程）環(huán)境，采用兩個通用的知識構建原則，即“社區(qū)知識和集體責任”和“持續(xù)改進的想法”原則為最高層次的支架，參考Gunawardena提出的協(xié)同知識建構五階段模型，即共享和比較信息、發(fā)現和分析內容與觀點間的差異、通過意義協(xié)商進行知識的協(xié)同建構、對新構建的知識進行測試和修改、應用新構建的知識[17]進行活動設計。同時引入Michelene T.H.Chi提出的ICAP學習方式分類框架（ICAP分別是Interactive、Constructive、Active and Passive Mode四種學習方式的首字母縮寫）[18]，以學生的顯性行為為基礎定義認知參與活動，設計有效的深度對話腳手架和反思腳手架策略，引導學生積極采用“建構學習”和“交互學習”方式，構建了以深度學習為核心的大學生協(xié)同知識建構活動流程，如圖1所示。

課前階段——教師首先分析學習者認知特征、學習風格及學習需要，明確學習內容各組成部分的聯(lián)系，規(guī)劃教學順序，并以此設計課堂教學活動，準備課程資源。

課中階段——在信息化課堂環(huán)境中開展集體協(xié)同知識建構。

（1）有意義傳遞。教師在教學過程中傳遞新知，注重擴充與完善學生的認知結構，促進學生積極地接受學習。

（2）主導下探究。教師結合學習資源，展示探究性問題，學生在規(guī)定時間內思考，采用“石墨文檔”云協(xié)作工具，多人同時編輯答案。教師對學生答案進行總結歸納，引導學生進行反思。

（3）組建共同體。教師圍繞教學內容，布置多主題小組探究任務，充分調動學生的學習積極性。學生以組建學習共同體的形式，承擔集體責任。明確任務，選擇主題，成員分工，協(xié)作完成。

（4）協(xié)同知識建構（集體）。學生通過信息共享、深化認知、意義協(xié)商、檢驗修改、應用新知識五個階段進行以討論、協(xié)商為主的組內協(xié)同建構，形成小組協(xié)同知識建構成果，實現知識的社會化建構創(chuàng)生。

（5）組間交互。各小組展示匯報協(xié)作學習成果和協(xié)作學習過程，通過回應其他小組提出的問題與質疑，不斷完善觀點，達成共識升華。教師對小組成果進行形成性評價，并適時進行知識的補充與講解。

課后階段——在SPOC環(huán)境中開展深度協(xié)作。通過學校云平臺討論區(qū)發(fā)帖回帖記錄學習者交流、討論、答疑等活動數據，引導學生在討論區(qū)中進行以觀點為中心的協(xié)作，并為學生提供深度對話腳手架（如：“其他同學的觀點中有哪些你比較認可？有哪些你不認可？原因是什么？”）和反思腳手架（如：“隨著學習內容的不斷深入，你對自己之前的觀點有沒有想要補充或修改的地方？”），輔助學生拓展交互深度，促進想法的持續(xù)發(fā)展，從而實現協(xié)同知識建構的達成。

（二）研究過程

首先，教師充分運用以深度學習為核心的大學生協(xié)同知識建構模式進行教學，在實施教學前對學生的深度學習水平和協(xié)同知識建構水平進行前測。在教學完成后進行后測，收集學生協(xié)同知識建構的過程性數據。其次，對文本數據開展內容分析，對內容分析后的編碼數據開展社會認知網絡特征（SENS）分析，從社會網絡和認知網絡兩個角度分析交互特征、社群分類、認知網絡和建構歷程。最后，對不同社群學生在不同階段的協(xié)同知識建構活動水平統(tǒng)計分析。

（三）研究工具

1. 社會認知網絡特征分析

本研究采用社會認知網絡特征分析方法，結合社會網絡分析和認知網絡分析，探究學生社會交互行為與知識進步歷程。

（1）選用UCINET6.0作為社會網絡分析工具，從時間階段對SPOC云課堂學習平臺討論區(qū)中的師生互動網絡結構進行剖析，探究學生在線參與過程中的交互特征。通過收集討論區(qū)中發(fā)帖和回帖的交互行為數據，建立師生交互關系矩陣，輸入到UCINET中，通過網絡中心性、核心—邊緣結構分析對網絡結構進行量化分析。

