在線同伴反饋不同干預策略對學習者批判性思維影響

摘要：研究在混合教學模式下，進行 ３ 輪干預策略的設計以促成有效同伴反饋，利用相似度重復檢測算法 ＳＮＭ 和百度 ＡＩ 短文本相似度接口進行無效反饋篩除，參照 Ｍｕｒｐｈｙ 的批判性思維框架對干預后同伴反饋文本進行編碼，采用認知網絡分析法對不同干預策略下批判性思維的發展特征進行分析． 研究結果顯示： 經過群體干預、個體評分干預和個體評語干預，學習者群體的批判性思維逐漸從辨識與理解向分析與評價發展；分組分析中 ３ 輪干預僅個體評語干預有顯著性差異，其中：不同績點水平的學習者中，高分組在批判性思維各要素之間的連接更為緊密，更加關注分析與評價能力的結合；不同性別的學習者中，男性組側重理解和評價能力，女性組則更側重辨識與分析能力． 同時，研究從學習分析視角探究 ３ 類干預策略下，同伴反饋如何促進高階批判性思維的發展．

關鍵詞：批判性思維；在線同伴反饋；認知網絡分析；干預策略

中圖分類號：Ｇ４３４ 文獻標志碼：Ａ 文章編號：１００１-８３９５（２０２４）０３-０３２８-１０

ｄｏｉ：１０． ３９６９ ／ ｊ． ｉｓｓｎ． １００１-８３９５． ２０２４． ０３． ００４

批判性思維作為高階思維能力之一，是創新人才基本科學精神和核心素養的必備要素． 我國十分重視培養高校學生的批判性思維能力，２０２２ 年頒布的《關于深入推進世界一流大學和一流學科建設的若干意見》強調高校學科建設要以批判性思維和創新能力培養為重點，培養高水平復合型人才． 隨著計算機支持的協作學習發展，在線同伴反饋為發展大學生的批判性思維提供了豐富途徑． 在線同伴反饋利用在線學習工具，支持同伴互評或同伴評估的特定交互，學習者在同伴反饋過程中對問題進行二次深入思考，對比自身觀點與被評價同伴觀點差異，較容易產生懷疑，從而提升批判性思維，而干預策略是產生有效同伴反饋的必要條件．

批判性思維能力的培養和提升需要精準和全面地評估，目前多數研究者以量表評測批判性思維發展水平，如畢景剛等 ［１］在寫作交互環境中開展批判性思維的培養，選用《康奈爾批判性思維量表———Ｘ 階段》對學習者批判性思維能力進行測量． 文獻［２］通過設置半開放性的問題，需要被測者為自己的選擇說明理由，表達自己的觀點完成測試，進而對結果進行批判性思維的精準評估． 沙景榮等 ［３］通過 Ｍｕｒｐｈｙ 提出的在線討論批判性思維編碼工具，并結合文獻［２］中修訂的批判性思維能力量表評估學習者的批判性思維能力． 這些方法局限于從結果上衡量學習者的批判性思維，缺乏對思維發展過程的關注，因而難以提出有效干預策略． 文獻［４］依據 Ｇａｒｒｉｓｏｎ 編碼框架統計學習者在線交互過程中產生的帖子個數來評估他們的批判性思維深度． 黃雪嬌等 ［５］依據 Ｍｕｒｐｈｙ 提出的批判性思維編碼體系，以在線交互過程 ３ 個階段中學習者交互帖子作為分析單元進行編碼，探究批判性思維發展軌跡． 整體而言，現有研究局限于在線交互中學習者批判性思維整體提升結果的評估或者批判性思維發展軌跡的分析，缺乏對批判性思維發展過程中干預策略的關注．

隨著學習分析技術的發展，認知網絡分析法（ｅｐｉｓｔｅｍｉｃ ｎｅｔｗｏｒｋ ａｎａｌｙｓｉｓ，ＥＮＡ）能夠有效地動態分析和評估學習者思維能力發展過程． ＥＮＡ 會對個體或者群體的話語文本進行格式化和分段分析，形成可視化的認知結構模型，通過分析認知結構模型的差異，探索學生批判性思維的發展特征． 文獻［６］采用對照實驗，在英語寫作課程中證實同伴反饋能夠促進學習者的批判性思維． 本研究將批判性思維培養置于混合教學在線專題討論的同伴反饋中，采用群體干預、個體評分干預和個體評語干預 ３ 輪干預，運用 Ｍｕｒｐｈｙ 的批判性思維框架，對 ３ 輪同伴反饋的文本進行編碼，采用認知網絡分析法挖掘不同反饋策略、不同績點水平和不同性別學習者的批判性思維發展特征及結構框架，為在線同伴反饋活動中學習者批判性思維的培養提供實踐參考．

