群體感知工具支持下的協作互動：特征、網絡與網絡發展軌跡*

張 思 李紅慧 郭桐羽 陳鋒娟 張津銘

群體感知工具支持下的協作互動：特征、網絡與網絡發展軌跡*

張 思 李紅慧 郭桐羽 陳鋒娟 張津銘

（華中師范大學 人工智能教育學部，湖北武漢 430079）

在線協作學習活動中應用群體感知工具能夠促進有效的協作互動，然而研究者對于“群體感知工具如何影響學習者的協作互動過程”這一問題尚未進行深入探索。為此，文章綜合運用統計分析、內容分析、認知網絡分析等方法分析不同自我調節組協作互動的特征、網絡與網絡發展軌跡，結果表明：相較于低自我調節組，高自我調節組呈現出更多與社交互動有關的協作特征，且呈現了更多的積極情緒；高自我調節組始終與關系調節聯系緊密，而低自我調節組在工具提供前期與關系調節聯系緊密，但在工具提供中、后期與任務調節聯系緊密；高自我調節組的協作互動網絡發展軌跡始于關系表現、止于關系調節，而低自我調節組的協作互動網絡發展軌跡始于關系表現、止于任務調節。文章的研究可為教師設計與應用群體感知工具、促進學習者開展有效的協作互動提供理論參考，并為優化協作互動過程提供新思路、為在線協作學習活動的開展提供實踐指導。

群體感知工具；協作互動；自我調節；認知網絡分析；網絡發展軌跡

協作學習是個體之間相互交流、達成共識的過程，此過程依賴個體間的互動[1]。在計算機支持的協作學習（Computer-Supported Collaborative Learning，CSCL）環境中，有效的協作互動被視為實現真正協作的關鍵[2]。而有效的協作互動，需要建立在成員群體感知的基礎上。群體感知是指成員之間了解彼此的認知、行為、社交等方面信息的過程，可以加深成員對協作任務的理解、維系成員之間良好的社交關系，進而提高學習質量[3]。然而，由于受時空阻隔的影響，群體感知很難在CSCL環境中自發產生，導致群體成員之間對彼此的協作意愿、知識掌握程度、參與貢獻程度等均無從知曉，因而影響了協作互動的效果[4]。隨著信息技術的發展，群體感知工具應運而生，其以可視化的方式將信息呈現給協作群體/同伴，為學習者提供難以直接觀測到的信息，減輕群體成員的協調負擔，推動學習者進行元認知調節，提高了協作互動的效率[5]。相關研究已證實學習者的自我調節水平會影響群體感知工具的效果，且不同自我調節水平的學習者獲取群體感知信息后所采取的協作行為與學習策略也不盡相同[6]。盡管已有大量研究證實了群體感知工具的應用可以促進有效的協作互動，但較少有研究者關注群體感知工具是如何影響協作互動的這個過程，特別是針對不同自我調節水平學習者的協作互動過程[7]。關注學習者的協作互動過程，有助于教師深入了解學習者的協作狀態并設計與應用有效的群體感知工具，促進學習者獲取新知、增長技能[8]。因此，本研究關注不同自我調節組在群體感知工具支持下的協作互動特征與變化，采用統計分析、內容分析和認知網絡分析的方法，刻畫不同自我調節組協作互動過程的特征、網絡與網絡發展軌跡，以期為群體感知工具在CSCL環境中的應用提供參考。

