知識建構社區中觀點演化模型的構建

摘要：目前，對知識建構社區中觀點演化的研究存在慣性地沿襲還原論的研究范式、聚焦于對單個觀點甚至是片段化的關鍵詞進行挖掘等問題，導致觀點群體層面的行為與屬性被簡化，其演化規律也成為了“黑箱”。基于此，文章采用自下而上的多主體模擬方法，構建了觀點演化模型，探索了非疊加態的多個觀點如何聚集成團并持續演化，發現：觀點交互意愿影響其演化過程，聚集成團的臨界值為53%；有組織社團結構的生成與觀點交互意愿呈非線性的發展關系；21%的異質擾動可以打破觀點“種族隔離”狀態并形成新的穩定結構。文章的研究為觀點演化的探索提供了全新的視角與方法，對知識建構教學實踐具有重要的指導意義。

關鍵詞：知識建構；觀點演化；多主體模擬；復雜適應系統；觀點交互意愿

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2023）03—0109—09 【DOI】10.3969/j.issn.1009-8097.2023.03.012

作為當今國際學習科學界的主要研究走向之一，知識建構（Knowledge"Building，KB）理論以最基礎的方式重塑教育，將學習者引入一個生成與創造知識的文化中^[1]。KB理論倡導以觀點為中心（Idea-centered）的教學理念^[2]，觀點互動是去中心化的、開放而非權威控制的^[3]，由此導致社區逐漸演化成了一個不易預測的復雜適應系統。然而，已有研究雖在理念上認識到了觀點演化的系統屬性，方法論上卻仍然習慣性地沿襲還原論的哲學視角及其研究范式，將復雜的觀點群體行為切割為單個觀點甚至片段化的關鍵詞進行分析。同時，觀點演化成了一個無法觸及的“黑箱”。因此，本研究的“觀點演化”不是指單個觀點的發展軌跡，而是從對“觀點”的研究轉向對有組織“觀點群”的研究。基于此，本研究擬采用復雜適應系統中的經典方法——計算機模擬來構建觀點演化模型，嘗試打開這一“黑箱”。

一 觀點演化的相關研究

當前，KB社區中觀點演化的相關研究主要涉及兩個方面：①在思想上意識到了觀點演化過程的動態性、適應性、生成性與創造性，但研究內容僅止步于理念上對觀點演化系統屬性的認識。KB理論的創始人之一Bereiter^[4]強調：復雜系統的自組織與涌現是自然界的法則，除非你引入神的引導之手，否則很難不這樣做。以知識創造為最終目的的KB理論十分強調“社區知識”和“集體認知責任”，這些都說明了該理論對觀點在群體層面演化的重視。許多學者在研究中都關注到了觀點演化的非線性、自組織、適應性等復雜系統的特征^[5][6]，這些研究為分析觀點演化奠定了良好的基礎，但未能真正從復雜性科學的視角進行深度探索。②在研究方法上多聚焦于“自上而下”的分解而非“自下而上”的生成。如將社會網絡分析作為研究學習者互動密度的工具來挖掘信息交互的“中間人”等角色^[7]，雖然關注了探究學習中的互動網絡，但最終的分析單位仍然落在個體上。還有學者對觀點發展的網絡關系、階段劃分、軌跡跟蹤等外在表現進行了探索^[8][9][10]，但均未能觸及觀點演化機理性的探究。

針對以上現狀，計算機模擬以生成論理念揭示了復雜自適應問題的動態演化過程^[11]，嘗試用建模來重現復雜現象并探測其規律^[12]，系統的全局行為不是從單個主體的屬性中派生出來的，只有通過模擬才能知曉群體行為的發展機理^[13]。Papert更是將計算機模擬看成“有力量觀點的孵化器”^[14]。因此計算機模擬逐漸成為認識復雜系統的重要工具，復雜性科學領域甚至存在“非模擬不可推導”的說法^[15]。多主體模擬（Multi-agents"Simulation，MAS）是復雜系統范式中強大而嚴格的方法論^[16]，主張自下而上的、基于規則的多主體推理。因此，MAS可以說是將復雜系統生成與演化過程之“黑箱”透明化的首選手段和工具。以觀點為中心的KB教學理念強調觀點的持續演化，然而多觀點相互作用的發展規律并未被充分揭示。因此，觀點演化模型的構建著重探討以下問題：①零散的多個觀點是如何運動和聚集的？自組織秩序是何時出現的？②有組織的社團結構生成的機理是什么？③不同種群類型的觀點之間的交互關系怎樣？

