開放自適應學習平臺中的異步交互行為分析

胡金艷 滿其峰 蔣紀平 張義兵

[摘 ? 要] 開放自適應學習平臺中的內容由學生交互產生，交互行為與模式的不同會影響知識建構的效果。針對當前研究對開放式平臺研究的不足，文章研究以CSCL領域具有代表性的知識論壇為例，基于內容分析和社會網絡分析方法對學生發表在平臺上的810條有效觀點及其交互網絡的動態關系進行探討。結果發現，觀點的異步交互行為整體呈現出“馬太效應”和“黏性效應”，其縱向發展有“偶爾爆發后持久沉默”“固定例會”“引入隨機的細水長流”三種模式。觀點整體交互的不均衡性和不同模式“關系力量”的驅動作用對基于開放自適應學習平臺的知識建構教學具有參考價值。

[關鍵詞] 自適應學習； 在線學習； 知識建構； 觀點； 交互行為

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 胡金艷（1981—），女，河南漯河人。講師，博士，主要從事知識建構與涌現論研究。E-mail：hujinyan07@163.com。

一、引 ? 言

隨著計算機與互聯網技術的進步，自適應學習平臺在教育領域的應用越來越廣泛。從類型上說，自適應學習平臺可以分為閉合、半開放、開放三種。其中，開放自適應平臺的學習內容由用戶創造（User Generated Content， UGC），平臺本身提供社交聯系和信息連通[1]。因此，平臺中的交互行為就成為產生知識內容的重要動力因素，其交互水平對學生的學習質量具有較大影響[2]。另外，由于開放式自適應在線學習平臺中的交互是由學生主導和自發形成的，不存在領導者或中央控制。因此，往往呈現出一種動態的網絡結構，即交互具有卷入式、沉浸式的特點，同時包含復雜的纏繞、滲透、融入的關系。如何對這種異步交互的行為結構和模式進行分析，就成為利用該類平臺開展教學要解決的關鍵問題。當前對自適應學習平臺的研究主要有以下三個方面：其一，平臺類型上多聚焦于提供學習內容的平臺，如MOOC作為自適應平臺[3]，較少涉及UGC類型的開放式平臺。其二，研究內容上多圍繞平臺功能設計[4]、運用平臺促進個性化學習[5]、學習路徑的引薦以及學習內容的精準定位等[6]開展研究，有關交互行為的實證研究較少。其三，研究方向上多集中在智能技術的開發與融合[7]，對學習同伴間的互動網絡研究不足。正如有研究者指出的，缺乏對閱讀時間、頻次和時長等細顆粒度數據的收集，導致研究者無法客觀、全面、準確和充分地基于對數據的分析來指導在線討論環境的優化[8]。因此，有必要對開放自適應在線學習平臺中的交互進行分析以揭示其規律，從而為學習和教學提供參考。

基于以上思考，本研究以知識論壇這一開放式自適應學習平臺上的異步交互作為分析對象，將平臺上觀點的持續交互視為一種具有整體特征的網絡，著重對以下兩個方面進行分析：（1）交互網絡的整體特點如何，包括觀點的被閱讀量分布及閱讀行為的特點等；（2）交互網絡的縱向發展特征如何，即觀點交互在時間維度上的特點和模式。

二、自適應平臺介紹——知識論壇

作為計算機支持的協作學習（Computer Supported Collaborative Learning，CSCL）領域中有代表性的在線學習環境，知識論壇（Knowledge Forum，KF）支持以社區知識形成為目標的自適應學習，其平臺特點如下：

（一）內容由學生交互生成

與以習得知識為主要目標的教學平臺不同，KF平臺不提供現成的教學內容、目標、計劃與測試題庫，而是由學生發表觀點，并通過閱讀、升華、反思等交互行為產生多元化的觀點網絡，反映了知識的相互交織和對話本質。簡而言之，這是一個賦予學生權力、減少教師支配的異步多對多在線討論平臺，即用戶生產內容（UGC）。同時，為幫助學生生成社區知識，KF平臺在設計與網絡層面[9]都契合和支持了復雜性科學和涌現論的理念，即盡量減少對學生的干預，學生根據自己的真實想法來建構話題，并通過觀點交互形成自組織環境，創造出豐富多樣的群集現象并涌現出整體層面的知識[10]。