（2）基于Anderson、 Krathwohl等人于2001年修訂的Bloom認知目標分類體系[19]，從知識類型和認知過程維度對SPOC云課堂學習平臺討論區(qū)中學生的發(fā)帖內容進行雙重編碼，以表征學生知識進步水平。知識包括了從具體到抽象四個類別：事實知識、概念知識、程序知識和元認知知識。認知過程依據認知復雜程度由低到高分別為記憶、理解、應用、分析、評價和創(chuàng)造共六個維度，對知識的記憶、理解、應用屬于初步的淺層認知，分析、評價、創(chuàng)造屬于較高級別的深層認知，見表1。由兩位經驗豐富的研究者分別對討論區(qū)文本數據進行編碼，其編碼一致性Cohen's Kappa系數為0.834>0.8，信度良好。將編碼后的數據導入認知網絡分析在線工具（http：//www.epistemicnetwork.org/）中，對學生協(xié)同知識建構歷程進行認知網絡可視化分析。

2. 深度學習效果和協(xié)同知識建構效果問卷

深度學習效果問卷參考ICAP框架，設計的測評指標體系包括被動學習方式（共5題）、主動學習方式（共6題）、建構學習方式（共8題）、交互學習方式（共7題）四個維度。問卷以李克特五級量表形式呈現，前后測問卷共發(fā)放36份，回收34份，有效問卷34份，前后測問卷的Cronbach's α系數分別為0.903和0.937，具有較高的內部一致性。

協(xié)同知識建構問卷參考Gunawardena提出的協(xié)同知識建構五階段模型，結合大學生的認知特點，設計的測評指標體系包括信息分享（共5題）、深化認知（共4題）、意義協(xié)商（共4題）、檢驗修改（共1題）、應用新知識（共1題）五個維度。問卷以李克特五級量表形式呈現，前后測問卷的Cronbach's α系數分別為0.856和0.911，具有較高的內部一致性。

四、數據分析結果

（一）學生深度學習效果與協(xié)同知識建構效果分析

通過兩配對樣本T檢驗對學生深度學習效果和協(xié)同知識建構水平的前后測差異進行分析，結果如表2所示。深度學習效果方面，學生總體水平前后測間存在顯著性差異（t=-3.331，p=0.002<0.01），且后測均值高于前測（4.11>3.93）。從具體維度來看，在被動學習方式（t=-2.448，p=0.020<0.05）、建構學習方式（t=-3.301，p=0.002<0.01）與交互學習方式（t=-2.752，p=0.010）三個維度上呈現顯著性差異，這表明經過協(xié)同知識建構模式教學后，學生的學習方式向建構與交互層次進行轉變，促進了深度學習的達成。協(xié)同知識建構效果方面，在經過一學期協(xié)同知識建構模式教學后，學生總體水平前后測間存在顯著性差異（t=-3.437，p=0.002<0.01），且后測均值高于前測（4.13>3.90）。從具體維度來看，在信息分享（t=-4.608，p=0.000）、應用新知識（t=-3.423，p=0.002<0.01）階段呈現顯著性提升，表明學生在協(xié)同知識建構過程中增進了有意義的互動與協(xié)商，能夠達成共識，進而促進了新知識的建構和應用。

（二）學生交互行為社會網絡結構的演變分析

1. 中心性分析

中心性是社會網絡分析的研究重點之一。中心度測量的是節(jié)點接近網絡中心的程度，能夠表征社會網絡中個體的重要性及其居于怎樣的中心地位，中心勢測量的是一個圖在多大程度上圍繞某個或某些特殊點建構起來。本研究主要從點度中心性、中間中心性兩個方面對不同群體學生在教學各階段的社會交互行為予以分析。

節(jié)點的點度中心度（Degree Centrality）指與該節(jié)點直接相連的其他節(jié)點的個數，刻畫節(jié)點的局部中心指數，包括點入度和點出度。節(jié)點的中間中心度（Betweenness Centrality）指該節(jié)點擔任其他兩個節(jié)點之間最短橋梁“中介”的次數。根據教學進度安排，分別選取教學初期（第1周）、中期（第6周）、后期（第12周）的討論區(qū)交互數據，依據點度中心度進行可視化處理，結果如圖2所示。中間中心度社群圖的基本輪廓和圖2基本一致。教學初期、中期、后期三個階段，師生討論區(qū)網絡密度值分別為0.045、0.047、0.070，呈現明顯的上升趨勢，表明群體連接程度逐漸緊密;點度中心勢分別為0.926、0.965、0.553，呈現明顯的下降趨勢，說明權力由原先的過分集中到逐漸分散，個體對知識的貢獻程度差異逐漸縮小，網絡中的核心成員變多;中間中心勢分別為0.101、0.123、0.197，表明社會交互網絡愈加凝聚。