１ 研究設計

１． １ 實驗對象及課程 實驗對象來自 Ｓ 省某高校教育技術學專業課“遠程教育應用”的 ５３ 名大學二年級師范生，男生 ２１ 人，女生 ３２ 人，該課程教學團隊由 １ 名教師和 １ 名助教構成，課程采用線上和線下混合教學方式． 選取該課程中第 ４ 章“遠程教育中的信息處理技術”、第 ５ 章“現代遠程教育的技術系統”和第 ６ 章“現代遠程教育教學系統”３ 個模塊為范圍進行同伴反饋主題選取，課程每個模塊設置２ 個主題，采用“智慧樹”在線學習平臺的“問答討論”模塊作為在線同伴反饋的實驗數據搜集環境．１． ２ 實驗流程及干預策略 在 ２０２２ 年 １０ 月開展為期 ９ 周共 ３ 輪的在線同伴反饋活動，每輪活動持續 ３ 周，環節基本一致，首先由教師發布主題任務帖，提供反饋表達支架，確定包含 ３ 個維度共１４ 個指標的反饋評價標準，學習者學習知識后進行發帖或對同伴的帖子進行反饋． 所有發帖和回帖采取自愿原則，最終會在平臺上自動累計“互動表現”平時成績，占期末成績的 ５％ ． 每輪同伴反饋過程中實施一定的教師干預策略，包括干預時機、干預內容和干預類型（見表 １）． 第 １ 輪的干預在線下課堂環境中進行；第 ２ 輪和第 ３ 輪基于自主研發的同伴反饋評價系統，該系統通過爬蟲軟件自動獲取智慧樹平臺中的反饋文本進行數據分析，算法的使用能夠優化數據分析過程，算法的選擇也需要基于研究問題進行最優選擇 ［７］． 因此本研究利用相似度重復記錄算法 ＳＮＭ 對數據進行清洗，并結合百度 ＡＩ 短文本相似度接口對學生的回帖文本相似度進行計算，判斷是否為無效帖，對有效帖進行教師評分，并基于評分和排名給學生提供個體評分干預策略，根據評價量規和教師輸入的分值與評語生成總評語提供個體評語干預， 干預內容均通過郵箱推送至每個學生．

１． ３ 數據處理 文獻［８］將反饋文本分為情感、認知和無關 ３ 種類型． 情感型反饋提供簡單的贊美或否定，與學習內容無關． 認知型反饋則需要學生運用分析、評價和創造等高認知活動． 根據本研究的語料背景，文本反饋類型主要為認知型反饋． 采用Ｍｕｒｐｈｙ ［９］提出的批判性思維編碼框架對認知型反饋文本進行編碼，包含的批判性思維要素有辨識Ｒ、理解 Ｕ、分析 Ａ、評估 Ｅ、創造 Ｃ、無關話題Ｉ（見表２）． 運用認知網絡分析法探究批判性思維在在線同伴反饋活動中前后的變化情況及結構特征．

實驗收集了 ３ 輪在線同伴反饋產生的交互文本數據，按一定格式將數據保存至 Ｅｘｃｅｌ 中． 刪除文本中重復數據和異常數據，經程序清洗與整理共獲得 ４４９ 條有效交互數據，分別為第 １ 輪 １０８ 條、第 ２輪 １４８ 條和第 ３ 輪 １９３ 條． 數據收集完成后，首先對 ２ 名研究者進行編碼指導，確保 ２ 位研究者對編碼內容的理解一致． 之后 ２ 位研究者對文本數據進行背對背編碼，采用 ＳＰＳＳ ２４． ０ 軟件對編碼后的數據進行一致性檢驗，得到 Ｃｏｈｅｎｓ Ｋａｐｐａ 值達到０． ８７８，說明編碼結果具有良好的一致性． 隨后，２ 位研究者對不一致的編碼數據商討后統一編碼結果．

２ 研究結果與分析

２． １ 不同同伴反饋干預策略下學習者群體批判性思維發展特征

２． １． １ 不同干預策略下批判性思維各要素描述性統計 對 ３ 輪學習者批判性思維各要素的編碼數據進行統計分析（見圖 １）． 在第 １ 輪同伴反饋中， 學習者的批判性思維集中在“辨識”“理解”層面， 占比分別為 ４０． ７％ 和 ３９． １％ ，“分析”要素占１５． ８％ ，表明學習者對同伴觀點的評價還處于辨識和理解的淺層次階段． 在第 ２ 輪同伴反饋中，“辨識”占 ２８％ ，“理解”占 ２８％ ，“分析”占 ２７． ３％ ，“評價”和“創造”分別占 ８． ９％ 和 ６． ５％ ，其中“分析” “創造”“評價”要素較第 １ 輪占比都有所上升，說明在該干預策略下，部分學習者已經不再停留在對同伴觀點的理解和辨識上，而是對獲取到的內容、 資料等進行分析，并融合自己的想法深入思考． 但 “評價”“創造”要素仍只占少數，表示這個干預策略下的學習者正在由低階批判性思維逐步向中階批判性思維要素發展． 在第 ３ 輪同伴反饋中，深層批判性思維要素明顯增加，“分析”占 ２７． ２％ ，“評價”占 ２０． ７％ ，“創造”占 １０． ６％ ，３ 要素共占批判性思維總要素的 ５８． ５％ ，表明學習者已經能逐漸對所學知識進行評估和判斷，并能提出改進策略． 總而言之，學習者在 ３ 輪同伴反饋過后，已經從低階批判性思維要素向高階批判性思維要素提升，所以同伴反饋過程中的所有干預策略均較為有效．