一 文獻綜述

群體感知是指了解協作群體或同伴的各方面信息[9]，如協作同伴當前所處的位置、參與的活動、知識水平、興趣偏好以及感受狀態等[10]。這些信息能夠有效減少群體成員間調節協作任務和社交關系上的努力，增強群體成員間的交互，推動有效協作學習的發生[11]。群體感知工具的出現，極大地方便了學習者獲取群體狀態，并激發元認知以調節協作行為。群體感知工具通過為協作群體或同伴提供他們在協作過程中難以直接觀測到的信息，如當前協作活動中協作群體的觀點、協作活動的進度等，來幫助他們了解當前的協作過程，然后激發元認知以調節自身與同伴的狀態，促進協作互動[12]。例如，林書兵等[13]的研究證實了CSCL環境下群體感知工具對推動有效的協作互動至關重要；Janssen等[14]通過對比實驗，考察了群體感知工具（Participation Tool）對學習者協作互動過程的影響，發現具有群體感知工具支持的學習者在協作過程中更多地參與了調節社交關系相關的活動；Janssen等[15]通過考察另一個群體感知工具（Shared Space）對學習者協作互動的影響，發現群體感知工具支持下的學習小組在完成與任務有關的活動上花費了更少的時間；Lin等[16]進一步通過實驗調查了群體感知工具如何影響不同自我調節水平學習者的協作互動，結果發現群體感知工具能有效提高不同自我調節水平學習者的協作互動行為，并且群體感知工具對低自我調節學習者具有暫時的積極影響，而對高自我調節學習者具有可持續的積極影響。可見，群體感知工具的應用能使學習者根據反饋的感知信息，識別、分析、反思當前協作過程中群體/同伴的行為狀態，并及時做出調節，在一定程度上調動了學習者參與協作學習的主動性，為小組后續討論指明了方向，有助于實現有效而深入的協作互動。

盡管上述研究證實了群體感知工具在促進學習者協作互動方面潛力巨大，但少有研究對“群體感知工具如何影響學習者的協作互動過程”這一問題進行深入探索[17]。此外，雖然相關研究證實了自我調節與群體感知之間存在必然聯系，但群體感知工具如何影響不同自我調節水平組的協作互動過程仍然是一個有待繼續研究的問題[18]。因此，有必要進一步探究在CSCL環境下群體感知工具對不同自我調節水平學習者的協作互動過程的影響機理。基于此，本研究擬重點解答以下三個問題：①群體感知工具支持下高、低自我調節組的協作互動特征是什么？②群體感知工具支持下高、低自我調節組的協作互動網絡是怎樣的？③群體感知工具支持下高、低自我調節組的協作互動網絡發展軌跡是怎樣的？

二 研究設計

1 研究對象與活動

本研究以華中地區H大學33名師范專業的大二、大三學生為研究對象，在他們參與的2021～2022學年秋季課程“信息技術教育應用”中開展了群體感知工具支持下的協作互動活動。該課程共開設8周，采取線上線下混合式教學方式進行授課，授課內容為信息化教學理論知識與應用實踐。在線上階段，學生需通過QQ群和小雅云平臺完成在線協作學習任務；而在線下階段，學生需參與課程學習并于學期末展示、匯報小組作品。本課程的協作互動活動采用3人一組的形式，分組依據是學生在課程第一周填寫的自我調節問卷。自我調節問卷改編自Barnard等[19]提出的在線自我調節學習調查問卷（Online Self-regulated Learning Questionnaire，OSLQ），采用李克特五點量表計分。OSLQ問卷包含環境結構、設定目標、時間管理、尋求幫助、任務策略、自我評估六個維度，問卷的分值越高，表明學生在線學習的自我調節能力越強。根據中位數分割法[20]，本研究將33名大學生劃分為高、低自我調節組，在此基礎上進一步劃分為由3人組成的同質小組，共11組。由于課程中途有學生退課，導致參課人員數量出現波動。最終，本研究的研究對象為24名，包含高自我調節組（1組、2組、3組、6組）和低自我調節組（8組、9組、10組、11組）兩個群體。

各小組需要積極參與并完成在線協作活動，活動任務分為教學設計任務和教學課件任務兩項，每項任務都包含三個環節：第一個環節是組內各成員討論并形成小組作品初稿；第二個環節是針對作品的組間互評，評價組通過在QQ群內分析和討論他組作品，在小雅平臺給予評分和評語，而被評價組收到評分和評語后，在QQ組內進行討論并在小雅平臺反饋；第三個環節是組內修改，各組成員依據課上學習的知識和他組給出的建議對作品做進一步修改，形成作品終稿。具體的在線協作活動流程如圖1所示。