（二）為學生交互提供支架

為了幫助學生在平臺上開展知識建構活動，KF平臺提供了各種類型的支架，包括支持發表觀點的支架（“我的理論”“我需要理解”“新的信息”等）、評論支架（“我的疑問”“我的補充”“我的建議”等）和發展支架（“建構”“注釋”“參考”）等，同時支持教師和學生根據實際的需求自定義與主題相關的支架。這些支架既能幫助學生有效地發表觀點和進行交互，同時也幫助學生不斷理解支架的內涵從而調整自己的學習行為。

（三）為學生提供交互分析工具

KF平臺為學生的學習和集體知識增長提供了分析工具并生成學習報告。主要包括：觀點貢獻分析（發表觀點數量和回應觀點數量）、觀點閱讀分析（閱讀別人次數和被別人閱讀次數）、字詞量分析（觀點字詞總量和觀點平均字數）、評論分析（評論別人次數和被別人評論次數）、活躍度分析等，從而呈現學生個人在整個社區中的貢獻度，并從個人和社區兩個層面生成學習報告，從而為學生評估和改進學習提供依據。

三、交互數據來源與處理

（一）教學情境

知識建構（Knowledge Building，KB）理論作為學習科學領域最主要的發展方向之一，倡導以原則為導向[11]、“觀點（Idea）”為中心[12]、社區知識發展為目的[13]的理念。該理念認為，觀點并非個人頭腦中（“世界2”）的簡單想法，其交互活動需要在卡爾·波普爾的“世界3”中進行[14]。KF平臺正是這樣一個專門為KB設計的觀點外顯化環境，使觀點以整個社區成員都可以獲得的形式存在于“世界3”中并始終位于持續改進的軌道上[15]。交互數據來自J省某高校教育技術學專業大三本科生（N=34）的“學習科學”課程。教師團隊由一名具有豐富KB教學與研究經驗的教師和3名助教組成。研究者本人對教學過程進行參與式觀察，包括教學設計討論、平臺發言、課堂觀察等。所有學生對本次研究有知情權。

（二）數據采集

首先對KF平臺中的837條觀點進行搜集與清洗，剔除課程助教進行測試、宣布規則、學生由于對平臺操作不熟練而發表的無效內容，以及網絡延遲而導致的重復內容等與課程無直接關系的觀點，得到有效觀點810條，約56.3萬字。值得說明的是，KB教學中一般將教師視為共同體中的一個成員，教師引導性的觀點可能成為互動鏈條中很重要的一部分，若是去除該部分觀點，則會存在觀點交互鏈條斷裂從而失去真實性的可能。因此，本研究保留教師所發表的觀點。采集到的具體信息包括觀點交互等級、觀點標題、路徑層級（0號觀點交互的最長鏈條數）、作者、發表時間、被閱讀次數等。

（三）編碼方案

研究采用ZHANG J等人[16-17]所設計的觀點深度評價量表對觀點進行編碼，該編碼方案綜合了Hakkarainen的認知復雜性[18]和Galili的科學性[19]兩個維度，其中，前者代表學生探究復雜問題的認知努力程度，后者則反映了學生觀點從直覺認識到科學理論框架的轉變。綜合的理解深度是二者相乘的結果（見表1），如某觀點的認知復雜性等級為3，科學性等級為2，那么深度就是6。由兩名研究者對編碼方案進行協商學習后分別編碼，不一致的結果再次討論，最終的Kappa系數達到0.817，一致性良好。

四、研究結果

（一）觀點被關注度的分析

被關注度是指觀點被其他觀點關注的程度，是深度交互的第一步，最初主要表現為觀點的被閱讀量，追蹤觀點被關注度可以為交互行為分析奠定基礎。

1． 觀點的被閱讀量呈現出“馬太效應”

KB理論認為，社區知識才是知識創造的最終目的，即知識是在“世界3”中能夠被所有社區成員獲知、發展和創造的公共知識[20]。然而，觀點并不是自然地成為公共知識的，它需要經歷復雜的社會化交互。因此，“被閱讀”是觀點“被聽到”的第一步，足夠的被閱讀量更是觀點交互并持續改進的基礎。本研究使用基尼系數（Gini Coefficient）來衡量觀點被閱讀量的均衡程度。基尼系數最初是由意大利經濟學家Corrado Gini創造的，用以度量社會收入平等程度的指標，后來被越來越多地用到了諸多領域差異問題的研究上，其值介于0～1之間，0代表絕對公平，1代表絕對不公平。本研究中基尼系數越小代表被閱讀量越平均，反之則表示越不均衡，差距顯著。基尼系數計算如公式（1）所示：