２． １． ２ 批判性思維的認知網絡模型構建 ＥＮＡ 對高維空間網絡進行降維生成二維投影平面網絡圖后，獲得了批判性思維的認知網絡元素，分別位于二維空間各象限中（見圖 ２）

在二維坐標系中，第 １ 維度（Ｘ 軸）占數據總體方差的 ３５％ （ＳＶＤ１），第 ２ 維度（Ｙ 軸）占數據總體方差的 ２５％ （ＳＶＤ２）． 進行擬合優度計算后發現，Ｘ維度的 Ｐｅａｒｓｏｎ 系數為０． ９６，Ｓｐｅａｒｍａｎ 系數為 ０． ９６， Ｙ 維度的 Ｐｅａｒｓｏｎ 系數為 ０． ９４，Ｓｐｅａｒｍａｎ 系數為０． ９３，表明 ＥＮＡ 生成的批判性思維原始模型具有較強的擬合優度，符合統計學意義． 依據批判性思維認知網絡模型中的元素分布情況，將 Ｘ 軸（ＳＶＤ１）和 Ｙ 軸（ＳＶＤ２）賦予一定含義：在 Ｘ 軸分布的批判性思維認知元素有 Ｕ（理解）、Ｃ（創造）、 Ｅ（評價）． 其中，Ｕ 分布于坐標系左側，Ｃ、Ｅ 分布在坐標系右側，Ｘ 軸兩端分別為“理解”和“評價-創造”． 在 Ｙ 軸分布的批判性思維認知元素有 Ａ（分析）和 Ｒ（辨識），Ａ 分布于坐標系上方，Ｒ 位于坐標系的下方，因此，Ｙ 軸兩端分別為“分析”和 “辨識”．

２． １． ３ 不同干預策略下學習者群體批判性思維的認知網絡特征 將編碼后的數據導入 ＥＮＡ 工具， 對每位學習者的批判性思維各要素進行分析，最終得到 ３ 輪同伴反饋的二維質心分布圖（見圖２）． 從圖 ２ 可以看出，學習者在 ３ 輪同伴反饋的批判性思維認知網絡分布具有明顯差異． 研究者對３ 輪同伴反饋的平均認知網絡質心分別進行了配對樣本 Ｔ 檢驗，結果顯示第 １ 輪和第 ２ 輪同伴反饋在 Ｘ 維度和 Ｙ 維度均有顯著差異（Ｐ ＝ ０． ００ ＜０． ０５），第 ２ 輪和第 ３ 輪同伴反饋也在 ２ 個維度上存在顯著差異（Ｐ ＝ ０． ００ ＜ ０． ０５）． 研究運用 ＥＮＡ工具繪制了在線同伴反饋第 １ 輪到第 ３ 輪的整體批判性思維認知網絡圖（見圖 ３），對 ３ 輪同伴反饋學習者的批判性思維各要素發展特征進一步分析．圖 ３ 中節點代表批判性思維編碼要素，節點的大小代表要素的強弱，線條代表 ２ 個連接節點之間存在共現，線條越粗表示 ２ 要素之間共現的次數越多， 反之則共現越少．

第 １ 輪批判性思維的認知網絡分析圖顯示，網絡節點主要為 Ｒ（辨識）和 Ｕ（理解），主要連接為Ｒ-Ｕ，共現系數為 ０． ７９，與 Ｃ（創造）和 Ｅ（評價）要素之間的連線非常少，其中，Ａ-Ｃ、Ａ-Ｅ 的共現系數僅為 ０． ０１ 和 ０． ０３，這說明在一般的同伴反饋活動中，雖然設置了反饋表達支架和反饋評價標準，并通過傳統課堂教師口頭方式總結共性問題，配合任務發布時要求以主題帖回帖的方式發表同伴反饋， 引導學習者閱讀他人觀點，但未能促進學習者深度反思，學習者只是觀看到回帖中關鍵詞相似就進行反饋，因此只能在淺層次的要素類型進行反饋． 第 ２輪批判性思維的認知網絡分析圖的顯著節點為 Ｒ（辨識）、Ｕ（理解）和 Ａ（分析），主要連線為 Ｒ-Ｕ、Ｕ-Ａ、Ａ-Ｒ，共現系數分別為 ０． ５２、０． ４５ 和 ０． ４９． 第 ３輪批判性思維的認知網絡分析圖的顯著節點為 Ｒ（辨識）、Ｕ（理解）、Ａ（分析）和 Ｅ（評價），主要連線為 Ｒ-Ｕ、Ａ-Ｕ、Ａ-Ｒ 和 Ａ-Ｅ，共現系數分別為 ０． ３７、 ０． ３６、０． ３２、０． ３６，與前兩輪同伴反饋相比，涉及的要素更多，各要素交互連接，批判性思維認知網絡結構更加復雜．圖 ４ 為相鄰兩輪同伴反饋的學習者批判性思維認知網絡差異圖． 從左圖可以看出，第 ２ 輪逐步由原來的 ２ 顯著要素向“分析”要素過渡，第 ２ 輪無論是“理解”到“分析”，還是“辨識”到“分析”的連接都較豐富，這個和發帖時強調注意同伴回答問題的句式、找準反饋要點的引導有緊密關系，學習者開始采用“分析”的方法深入思考，同時教師采用自動郵件的方式，發送針對性的反饋評價分數及排名激勵學習者，使其關注自己和同伴的差距． 從右圖可以看出，第 ３ 輪由原來的 ３ 顯著要素向“評價”要素過渡，并且從“分析”到“評價”的思維模式逐步代替原有的“辨識”到“評價”或“理解”到“評價”， 說明在第 ３ 輪同伴反饋中，學習者更依賴有依據的分析來認可或者反駁同伴的觀點，這和第 ３ 輪中教師干預策略的質性評語引導密不可分．

