公眾異步科學討論中的群體知識建構研究

摘 " 要：推進全民科學素質，是國家科技發展的基礎和國際競爭力提升的有力措施。信息技術的高速發展，使公眾能夠借助異步論壇隨時隨地參與科學話題討論、建構科學知識。為探索異步論壇中公眾如何進行知識建構，研究者基于交互分析模型，通過內容分析法和滯后序列分析法，分析了公眾在異步科學討論中的知識建構水平，以及表現出怎樣的知識建構行為。研究發現，公眾參與科學討論時，主要處于低水平的知識建構階段，較少進入高水平的知識建構階段，并且隨著知識建構層次的提升，發帖數量逐漸下降。基于此，研究者提出三類公眾科學知識建構的行為序列，即公眾持續分享與比較信息；持續發現和分析彼此觀點的分歧；在探索和分析觀點中分歧部分的基礎上，通過意義協商進行群體知識建構。

關鍵詞：知識建構；科學素養；異步論壇；行為序列；滯后序列分析

中圖分類號：G434 " " " " 文獻標志碼：A " " " " 文章編號：1673-8454（2024）05-0111-10

一、研究背景

科學素養決定了公民的思維和行為方式，是實施創新驅動發展戰略的基礎，也是國家綜合國力的體現。因此，推進全民科學素質肩負著培養未來科學技術人才和提高民族科學素養的使命，是國家科技發展的基礎和國際競爭力提升的有力措施[1]。

國務院印發的《全民科學素質行動規劃綱要（2021—2035年）》，不僅要求我國公民在知識、技能和價值觀上具備科學品質，同時能夠對科學技術相關的內容進行客觀理解與評判，并理性地表達意見。[2]具有科學素養的公眾應能閱讀、書寫和交流科學內容，并在日常情境中對科學相關的問題加以鑒賞、理解、判斷并作出個人決策。

在信息技術高速發展的今天，通過網絡進行學習已成為人們學習生活的常態。公眾可以通過互聯網，借助異步論壇參與科學討論、協作反思、質詢論證，如在新浪微博、知乎、豆瓣等互動媒體和社區中，可隨時隨地參與科學話題討論，關注科技與社會的發展動態。異步科學討論不僅能夠促進公眾理解科學概念，還能進一步促進公眾對科學知識和問題的建構[3]。因此，公眾異步科學討論是提升科學素養的理想方式。

但是，公眾異步科學討論的相關研究并沒有得到學界的很多關注[4][5]，而有關知識建構的研究也大多集中在課堂教學中[6][7]，這些研究結論不足以揭示公眾科學知識建構的水平、行為及其規律。因此，本研究將聚焦異步論壇中公眾如何進行知識建構，并提出以下兩個研究問題：異步科學討論中公眾的知識建構水平如何？異步科學討論中公眾表現出怎樣的知識建構行為模式？

二、研究綜述

（一）公眾科學傳播與公眾在線科學討論的相關研究

公眾科學傳播鼓勵公眾關注科學，重視科學家的貢獻[8]。早期的研究強調公眾理解科學（Public Understanding of Science， PUS）。研究者常使用赤字模型（Deficit Model）理解公眾交流科學。赤字模型假設公眾缺乏知識，是信息的被動接受者，科學傳播旨在填補公眾的“知識赤字”[9]，科學家單向地向公眾提供科學信息，以加深公眾對科學問題的理解[10]。自20世紀末以來，隨著互聯網和信息技術的迅速興起，公眾理解科學逐漸被公眾參與科學（Public Engagement with Science， PES）所取代，科學傳播模式也從赤字模式逐漸轉變為參與模式[11][12]。

數字媒體環境使公眾能夠通過查找、共享與創建知識與信息的方式進行交流和協作[13]，改變了人們的生活和學習方式。異步討論作為在線討論的一種重要形式，它允許人們超越時間和空間發表觀點、提問和提供反饋[14-16]，為公眾提供參與科學討論、與科學家進行雙向對話的空間[17][18]。因此，異步討論成為一種新的公共科學傳播方法和方式。

