社會網絡分析在線上線下混合教學中的實踐研究

摘" "要：為提升線上線下混合教學效果，文章將社會網絡分析法應用于《概率論與數理統計》教學實踐中。根據實驗班咨詢關系構建班級成員之間的關聯網絡，運用Ucinet 6.5軟件分析班級網絡的基本屬性，深度挖掘學情信息；分析網絡的中心性，發現需要重點關注的學生；分析網絡的塊模型，為科學分組教學提供依據。教學效果顯示，實驗班級平均成績明顯高于對照班，而且成績總體上相對比較穩定，驗證了引入新課程教學方法的有效性。實踐研究表明，社會網絡分析方法在輔助該課程線上線下混合教學、開展“以學生為中心”的教學模式方面可發揮重要作用。

關鍵詞：社會網絡分析；線上線下混合教學；翻轉課堂；咨詢網絡；實驗班；對照班

中圖分類號：G434" " " " "文獻標志碼：A" " " " "文章編號：1673-8454（2022）12-0112-07

一、引言

《教育部關于一流本科課程建設的實施意見》中提出：要大力倡導基于國家精品在線開放課程應用的線上線下混合式優質課程。[1]以《概率論與數理統計》課程為例，有學者基于MOOC（Massive Open Online Course）資源，從前期資源選擇與建設、課前在線學習與準備、課中知識內化與活動、課后知識鞏固與拓展四個階段實施混合教學；[2]有學者以SPOC（Small Private Online Course）平臺為教學環境、MOOC資源為教學內容、翻轉課堂為教學方法，探索本課程的線上線下混合式教學。[3]此外，還有學者在混合課堂教學模式、“MOOC+翻轉課堂”等方面開展有益嘗試。[4][5]

社會網絡分析方法在教學管理中具有廣泛的應用。以2010年1月至2021年5月為例，在中國知網檢索關鍵詞“社會網絡分析”，并同時設定摘要檢索“教育”或“教學”，共檢索到符合條件的論文614篇，如圖1所示。有學者在國內較早將社會網絡分析應用于網絡課程協作學習，此后該方法逐漸被學者應用于教學管理中。[6]有學者運用社會網絡分析對高職學生在線學習進行實證研究，提出提高在線協作學習的措施和建議，并取得良好效果。[7]有學者采用該方法對SPOC在線討論形成的互動網絡結構進行研究，為在線學習行為分析和教學設計提供有益參考。[8]

本文將社會網絡分析應用于《概率論與數理統計》線上線下混合教學：一是從現有線上線下混合教學文獻來看，大多展現的仍是“以教師為中心”的教學過程，社會網絡分析有利于教師掌握學生的行為關系，并通過分析獲得可能需要重點關注學生（不需要通過測試手段）的結果，從而有針對性地適時調整教學策略，有利于向“以學生為中心”的教學模式靠攏。二是傳統線上線下混合式教學的學情分析方法單一，以教師經驗為主的學情分析方法導致主觀性較強，社會網絡分析方法的引入有利于提高學情分析的客觀性與科學性。三是目前大多線上線下混合教學文獻中，在采用分組教學時并未說明分組依據，社會網絡分析的運用將為分組提供科學參考。

二、研究方法與組織實施

（一）研究方法

本文以學院一年級經濟卓越班作為研究對象（以下稱為實驗班），該班學生綜合基礎在整個年級中相對較好，傳統教學難以滿足學生對知識的需求。為進一步調動學生的積極性、滿足個性化需求，《概率論與數理統計》課程引進中國大學MOOC中浙江大學開設的國家精品課程資源（本課程選用的教材同為浙江大學第四版），開展線上線下混合教學。此外，為評估線上線下混合教學效果，選取學院一年級數學分層教學A班作為對照班級。數學分層教學分為A、B、C三個層次，其中A班為數學基礎相對較好班級，與實驗班為同一教師講授本課程（選用相同教材），但采取的是線下教學模式。

在教學過程中，引進社會網絡分析法以輔助線上線下混合教學，并運用Ucinet 6.5工具分析實驗班的社會網絡特征及交互規律。社會網絡分析，是對社會關系結構及其屬性進行分析的一套規范與方法。[9]它的研究對象不是行動者本身，而是不同行動者（如個體、群體、組織）所構成的關系，即關系數據。[10]鑒于課程教學活動的社會屬性，該方法同樣適用于本課程的教學研究。本文擬通過對班級咨詢網絡特征的分析，以掌握課堂內外學生之間的信息傳遞關系，指導教師制定合適的教學管理策略，開展有針對性的教學。