結合批判性思維認知網絡模型，第 １ 輪同伴反饋批判性思維認知顯著要素節點及連接主要分布在第 ３ 象限；第 ２ 輪同伴反饋的批判性思維認知網絡節點主要分布在第 １ 和第 ３ 象限；第 ３ 輪同伴反饋的批判性思維認知網絡節點在第 １、第 ３ 和第 ４象限，形成了更為復雜的“辨識-理解-分析”多要素靈活運用到“評價”的批判性思維發展過程．

２． ２ 高低分組在不同同伴反饋干預策略下批判性思維認知結構差異 選用本門課選課前學習者的績點成績作為高低分組數據來源，學習者選課最多 ４９門，最少 ４５ 門，平均 ４７ 門，最高績點 ３． ４０８ ４，最低２． ２９８ ９，平均 ２． ９５１ ３． 兩組學習者取總人數前后２７％ 處所對應的績點為分界線，高分組對應的是績點３． １２３ ０ 以上的學習者，低分組則選取的績點２． ５８１ ８以下的學習者，高分組和低分組各 １４ 人． 經過數據整理后，高分組共 １７１ 條數據（第 １ 輪 ３９ 條， 第 ２ 輪 ４９ 條，第 ３ 輪 ８３ 條），低分組共 ８８ 條數據（第１ 輪 １７ 條，第 ２ 輪 ２８ 條，第 ３ 輪 ４３ 條），經過 ＥＮＡ 分析工具的繪制，兩組學習者在不同干預策略下的認知網絡結構如表 ３ 所示．兩組學習者第 １ 輪同伴反饋都是在 Ｕ 和 Ｒ 要素上的連接較強，第 ２ 輪和第 ３ 輪逐漸往 Ａ 和 Ｅ 要素上發展，說明高分組和低分組的批判性思維發展特征與整體發展相似．

進一步分析兩組學習者的差異，對兩組學習者的認知網絡進行了獨立樣本 Ｔ 檢驗，可以得到兩組群體的組間差異． 結果顯示，兩組學習者在第 １ 輪和第 ２ 輪同伴反饋中不存在顯著差異（Ｐ ＞ ０． ０５），而兩組學習者在第 ３ 輪同伴反饋中 Ｘ 維度產生了顯著性差異（Ｐ ＝ ０． ０２）． 為了更清晰地觀察兩組學習者批判性思維認知網絡結構的差異，對兩組學習者的認知網絡圖在 ＥＮＡ 工具中進行了疊減，形成 ３ 輪高低分組認知網絡差異圖（見圖 ５）． 第 １ 輪和第 ２ 輪同伴反饋中高分組和低分組的認知網絡圖無明顯差異，從差異圖中能看出，第 １ 輪同伴反饋高分組在 Ｒ-Ｕ 之間的連線較強，共現系數為０． １１，低分組各要素間的連線較弱． 第 ２ 輪同伴反饋中，高分組在 Ａ-Ｃ 之間有較強連線，共現系數為０． ０８，低分組在 Ｒ-Ｕ 之間有較強連線，共現系數為０． １０． 第 ３ 輪同伴反饋中，高分組在 Ａ-Ｅ、Ａ-Ｕ 之間有較強連線，共現系數為 ０． １８ 和 ０． １４，各要素圍繞著“分析”進行，其中“分析”與“評價”之間的連接最為緊密，低分組在 Ｕ-Ｅ、Ｕ-Ｒ 間連接較強，共現系數為 ０． １１ 和 ０． １０，高低分組差異越來越趨于明顯．

研究表明，高分組在批判性思維的發展上呈現穩步上升的趨勢，從對同伴觀點的“辨識”和“理解”，到圍繞同伴觀點進行“分析”“評價”和“創造”，從而提升批判性思維的水平． 低分組在初期與高分組無顯著性差異，但在干預的第 ２ 輪低分組持續關注“辨識”與“理解”，水平層次未體現明顯提升． 第 ３ 輪雖然低分組增加了“評價”，但還是從“辨識”“理解”過渡到“評價”，缺少“分析”，而高分組經由“分析”到“評價”的思維模式已經非常成熟．這一結論表明兩組學習者在同伴反饋過程中，批判性思維發展逐漸存在差異，相比之下，高分組的認知網絡圖共現更多、更緊密，在“分析-評價”的關聯上表現得更突出．