近年來，越來越多的研究關注公眾如何參與異步科學討論，通過分析個體如何與他人或科學內容互動[19]，即公眾對科學問題的回復、評論科學內容、向其他用戶發送點贊和感謝、與他人共享內容等[20]，來考察異步討論對公眾理解和建構科學知識的有效性、公眾討論行為及特征、促進公眾參與討論的策略等[21]。

有學者選取在線知識社區Quora上關于氣候變化的討論，并分析帖子的內容、瀏覽量、粉絲數、回帖等，以探索三種敘事內容框架（情感、認知、感知）對科學討論的影響。研究發現，情感和感知框架比認知框架更能促進公眾討論，感知框架最為有效[22]。

也有學者利用網絡爬蟲、主題建模和回歸建模，對Quora上的氣候變化帖子進行定量分析，探討了影響公眾對科學問題知識和意見偏好的關鍵因素。研究發現，擁有更多粉絲的作者、有圖片的文章、更長的文本能夠獲得更多的點贊，而以日常生活為案例的回復獲得的點贊量較少[23]。

2018年，斯利瓦斯塔瓦（Srivastava）等分析了具有不同信息特征的回帖與點贊、分享和評論數量之間的關系。該研究使用內容分析法來考察美國癌癥協會在Facebook上的帖子，發現包含視覺或多媒體內容的帖子獲得更多的分享和點贊，基于文本的帖子獲得更多的評論[24]。

2023年，武文穎、王心穆基于信息質量概念框架，從固有信息質量、情景信息質量、表達信息質量、可訪問性信息質量四個方面探討了知乎平臺中的科普文本。研究發現，知乎科普文本的表達上，并未借助視頻或動畫進行可視化，文本的結構相對清晰[25]。

2019年，高芳芳采用內容分析法，從交往行動理論的角度，分析了2012—2017年公眾網絡論壇上有關全球暖化問題的討論，探討公眾在全球暖化科學議題上的協商質量，如參與程度、論證方式、對話模式、主體間的尊重、理解程度等。研究發現公眾討論呈現低水平的證成性、互動性和協商性，以及高水平的公共利益導向，中等水平的尊重和敘事性[26]。

上述研究分析了公眾參與（如發帖、回帖、點贊、感謝等）情況，以此來考察公眾異步科學討論的有效性、具有怎樣的行為特征與規律等，但高水平的公眾參與是否一定會帶來深入而有意義的科學討論目前仍存在爭議。如維斯巴爾（Visbal）等在2017年分析了YouTube上5個科學視頻的評論，發現雖然這些視頻獲得大量的評論和點贊，但與科學視頻相關的評論比例卻很低，只有少數用戶真正參與有意義的科學討論[27]。同樣，也有學者利用內容分析和文本分析法來探究社交媒體上關于中醫藥的爭論，結果顯示只有少數用戶參與對該話題的理性討論，許多諷刺和不文明的評論降低了討論的質量[28]。因此，公眾多大程度上能進行深入而有意義的科學討論是值得進一步討論的問題。

（二）異步討論中的知識建構相關研究

知識建構理論認為，知識不是被給予的，而是由學習者通過社會互動建構的。知識建構發生在團隊合作、協商和達成共識的過程中[29]。異步討論中的知識建構是個體在社區中互相協作、共同參與討論，并形成對于某一問題或事物的觀念、理論或假設等。

吳亞婕、陳麗對多個異步交互評價模型進行分析，認為古納瓦德納（Gunawardena）等的交互分析模型（Interaction Analysis Model， IAM）適用于群體知識建構[30]。該模型將知識建構水平從低到高分為5個階段：即PH1（分享與比較信息）、PH2（發現不一致）、PH3（意義協商與知識共建）、PH4（檢驗與修改）、PH5（對新建構意義達成一致并應用）[31]。

研究者也常采用交互分析模型對在線論壇的交互質量與知識建構水平進行分析，知識建構的相關研究大部分集中在課堂教學情境下。研究發現，在線討論中處于高水平知識建構的帖子較少，大部分帖子處于以PH1、PH2為代表的低水平知識建構階段。