二 觀點演化模型的構建

針對上述研究問題，本研究將觀點作為主體，通過提煉規則約束其運動的軌跡，在多主體模擬軟件NetLogo中構建觀點演化模型，具體過程如圖1所示。

1 多主體模擬的思路梳理

元胞自動機（Cellular"Automata）是一種重要的涌現計算模型，能夠模擬復雜的多主體演化行為^[17]，MAS是將現實中復雜的現象抽象為節點和連線的關系，并通過抽取規則來模擬。本研究采用經典的復雜系統建模軟件NetLogo來進行多觀點演化的模擬，該軟件目前已被廣泛應用于生物學、醫學、物理、計算機科學、經濟學、心理學等領域的研究^[18]。研究者通過基于規則的MAS系統向多個主體（Agent）發出指令，這就使得探究微觀層面上個體行為與宏觀模式之間的聯系成為可能。本研究將觀點作為主體的依據是：①從KB理論的角度看，將觀點作為有生命的物體是由KB所依據的哲學理念——Popper的“世界3”所決定的，該理論認為觀點一旦被發表就有自己的生命，并成為自主演化的、超越主體性的客觀知識^[19]。②從復雜性科學的角度看，“人工生命”（Artificial"Life）是針對復雜系統不可還原的整體性特征而提出的通過計算機模擬來展示其演化過程的生命體^[20]。因此模擬的一般思路是：確定作為構件的主體（觀點），抽取多主體相互作用的規則，通過計算機環境來模擬多個主體自下而上地展現系統的演化過程。

2"觀點演化模型規則的提煉與抽取

（1）群體演化運動的核心規則

無論是真實情境還是虛擬社交網絡，群體聚集與移動都是生態系統演化的基本特征^[21]。也就是說，系統中較小、較低層次的主體通過某種特定的方式結合起來，形成較大、較高層次的聚集體，這往往是整體特性發展變化的轉折點^[22]。觀點演化模型的構建借鑒了經典的“Flocking”模型^[23]，以及能夠解釋社團形成的“種族隔離”模型^[24]。其中，“Flocking”模型體現了同類主體運動的規則，其核心規則包括：①體積排斥，主體會占據一定的體積，一個位置不會被多個主體重復占據，且主體會避免與鄰居發生碰撞；②速度對齊，主體與其鄰居盡量保持速度同步；③聚集傾向，主體會盡量靠近鄰居，避免被孤立^[25]——觀點演化運動同樣符合這些基本規則。而“種族隔離”模型解釋了不同類型主體相互作用的機理，其規則包括：當系統中某種群對另一種群的容忍超過某個閾值時，就會發生移動。例如，一個白種人只能容忍自己周圍的8個鄰居中有4個非白人，否則就選擇搬家，直至找到低于該閾值的位置^[26]。本研究以上述兩個經典模型為基礎，結合KB的12條原則，進行了同質與異質觀點演化規則的提取。

（2）KB原則與MAS規則的轉化

KB是基于原則的學習科學理論^[27]，不同于程序、結構、模式等，它賦予了過程更多的自由度和開放性。因此在進行模擬前，需要對建立規則的語境取得一定的共識，如表1所示。

交互意愿是指觀點通過交互進行聚集的傾向程度。表1中原則1、7、9是MAS的基礎規則要素，結合群體演化核心規則，可提煉出五條規則：①群體中擁有多種類別的觀點種群；②主體占有一定體積，交互時不會與其他主體重疊；③主體對相同與不同種群的主體具有不同的交互意愿；④主體會盡量與鄰居保持速度對齊；⑤主體會與和自己有交互意愿的主體盡量保持方向對齊。

3 模型的實現思路

為實現觀點交互過程的可視化，本研究采用簡化的數值積分運算——歐拉法與牛頓第二定律，將力學問題轉化為運動學問題。設當前觀點的位置矢量為P，速度矢量為V，則觀點與鄰居保持速度對齊的合力矢量F₁的計算如公式（1）所示。其中，V_i是主體吸引力和對齊力作用域內個體的速度矢量，n為作用域內主體個數。因為對齊力和速度呈正比，故忽略其系數。