部分成員在三個階段的點度中心度和中間中心度數值見表3。節(jié)點值越大表明成員的中心性越高。

2. 核心—邊緣結構分析

核心—邊緣結構分析是根據網絡中節(jié)點之間聯(lián)系的緊密程度將其劃分為兩類，一類是核心行動者，它們相互間具有緊密的聯(lián)系;一類是邊緣行動者，它們相互間缺少或者很少聯(lián)系;介于這兩類群體之間的成員稱為半邊緣行動者[20]。核心行動者在與邊緣行動者的交換關系中處于優(yōu)勢地位。對討論區(qū)交互社會網絡進行核心—邊緣結構分析，得出結構模型。核心行動者有8位成員（T、S28、S2、S16、S4、S5、S20、S9），他們是最積極參與討論區(qū)交互的群體。半邊緣行動者有17位成員（S1、S3、S13、S15、S7、S17、S18、S19、S21、S22、S23、S24、S30、S32、S33、S34、S36），他們同時受到核心行動者和邊緣行動者的影響。邊緣行動者有12位成員（S6、S8、S12、S14、S11、S25、S26、S27、S10、S29、S31、S35），和其他成員相比，他們的合群程度較低，參與討論不積極，因而處于網絡邊緣位置。

（三）不同社群學生知識進步的認知網絡分析

根據社會網絡分析中的核心—邊緣結構分析結果，將學生劃分為“核心組”“半邊緣組”和“邊緣組”三個社群。在對討論區(qū)文本內容編碼的基礎上，采用6分法對學生“認知過程”維度進行量化評分，以考查學生參與協(xié)同知識建構活動的質量，其中記憶（1分）表示最低水平，創(chuàng)作（6分）表示最高水平。不同社群學生在不同階段的協(xié)同知識建構活動水平如圖3所示。據圖可知，不同社群學生中，核心組在參與知識建構活動時投入高層次認知的頻次較多，半邊緣組次之，邊緣組最少。隨著教學進程的推進，三種社群學生的交互共建質量均有所提升，認知水平呈正向發(fā)展。

依照編碼表（表1）對學生的討論區(qū)發(fā)帖內容進行認知網絡可視化分析，獲得不同社群學生的認知網絡質心圖（如圖4所示）、在不同教學階段認知網絡質心的變化軌跡圖（如圖5所示）以及認知網絡圖（見表5）。

1. 不同社群學生的認知網絡質心及變化軌跡

表4顯示不同社群學生的認知網絡經獨立樣本T檢驗的結果，核心組與半邊緣組的認知網絡在X維度具有顯著性差異（p=0.02<0.05），在Y維度不具有顯著差異（p=0.57>0.05）;核心組與邊緣組的認知網絡在X、Y維度均存在顯著性差異（p=0.00）;半邊緣組與邊緣組的認知網絡X、Y維度均存在顯著性差異（p=0.00）。結合圖4所示網絡質心圖，發(fā)現核心組、半邊緣組、邊緣組的質心位置相距較遠，這表明不同在線參與程度的學生在討論過程中產生了不同的認知水平和結構，具體可以通過認知網絡圖進行分析。

圖5顯示，核心組在三個階段的認知網絡質心存在差異，且具有明顯軌跡（如箭頭所示），這表明學生在三個階段使用的“知識”和“認知過程”元素各有偏重。半邊緣組在三個階段的認知網絡質心也存在一定差異，但變化幅度較核心組小。邊緣組在三個階段的質心較為集中，且彼此沒有顯著差異，表明學生在不同階段進行知識建構所涉及的元素較為相似。

2. 不同社群學生在不同階段的認知網絡圖

表5詳細地展示了學生的知識建構歷程，圖中線條的粗細和顏色飽和度代表了元素之間連接的強弱。通過比較發(fā)現，核心組的連接節(jié)點大，連線粗，顏色深，強度始終強于半邊緣組，半邊緣組的連接強度始終明顯強于邊緣組。具體表現為：