圖1 在線協作活動流程示意圖

2 群體感知工具設計

為促進各小組成員對協作互動過程的感知，引導學生進行有效的協作互動，研究人員在小組協作過程中向學生提供了群體感知工具。該工具通過收集各組協作討論的會話數據，借助KBDeX工具對各組的協作互動過程進行分析，最終以可視化方式呈現學生在協作互動過程中生成的任務觀點情況和協作過程情況，助力學生及時了解當前的協作狀態，從而及時調節小組協作討論的策略。該工具可視化反饋的群體感知信息主要包含：①觀點網絡圖，旨在呈現小組討論中與任務內容有關的關鍵詞的關聯性。關鍵詞連接越緊密，說明討論的主題內容越聚焦；關鍵詞連接越松散，說明討論的主題內容越分散。通過觀點網絡圖的方式呈現小組討論內容的聚焦度，可以幫助學習者快速感知小組當前討論的重點和較為忽略的地方，從而有針對性地制定和規劃小組討論的策略。②觀點累計增長圖，用于刻畫小組討論的過程。曲線穩定增長，說明此階段小組討論的共識度高；曲線劇烈波動，說明此階段小組討論的觀點分散。觀點累計增長圖通過曲線的波動情況展示小組的討論過程，以進一步幫助小組成員了解各階段的討論情況，從而選擇更適宜的方式調節小組成員的協作互動。

考慮到群體感知工具對大學生的影響具有時間效應，研究人員分別在協作活動的前期（即教學設計初稿后）、中期（即教學設計終稿后）和后期（即教學課件初稿后）各提供1次工具，具體提供時間如圖1中的紅色箭頭所示。研究者通過收集各組在線討論的話語，經數據清洗后導入KBDeX 1.8.0軟件，并將生成好的群體感知信息呈現給大學生。為了幫助大學生更好地理解和運用群體感知工具，課程助教在觀點網絡圖和觀點累計增長圖上添加具有指導性的建議，以幫助大學生更好地獲取和理解圖上的信息。同時，為了讓大學生在后續改進時有明確的方向，研究人員在每次提供群體感知工具后，還提供一個協作反思文檔，供大學生思考觀點網絡圖和觀點累計增長圖上的信息，并生成可操作的解決方案。該協作反思文檔基于學習調節的四個階段（即任務理解、計劃、策略、自適應調節）進行設計，由小組的理解、小組的計劃、小組的策略三部分組成，每部分都包含兩個問題：①對協作內容的理解、計劃和策略；②對協作過程的理解、計劃和策略。

3 編碼框架

編碼框架改編自Janssen等[21]提出的在線協作互動編碼框架，從任務表現、任務調節、關系表現、關系調節四個維度分析小組協作互動的過程，如表1所示。其中，任務表現是指在協作互動過程中從事與任務有關的活動，如咨詢與任務有關的問題；任務調節是指調節與任務有關的活動，如評估任務的效果和進度；關系表現是指維護小組協作互動的社交關系，如對同伴的問候語；關系調節是指調節小組協作互動的社交關系，如制定小組協作計劃。

表1 在線協作互動編碼框架

維度子維度舉 例編碼 任務表現交換、共享與任務有關的信息運用希沃白板應該是使用它的觸屏功能和互動功能TP1 咨詢與任務有關的問題有沒有那種建模完能用觸屏互動的軟件？TP2 任務調節制定任務計劃那我們等下這樣安排怎么樣：我們先收集內容，然后設計課程內容，最后設計游戲環節？TR1 監控任務績效和進度我們要盡快完成任務，明天就要交了TR2 積極地評估任務的效果和進度最后加的那個配對還不錯TR3 消極地評估任務的效果和進度感覺后半部分游戲有點少TR4 關系表現問候語家人們，來啦來啦RP1 社會支持評論大家辛苦啦RP2 社會抵抗評論這是小組作業，也不是誰的個人作業RP3 共享理解其實我也覺得還是不一樣的RP4 失去共同的理解她說的第一個內容復雜，我不理解RP5 關系調節制定小組協作計劃3～5張PPT分開做吧，要不然時間挺緊的RR1 監控小組協作過程的信息交換你們在做的時候有遇到過什么困難嗎？RR2 積極對小組協作過程進行評估和討論我們這次討論好迅速啊！RR3 消極對小組協作過程進行評估和討論真無語了RR4