陳麗在2004年采用交互分析模型考察了參與遠程培訓項目的816名教師在網絡教學平臺中的討論，分析其交互的規律和質量。研究發現，多數交互活動的知識建構水平處于低級階段，即68.9%的帖子集中在PH1階段，23.7%的帖子集中在PH2階段，6.4%的帖子處于PH3階段，1%的帖子處于PH4和PH5階段[32]。

楊現民等在2018年對交互分析模型進行了修改，并增加了PH6（社會情感交互）階段，采用滯后序列分析和統計分析法，考查學生在網絡合作翻譯活動中知識建構的行為模式。研究發現，學生全部的知識建構行為處于中等水平，處于PH1階段的帖子占32.19%， PH2階段的帖子占31.34%， PH3階段的帖子占27.21%，PH4和PH5階段的發帖量共占不到1%。另外，識別出四個顯著的知識建構行為序列，即PH1→PH1、PH2→PH3、PH3→PH3、PH6→PH6[33]。

與此同時，很多學者也對知識建構的影響因素進行了分析，并提出相應措施以促進高水平知識建構。研究發現，更高層次知識建構的必要條件就是保證討論活動持續進行，更高層次的知識建構（PH2—PH5階段）往往發生在有更多參與者的討論中。與此同時，頻繁采用發表評論或意見、表達贊賞、鼓勵參與者作出貢獻和總結這四種技巧，可能會促進異步討論中的更高層次的知識建構，延長討論時間并不會引起更高水平的知識建構[34]。

知識建構的相關研究主要集中在課堂教學中，公眾在非正式學習場景下進行知識建構的研究相對較少。2020年，杜博維（Dubovi）和塔巴克（Tabak）對YouTube上發布的科學主題視頻的評論是否促進用戶的知識建構進行了研究，并分析哪些討論行為會促進知識建構。結果顯示，處于PH1階段的帖子比例較高（37.5%），有44%的帖子進入PH2階段，只有一小部分帖子達到PH3、PH4和PH5階段[35]。 研究還發現，明確表達分歧或反對意見會促進知識建構，最活躍的用戶能達到知識建構的高水平（PH3和PH4階段），粗魯的情緒表達會阻礙合作談判[36]。

基于此，異步論壇多大程度上能夠促進公眾的科學知識建構，公眾自發的科學知識建構行為具有怎樣的規律和特征，有待進一步探索。因此，本研究重點關注公眾在異步科學討論中的知識建構水平如何，以及表現出怎樣的知識建構行為。

三、研究過程、工具與數據分析

為了回答上述問題，本研究選擇國內較大的異步知識社區“知乎”，以“知乎”中科學主題下的一個完整的、熱度較高的話題——“如何看待2023年頻繁的混亂天氣？”為研究對象，分析該討論下公眾的知識建構情況。

首先，研究者利用網絡爬蟲采集該話題中的全部內容，采集的數據包括用戶信息、發帖內容、發帖時間、點贊、感謝等；其次，對采集到的數據進行內容分析和統計分析。基于古納瓦德納等的交互分析模型對該科學話題進行編碼，對編碼得到的結果進行統計，考察公眾異步科學討論的知識建構情況；最后，對編碼得到的數據及其回帖關系，使用GSEQ分析軟件，采用滯后序列分析法，考察公眾異步科學討論的行為序列，進一步分析其行為模式。

滯后序列分析法常被用于評估某種行為隨時間發生的概率，主要用于分析某些行為之后是否發生了另一種具有統計學意義的行為[37]。本研究采用的編碼系統是古納瓦德納等的交互分析模型，該模型關注參與者的互動，描述了從低到高5個知識建構過程（PH1—PH5）[38]。每個階段的知識建構又進一步細化為3—5個二級指標，具體如表1所示。