其中，G為基尼系數，n是樣本量的分組數，本研究中為有效觀點的組數，Xi為觀點累計百分比，Yi為被閱讀量累計百分比。對觀點進行排序、分組，根據數據大小分為11組，見表2。

所有觀點總被閱讀量為12443次，被閱讀量低的觀點占多數，說明被閱讀量很小的觀點很快會被淹沒在大量的新觀點中，從而處于邊緣地帶。通過公式計算得知，觀點被閱讀量的基尼系數為0.489，生成的曲線如圖1所示。洛倫茲曲線偏離45°絕對平均線較遠且被閱讀量越大，彎曲程度越高，呈現明顯的“馬太效應”，即被閱讀量“貧富不均”，被閱讀次數最多的觀點僅占很小部分，大量觀點并沒有得到充分的關注。

2． 觀點的關注度呈現“黏性效應”

對觀點被閱讀量和鏈接數量的過程性數據進一步統計，得到每個觀點發展的動態周期性數據。該數據是指觀點從最初發表到逐漸升華的周期，和整個學期的周期不完全一致，即某觀點可能從學期初發表但未持續到學期末，或從學期中間開始被大量關注和討論。選取被閱讀量與回應數前50的觀點，從觀點發表本周開始算起，對每個周期的觀點被閱讀量進行統計編碼，利用SPSS 25作皮爾遜相關分析。發現除周期4～5和周期6～7之外，觀點發展的一個時間點和下一個時間點之間存在明顯的正相關性，如從觀點發表開始到下一周期的皮爾遜相關系數為0.731，存在較強的相關關系。這一狀況表明，被閱讀次數多的觀點具有一定的交互“黏性”，能夠提高再次被閱讀的可能性，從而增強自身的傳播能力。這可能是因為學生更傾向于閱讀被多個人閱讀過的、具有“流量”熱度的觀點，而非關注一個全新的觀點，即新發表的觀點更難引起他人的注意，較低的被閱讀量反過來又影響了新觀點的被關注度。繼續進行縱向分析，對具有交互黏性的觀點在各個階段所在的觀點簇進行相關分析，發現具有交互黏性的觀點最終能夠引領觀點的發展走向，且觀點簇的被閱讀量和觀點深度層級的皮爾遜相關系數為0.722，也呈現正向相關關系，說明具有黏性的觀點能夠引發更高級的觀點深度。

（二）觀點交互的縱向發展分析

觀點之間的互動要有足夠的量，許多觀點聚集在一起，其群體就足以產生各種各樣復雜的運動模式，觀點的分布、交互頻率和時間間隔對于不同模式的形成至關重要，如擁有相同交互次數、不同交互模式的觀點群代表了完全不同的發展狀態。首先，對KF平臺成簇的觀點群進行分析，即通過對0號觀點及與之交互的觀點進行統計；其次，按照這些觀點發表的時間進行縱向升序排列，即按觀點發表的先后順序以及觀點之間的交互關系進行綜合統計。經過數據分析發現，典型的交互模式存在著以下三種，結果如圖2所示：

1. “偶爾爆發后持久沉默”模式

該模式如圖2（a）所示，這種交互模式在偶爾間歇性、頭腦風暴式的高頻討論后，可能會產生一些待深挖、待驗證、有前景的想法，但火花一閃而過，觀點沒有得到持續探究，猜想也未能驗證或證偽，觀點得到了足夠的發散卻始終是片段化的。持久沉默之后零星的討論停留在淺層交互的水平，頭腦風暴可能拓展了討論的多種視角，卻沒有縱深方向的發展趨勢。長久的沉默背后是持續的能量消耗，觀點間沒有形成有效的鏈接而導致發展的間斷。這并不是否認頭腦風暴式討論的價值，而是將其作為整個KB過程的一個環節或推進進程的一種方法。該模式下觀點交互的最長路徑一般是比較短的，觀點深度的發展也是最低的。教師在教學中需要及時捕捉該模式的狀態，可以運用教學支架引導學生發現有前景的觀點并推動其持續研究。