２． ３ 不同性別學習者在不同同伴反饋干預策略下的批判性思維認知結構差異 按照編碼框架將不同性別學習者的編碼結果導入 ＥＮＡ 在線分析工具后，生成如表 ４ 所示的兩組群體在不同干預策略下的認知網絡結構．

從兩組群體各自認知網絡圖可以發現，兩組學習者在第 １ 輪和第 ２ 輪同伴反饋中，各要素之間的強連接相似，但是在第 ３ 輪同伴反饋中，男生組同時關注的要素更豐富，除了 Ｉ（無關話題）和 Ｃ（創造），各要素之間的強連接類似，表明男生組的同伴反饋可以均衡體現批判性思維的 Ａ、Ｅ、Ｕ和 Ｒ 要素，女生組則在 Ｒ-Ｅ 和 Ｕ-Ｅ 上相對男生組缺乏強連接．

同樣通過獨立樣本 Ｔ 檢驗分析男女生認知網絡結構的差異，結果發現兩組學習者的認知網絡結構在第 １ 輪與第 ２ 輪同伴反饋中均不存在顯著性差異（Ｐ ＞ ０． ０５），而在第 ３ 輪同伴反饋中存顯著性差異（Ｐ ＝ ０． ００ ＜ ０． ０５）． 為進一步分析不同性別學習者的批判性思維認知網絡結構差異，對兩組 ３ 輪認知網絡圖進行疊減差異分析（見圖６）． 從圖 ６ 中可以看出，第 ３ 輪男生在 Ｕ-Ｅ 之間的連接最強，共現系數為 ０． １９，女生在 Ａ-Ｒ 和 Ｃ-Ｒ的連接相對較強，共現系數分別為 ０． １１ 和 ０． １０．

研究表明，在同伴反饋干預的第 １ 輪和第 ２輪，不同性別的學習者批判性思維認知網絡結構未出現明顯差異． 在同伴反饋干預的第 ３ 輪，兩組學習者產生顯著性差異，男生批判性思維的認知結構突出“理解-評價”或“辨別-評價”的強連接，故男生可能更能夠從客觀事物本身出發去評價，而女生則更多的關注“辨別”“分析”和“辨別”“創造”，女生更容易從自己能夠辨識的基礎上去分析和創新．

２． ４ 不同干預策略下批判性思維的顯著性差異分析為了研究不同干預策略對學習者批判性思維能力的影響，根據 Ｍｕｒｐｈｙ 提出的批判性思維編碼框架，每位學習者的批判性思維水平由其所發帖子的平均批判性思維水平表征，即按照不同階段帖子的數量與批判性思維要素層級（Ｉ ＝０ 分，Ｒ ＝１ 分，Ｕ ＝２ 分，Ａ ＝３ 分，Ｅ ＝４分，Ｃ ＝５ 分）相乘，再除以帖子總數［５］．以干預策略的類型（群體干預、個體評分干預和個體評語干預）為自變量，以批判性思維的分數為因變量，進行單因素重復測量方差分析，用 Ｍ、ＤＳ 、Ｎ 分別代表平均值、 標準差和樣本量，結果如表 ５ 所示． Ｍａｕｃｈｌｙ球形檢驗結果顯示Ｐ ＝ ０． ２７６ ＞ ０． ０５，滿足球型假設，因此在被試內效應檢驗結果表中查看“假設球形度”的Ｐ 值，可見不同干預策略下學生的批判性思維有統計學差異（Ｐ ＝ ０． ０００ ＜ ０． ００１）． 進一步進行多重比較，結果表明 ３ 次測量兩兩之間有顯著差異（Ｐ ＜０． ０５），結合平均數來看，學習者的批判性思維在 ３次在線同伴反饋活動中都有顯著性提升．

３ 研究結論

３． １ 多類型干預策略能促使批判性思維從辨識、 理解向分析、評價發展 通過數據分析發現，學習者批判性思維的發展在 ３ 輪在線同伴反饋干預的影響下是連續的發展過程，符合批判性思維由低階向高階遞進發展的規律，從對同伴觀點進行辨識和理解逐漸向分析和評價發展． 在群體干預的同伴反饋中批判性思維主要集中于辨識和理解層次，水平層次較低，學習者呈現“辨識-理解”的思維過程，說明學習者可能沒有適應同伴反饋，未能掌握在線同伴反饋的評價標準，對于同伴觀點，只能停留在辨析和理解要素上，偶爾對于知識點也會進行淺層次的分析，但是對于高階思維的形成還需要更加深入地培養和努力．