4 數據收集與分析

本研究收集高、低自我調節組在QQ群里的話語數據，通過對數據的清洗和整理，共收集7315條有效的文本數據。之后，由兩名熟悉編碼框架的研究人員分別進行編碼（約占總數據的30%）。編碼單元為一個帖子，若出現一個帖子包含多個編碼維度的情況，就將該帖子進行拆分并匹配到對應的編碼維度。編碼統計數據顯示，Cohen’s Kappa為0.854，說明兩名研究人員的編碼結果表現出良好的一致性。基于此，剩下70%左右的數據由兩位編碼人員共同完成編碼。

為了解大學生對使用群體感知工具的具體體驗，本研究在課程結束后向高、低自我調節組分別發放群體感知工具的使用體驗問卷。該問卷是參考Davis等[22]提出的技術接受程度調查問卷、Li等[23]提出的學生對群體感知工具接受程度的調查問卷改編而成，包含有用性、易用性、滿意度、樂用性四個維度。描述性統計結果顯示，高、低自我調節組對群體感知工具均抱有積極、正向的態度（M高、M低均大于3）。

針對“群體感知工具支持下高、低自我調節組的協作互動有何特征？”這一問題，本研究通過卡方檢驗，比較了兩組在任務表現、任務調節、關系表現、關系調節四個維度上的具體差異。針對“群體感知工具支持下高、低自我調節組的協作互動網絡是怎樣的？”這一問題，本研究先將完成編碼的數據轉化為認知網絡分析工具可以識別的數據格式，將其導入ENA平臺（網址：http://www.epistemicnetwork.org/）；然后應用編碼框架的四個維度建立會話模型，設置節系數為4；最后開展認知網絡分析，探索高、低自我調節組的整體協作互動網絡及其在不同環節的協作互動網絡差異。針對“群體感知工具支持下高、低自我調節組的協作互動網絡發展軌跡如何？”這一問題，本研究分析了高、低自我調節組的協作互動網絡發展軌跡。

表2 高、低自我調節組協作互動特征的差異

高自我調節組低自我調節組χ2p （F）（%）（F）（%） 任務表現TP199829.16%102526.34%13.9840.000 TP22366.89%3468.89% 總計123436.05%137135.23% 任務調節TR11213.53%1914.91%22.3300.000 TR238111.13%48012.33% TR3661.93%451.16% TR4140.41%421.08% 總計58217.00%75819.48% 關系表現RP1190.56%190.49%8.0970.088 RP21313.83%1042.67% RP340.12%60.15% RP458717.15%65016.70% RP5320.93%481.23% 總計77322.58%82721.25% 關系調節RR1491.43%551.41%23.4540.000 RR23219.38%46111.84% RR336610.69%3168.12% RR4982.86%1042.67% 總計83424.36%93624.05%

三 研究分析

1 高、低自我調節組的協作互動特征分析

本研究對協作互動的四個維度分別進行卡方檢驗，以對比高、低自我調節組協作互動特征的差異，如表2所示。其中，高自我調節組在任務表現、任務調節、關系表現、關系調節四個維度的頻數占比分別為36.05%、17.00%、22.58%、24.36%，而低自我調節組在這四個維度的頻數占比分別為35.23%、19.48%、21.25%、24.05%。描述性統計分析結果表明，任務表現維度在高、低自我調節組的協作互動特征中占比最高，說明任務表現是小組協作互動的重要特征。值得注意的是，相較于低自我調節組，高自我調節組與社交互動有關的行為占比較多（46.94%＞45.3%），說明高自我調節組在協作互動過程中更善于維持并協調與社交互動有關的活動。此外，高自我調節組產生了更多的積極情緒（TR3：1.93%＞1.16%；RP2：3.83%＞2.67%；RR3：10.69%＞8.12%），而低自我調節組產生了更多的消極情緒（TR4：0.41%＜1.08%；RP3：0.12%＜0.15%）。卡方檢驗結果進一步表明，群體感知工具支持下高、低自我調節組在協作互動的任務表現、任務調節、關系調節三個維度上存在統計學上的顯著差異（＜0.05）。