數據分析過程中，依據交互分析模型，以每條評論作為一個編碼單元對數據進行編碼。在進行內容分析時，首先對兩位編碼人員進行培訓，使其熟悉交互分析模型。然后由一位編碼人員對完整話題中共計1030個帖子進行編碼，并以此作為編碼的最終結果。為保證分析結果的準確性，第二位編碼人員對隨機選取的523個帖子（約占50%）進行背對背編碼，并對二人共同編碼結果進行一致性分析，得出Cohen’s Kappa值為0.783（plt;0.001）。

四、研究結果與討論

（一）異步科學討論中的公眾知識建構水平

該話題發布于2023年4月21日，截止到2023年8月24日，話題持續125天，共有135個線程、1030個帖子，共獲得7541個點贊、990，975次瀏覽。從統計數據中可以看到，PH1帖子為818條（79.418%），PH2帖子為197條（19.126%），PH3帖子為10條（0.971%），PH4帖子為0條，PH5帖子為5條（0.485%）。對5個階段的頻數分布進行卡方擬合優度檢驗，結果顯示5個階段的頻度分布差異具有統計學意義（χ2=4512.532，p=0.000），表明公眾參與科學討論時，主要處于知識建構的PH1和PH2階段，較少處于PH3、PH4和PH5階段，并且隨著知識建構層次（從PH1到PH5）的提升，發帖數量逐漸下降。該研究結果與杜博維等在2020年的研究結論相一致[40]。也就是說，公眾參與異步科學討論時主要針對討論的主題進行描述和分享各自的觀點、信息，探討和分析各自的想法、觀點中的一致和分歧。公眾幾乎不會通過意義協商進行群體知識建構，也不會檢驗和修改新建構的觀點，幾乎沒有對新建構意義達成一致并應用。

從表1可知，在PH1階段中，PH1/A類（對觀察結果或觀點進行描述）的帖子共661條；PH1/B類（對其他參與者的觀點表示認同的描述）共6條；PH1/C類（證實其他參與者所提供的例子）0條；PH1/D類（相互詢問、回答以澄清描述的細節）共150條；PH1/E類（定義、描述、確定一個問題）1條。

在PH2階段中，有關PH2/A類（確定并說明分歧的地方）的帖子共102條；PH2/B類（詢問和回答問題以澄清分歧的來源和程度）的帖子共73條；PH2/C類（重申參與者的立場，并通過參考參與者的經驗、文獻和收集的正式數據來支持其論點，或提出相關的隱喻或類比來說明觀點）的帖子共22條。

在PH3階段中，PH3/A類（協商或者澄清術語的含義）、PH3/B類（協商各觀點并分辨其重要性）、PH3/C類（鑒別相互沖突的概念間存在的共同之處）、PH3/D類（提出和協商體現妥協的新描述）的帖子數量分別為5條、2條、2條、1條。

PH4階段的帖子數量為0。在PH5階段中，PH5/A類（總結達成一致的觀點）的帖子數量為5條。

研究發現，異步論壇為公眾提供了科學知識和信息分享的機會。公眾可以就科學問題發表自己的觀點、詢問與回答，以進一步明確各自觀點。隨著討論的進行，公眾發現、判別、比較觀點之間的分歧，確定分歧的來源和程度，提供論據以支持其觀點。公眾幾乎不會進行意義協商與知識共建；不會基于經驗、文獻、數據等論據檢驗和修改新觀點；也不會總結、應用新觀點，并說明各自知識或思維方式的變化。

（二）異步科學討論中公眾的知識建構行為模式

研究者根據編碼結果和帖子回復關系，采用GSEQ軟件進行序列分析，生成公眾知識建構行為序列調整后的殘差表（見表2），其中Z-scoregt;1.96表明該知識建構行為序列出現的頻次在統計學上具有顯著意義。根據GSEQ生成結果繪制出知識建構水平轉換圖（見圖1），箭頭指向為伴隨行為，連線上面的數值是該知識建構序列的殘差數值，Z值越大代表該知識建構序列的顯著水平越高，其中指向自身的顯著知識建構序列有5種，其他行為序列有4種。這9種公眾科學知識建構的行為序列可歸結為3大類，即PH1→PH1，PH2→PH2，PH2→PH3。