在個體評分干預的在線同伴反饋下，批判性思維層次有了明顯的提高，學習者批判性思維呈現 “辨識-理解-分析”的發展過程． 所形成的批判性思維在辨識和理解達到相對飽和狀態下，注重問題推斷與分析，實現批判性思維中層次的發展． 分析要素的比例提升最高，原因可能是學習者對于在線同伴反饋的討論標準已經有了認識，對于課程內容中知識點或者對于課程內容不同的想法，每個學習者都會有自己的不同看法和見解，而且可以從不同視角進行理解和分析． 文獻［１０］的研究也證實了這一 觀點，認為反饋標準的制定對于同伴反饋的有效性起著較為重要的作用，設置反饋標準能使學習者積極、高效地進行評價． 而在個體評語干預的在線同伴反饋后，批判性思維涉及的要素更加豐富，呈現 “辨識-理解-分析-評價”的思維模式，學習者在同伴反饋過程中的自我監控雖然能夠使活動圍繞話題開展，聚焦于一點進行較為深入的交流，但學習者看問題的深度和廣度受已有認知的限制，在教師的評語引導后，可以大幅提升話題探討的深度與廣度，教師的引導文本在促進學習者批判性思維發展過程中起到重要作用． 吳妍 ［１１］認為批判性思維的培養應該是在教師引導下進行觀點碰撞，以幫助學生不斷地實現自我突破． 隨著在線同伴反饋的干預深入，由群體統一引導到個體量化分值引導再到個體質性評語引導，學習者獲取的干預針對性越強， 引導建議越具體，越能促進學習者批判性思維高層次要素的產生．

３． ２ 個體評語干預策略下高分組學習者在分析與評價能力之間的聯系更為緊密 研究發現，高低分組的批判性思維都是從低層次逐漸向高層次發展， 但僅在個體評語干預中，兩組學習者的批判性思維認知結構存在明顯差異． 與低分組相比，高分組的學習者批判性思維各要素間的連接更均衡，在分析和評價要素之間連線最緊密． 而低分組則更多的對同伴觀點進行辨識、理解與評價． 高分組在分析了其他同學觀點的基礎上，對其他人的觀點進行評論和提出自己的見解，這有助于高分組批判性的吸納其他同學的觀點，彌補自己的缺點，從而更深入地參與同伴反饋． 相反，低分組在對同伴觀點進行辨識和理解的基礎上，缺乏足夠的分析，做出的評價可能缺乏依據． 這一研究發現，學習者如果花在分析上的時間更多，他們的學業成績可能更好，這與文獻［１２］得出的結論相似，即使用分析策略的學習者可能表現得更好．

３． ３ 個體評語干預策略下不同性別學習者在批判性思維各要素上側重點不同 通對過認知網絡分析可以發現，男女生的批判性思維發展水平呈上升趨勢，在同伴反饋干預第 ３ 輪，兩組學習者的批判性思維認知結構存在顯著性差異． 因而在質性評價的個別化干預方式下，男生的思維較為嚴密，邏輯能力更突出，使得他們思維能力上具備優勢 ［１３］． 這與本研究發現相似，男生的認知結構圖中要素間的連線更多，說明男生重視批判性思維能力的廣度發展，能將辨識、理解、分析與評價靈活地結合在一 起． 從男生和女生的認知結構差異圖可以看出，女生在表述觀點時，辨識和分析能力之間的聯系較多，說明女生善于對同伴觀點進行辯證性分析和產生創造性的觀點． 男生則更多地在對同伴觀點進行理解以及圍繞觀點進行客觀性評價． 這說明在個體干預下，男女生的批判性思維產生了差異性發展， 關注的批判性思維要素各有不同，因此，在批判性思維培養過程中，應根據不同性別學習者的思維和認知差異進行干預類型的篩選，這樣才能全面地發展學習者的批判性思維．

４ 討論

上述分析結果顯示，在不同輪次同伴反饋干預策略下，學習者的批判性思維發生顯著變化，高分組和低分組、男生組和女生組也均有顯著差異． 基于本研究的結論，為高校在混合學習過程中培養學生的批判性思維提供如下建議．

４． １ 創設合理在線環境促進學習者批判性思維深層次要素的產生 相關研究結果 ［１４］表明，在線環境會給學習者提供更多的機會進行同伴交流，提升其批判性思維能力． 合理有效地營造在線環境是有效促進學習者批判性思維生成的重要條件 ［１５］． 在本研究中，學習者經過在線環境的同伴反饋和郵件推送的不同干預策略，同伴之間進行了充分的對話交流，提升了反饋的質量，批判性思維逐漸從低階層次向高階層次發展． 而個體評語干預在同伴反饋中效果更加明顯，教師可以借助在線表格、評分系統等技術工具實現該層次的干預策略，以輔助有效組織在線交互活動．

４． ２ 個體評分或評語性干預促進學習者分析問題，提升學習者批判性思維能力 在同伴反饋干預第 ２ 輪，學習者對同伴話題內容的分析關注點比例開始提高，分析能力是理解能力和辨識能力的進一步發展，也是達到深層次批判性思維的轉折點． 學習者需要在多元化的觀點中全面、辯證地剖析問題，所以分析能力是十分重要的，只有對問題進行了綜合性的分析，才能幫助學習者進一步達到更深層次的批判性思維水平． 在對高分組和低分組學習者認知網絡結構的對比中也發現，高分組在分析能力上表現突出，善于分析的同學往往批判性思維認知結構更穩定，也更容易取得較好的學業成績． 因此，批判性思維的培養不僅僅需要通過辨識與理解去簡單地回應問題，更需要學會分析，注重學習者對觀點的吸收和輸出之間的平衡 ［１６］，幫助他們之后進行評價乃至創造，鍛煉自身的批判性思維能力．