核心組學生的認知網絡結構較為均勻、完整，其中在高層次的知識和認知維度表現出較高的參與度，在教學初期理解和評價事實知識和概念知識，教學中期學生對概念知識的評價增多，且善于進行元認知反思，教學后期連接幾乎涵蓋了所有維度，整個認知網絡結構形成了更加平衡的聯(lián)系。半邊緣組的認知網絡結構具有局部性的特點，在教學初期、中期的連接集中于理解事實知識，在教學后期表現為分析概念知識的連接增強，其他連接也更加緊密，但元認知知識較少。邊緣組學生連接數量較少，且較高層次維度間的連線占據非常微小的比例，學習較為被動。可見，三組學生體現出具有層次梯度的知識建構水平，核心組學生的知識進步水平在整個教學過程中呈現明顯進階演化趨勢，半邊緣組學生在教學后期才有明顯知識進步，邊緣組學生無明顯變化。

五、結論與展望

本研究應用“社區(qū)知識和集體責任”和“持續(xù)改進的想法”知識構建原則，構建了以深度學習為核心的大學生協(xié)同知識建構教學模式，并開展教學實踐應用，對個體和群體的社會交互演變軌跡及知識進步過程進行了分析。研究結果表明：

（1）以深度學習為核心的大學生協(xié)同知識建構教學模式對于提升學生的深度學習效果以及協(xié)同知識建構水平具有顯著影響。在該模式中，教師對深度交互教學策略進行精心設計，搭建能夠促進學生對話與反思的腳手架進行相關教學干預。已有研究表明，深層教學交互對深度學習的影響作用顯著高于淺層交互[21]。該模式通過讓學習者參與到對所在社區(qū)集體知識的共建共享與自我反思中來，推動了深度內容交互和深層人際交互，促進了學生的學習方式向“建構”與“交互”轉變，從而不斷提升知識進步的質量，達成了深度學習效果。

（2）教師引導及深度交互策略的設計促進社會交互網絡的形成。在線協(xié)同知識建構過程中學生的社會交互參與度增強，網絡凝聚性逐步提升。隨著教學的推進，教師充分引導、促進和激勵學習者進行積極建構與交互，學生在協(xié)同知識建構過程中的交互頻次增多。理想的協(xié)作學習是社區(qū)內所有成員為了共同的目標在協(xié)作過程中積極參與，并在學習過程中進行適應性的自我調節(jié)、相互調節(jié)和集體調節(jié)，最終使得所有成員均在協(xié)作中加深對知識的理解和掌握、獲得自身能力的提高[22]。因此，對于處于交互網絡邊緣的學生，教師應當予以更多關注與適時反饋，監(jiān)督和引導其參與有意義交互，鼓勵網絡核心成員發(fā)揮中介作用，提高交互網絡整體活躍度，促進認知發(fā)展。

（3）社會交互程度及分析、評價類的高階認知活動會影響學生的知識進步，不同教學階段學生的知識進步水平呈現層次性差異。與邊緣組學生相比，核心組和半邊緣組學生知識進步顯著，學生的知識建構水平由淺層次向深層次過渡，普遍表現為由簡單性知識回答向對回答進行高階的辨析、歸因轉變。核心組在后期增強了對觀點的自我認識，而半邊緣組較為缺乏，因而該組學生的知識建構處于中等水平，邊緣組在高層次認知要素上較少涉獵，無顯著知識進步。此外，三類社群學生在知識建構歷程中的元認知知識較少，且未涉及認知過程中的創(chuàng)作維度，究其原因可能是課程性質的關系，學生缺少相應的實踐環(huán)節(jié)。

人工智能時代帶來新的學習境遇與訴求，學習環(huán)境的多樣化、復雜化使得動態(tài)表征學習者的知識建構歷程成為學習分析與測評領域研究的重要議題。本研究基于過程性證據評價學習者的交互深度及認知發(fā)展的演變規(guī)律，對于教師開展深度教學具有理論和實踐意義。由于采用人工方式對討論區(qū)交互數據進行編碼，因此該方法只適用于樣本量較小的研究，未來可以考慮使用數據挖掘技術等更大程度地捕捉和分析學生的協(xié)同知識建構過程數據，拓展和豐富數據類型，關注信息化環(huán)境中基于多模態(tài)數據的學生協(xié)同知識建構過程研究。

[參考文獻]

[1] 國務院.新一代人工智能發(fā)展規(guī)劃的通知[EB/OL].（2017-07-08）[2017-07-20].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2] 周平紅，張屹，楊喬柔，白清玉，陳蓓蕾，劉崢.智慧教室中小學生協(xié)同知識建構課堂話語分析——以小學科學課程為例[J].電化教育研究，2018，39（1）：20-28.