行為路徑PH1→PH1表示公眾持續分享與比較信息。其中，行為路徑PH1/A→PH1/A（Z-score=5.69）、PH1/D→PH1/D（Z-score=5.91）達到顯著水平，表明公眾持續對個人觀點或觀察到的結果進行陳述；持續通過詢問、回答等方式進一步明確、澄清描述的問題。

行為路徑PH2→PH2表明公眾持續發現和分析各自觀點的分歧。其中，PH2/A→PH2/A（Z-score=4.84）、PH2/A→PH2/C （Z-score=2.24）、PH2/B→PH2/B （Z-score=7.88）、PH2/B→PH2/C（Z-score=2.21）、PH2/C→PH2/C（Z-score=6.15）達到顯著水平，表明公眾在該階段有以下行為路徑：持續明確分歧；在明確分歧的基礎上提出論據并重申觀點；持續詢問、回答問題以明確分歧的來源和程度；在明確分歧的來源和程度的基礎上提出論據并重申觀點；持續提出論據并重申觀點。

行為路徑PH2→PH3表明公眾探索和分析觀點中的分歧、深化對問題的認識，進而通過意義協商進行群體知識建構。其中，PH2/A→PH3/C（Z-score=2.71）、PH2/A→PH3/D （Z-score=2.71）達到顯著水平，表明公眾在該階段有以下行為路徑：當公眾明確分歧后，或鑒別相互沖突概念間的共同點，或協商并構建新知識。

楊現民等在2018年考察了網絡合作翻譯活動中學生的知識建構行為模式，發現課堂活動中有以下行為序列：PH1→PH1、PH2→PH3、PH3→PH3[41]。

與課堂教學中的知識建構行為序列相比，本研究中公眾的異步科學知識建構行為序列水平整體略低。公眾異步科學知識建構與課堂活動中知識建構的相似之處在于，都存在較低水平的知識建構行為序列PH1→PH1和從知識建構低水平到高水平發展的行為序列PH2→PH3。但不同的是，公眾的異步科學討論中，有課堂學習中不具備的行為序列PH2→PH2，而沒有出現較高水平的知識建構行為序列PH3→PH3。可能是因為公眾異步科學討論形式與時間較為松散，且參與者具有不同的經驗背景，對于問題的分析會從更多角度考慮；而課堂教學活動中，教師首先會對相關主題內容進行集中學習，對于討論內容有了基礎和定向，因此公眾異步科學討論會比課堂討論有更多的分歧及圍繞分歧的比較與分析，也有更多的PH2→PH2行為序列。另外，課堂活動中教師的參與和指導會幫助學生明確和比較觀點中的分歧，進而協商意義與建構知識，以促進知識建構進入更高層次。

五、結論

本研究基于內容分析和滯后序列分析法，考察公眾異步科學討論中的知識建構水平及知識建構行為模式。研究發現，異步論壇不僅為公眾提供了科學信息和內容的共享平臺，也為公眾提供了分析和理解他人觀點和意見的機會。當公眾圍繞科學話題進行討論時，主要處于分享和比較信息階段；當面對不同觀點時，會分析和探究各自想法、概念中的分歧；較少進入到意義協商、檢驗修改、應用新知等高水平知識建構階段。

在知識建構過程中，公眾表現出以下行為序列：公眾持續發表自己的觀點、持續評價他人觀點與佐證、持續提問和回答以明晰觀點的細節；當公眾發現有不一致觀點或信息時，會持續描述并確定其不一致的地方，或分析比較不一致觀點中的共同之處，或持續利用數據或類比重申其立場與觀點，或對概念和觀點進行協商并產生新的觀點；公眾持續對觀點的差異來源和程度進行詢問，有時也會伴隨著公眾利用數據或類比重申其觀點與立場。

本研究還存在以下不足與缺陷，如研究數據只關注了一個科學話題等。雖然研究結論揭示了話題完整生命周期中知識建構情況及其行為模式，但這些結論對于不同主題、不同提問方式的科學話題是否適用仍值得進一步探索。與此同時，手動編碼在工作量和準確率上也存在進一步優化的空間。因此，未來研究希望提出知識建構水平分析的機器編碼方案，并進一步探索公眾異步論壇中哪些策略會促進更高水平的知識建構及行為。

參考文獻：

[1]鄭永和，張登博，管彤彤，等.智能技術在科學教育中的應用：研究現狀、關鍵方法與發展趨勢[J].中國教育信息化，2023，29（9）：3-11.