４． ３ 利用不同類型學習者的批判性思維認知特征促進學習者優勢互補 對于學業成績水平較高的學習者，教師需增加擴展性資源，以幫助他們進一 步鞏固和深化自己的知識水平． 在討論交流過程中，應該鼓勵這些學習者繼續保持積極的討論狀態，協助教師完成教學活動，并且能夠在一定程度上幫扶同伴． 針對學業成績水平較低的學習者，教師首先可以及時提供學習支架促進他們辯證地分析問題． 另外也可以通過給予低學業水平學習者更多的教學期望，提高他們的自信心和學習積極性， 從而更加認真地參與到學習中去． 其次，可以給他們更多的學業支持，幫助他們更好地理解學習內容，鞏固和提高自己的學習成績． 針對男生和女生存在的差異，可以根據這些差異有針對性地進行干預，例如可以在教學活動中向他們提供不同的學習策略，對于女生來說，應加強她們對問題的深入理解，引導她們在分析問題的過程中，還要對不同觀點進行批判性地接收和評價． 同時，要提高男生對不同內容的分析能力，幫助他們辯證性地分析問題． 建立合理的小組結構也可以促進學習者批判性思維 ［１７］，不同學業水平學習者通過高效率合作促進批判性思維的發展，不同性別學習者的認知、性格和思維等方式會在他們之間產生相互補充、相互促進的效果，從而提升整個群體的能力 ［１８］． 因此， 在學習活動中需要促使學習者相互學習、優勢互補，全面激發學習者批判性思維的發展．

研究應用認知網絡分析技術探索了在線同伴反饋活動中，不同干預策略下，學習者群體不同成績水平和不同性別學習者的批判性思維各要素間的關聯及發展軌跡，結果證明 ＥＮＡ 可直觀展現不同干預策略下學習者批判性思維的發展特征，個體評語型干預是最能引發深層批判性思維和不同分組學習者思維差異的方式． 研究中出現的一些問題值得繼續探討，學習者的批判性思維雖然呈現逐步上升的趨勢， 但是在“創造”要素的體現上明顯不足． 這可能是因為學習周期不夠長，學習者的創造要素變化不夠明顯．未來研究將優化批判性思維的精準測評方法，圍繞更多的交互文本進行分析，以期深度挖掘學習者的批判性思維特征，進一步提高學習者的批判性思維，為培養本科一流人才賦能增效．

參考文獻

［１］畢景剛，韓穎，董玉琦． 技術促進學生批判性思維發展教學路徑的實踐探索：以初中議論文寫作為例［Ｊ］． 現代教育技術， ２０２３，３３（４）：６５-７３．

［２］ＮＧＡＪＩＥ Ｂ Ｎ，ＬＩ Ｙ，ＴＩＲＵＮＥＨ Ｄ Ｔ，ｅｔ ａｌ． Ｉｎｖｅｓｔｉｇａｔｉｎｇ ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ａ ｓｙｓｔｅｍａｔｉｃ ａｎｄ ｍｏｄｅｌ-ｂａｓｅｄ ｄｅｓｉｇｎ ｏｆ ｃｏｍｐｕｔｅｒ-ｓｕｐｐｏｒｔｅｄａｒｇｕｍｅｎｔ ｖｉｓｕａｌｉｚａｔｉｏｎ ｏｎ ｃｒｉｔｉｃａｌ ｔｈｉｎｋｉｎｇ［Ｊ］． Ｔｈｉｎｋｉｎｇ Ｓｋｉｌｌｓ ａｎｄ Ｃｒｅａｔｉｖｉｔｙ，２０２０，３８：１００７４２．

［３］沙景榮，唐天奇，舒紅，等． 促進高階思維的融入思政元素的混合式教學效果研究［Ｊ］． 中國電化教育，２０２２（８）：６８-７４．

［４］ＤＥ ＬＥＮＧ Ｂ，ＤＯＬＭＡＮＳ Ｄ Ｈ Ｊ Ｍ，Ｊ？ＢＳＩＳ Ｒ，ｅｔ ａｌ． Ｅｘｐｌｏｒａｔｉｏｎ ｏｆ ａｎ ｅ-ｌｅａｒｎｉｎｇ ｍｏｄｅｌ ｔｏ ｆｏｓｔｅｒ ｃｒｉｔｉｃａｌ ｔｈｉｎｋｉｎｇ ｏｎ ｂａｓｉｃｓｃｉｅｎｃｅ ｃｏｎｃｅｐｔｓ ｄｕｒｉｎｇ ｗｏｒｋ ｐｌａｃｅｍｅｎｔｓ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ＆ Ｅｄｕｃａｔｉｏｎ，２００９，５３（１）：１-１３．