[3] 李海峰，王煒.自組織視域下的在線深度協(xié)作知識建構研究[J].中國遠程教育，2019（1）：47-57.

[4] 韋怡彤，王繼新，丁茹.混合式學習環(huán)境下深度學習導向的協(xié)同知識建構模式研究——以《教育技術學導論》課程為例[J].中國電化教育，2019（9）：128-134.

[5] 李海峰，王煒.漣漪拓展探究法——一種在線深度協(xié)作知識建構的學習策略探索[J].電化教育研究，2019，40（6）：76-83，120.

[6] 李海峰，王煒.經驗認知沖突探究法——一種翻轉課堂模式下的深度協(xié)作知識建構學習策略探索[J].電化教育研究，2020，41（1）：99-106，121.

[7] 姜強，藥文靜，趙蔚，李松.面向深度學習的動態(tài)知識圖譜建構模型及評測[J].電化教育研究，2020，41（3）：85-92.

[8] 王云，李志霞，白清玉，姚海瑩.在線討論中動態(tài)學習情緒和認知行為序列的關系研究[J].電化教育研究，2020，41（6）：60-67.

[9] 張思，何晶銘，上超望，夏丹，胡泉.面向在線學習協(xié)同知識建構的認知投入分析模型及應用[J].遠程教育雜志，2020，38（4）：95-104.

[10] GASEVIC D， JOKSIMOVIC S， EAGAN B R， SHAFFER D W. SENS：network analytics to combine social and cognitive perspectives of collaborative learning[J]. Computers in human behavior，2018，7（3）：1-16.

[11] 冷靜，徐浩鑫.探析深度學習表征的一種新方法：社會認知網絡特征（SENS）[J].遠程教育雜志，2020，38（3）：86-94.

[12] MARTON F， SALJO R. On qualitative differences in learning： I-Out come and process[J]. British journal of educational psychology， 1976， （46）： 4-11.

[13] 何克抗.深度學習：網絡時代學習方式的變革[J].教育研究，2018，39（5）：111-115.

[14] SAWYER R K. The Cambridge handbook of the learning sciences[M]. London：Cambridge University Press， 2014.

[15] 謝幼如，宋乃慶，劉鳴.基于網絡的協(xié)作知識建構及其共同體的分析研究[J].電化教育研究，2008（4）：38-42.

[16] 吳忭，王戈，盛海曦.認知網絡分析法：STEM教育中的學習評價新思路[J].遠程教育雜志，2018，36（6）：3-10.

[17] GUNAWARDENA C N， LOWE C A， ANDERSON T.Analysis of a global online analysis of interaction in online environments debate and development of an interaction analysis model for examing social construction of knowledge in computer conferencing[J]. Journal of educational computing research，1997，17（4）：397-431.

[18] MICHELENE T H C， RUTH W. The ICAP Framework： linking cognitive engagement to active learning outcomes[J]. Educational psychologist，2014，49（4）：219-243.

[19] ANDERSON L W， KRATHWOHL D R， AIRASIAN P W， et al. A taxonomy for learning， teaching，and assessing： arevision of Bloom's taxonomy of educational objectives[M].New York： Longman， 2001.

[20] 劉清堂，張妮，朱姣姣.教師工作坊中協(xié)作知識建構的社會網絡分析[J].中國遠程教育，2018（11）：61-69，80.

[21] 盧強.教學交互層次對大學生在線深度學習的影響研究[J].電化教育研究，2021，42（3）：34-41.

[22] 張思，高倩倩，馬怡敏，魏艷濤，楊海茹.基于SouFLé框架的在線協(xié)作學習分析模型[J].現代遠程教育研究，2020，32（6）：94-103.