公式（1）

觀點與其鄰居的靠近力F₂的計算如公式（2）所示。其中，P_i為主體靠近力作用域內個體的位置矢量，n為主體個數。觀點排斥力F₃的計算如公式（3）所示。其中，為排斥力作用域內所有主體位置矢量的平均值，即所有觀點的重心位置，其計算如公式（4）所示。m是主體排斥力作用域內主體的個數；ε=0.001是因為觀點運動中很有可能出現和P重合的現象，即兩個觀點位置完全一樣，那么=0，而分母不能為0，故設置ε=0.001來避免這種情況。由此，采用加權平均方式得出觀點運行的合力F，其計算如公式（5）所示。其中，ω₁、ω₂、ω₃是可調節的參數，通過調節這3個參數來調和三個力單位不統一的情況。

公式（2）

公式（3）

公式（4）

公式（5）

根據歐拉法與牛頓第二定律，按照公式（6）計算得到合力F。其中，m為質量，設為1，dV/dt為加速度。由導數的定義與近似，使Dt=1，結合觀點位置推導觀點速度V（t），其計算如公式（7）所示，P（t）、P（t+1）分別為主體當前與下一時刻的位置矢量。結合V（t）與合力F可以得到觀點下一時刻的速度V（t+1），如公式（8）所示。根據公式（6）、公式（7）、公式（8），運用歐拉法計算觀點運動軌跡，如公式（9）所示。由公式（8）推出觀點下一時刻的位置P（t+1），如公式（10）所示。

公式（6）

公式（7）

V（t+1）=V（t）+F（t）

公式（8）

公式（9）

P（t+1）=P（t）+V（t）

公式（10）

如此通過歐拉法的運算、用離散方式消除導數并迭代，當觀點初始時刻的速度和位置[V（0），"P（0）]已知，便可計算之后的[V（1），"P（1）]， [V（2），"P（2）]， ……[V（n），"P（n）]，進而得出任意時刻的運動速度和位置。至此，將觀點演化模型轉化為一個多觀點相互作用的運動模型的過程已然完成。

三 模擬過程與結果分析

將觀點規模參數設置為可調節的滑塊，并用“紅+箭頭”“綠+圓形”“藍+五角星”“黃+三角形”“棕+方形”此五種顏色與形狀的組合表示不同種群，得到觀點演化模型NetLogo模擬界面，如圖2所示。觀點與其鄰居交互意愿（iw）的值用0%～100%表示，數值越大，表示iw越強烈，活躍度也越高。通過模擬，得到同色觀點聚集成團的臨界值、社團結構與iw的關系，以及觀點“種族隔離”的臨界值。

1"同色觀點聚集成團的臨界值為53%，低于50%難以聚集成團

將觀點規模設為300，與異色鄰居的初始iw設為0，不斷調整觀點對同色鄰居iw的參數，可以發現當其iw處于47～49%之間時，即使經歷10萬步之后還是與初始狀態相似，完全無法聚集成團，如圖3所示。由此可見，當iw低于50%時很難形成有組織的社團結構，即觀點iw至少要大于獨自發展的意愿才會有聚集成團的可能性。當所有觀點對同、異色的iw都較低時，大部分觀點始終處于孤立狀態，聚集度極低，這說明觀點iw是形成有組織社團結構的基礎。

而當iw處于50～52%之間時，僅在上萬步后偶爾生成較小的、不穩定的社團，即并非每次運行都會聚集成團。當iw達到53%時，僅一千多步就明顯成團且較為穩定，多次運行模型均會在1500步左右出現類似的社團結構，如圖4所示。可以認為，同色觀點聚集成有組織結構的iw的最低臨界值為53%，這一過程可能存在兩個或者三個觀點聚集起來一起移動、吸引其他觀點的情況。當某些觀點群形成較為穩定的團簇時，就形成了共同探究的主題，會對系統產生正反饋的作用，且吸引力增大，從而形成繼續擴張的態勢。臨界值53%意味著觀點iw至少要比獨自發展的意愿強烈一些，才有可能生成集群，從而促成真正的社區合作學習。