2 高、低自我調節組的協作互動網絡分析

（1）高、低自我調節組的整體協作互動網絡

本研究采用認知網絡分析，探索了高、低自我調節組的整體協作互動網絡，如圖2所示。圖2顯示，高、低自我調節組在協作互動中以任務表現（TP）為中心，并與其他維度建立聯系。其中，高、低自我調節組在“任務表現—任務調節”“任務表現—關系表現”“任務表現—關系調節”“關系表現—關系調節”四個方面均建立了較強的聯系。高自我調節組在“關系表現—關系調節”（連線系數0.42）和“任務表現—關系調節”（連線系數0.43）兩個方面明顯高于低自我調節組（分別為0.37、0.39），表明高自我調節組更注重協調小組社交關系、營造協作氛圍。

圖2 高、低自我調節組的整體協作互動網絡

（2）高、低自我調節組在不同任務環節的協作互動網絡差異

為深入理解高、低自我調節組在群體感知工具支持下的協作互動網絡差異，本研究應用認知網絡分析對高、低自我調節組在不同任務環節的協作互動網絡進行了對比，如圖3所示。圖3顯示，在提供工具前，高、低自我調節組在“任務表現—關系表現”“任務表現—關系調節”“關系表現—關系調節”方面建立了較強的聯系；在第1次提供工具后，高、低自我調節組的“關系調節”維度與其他維度的連線系數基本都得到提高；第2次提供工具后，高自我調節組在“任務表現—關系表現”“任務表現—關系調節”“關系表現—關系調節”方面仍然保持較強的聯系，而低自我調節組在“任務表現—任務調節”“任務表現—關系表現”“任務調節—關系表現”方面建立了較強的聯系；在第3次提供工具后，高自我調節組繼續在“任務表現—關系表現”“任務表現—關系調節”“關系表現—關系調節”方面保持較強的聯系，而低自我調節組在“任務表現—任務調節”“任務表現—關系表現”方面保持較強聯系、并在“任務表現—關系調節”方面建立了較強聯系。可見，高、低自我調節組在不同任務環節的協作互動網絡上存在明顯差異。

圖3 高、低自我調節組在不同環節的協作互動網絡對比

圖4 高、低自我調節組的協作互動網絡發展軌跡

3 高、低自我調節組的協作互動網絡發展軌跡

根據高、低自我調節組每周認知網絡的位置變化，本研究繪制了高、低自我調節組的協作互動網絡發展軌跡，如圖4所示。圖4顯示，協作互動四個維度分別分布在由ENA1軸和ENA2軸構成的四個區域，其中任務表現位于ENA網絡的左下方，任務調節位于ENA網絡的左上方，關系表現位于ENA網絡的右下方，關系調節位于ENA網絡的右上方。高自我調節組的協作互動網絡發展軌跡主要位于ENA網絡的右側，該類群體在維護小組社交關系、調節小組社交關系上建立了更多的聯系；而低自我調節組的協作互動網絡發展軌跡主要位于ENA網絡的左側，該類群體在完成小組任務、協調小組任務上建立了更多的聯系。由此可見，高、低自我調節組有不同的協作互動網絡發展軌跡。具體來說，高自我調節組在協作初期注重建立和維護小組社交關系，而在協作末期關注點轉向調節小組社交關系；低自我調節組在協作初期同樣注重建立和維護小組社交關系，而在協作末期關注點轉向調節小組任務。

四 結論與討論

本研究通過統計分析、內容分析和認知網絡分析，探究了高、低自我調節組在群體感知工具支持下的協作互動過程，發現兩組的協作互動特征、協作互動網絡與協作互動網絡發展軌跡存在明顯差異，所得研究結論主要如下：