2. “固定例會”模式

該模式如圖2（b）所示，具有中規中矩、穩扎穩打的特點，呈現脈沖式波動的狀態。觀點發表一般遵循著每周上課時間或前后一天，如同例會一樣按部就班。類似于任務驅動式的學習，成員之間或許十分認真，但整個過程波瀾不驚，似乎一切都在預料之中，很少出現即興內容。這種模式呈現出比較明顯的“秩序感”，但這種秩序感并非來自于自組織環境所生成的“有序”，更多的是來自于外部環境和規定的推動（外驅力）。這種模式的觀點深度水平發展一般。針對這種模式，教師可以在脈沖的低谷時刻進行互動干預，如增加和其他觀點的鏈接、提出異質性的觀點等，從而打破固定模式，創造交互機會。

3. “引入隨機的細水長流”模式

該模式如圖2（c）所示，體現了線上與線下的結合，學生不僅在固定的上課時間進行討論，線下課堂結束后仍然繼續在KF平臺中交流。觀點間的交互是不間斷的，“隨機”代表著互動是“按需”進行的，突破了固定上課時間的交互間隔。觀點發展也許有一定的“蟄伏”時間，為觀點深度發展持續進行思考、積累、沉淀，但這個間隔并不會特別長。同樣地，也可能會有較為激烈的頭腦風暴式討論，但是討論后并不會沉寂下來，討論的結果會得到總結升華。這種縱深方向的發展代表了一種較為理想的觀點交互模式，交互的最長路徑較長，觀點深度在三種模式中也最高。這種模式與已有研究中“網絡中的隨機連接能夠促成合作的發生”的結論是相互印證的[21]。

三種模式也具有一些共性，如交互量在后期會有一些減少，這是因為在學期末學生采用了更為豐富的互動方式，如制作海報等。形成更為穩定的小組后，觀點討論向縱深方向發展，需要閱讀更多權威資料、進行頻繁的反思，因此，觀點總交互量有所回落。

五、結論與討論

本研究嘗試將觀點置于自適應平臺動態交織的社會關系中進行異步交互行為的探索，也正是在這些關系中，交互呈現出不均衡的特征，體現了從“觀點”到“有結構觀點”的演化過程。觀點交互的“關系力量”成為促進其深度發展的關鍵動力，并為KB教學提供實踐參考和借鑒。

（一）觀點交互整體呈現出不均衡的動態發展態勢

觀點被閱讀量的“馬太效應”表明其交互行為的極度不均衡性，觀點發表的時間越早，持續被閱讀的可能性就越高。這是因為經過一段時間的協商學習，一些學生已經找到自己感興趣的研究領域并持續探究，此時當新的觀點出現時，大量觀點間的激烈競爭會阻止它們被廣泛地了解和探討。KB后期觀點越來越多，一個新的觀點對整個社區的影響力就會越小，其作用域也會隨之變小。觀點關注度的“黏性效應”說明了觀點具有類似于生物體的黏性，能夠吸引其他觀點持續的關注，如同螞蟻覓食時通過識別其他螞蟻釋放的信息素來生成最短和最佳路徑。進一步分析觀點所對應的學生發現，被同一個學生反復閱讀能夠形成真正的觀點聚集，從而達到更深入的理解和協作。這說明學生在對觀點進行多次深入的思考，也代表了其興趣所在。

KF中的觀點交互現象類似于自然選擇，學生在民主化的環境中選擇塑造自己以及集體的觀點，而非接受教師或其他權威人士的訓導。社會物理學中對于想法流的研究得出過類似的結論：有傳染性的想法與有傳染性的疾病一樣，是沿著社會紐帶傳播的[22]；相似的現象也出現在科研探究群體中，有學者得出科研論文發表的本年和次年之間在引用排名上存在明顯的相關性，且在范圍更大的研究領域，論文發表數量越多，引用的論文在高引排名中的波動越小[23]。也就是說，新觀點更傾向于去關注那些已經得到廣泛關注的觀點，更高的關注度具有再次吸引其他觀點進行關注的黏性。因此，在KB教學實踐中，教師需要及時洞察觀點交互中的“馬太效應”與“黏性效應”，一方面對得到足夠關注的觀點群體的持續發展進行指導；另一方面需要對關注度較低的、具有前景的觀點進行一定的互動干預，如協調這些觀點與已有觀點的交互、增加權威資料不斷推進其發展等。