2"有組織社團結構的生成需要一定的時間，且和觀點交互意愿呈非線性關系

隨著iw的增強，形成相似社團結構所需的時間在減少，但觀點交互意愿和社團結構出現的時間并非簡單的線性關系。當iw值提高時，觀點也并不會在極短的時間內聚集成團，也就是說仍需經過足夠的交互后觀點才會形成社團結構，這意味著“有組織群體”的產生。如圖5所示，當觀點iw值較低時（如55%、60%），雖然空間中有社團結構涌現，但存在較多游離的觀點；隨著iw值的上升（如85%、90%），絕大多數觀點都進入到了集群中，游離的觀點減少，且集群呈現出類似一條直線的高度有序狀態，如同大雁一樣排成“一”字形，說明觀點對鄰居具有較高的認同度，能夠快速聚集和排列。需要說明的是，臨界值和系統規模有關，當規模改變時臨界值會稍有不同，但整體演化趨勢相似。例如，當系統規模為200時，53%的臨界值下僅需1000步左右就能形成類似結構；而當系統規模為500時，需要近6000步才能達成。可見，并非觀點越多就越快成團，因為在相同的空間下，大規模需要更長的時間相互了解才能聚集成團，而小規模用較少的時間就能進行充分的交互。

3 僅加入21%異質擾動即可打破觀點“種族隔離”狀態，低于該值的擾動會使系統更混亂

僅與同色鄰居交互，代表同質性、較為淺層的知識建構，是一種“種族隔離”的狀態。例如，圖5（h）中規整的“一”字形意味著學習者就某一主題很快與同伴達成共識，所涉及的內容也限于已知的、具有確定答案的知識，探究空間有限，知識創造的水平也就較低，因此需引入異色觀點交互意愿（d-iw）來打破種族隔離。當iw為53%時，將d-iw調整到18%以下，發現空間中原有狀態未能被打破且原本的同色群集也未出現。而當d-iw提高到19%時，空間中出現大量觀點朝著同一方向運行的態勢，但很快散開；當d-iw提高到20%時這種方向感更加明顯，但仍然較為松散、脆弱且短暫；當d-iw提高到21%時出現了明顯的同、異色結合的社團并且比較穩定，打破了觀點種族隔離的現象，但社團數量較少且仍有較多游離觀點，具體如圖6所示。據此，可以認定21%是打破種族隔離的臨界值，這符合復雜適應系統對同、異質信息的激發特征，如“放大器效應”^[28]、少數派異議對系統認知的正向影響等^[29]。低于21%的異質擾動對社團結構的出現不能起到刺激作用，反而會使系統更加混亂。

四 對KB教學的啟示

基于MAS得出的觀點聚集成團的臨界值、與交互意愿的非線性關系、打破種族隔離的臨界值，為KB教學的小組生成、整體教學策略的制定以及觀點的均衡發展帶來了重要啟示。

1"關注交互意愿的臨界值是探究小組生成的關鍵

提升觀點交互意愿能夠更快聚集成團是顯而易見的^[30]，然而臨界值附近交互意愿微小的變化就能對演化行為產生明顯的影響，小組的形成對臨界值非常敏感，因此并非簡單倡導提升交互意愿就足以促進小組的生成。假如在KB實踐中觀點長時間無法聚集成團或者聚集后很快散開，那么觀點交互意愿很可能處于53%臨界值的邊緣，這就需要制定教學策略以提高交互意愿，如對低于臨界值的群體進行預警，在平臺中設置交互支架來促進小組的生成。需要注意的是，本研究中53%的臨界值是MAS的結果，在將之運用于KB教學實踐時還需考慮對學習者實際交互意愿的測量，不斷與模擬臨界值進行對照，以最大程度發揮臨界值對教學的指導作用。實際交互意愿的量化手段主要有分析平臺中的觀點交互密度、制定并發放交互意愿問卷，甚至可以開發動態、量化的嵌入式工具等。實際交互意愿的測量也會對本研究提出的觀點演化模型有反饋作用，促使模擬規則細化以更深入地探究規律，這是后續研究需要持續關注的問題。

2"觀點非線性的演化規律要求KB教學需從系統層面綜合考慮

觀點非線性的演化規律決定了社團結構生成的復雜性，KB教學需要從關注單個“觀點”向關注“觀點群”轉變，從而體現系統的整體性。例如，某觀點是否積極與鄰居交互反映的是復雜系統中單個主體的運動情況，若所有觀點的交互意愿均較低，那么生成有組織社團的概率就不高甚至無法出現社團。相反，如果大多數觀點較為活躍，就會帶動鄰居觀點相互作用進而產生有組織的社團結構，因為自組織本身就是一個復雜適應系統生成整體模式的自發過程。因此，同一個觀點處于不同系統中所經歷的演化過程也不同。這種非線性的演化關系給系統帶來了“生成的復雜性”，也為創新和創造帶來了契機。同時，觀點非線性演化規律在一定程度上反哺了KB原則，為學生在實踐層面理解和把握原則提供了依據，進一步解釋了沒有孤立的觀點，每個觀點都通過交互行為融入非線性的復雜關系，豐富了“學生是積極的認知者”“社區知識和協同認知責任”等原則；而多種類別觀點種群的演化，為多樣化的觀點、持續改進的觀點等原則提供了系統層面的解讀。