（二）組織實施

《概率論與數理統計》課程的周課時為4學時（每周2次，每次2節課），線上線下混合教學的階段劃分與組織實施方法如圖2所示。

第一階段：課前內容安排。課前教師需要完成以下三方面工作：①線上課程建設。本課程除了運用中國大學MOOC平臺外，還運用超星學習通平臺。其中，中國大學MOOC平臺主要引進浙江大學國家精品課程資源，超星學習通平臺主要用于作業互評和資料共享。②引導問題設計。在每次課學習任務發布前，教師需要提前設計1～2個引導問題。引導問題與線上學習任務同時發放，促進學生間的線上線下交流，增強學習效果。③線上學習任務。課前1～2天發布線上學習任務，學生自行安排時間自學。基本達到明確相關概念內涵、了解定理公式具體形式的目的。根據本課程混合教學模式設計，線上學習時間約占總學時的21.3%，符合教育部關于“線上線下混合課程安排20%～50%學生線上自主學習”的要求。

第二階段：線下翻轉課堂。實現翻轉課堂的方式方法靈活，主要包括：①引導問答。設置問題由學生講解對相關知識點的理解，教師糾正理解上可能存在的偏差，適用于對基本概念、定理等知識點的理解與掌握。②隨堂測驗。檢測學生對相關知識的掌握情況，并由學生向教師發起疑問，教師或學生之間相互解答、加深理解。③小組討論。一是對于相對較復雜需要分工協作完成的課堂任務，可根據知識構成向不同小組分配任務；二是對于一題多解問題，根據不同解法分配任務；三是對試驗性內容，按小組開展試驗教學。④教學翻轉。針對難度較小的內容，按小組或具體到個人布置相關任務，實現學生“講授”而教師“聽講”的翻轉，以提高學生主動學習和課堂參與的積極性。

第三階段：課后答疑與拓展。本階段主要有以下三方面工作：①課后答疑。解決學生在課堂尚未理解的知識與內容，在中國大學MOOC平臺課程論壇上，學生可隨時提問，由學生之間相互解答（計入平時成績），教師糾正問題偏差。②知識拓展。在超星學習通課程“資料”模塊中，除了分享每次授課課件資料外，還可以分享與課程相關的課外閱讀資料，有利于“吃不飽”學生拓寬知識面。③作業批改。在超星學習通發布課程作業，采用學生互評方式批改，每一份作業由3位學生批改，以平均分作為最終得分（評分不合理情況下教師可以干預）。

社會網絡分析貫穿于線上線下混合教學全過程。一方面，根據線上答疑數據，將各章節知識點和班級成員作為網絡節點，學生對知識點的關注（疑問或解答）為邊，可以構建課程知識“疑問網絡”，有利于教師掌握教學中的薄弱環節，章節教學結束后有針對性地安排習題課。另一方面，根據線上線下學習的咨詢關系，構建班級成員間的關聯網絡，輔助開展分組教學、查找需要重點關注的學生等。其中，對班級成員間咨詢關系網絡的分析，為本文研究的重點。

（三）數據采集

為評估社會網絡分析方法在輔助線上線下混合教學中的效果，結合《概率論與數理統計》實施過程，本文需采集以下三部分數據：①班級成員咨詢關系數據。實驗班共有21位學生，在本課程首節課說明線上線下教學組織實施方法、考核標準等相關規定。其中，前三周為線上線下教學的適應期，三周結束后向學生發放問卷調查。問卷調查主要目的是掌握班級成員間的咨詢關系網，設置的問題為“在本課程教學過程中，你曾向哪些同學尋求過幫助（限4位學生以內）”。從第四周開始，根據班級學生之間咨詢關系調整分組，進一步組織實施線上線下混合教學。②實驗班平時成績。實驗班最終考核成績由平時成績（50%）和期末成績（50%）構成，提高平時成績占比是要充分肯定學生平時學習成果，特別是對線上自主學習和平時作業的重視程度，進一步鞏固和提高學習效果。在此，采集第4-10周實驗班的作業成績和各章節測試成績作為平時成績。③對照班平時成績。對照班最終成績采用傳統評分方法，由40%平時成績和60%期末成績構成。對照班共有65位學生，為便于與實驗班比較，隨機抽取21位學生，采集范圍為與實驗班相同章節的作業成績。其中，個別學生因請假等因素出現作業空缺（成績為0）的情況，根據其前后作業平均成績進行填充。