（二）觀點交互的“關系力量”是促進觀點深度發展的關鍵動力

研究發現，觀點間復雜交互在時間維度上呈現出的三種模式，實際上反映了觀點交互的“關系力量”是如何促進觀點深度發展的。復雜系統中重要的是加強關聯點的力度，而不是加強節點的力度[24]，說明了關系的重要性。沒有孤立的觀點，每個觀點都通過交互處于一種復雜的關系之中，如竹內弘高等認為，“交談”是創造社會知識的舞臺，是人類最自然、最普遍的活動，通過交談將自己的觀點與同伴的觀點聯系在一起，體驗觀點究竟如何在這一過程中獲得生命并持續生長[25]，這種“交談”就是觀點間的互動。我們將KB社區中的觀點視為有生命的智能體，其在自適應平臺的相互作用推動著社區中觀點群的演變和進化，為觀點深度發展奠定基礎。

觀點交互的“關系力量”給予我們許多教學實踐的啟示，在自適應平臺中，觀點數量是重要的，但更重要的是觀點的鏈接力度與模式，如同樣數量的觀點群在不同的交互模式下對觀點深度的影響是完全不同的。如果觀點交互僅僅經過了偶爾爆發的頭腦風暴后就陷入沉默，其發展可能僅達到了淺層共識，教師需要提供支架等策略持續推進觀點的縱向發展。這種“關系力量”對學生的知識建構也有重要的啟示，學生通過把觀點發表在自適應平臺來進行知識工作，學習不再是個體頭腦中的心理過程，而是在“世界3”中通過對概念性人工制品的構造而從事的創造性活動，小組的參與者也不再是“領導者”“追隨者”“潛行者”“懶惰者”等個人屬性的標簽[26]，而是“協作者”“質疑者”“共建者”“對話者”“中間人”等明顯區別于個人屬性的社區關系屬性。

對以UGC為主的平臺異步交互行為的分析，為自適應學習的研究提供了具體的探索思路，將分析的視角轉向由交互引發的整體模式而非單個觀點的分析，這意味著在KB社區中，對成員參與合作的激勵是針對社區網絡的構建，而不僅僅是聚焦于個體能力的提升，即在教學中更應該關注改變觀點間的鏈接模式，而非僅關注改變學生個體的行為模式。這并不是說個體行為模式的改變不重要，而是當我們聚焦于關系鏈接和公共社區知識的創造時，個體知識的增長與行為模式的改變就成了個體浸入社區關系并參與構造社區結構過程中自然而然的副產品。對交互的強調使得對學習行為的研究標簽不再僅是“知識”“思維”“情感”“記憶”等集中在個人“腦內”（“世界2”）的概念，而是“觀點”“交互”“社區”“共同創造”等標志著“世界3”的多主體間的詞匯。

[參考文獻]

[1] 郭朝暉，王楠，劉建設.國內外自適應學習平臺的現狀分析研究[J].電化教育研究，2016，37（4）：55-61.

[2] 郝祥軍，顧小清.基于協商的學伴推薦：自適應學習的社會性發展路向[J].中國遠程教育，2021（8）：51-59，75，77.

[3] 孫先洪，張茜，邵越，李靜.外語慕課平臺自適應性評價指標驗證研究[J].外語電化教學，2021（1）：66-70，11.

[4] 崔向平，徐娟.自適應學習技術的應用、問題及趨勢——訪美國俄亥俄州立大學大衛·斯坦恩教授[J].開放教育研究，2019，25（5）：4-10.

[5] 周海波.基于自適應學習平臺促進學生個性化學習的研究[J].電化教育研究，2018，39（4）：122-128.

[6] 李海峰，王煒.國際主流適應性學習系統的比較與趨勢分析[J].現代教育技術，2018，28（10）：35-41.

[7] 李鳳英，龍紫陽.從自適應學習推薦到自適應學習牽引模型——“智能+”教育時代自適應學習研究取向[J].遠程教育雜志，2020， 38（6）：22-31.

[8] 劉三女牙，胡天慧，柴喚友.新型異步在線討論環境的應用圖景與發展路向[J].現代遠程教育研究，2021，33（5）：33-41，62.

[9] 集智俱樂部.生命游戲為何迷人？從復雜性科學看電子游戲的未來[EB/OL]. （2020-04-14） [2021-06-10]. https：//www.163.com/dy/article/FA5D6EFB0511D05M.html.