3"教學中需適時引入異質觀點以實現同質觀點與異質觀點的均衡

同、異質觀點的均衡能夠生成更穩定、高級的社團結構，臨界值21%意味著異質觀點雖然是重要的，但不是越多越好，而是要與同質觀點形成一定的均衡關系。因此，在實踐應用中需要對此進行一定的干預和指導。在一個約4～5人的同質化小組中，只要有一個異色鄰居闖入，就會引發一系列連鎖反應，這是由21%的異質擾動即可打破種族隔離的規律所決定的。異色觀點很可能是打破平衡引發蝴蝶效應的那只“蝴蝶”，其通過制造沖突（即創造性混沌）邁向更高級的有序。固化的小組會阻礙新的智慧涌入，故教學中需要引入異質觀點來打破平衡。

綜上所述，觀點可以分為：①活性觀點，即對同、異色鄰居都有較高的交互意愿，與同色鄰居交互的同時也對異色鄰居保持好奇心；②親同性觀點，即僅對同色鄰居有較高的交互意愿，比較保守，會排斥異色鄰居；③親異性觀點，即僅對異色鄰居有較高的交互意愿，比較好奇，更容易成為跨社區的觀點；④孤獨觀點，即對同、異色鄰居的交互意愿均較低，也可稱為惰性觀點。對觀點進行分類有利于教師制定教學策略，有較多的活性觀點且親同性、親異性觀點的比例均衡是較為理想的狀況——教師一旦判斷存在極端惰性觀點，就可預測空間混亂、無序而造成的系統低聚集性，進而制定提升觀點活性的教學策略。如果觀點很快聚集成團但以同質觀點為主，就會生成具有種族隔離性質的小組，這意味著觀點很快達成淺層共識，教師可以引入異質觀點從而激發深度討論。當活性觀點在空間中占有一定的比例時，系統會變得活躍而熱烈，從而具有較高的聚集性和包容性。基于MAS的觀點演化模型構建直觀地呈現了KB系統中觀點演化的規律，除了能夠指導KB教學實踐，還可以用于評價觀點演化的程度，但相關參數（如課堂觀察、開發量表、測量工具等）在真實社區中的測量還有待后續的進一步探究。

參考文獻

[1][8]Zhang J W， Hong H Y， Scardamalia M， et al. Sustaining knowledge building as a principle-based innovation at an elementary school[J]. The Journal of the Learning Sciences， 2011，（2）：262-307.

[2]Hong H Y， Chen B D， Chai C S. Exploring the development of college students’ epistemic views during their knowledge building activities[J]. Computers amp; Education， 2016，98：1-13.

[3]胡金艷，蔣紀平，張義兵.知識建構社區課堂互動分析工具的設計與應用[J].現代教育技術，2019，（4）：61-66.

[4]Bereiter C. Education and mind in the knowledge age[M]. New York： Routledge， 2002：200-203.

[5]Hong H Y， Scardamalia M， Zhang J W. Knowledge society network： Toward a dynamic， sustained network for building knowledge[J]. Canadian Journal of Learning amp; Technology， 2010，（1）：1-29.

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

[7]陳羽潔，張義兵，徐朝軍.知識建構社區外組中間人的形成特征及作用研究[J].電化教育研究，2020，（2）：38-44.

[9]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）：121-129.

[10]蔣紀平，胡金艷，張義兵.知識建構學習社區中“觀點改進”的發展軌跡研究[J].電化教育研究，2019，（2）：21-29.

[11]Resnick M. StarLogo： An environment for decentralized modeling and decentralized thinking[A]."Conference on Human Factors in Computing Systems： Common Ground[C]."New York："ACM Press， 1996：13-18.