三、線上線下混合教學的社會網絡分析

（一）網絡基本屬性

根據實驗班學生之間的咨詢關系，利用Ucinet 6.5測量得到班級網絡基本屬性如表1所示，21位學生之間關聯網絡如圖3所示。對此，可得到如下基本結論：①網絡相對稀疏。一方面，網絡密度值為0.164，相對較稀疏。另一方面，平均距離為3.286，即平均每2位學生之間需要經過3.286個人才可實現聯通；網絡傳遞性為0.93%，效率較低。因此，在促進學生之間互幫互助方面，還有較大提升空間。②網絡凝聚力較高。網絡的聚類系數為0.361，即網絡中穩定的三元組數目占比36.1%，說明班級中存在“小團體”。在實際教學過程中，依據“小團體”分組協作或討論，有利于增強教學效果。③網絡互惠性較高。網絡的互惠性約為0.327，即網絡中存在32.69%的雙向咨詢關系，學生之間相互學習氛圍較好。④網絡整體中心性較低。網絡中雖然不存在孤立節點，中間中心勢為21.35%，說明班級的中心趨勢不太強，學生之間學習相對較均衡，不存在對本課程學習具有絕對優勢的學生。

（二）中心性分析

中心性是研究各節點在網絡中地位和作用的指標。一個成員在網絡中越處于中心位置，其在網絡中的“影響力”越大，越能影響其他成員。中心性分析可以反映網絡中某成員在協作學習過程中，所體現的重要程度、地位、聲望、作用。在此，從點度中心度、中間中心度兩個指標分析本課程協作學習社會網絡的中心性。

1.點度中心度分析

在有向圖中，每個點的度數可以分為點入度和點出度，點度中心度是網絡中某一節點的入度數與出度數之和，如表2所示。其中，出度最大值為4，成員包括A、B、H、I、M、N、O、P、S、U學生，其標準化出度為20，說明上述學生主動與班級內20%的同學建立主動學習關系，遇到問題時傾向于向多位同學請教。入度最大為10（C學生），其標準化入度為50，即為班級50%的學生提供過咨詢服務；入度次之的為6（D和E學生），其標準化入度為30；再次之為5（H學生），標準化入度為25。上述4位學生入度占總入度比重達39.13%，在解答班級其他學生疑問中發揮著重要作用。點度中心度較大的點包括C（12）、D（9）、E（9）、H（9）、A（8）、B（8）、K（7）、O（7）、U（7）。其中成員C、D、E、H、K入度大于出度，呈現凈輸入即被咨詢的關聯關系；成員A、B入度與出度相等，呈現均衡的關聯關系；成員O與U出度大于入度，呈現凈輸出即咨詢的關聯關系。此外，成員P的入度為0，成員F、G、M、N成員的入度為1，即沒有或僅有少數學生對其有咨詢，說明上述學生解答問題的能力較弱；特別是F、G兩位學生出度都為2，主動學習的積極性也相對欠缺，在教學過程中需要給予更多關注。

2.點中間中心度分析

點中間中心度反映成員對“資源”的控制能力，實驗班的點中間中心度如表2所示。點中間中心度排在前6個的成員依次為：E（104.789）、I（103.661）、O（96.444）、D（76.417）、H（54.667）、C（53.456）。上述成員的點中間中心度顯著高于其他學生，說明以上學生的意見建議有利于促進其他學生的交流互動，在本課程中發揮著協作交流的橋梁與引領作用。中間中心度排在最后5個的成員有：L（0.972）、T（0.667）、M（0.000）、N（0.000）、P（0.000）。說明上述學生對其他學生的交流影響作用極小，處于班級網絡的邊緣，在教學過程中應有意識地促進上述學生與班級其他成員的交流。

通過點度中心度和中間中心度的集合對比分析，二者具有較多重合的成員。例如，較高點度中心度和中間中心度集合中，有成員C、D、E、H、O，說明上述學生在解決班級疑問和促進課程協作學習方面具有重要作用；而較低點度中心度和中間中心度集合中有成員P、M、N，教師在教學過程中需要給予這些學生更多關注，采取有針對性的措施促其參與本課程的學習交流。