①高、低自我調節組均呈現較多與任務表現有關的協作互動特征，高自我調節組在關系行為方面的特征占比明顯高于低自我調節組，且高自我調節組的積極情緒占比高于低自我調節組。數據統計分析和ENA網絡分析的結果表明，整體上，高、低自我調節組呈現了更多與任務表現有關的協作互動特征，這與Ku等[24]提出“成功的協作要求學習者必須協商與任務有關的內容”此觀點基本一致。而相較于低自我調節組，高自我調節組在協作互動過程中呈現了更多與社交關系有關的協作特征，這與Farley等[25]的研究結論相一致，即高水平的自我調節者更善于從事與社交有關的活動。此外，Slof等[26]也指出，積極參加與協調社交關系有關的活動（如給予積極反饋）將有助于增進群體成員間的幸福感和凝聚力，營造良好的協作互動氛圍。本研究還進一步發現，高自我調節組在協作互動過程中出現了很多的積極情緒。無論是在任務調節維度、關系表現維度還是在關系調節維度，高自我調節組都呈現了比低自我調節組更多的積極情緒，這對促進學習者更加專注于協作任務、推動有效的協作互動具有重要意義[27]。相反，低自我調節組在協作互動過程中出現了較多的負面情緒，這可能與該部分學習者較難及時調節自身和群體的協作行為有關，這也在很大程度上影響了他們解決問題的注意力和生產力，由此帶來了消極的影響[28]。基于此，在協作互動過程中教師應當多關注學習者的情緒狀態，特別是要對低自我調節能力的學習者及時進行教學干預，如定期訪談或發放問卷收集學習者的情感體驗等。

②高、低自我調節組在不同任務環節的協作互動網絡存在明顯差異：高自我調節組始終與關系調節聯系緊密，而低自我調節組在工具提供前期與關系調節聯系緊密，但在工具提供中、后期與任務調節聯系緊密。在第一次提供工具后，高、低自我調節組均能及時感知群體信息，并積極、主動地調節協作互動過程，完成小組任務。但隨著協作活動的進行和群體感知工具的多次應用，高、低自我調節組對群體感知工具的使用出現了差異：高自我調節組能夠持續地使用群體感知工具，協調小組社交關系；而低自我調節組在協作后期對群體感知工具關注不多，他們將更多的時間和精力放到了協調任務上。Lin等[29]的研究也得出了類似的結論，他們發現群體感知工具對不同水平調節組的影響效果會隨時間發生變化（即暫時性或持續性地產生影響）。出現這一結果的原因，可能是相較于低自我調節學習者，高自我調節學習者往往表現出更加持久和適應的學習能力特征[30]。因此，在在線協作互動的過程中，教師有必要在學習的不同階段設計和呈現不同類型的群體感知工具，以持續吸引學習者的學習興趣。

③高、低自我調節組的協作互動網絡發展軌跡存在明顯差異：高自我調節組的協作互動網絡發展軌跡始于關系表現、止于關系調節，而低自我調節組的協作互動網絡發展軌跡始于關系表現、止于任務調節。高、低自我調節組的協作互動起點位于ENA網絡的關系表現，這也體現了在協作學習伊始同伴之間需要通過開放的社交溝通建立和維持彼此的聯系，進而促進同伴之間積極的主動參與[31]。隨著時間軸的延伸，高自我調節組繼續保持與社交互動有關的活動，低自我調節組則更多關注與任務有關的活動。出現這一結果的原因，可能和高、低自我調節組設定的協作任務目標不同有關：高自我調節組通過協調社交關系，建立和維護群體共識，以此完成協作任務，實現群體協作目標；而低自我調節組更關心如何達成任務目標，因而組內成員將更多的時間和精力放在完成和協調任務上。成功的協作需要多個自我調節主體之間相互依賴，建立共識[32]，學習者不僅需要關注與任務有關的互動以完成任務，還應當保持積極的社會情感互動[33]。當協作群體中的成員未建立起共同的群體目標時，群體的協作互動和參與動機可能會受到負面影響[34]。因此，教師在向學習者發布協作任務時，有必要幫助群體明確協作目標，如教師明確告知學習者目標是完成任務制品并與同伴之間建立良好的協作關系。此外，教師還可設計一些教學策略（如組內成員相互打分），以幫助低自我調節學習者營造良好的協作氛圍。