［５］黃雪嬌，周東岱，劉鳳娟． 在線交互活動中學習者批判性思維發展軌跡研究［Ｊ］． 現代遠距離教育，２０２１（１）：２４-３１．

［６］邱建華，李蘭． 在線同伴反饋和教師反饋對寫作影響的對比研究［Ｊ］． 蘭州交通大學學報，２０２２，４１（１）：１６９-１７４．

［７］林秀麗，李均利，田竟民，等． 基于卷積神經網絡的算法選擇研究［Ｊ］． 四川師范大學學報（自然科學版），２０２２，４５（６）： ８３０-８３８．

［８］李紅霞，趙呈領，疏鳳芳，等． 促進學習的評價：在線開放課程中同伴互評投入度研究［Ｊ］． 電化教育研究，２０２１，４２（４）： ３７-４４．

［９］ＭＵＲＰＨＹ Ｅ． Ａｎ ｉｎｓｔｒｕｍｅｎｔ ｔｏ ｓｕｐｐｏｒｔ ｔｈｉｎｋｉｎｇ ｃｒｉｔｉｃａｌｌｙ ａｂｏｕｔ ｃｒｉｔｉｃａｌ ｔｈｉｎｋｉｎｇ ｉｎ ｏｎｌｉｎｅ ａｓｙｎｃｈｒｏｎｏｕｓ ｄｉｓｃｕｓｓｉｏｎｓ［Ｊ］． ＡｕｓｔｒａｌａｓｉａｎＪｏｕｒｎａｌ ｏｆ Ｅｄｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ，２００４，２０（３）：２９５-３１５．

［１０］張一寧，林小萌． 基于 ＣｉｔｅＳｐａｃｅ 的國內同伴反饋研究文獻計量分析［Ｊ］． 外語電化教學，２０２０（６）：１１３-１２０．

［１１］吳妍． 我國批判性思維課堂轉化的問題與反思［Ｊ］． 課程教材教法，２０１８，３８（５）：６９-７５．

［１２］ＺＨＡＮＧ Ｓ，ＬＩ Ｈ Ｈ，ＷＥＮ Ｙ，ｅｔ ａｌ． Ｅｘｐｌｏｒａｔｉｏｎ ｏｆ ａ ｇｒｏｕｐ ａｓｓｅｓｓｍｅｎｔ ｍｏｄｅｌ ｔｏ ｆｏｓｔｅｒ ｓｔｕｄｅｎｔ ｔｅａｃｈｅｒｓ’ｃｒｉｔｉｃａｌ ｔｈｉｎｋｉｎｇ［Ｊ］．Ｔｈｉｎｋｉｎｇ Ｓｋｉｌｌｓ ａｎｄ Ｃｒｅａｔｉｖｉｔｙ，２０２３，４７：１０１２３９．

［１３］陳麗君． 大學生問題發現過程的思維特點［Ｊ］． 心理與行為研究，２０１４，１２（４）：５１３-５２０．

［１４］冷靜，郭日發，侯嫣茹，等． 促進大學生批判性思維的在線活動設計研究及可視化分析［Ｊ］． 電化教育研究，２０１８，３９（１０）：７５-８２．

［１５］ＨＯＬＯＰＡＩＮＥＮ Ｊ，Ｌ？ＨＴＥＶ？ＮＯＪＡ Ａ，ＬＡＭＭＡＳＳＡＡＲＩ Ｈ，ｅｔ ａｌ． Ｂｅｓｔ ｏｆ ｂｏｔｈ ｗｏｒｌｄｓ：ａ ｍｏｄｅｌ ｃｏｍｂｉｎｉｎｇ ｏｎｌｉｎｅ ａｎｄ ｍｉｘｅｄｒｅａｌｉｔｙ ｌｅａｒｎｉｎｇ ｅｎｖｉｒｏｎｍｅｎｔｓ ｂａｓｅｄ ｏｎ ｃｏｇｎｉｔｉｖｅ ａｆｆｏｒｄａｎｃｅｓ［Ｊ］． Ｅｄｕｃａｔｉｏｎａｌ Ｍｅｄｉａ Ｉｎｔｅｒｎａｔｉｏｎａｌ，２０２２，５９（１）：４５-６１．

［１６］ＫＵＨＮ Ｄ． Ｃｒｉｔｉｃａｌ ｔｈｉｎｋｉｎｇ ａｓ ｄｉｓｃｏｕｒｓｅ［Ｊ］． Ｈｕｍａｎ Ｄｅｖｅｌｏｐｍｅｎｔ，２０１９，６２（３）：１４６-１６４．

［１７］劉智，吳偉，姜倩． 問題式學習對大學生批判性思維的影響研究：基于國內外 ３１ 項研究的元分析［Ｊ］． 高教探索，２０２０（３）： ４３-４９．

［１８］楊波，晏燕，黎富志． 中小學專任教師性別結構現狀及對策：以重慶市南川區中小學教師性別結構調研分析為例［Ｊ］． 重慶開放大學學報，２０２２，３４（２）：４０-４６．

（編輯 劉 剛）