[12]Sengupta P， Kinnebrew J S， Basu S， et al. Integrating computational thinking with K-12 science education using agent-based computation： A theoretical framework[J]. Education amp; Information Technologies， 2013，（18）：351-380.

[13]Gilbert N. Emergence in social simulations[A]. Artificial Societies： The Computer Simulation of Social Life， Edited by Nigel Gilbert and Rosaria Conte[C]. London： Routledge，"1995：144-156.

[14]Papert S A. Mindstorms： Children， computers， and powerful ideas[M]. New York： Basic Books， 1993：126.

[15]Bedeau M. Weak emergence[J]. Philosophical Perspectives， 1997，（11）：375-399.

[16]Sawyer R K."Social emergence： Societies as complex systems[M]. New York： Cambridge University Press， 2005：229.

[17]李勁，肖人彬.涌現計算綜述[J].復雜系統與復雜性科學，2015，（4）：1-13.

[18]Tisue S， Wilensky U. NetLogo： A simple environment for modeling complexity[A]. The 5th International Conference on Complex Systems[C]. Trieste， Italy："The World Academy of Sciences， 2004：16-21.

[19]胡金艷，蔣紀平，陳羽潔，等.知識建構社區中觀點改進的機理研究：知識進化的視角[J].電化教育研究，2021，（5）：47-54.

[20]齊磊磊.復雜系統的研究方法[J].系統科學學報，2014，（2）：24-27.

[21]王震.網絡化多主體系統中的社會規范涌現機制研究[D].大連：大連理工大學，2016：77.

[22]鐘柏昌，李藝.論現代系統科學視野下創造教育科學理論的三條道路[J].教育研究與實驗，2010，（6）：15-18.

[23]集智俱樂部.NetLogo多主體建模入門[M].北京：人民郵電出版社，2021：112.

[24][26]Schelling T C. Dynamic models of segregation[J]. Journal of Mathematical Sociology， 1971，（2）：143-186.

[25]Reynolds C W. Flocks， herds and schools： A distributed behavioral model[J]. ACM SIGGRAPH Computer Graphics， 1987，（4）：25-34.

[27]張義兵，陳伯棟，（加）Marlene S，等.從淺層建構走向深層建構——知識建構理論的發展及其在中國的應用分析[J].電化教育研究，2012，（9）：5-12.

[28]（美）約翰·H.霍蘭德著.周曉枚，韓暉譯.隱秩序：適應性造就復雜性[M].上海：上海科技教育出版社，2000：5.

[29]呂潔.知識異質性對知識型團隊創造力的影響機制研究[D].杭州：浙江大學，2013：152.

[30]Hong H Y， Sullivan F R. Towards an idea-centered，"principle-based design approach to support learning as knowledge creation[J]. Educational Technology Research amp; Development，"2009，（57）：613-627.

The Construction of Idea Evolution Model in Knowledge Building Community

——Based on the Analysis Method of Multi-agents Simulation

HU Jin-yan¹""""GAO Xing-qi^{2[Corresponding Author]}""""MAN Qi-feng²""""ZHANG Yi-bing²

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

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

Abstract： At present， the research on the idea evolution in knowledge building community still exists the problems such as"habitually following research paradigm of reductionism and focusing on the mining of single idea or even fragmented keywords， which leads to the simplification of the behavior and attributes of ideas in group level and the turn of its evolution law into the “black box”. Based on this， adopting the bottom-up multi-agents"simulation"method， this paper constructed the idea evolution model and explored how non-superposition multiple ideas aggregated into clusters and continued to evolve. The results showed that the idea interaction willingness influenced its evolutionary process， and the critical value of clustering was 53%. Meanwhile， there was a non-linear development relationship between the formation of organized community structure and the idea interaction willingness. In addition， a heterogeneous disturbance of 21% can break the “racial segregation” state of ideas and form new stable structures. The research in this paper provided a new perspective and method for the exploration of idea evolution， and had great guiding significance for the teaching practice of knowledge building.

Keywords： knowledge building; idea evolution; multi-agents simulation; complex adaptive system; idea interaction willingnes

*基金項目：本文為河南省哲學社會科學研究青年項目“在線學習社區中知識共享的動力機制及仿真研究”（項目編號：2020CJY042）的階段性研究成果。

作者簡介：胡金艷，講師，博士，研究方向為知識建構與復雜性科學，郵箱為hujinyan07@163.com。

收稿日期：2022年7月5日

編輯：小米