（三）塊模型分析

社會網絡圖分析只能表達參與者在整體網絡中的基本情況，但本論文涉及的實驗班有成員21人，形成69個連接關系，結果導致班級社會網絡比較復雜，不能夠直觀地看出網絡中存在的“小團體”。此外，在教學過程中，也需要掌握班級內部“小團體”情況來進行分組教學或開展翻轉課堂。傳統分組方式主要依據學生座位、性別等關系，相對較隨意；而本課程借助于Ucinet 6.5進行塊模型分析，根據班級成員之間的咨詢關系進行分組，從而有利于促進學生間的協作學習，提高教學分組的科學性。

由于班級成員相對較少，選擇最大分割深度為2，收斂標準為0.2，得到班級塊模型分布如圖4所示。班級中有4個“小團體”即形成4個塊，第一模塊成員有7個，包括A、G、C、I、J、F、K；第二模塊成員有6個，包括M、D、E、T、N、S；第三模塊成員有4個，包括Q、B、P、O；第四模塊成員有4個，包括H、L、R、U。

在69個關聯關系中，四個模塊內部的關系數為49個，四個模塊之間的關系數為20個，班級模塊間關系如表3所示。四個模塊向內部發出關系數都大于向外部發出關系數，而且實際內部關系比例也大于期望內部關系比例，這說明各模塊成員之間主要以內部交流為主。第一模塊接收塊外關系數大于發出塊外關系數，總體表現為被咨詢關系；第二和第四模塊接收塊外關系數等于發出塊外關系數，咨詢與被咨詢關系比較均衡；第三模塊接收塊外關系數小于發出塊外關系數，總體表現為對外咨詢關系。

在實際教學過程中，根據班級模塊關系進行分組，將班級分為4組，第一組有6個成員，其他各有5個。在征求個人意見基礎上，將第一模塊中C學生調整到第三模塊，分別形成第一組（成員A、G、I、J、F、K）和第三組（成員C、Q、B、P、O）。將第二模塊的S學生調整到第四模塊，分別形成第二組（成員M、D、E、T、N）和第四組（成員S、H、L、R、U）。在小組長選取方面，在征求個人意見基礎上，讓點度中心度或中間中心度相對較大的成員擔任。第一組由I學生、第二組由E學生、第三組由O學生、第四組由H學生擔任組長。

調整分組后，各組之間的關聯關系如表3所示，可得到以下結論：①有利于增進組間協作交流。原第二模塊，與第三、第四模塊間無關聯關系，調整后建立三個小組間的關聯關系。②第一、第二、第四組仍然以組內交流為主。一方面，組內發出關系遠大于組外發出關系；另一方面，第一、第二組實際內部關系比例較原模塊有所提升。第三組以組間交流為主，組內發出關系小于組外發出關系。③咨詢與被咨詢關系有所變化。第一和第二組接收組外關系大于發出組外關系數，總體表現為被咨詢關系；第三和第四組接收組外關系小于發出組外關系數，總體呈現對外咨詢關系。

四、學習效果分析

（一）實驗班內部學習效果分析

以平時成績評價作為評價標準，更能檢驗學生對本課程的學習興趣和效果。在學期初已經將本課程評分標準告知各位學生，以引起對平時成績的高度重視。在此，選取第4-10周作業成績和章節測試成績作為學習效果評定標準，其中布置課后作業8次，完成章節測試3次。課后作業采用學生互評方式，每一份作業由3位學生批改，取均值作為最終成績（特殊情況下教師干預）；章節測試為中國大學MOOC網《概率論與數理統計》資源，包括選擇題和判斷題兩種類型，在規定時間內完成后由系統自動批改。在成績匯總方面，課后作業與章節測試成績權重相同，以課后作業和測試成績的算術平均值作為該學生最終成績，由此得到實驗班平時成績如表4所示。