[10] 胡金艷，滿其峰，蔣紀平，張義兵.知識建構社區中觀點流驅動的群體智慧涌現研究：基于社會物理學分析的視角[J].電化教育研究，2022，43（11）：15-22，52.

[11] SCARDAMALIA M. Collective cognitive responsibility for the advancement of knowledge[M]// SMITH B. Liberal education in a knowledge society. Chicago： Open Court， 2002： 67-98.

[12] LOSSMAN H， SO H J. Toward pervasive knowledge building discourse： analyzing online and offline discourses of primary science learning in Singapore[J]. Asia pacific education review， 2010， 11（2）： 121-129.

[13] HONG H Y， SCARDAMALIA M， MESSINA R， et al. Fostering sustained idea improvement with principle-based knowledge building analytic tools[J]. Computers & education， 2015， 89 （9）： 91-102.

[14] SCARDAMALIA M， BEREITER C. Knowledge building： theory， pedagogy， and technology[M]. New York： Cambridge University Press， 2006： 97-115.

[15] 斯琴圖亞，魏志慧.如何使學習者為知識社會做好準備——訪國際知名教育心理學家瑪琳·斯卡德瑪麗亞教授[J].開放教育研究，2009，15（2）：4-10.

[16] ZHANG J， SCARDAMALIA M， LAMON M， et al. Socio -cognitive dynamics of knowledge building in the work of 9- and 10-year-olds [J]. Educational technology research and development， 2007， 55（2）： 117-145.

[17] ZHANG J， SCARDAMALIA M， RICHARD R ， RICHARD M. Designs for collective cognitive responsibility in knowledge-building communities[J]. The journal of the learning sciences， 2009，18（1）：7-44.

[18] HAKKARAINEN K. Progressive inquiry in a computer-supported biology class[J]. Journal of research in science teaching， 2003，40（10）： 1072-1088.

[19] GALILI I， HAZAN A. Learners' knowledge in optics： interpretation， structure and analysis[J]. International journal of science education， 2000（1）： 57-88.

[20] BEREITER C. Design research for sustained innovation[J]. Cognitive studies， 2002， 9（3）：321-327.

[21] LI A， ZHOU L， SU Q， et al. Evolution of cooperation on temporal networks[J]. Nature communications， 2020， 11（1）：2259.

[22] 阿萊克斯·彭特蘭.智慧社會：大數據與社會物理學[M].汪小帆，汪容，譯. 杭州：浙江人民出版社，2015：229.

[23] CHU J， EVANS J. Slowed canonical progress in large fields of science[J]. Proceedings of the national academy of sciences， 2021， 118 （41）：1-5.

[24] 范冬萍.復雜系統突現論：復雜性科學與哲學的視野[M].北京：人民出版社，2011：46.

[25] 竹內弘高，野中郁次郎.知識創造的螺旋：知識管理理論與案例研究[M]李萌，譯.北京：知識產權出版社，2006：134-135.

[26] STAHL G， LAW N， CRESS U， et al. Analyzing roles of individuals in small-group collaboration processes[J]. International journal of computer supported collaborative learning， 2014， 9（4）： 365-370.

Analysis of Asynchronous Interaction Behavior in Open Adaptive Learning Platforms

—Taking Knowledge Forum as An Example

HU Jinyan1， ?MAN Qifeng2， ?JIANG Jiping2， ?ZHANG Yibing2

（1.Faculty of Education， Henan Normal University， Xinxiang Henan 453007;

2.School of Education Science， Nanjing Normal University， Nanjing Jiangsu 210097）

[Abstract] The content in an open adaptive learning platform is generated by student interaction， and the different interaction behaviors and patterns affect the effect of knowledge building. In view of the shortcomings of current research on open platforms， this study takes a representative knowledge forum platform in the field of CSCL as an example， and discusses the 810 valid ideas published by students on the platform and the dynamic relationship of their interactive networks based on content analysis and social network analysis methods. The results show that the overall asynchronous interaction behavior of ideas presents a "Matthew effect" and a " viscosity stickiness effect"， and its vertical development includes three patterns of "occasional outbursts followed by persistent silence，" "regular meetings，" and "introduction of a random trickle". The unevenness of the overall interaction of ideas and the driving role of the "relational power" of different patterns have reference value for knowledge building teaching based on open adaptive learning platforms.

[Keywords] Adaptive Learning; Online Learning; Knowledge Building; Idea; Interactive Behavior