五 結語

群體感知工具以可視化的方式向學習者呈現協作群體/同伴相關的信息，對促進有效的協作互動具有重要意義。本研究基于群體感知工具開展協作互動活動，探索了群體感知工具支持下不同自我調節水平學習者協作互動的特征、網絡和網絡發展軌跡，發現高自我調節組比低自我調節組呈現出更多與社交關系有關的協作互動特征，并且更加積極且持續參加與社交行為有關的活動。此發現可為在線協作學習活動的有效開展提供參考：①在線協作學習活動中，教師可以通過提供群體感知工具促進學習者開展有效的協作互動；②在線協作學習活動中，教師應及時關注低自我調節學習者在不同環節的協作互動狀態，及時采取干預措施。

本研究為群體感知工具在在線協作學習領域的應用提供了新的實證證據，進一步驗證了群體感知工具對協作互動的積極影響。盡管高、低自我調節組認可群體感知工具對協作學習的幫助作用，但課后訪談時學習者也紛紛表示群體感知工具的可操作性和易理解性亟待提升。基于此，后續設計群體感知工具時，有必要向學習者呈現豐富、詳盡的感知信息，同時也要注意盡可能地以簡潔、直觀的方式呈現，以增強群體感知工具的可操作性和易理解性。此外，后續研究可以結合多模態數據，進一步對小組協作互動過程進行全面而深層次的分析。

[1]彭紹東.從面對面的協作學習、計算機支持的協作學習到混合式協作學習[J].電化教育研究,2010,(8):42-50.

[2][13]林書兵,徐曉東.從覺知到協調:促進協作互動的有效方法和策略[J].開放教育研究,2008,(1):69-78.

[3]王靖,鄧雯心.協作知識建構中促進互動的群體感知信息設計[J].電化教育研究,2022,(12):93-100.

[4]李艷燕,張慕華,彭禹,等.在線協同寫作中組內、跨組群體感知信息對小組學習投入的影響[J].現代教育技術,2021,(10):49-58.

[5][12]張思,李紅慧,惠檸,等.多模態視域下的群體感知:內涵、功能與實現路徑[J].電化教育研究,2023,(5):20-28.

[6][7][16][18][29]Lin J W, Tsai C W. The impact of an online project-based learning environment with group awareness support on students with different self-regulation levels: An extended-period experiment[J]. Computers & Education, 2016,99:28-38.

[8]Gu X, Shao Y, Guo X, et al. Designing a role structure to engage students in computer-supported collaborative learning[J]. The Internet and Higher Education, 2015,24:13-20.

[9]Bodemer D, Dehler J. Group awareness in CSCL environments[J]. Computers in Human Behavior, 2011,(3):1043-1045.

[10]Bodemer D, Janssen J, Schnaubert L. Group awareness tools for computer-supported collaborative learning[A]. International Handbook of the Learning Sciences[C]. New York: Routledge, 2018:351-358.

[11]毛子琪,李艷燕,張慕華,等.CSCL中群體感知工具能提升學習效果嗎？——基于2002～2021年國內外35篇實證研究文獻的元分析[J].現代教育技術,2023,(3):65-74.

[14][21]Janssen J, Erkens G, Kanselaar G, et al. Visualization of participation: Does it contribute to successful computer-supported collaborative learning?[J]. Computers & Education, 2007,(4):1037-1065.

[15]Janssen J, Erkens G, Kanselaar G. Visualization of agreement and discussion processes during computer-supported collaborative learning[J]. Computers in Human Behavior, 2007,(3):1105-1125.

[17]Kwon K, Liu Y H, Johnson L S P. Group regulation and social-emotional interactions observed in computer supported collaborative learning: Comparison between good vs. poor collaborators[J]. Computers & Education, 2014,78:185-200.

[19]Barnard L, Lan W Y, To Y M, et al. Measuring self-regulation in online and blended learning environments[J]. The Internet and Higher Education, 2009,(1):1-6.

[20]Wang J Y, Wu H K, Hsu Y S. Using mobile applications for learning: Effects of simulation design, visual-motor integration, and spatial ability on high school students’ conceptual understanding[J]. Computers in Human Behavior, 2017,66:103-113.