[2]國務院.全民科學素質行動規劃綱要（2021—2035年）[EB/OL].（2021-06-03）[2023-08-02]. https：//www.gov.cn/gongbao/content/2021/content_5623051.htm.

[3]ERDURAN S， SIMON S， OSBORNE J. TAPping into argumentation： Developments in the application of Toulmin’s argument pattern for studying science discourse[J]. Science Education， 2004，88（6）：915-933.

[4]CHENG M M， KINSHUK. Effect of behavior patterns on the death of threads in asynchronous discussion forums： A study of informal learners from China[J]. Educational Technology Research and Development， 2020，68：3371-3392.

[5][35][36][40]DUBOVI I， TABAK I. An empirical analysis of knowledge co-construction in YouTube comments[J]. Computers amp; Education， 2020，156：1-16.

[6][33][41]YANG X M， LI J H， XING B B. Behavioral patterns of knowledge construction in online cooperative translation activities[J]. The Internet and Higher Education， 2018，36：13-21.

[7]Y？譈CEL ？譈 A， USLUEL Y K. Knowledge building and the quantity， content and quality of the interaction and participation of students in an online collaborative learning environment[J]. Computers amp; Education， 2016，97：31-48.

[8]DUDO A， BESLEY J C. Scientists’ prioritization of communication objectives for public engagement[J]. PlOS ONE， 2016，11（2）：1-18.

[9]BAUER M W. Results of the essay competition on the ‘deficit concept’[J]. Public Understanding of Science， 2016，25（4）：398-399.

[10][17]MARTIN C， MACDONALD B H. Using interpersonal communication strategies to encourage science conversations on social media[J]. PLOS ONE， 2020，15（11）：1-32.

[11]J？譈NGER J， F？魧HNRICH B. Does really no one care？ Analyzing the public engagement of communication scientists on Twitter[J]. New Media amp; Society， 2020，22（3）：387-408.

[12]KIM W， JEONG O R， Lee S W. On social Web sites[J]. Information Systems， 2010，35（2）：215-236.

[13]ANDRESEN M A. Asynchronous discussion forums： success factors， outcomes， assessments， and limitations[J]. Educational Technology amp; Society， 2009，12（1）： 249-257.

[14]DEWERT M H， BABINSKI L M， JONES B D. Safe passages： Providing online support to beginning teachers[J]. Journal of Teacher Education， 2003，54（4）：311-320.

[15]YANG Y F， YEH H C， WONG W K. The influence of social interaction on meaning construction in a virtual community[J]. British Journal of Educational Technology， 2010， 41（2）：287-306.

[16]HO S S， YANG X D， THANWARANI A， et al. Examining public acquisition of science knowledge from social media in Singapore： An extension of the cognitive mediation model[J]. Asian Journal of Communication， 2017，27（2）：193-212.

[18]FAUVILLE G. Questions as indicators of ocean literacy： Students’ online asynchronous discussion with a marine scientist[J]. International Journal of Science Education， 2017，39（16）：2151-2170.

[19]MCMILLAN S J. Exploring models of interactivity from multiple research traditions： Users， documents， and systems[M]. Handbook of New Media： Social Shaping and Consequences of ICTs， 2006：205-229.

[20]BOCZKOWSKI P J， MITCHELSTEIN E. How users take advantage of different forms of interactivity on online news sites： Clicking， e-mailing， and commenting[J]. Human Communication Research， 2012，38（1）：1-22.

[21]DUBOVI I， TABAK I. Interactions between emotional and cognitive engagement with science on YouTube[J]. Public Understanding of Science， 2021，30（6）：759-776.

[22]SHI W， CHEN C F， XIONG J， et al. What framework promotes saliency of climate change issues on online public agenda： A quantitative study of online knowledge community Quora[J]. Sustainability， 2019，11（6）：1-24.