實驗班全班平均成績92.64分，標準差4.40分，成績比較穩定，其中最低分為84.56分，最高分為99.57分，全班都達到良好（75分）以上標準，優秀率為66.7%。在此基礎上，繼續將班級成績劃分為：高分段[95，100]、中分段[90，95）、低分段[84，90）。高分段學生有8位：B、K、D、S、R、T、H、Q；中分段學生有6位：I、C、A、E、L、J；低分段學生有7位：O、P、M、N、U、F、G。通過與網絡中心性對比分析發現，高分段學生大多出現在點度中心度或中間中心度較高的集合中，而需要關注的P、M、N、F、G五位學生出現在低分段。

（二）實驗班與對照班學習效果對比

實驗班采用線上線下混合模式教學，以小班（21人）方式授課；對照班采用線下傳統教學方式，以合班（65人）方式授課。由于兩個班級規模、教學進度有差異，但相同章節布置的作業相同，作業評價方法和評價標準相同。為統一比較標準，從對照班中隨機選擇21人，并選擇兩個班級作業相同的8次作業成績作為比較。實驗班平均成績為90.32分，成績標準差為5.14分；對照班的平均成績為85.57，成績標準差為7.62分。通過對比發現，實驗班級平均成績明顯高于對照班，而且成績總體上相對比較穩定。需要說明的是，線上線下混合教學是導致實驗班高于對照班成績的一個重要原因，但一般情況采用小班教學效果也較合班教學要好一些。

參考文獻：

[1]中華人民共和國教育部.教育部關于一流本科課程建設的實施意見[EB/OL].（2019-10-30） [2021-05-10].http：//www.moe.gov.cn/srcsite/A08/s7056/201910/t20191031_406269.html.

[2]王獻東.基于MOOC的《概率論與數理統計》混合式教學模式研究[J].科技視界，2020（4）：111-113.

[3]方茹，王勇，吳勃英.基于MOOC+SPOC+翻轉課堂的概率論與數理統計混合式教學實踐[J].大學數學，2018，34（5）：23-28.

[4]田媛，席玉婷.高校混合課堂教學模式的應用研究[J].中國大學教學，2020（8）：78-86，96.

[5]楊曉偉，陳佩樹，劉相國，等.應用型高校“MOOC+翻轉課堂”混合教學的實踐與探討——以《概率論與數理統計》課程教學為例[J].教育現代化，2019，6（61）：216-220.

[6]胡勇，王陸.網絡協作學習中的社會網絡分析個案研究[J].開放教育研究，2006（5）：56-61.

[7]付艷芳，楊浩，方娟，等.基于UCINET的高職學生在線協作學習社會網絡分析[J].系統仿真技術，2020，16（4）：255-261.

[8]田華.SPOC學習者在線交互的社會網絡分析[J].中國成人教育，2019（21）：8-12.

[9]MARK W， COLIN D， et al. Identity leadership and social identification within sport teams over a season： a social network analysis[J]. Psychology of Sport and Exercise， 2021，59：1-10.

[10]WARM E， ARORA V， et al. Networking matters： a social network analysis of the association of program directors of internal medicine[J]. Teaching amp; Learning in Medicine， 2018，22：415-422.

作者簡介：

黃仁全，副教授，博士，主要研究方向為金融系統工程與金融科技、區域經濟發展、經濟統計，郵箱：huangrenquan@126.com；

王娟娟，副教授，碩士，主要研究方向為電子商務下的物流管理，郵箱：wangjj64@163.com。

Practical Research on the Social Network Analysis of Online and Offline Mixed Teaching

Renquan HUANG， Juanjuan WANG

（School of Economics and Finance， Xi’an International Studies University， Xi’an Shaanxi 710128）

Abstract： To improve the efficacy of online and offline mixed teaching， this paper applies social network analysis to the practice of Probability Theory and Mathematical Statistics. According to the consultation relationship of the experimental class， it sets up the network among the class members by using the Ucinet 6.5 software to analyze the basic attributes of the class network and explore the learning information in depth. It analyzes the centrality of the network to identify students’ special attention， thus seeking the block model of network to provide the basis for scientific group teaching. The teaching result shows that the average score of the experimental class is significantly higher than that of the control class， and the score is relatively stable on the whole， which verifies the effectiveness of introducing the new curriculum teaching method. The practical research shows that the social network analysis can contribute to the online and offline mixed teaching of this course and developing the “student-centered” teaching mode.

Keywords： Social network analysis; Online and offline mixed teaching; Flipped classroom; Consulting network; Experimental class; Control class

編輯：王天鵬" "校對：王曉明