[22]Davis F D, Bagozzi R P, Warshaw P R. User acceptance of computer technology: A comparison of two theoretical models[J]. Management Science, 1989,(8):982-1003.

[23]Li Y, Li X, Zhang Y, et al. The effects of a group awareness tool on knowledge construction in computer‐supported collaborative learning[J]. British Journal of Educational Technology, 2021,(3):1178-1196.

[24]Ku H Y, Tseng H W, Akarasriworn C. Collaboration factors, teamwork satisfaction, and student attitudes toward online collaborative learning[J]. Computers in Human Behavior, 2013,(3):922-929.

[25]Farley J P, Kim-Spoon J. The development of adolescent self-regulation: Reviewing the role of parent, peer, friend, and romantic relationships[J]. Journal of Adolescence, 2014,(4):433-440.

[26]Slof B, Erkens G, Kirschner P A, et al. Guiding students’ online complex learning-task behavior through representational scripting[J]. Computers in Human Behavior, 2010,(5):927-939.

[27]Wolters C A. Regulation of motivation: Evaluating an underemphasized aspect of self-regulated learning[J]. Educational Psychologist, 2003,(4):189-205.

[28]Pekrun R. The control-value theory of achievement emotions: Assumptions, corollaries, and implications for educational research and practice[J]. Educational Psychology Review, 2006,18:315-341.

[30]Zimmerman B J. Investigating self-regulation and motivation: Historical background, methodological developments, and future prospects[J]. American Educational Research Journal, 2008,(1):166-183.

[31]Jarvela S, Malmberg J, Haataja E, et al. What multimodal data can tell us about the students’ regulation of their learning process?[J]. Learning and Instruction, 2021,72:101203.

[32][34]王小根,楊爽.群體動力學視角下的協作知識建構活動探究[J].現代教育技術,2020,(11):55-61.

[33]陳凱亮,包昊罡,李艷燕,等.協作情境下社會調節學習工具的設計與應用[J].現代教育技術,2020,(6):86-92.

Collaborative Interactions Supported by Group Awareness Tools:Characteristics, Network and Network Development Trajectory

ZHANG Si LI Hong-hui GUO Tong-yu CHEN Feng-juan ZHANG Jin-ming

The application of group awareness tools in online collaborative learning activities can promote effective collaborative interaction. However, the question of “how group awareness tools affect learners’ collaborative interaction process” has not been deeply explored. Therefore, this paper comprehensively used statistical analysis, content analysis, and epistemic network analysis to analyze the characteristics of collaborative interaction, networks, and network development trajectories of different self-regulation groups. The results showed that compared with the low self-regulation groups, the high self-regulation groups presented more collaborative characteristics related to social interaction and had more positive emotions. At the same time, the high self-regulation groups were consistently tightly associated with relationship regulation, whereas the low self-regulation groups were closely associated with relationship regulation in the pre-tool provision period, while closely related with task regulation in the mid- and late-tool provision periods. The collaborative interactive network development trajectory of the high self-regulation groups began with relationship performance and ended with relationship regulation, while the collaborative interactive developmental trajectory of the low self-regulation groups began with relationship performance and ended with task regulation. The research of this paper can provide theoretical reference for teachers to design and apply group awareness tools, promote learners to carry out effective collaborative interaction, and provide new ideas for optimizing the collaborative interaction process, and practical guidance for the implementation of online collaborative learning activities.

group awareness tool; collaborative interaction; self-regulation; cognitive network analysis; network development trajectory

G40-057

A

1009—8097（2023）09—0078—11

10.3969/j.issn.1009-8097.2023.09.008

本文為2020年度國家自然科學基金面上項目“面向大規模在線教育的學習者協作會話能力評估模型及干預機制研究”（項目編號：62077016）、華中師范大學“人工智能+教育”教學創新研究項目“基于‘小雅’平臺學情數據分析賦能混合教學模式創新的研究與實踐”（項目編號：2022XY025)的階段性研究成果。

張思，副教授，博士，研究方向為協作學習、學習分析技術，郵箱為djzhangsi@mail.ccnu.edu.cn。

2023年2月14日

編輯：小米