[23]JIANG H C， QIANG M S， ZHANG D C， et al. Climate change communication in an online Qamp;A community： A case study of Quora[J]. Sustainability， 2018，10（5）：1-17.

[24]SRIVASTAVA J， SAKS J， WEED A J， et al. Engaging audiences on social media： Identifying relationships between message factors and user engagement on the American Cancer Society’s Facebook page[J]. Telematics and Informatics， 2018，35（7）：1832-1844.

[25]武文穎，王心穆.網絡問答社區“知乎”科普文本信息質量研究[J].科技傳播，2023，15（5）：17-20，25.

[26]高芳芳.公眾參與視角下科學爭議的公共協商——以全球暖化問題的網絡討論為例[J].科普研究，2019，14（4）：14-23，110-111.

[27]VISBAL J L C， CRAWFORD L. Science popularization videos by independent YouTube creators and user’s appropriation strategies： Qualitative analysis of user comments[C]//International Academy of Technology Education and Development. 9th International Conference on Education and New Learning Technologies， July 3-5， 2017， Barcelona， Spain. Valencia： IATED， 2017：1546-1554.

[28]CHEN L， WU X W， LI M. Formation and fragmentation within a networked public sphere： Social media debates on Traditional Chinese Medicine[J]. Telematics and Informatics， 2018，35（8）：2219-2231.

[29]LENKAUSKAIT"J， COLOMER J， BUBNYS R. Students’ social construction of knowledge through cooperative learning[J]. Sustainability， 2020，12（22）：1-24.

[30]吳亞婕，陳麗.在線學習異步交互評價模型綜述[J].電化教育研究，2012，33（2）：44-49，53.

[31][38][39]GUNAWARDENA C N， LOWE C A， ANDERSON T. Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing[J]. Journal of Educational Computing Research， 1997，17（4）：397-431.

[32]陳麗.網絡異步交互環境中學生間社會性交互的質量——遠程教師培訓在線討論的案例研究[J].中國遠程教育，2004（13）：19-22，78.

[34]HEW K F， CHEUNG W S. Higher-level knowledge construction in asynchronous online discussions： An analysis of group size， duration of online discussion， and student facilitation techniques[J]. Instructional Science， 2011，39：303-319.

[37]HAWKS I K. Facilitativeness in small groups： A process-oriented study using lag sequential analysis[J]. Psychological Reports， 1987，61（3）：955-962.

Research of Group Knowledge Construction in Public Asynchronous Scientific Discussions

Mengmeng CHENG， Qiujing ZHANG， Xinyue WANG

（Jing Hengyi School of Education， Hangzhou Normal University ， Hangzhou 311121， Zhejiang）

Abstract： Promoting the scientific literacy of the public was the foundation of national scientific and technological development and a powerful measure to enhance international competitiveness. The rapid development of information technology enabled the public to participate in scientific topic discussions and construct scientific knowledge anytime and anywhere through asynchronous forums. To explore how the public constructed knowledge in asynchronous forums， this study was based on the Interaction Analysis Model proposed by Gunawardena et al.， using content analysis and lag sequence analysis methods， to investigate the level of knowledge construction and the behaviors patterns of knowledge construction exhibited by the public in asynchronous scientific discussions. Research had found that when the public participated in scientific discussions， they were mainly in the low-level knowledge construction stage represented by PH1 and PH2， and rarely entered the high-level knowledge construction stage represented by PH3， PH4， and PH5. As the level of knowledge construction increased， the number of posts gradually decreased. Furthermore， three types of behavioral sequences for the construction of public scientific knowledge had been proposed， namely， the continuous sharing and comparison of information by the public; Continuously discovering and analyzing differences in each other’s perspectives; On the basis of exploring and analyzing differences in viewpoints， group knowledge construction was carried out through meaning negotiation..

Keywords： Knowledge construction; Scientific literacy; Asynchronous forum; Behaviors sequence; Lag sequential analysis

編輯：李曉萍 " 校對：王天鵬