可視化實時協作場景中群體深度學習發生的多維特征挖掘研究

[摘 要] 隨著對教育互動的研究越來越強調“情境依存性”，關注復雜交互場景下互動數據的多維分析有助于還原群體學習復雜過程、揭示特定規律、優化特定服務。研究通過對三組不同協作成效的個案在可視化實時協作場景中的互動數據進行協作關系、協作行為和協作時序的多維分析發現，群體深度學習發生的特征表現為：（1）有多個核心成員且分層領導的組織關系，更有利于促使小組在協作前期的資料搜集和推進方案想法或成果形成的階段積極展開交互反饋；（2）小組在協作過程中基于“內容建構”的集中性反饋和基于“案例共享、信息搜集、想法拓展”的實質性反饋對小組協作深度影響大于圍繞“線索提示、任務明晰”的流程性反饋；（3）小組協作習慣主要存在“問題導向、資料導向、任務導向”三種典型模式，對小組協作深度的促進依次減弱。該研究為高校教學多元交互場景中新協作樣態下的群體深度學習發生機理揭示、評價方法和促進策略優化等提供了理論與實踐基礎以及后續建議。

[關鍵詞] 高校教學； 可視化實時協作； 協作問題解決； 群體深度學習； 多維特征挖掘

[中圖分類號] G434 [文獻標志碼] A

[作者簡介] 姚佳佳（1993—），女，浙江湖州人。講師，博士，主要從事深度學習、協作學習、學習分析等研究。E-mail：yjjyoka@jiangnan.edu.cn。李艷為通信作者，E-mail：yanli@zju.edu.cn。

一、研究背景與綜述

（一）更多新興協作情境中的深度學習發生機理有待揭示

近年來，計算機支持的協作學習逐漸成為教育學、計算機科學、心理學和腦科學等領域的研究熱點，但設計和組織一個促進協作有效發生的深度學習場景依然不常見且不易[1]。隨著虛擬現實、人工智能、大數據挖掘、多模態分析、多人實時交互與可視化等多種新型技術的興起，對教育互動的研究越來越強調“情境依存性”，開始通過對多場景互動數據的感知、分析、融合來還原互動過程、刻畫互動主體、揭示認知規律、優化學習服務，以此推動協作學習研究的科學發展[2]。計算機支持協作學習的研究也因此越來越關注如何充分利用新興技術賦能群體學習的過程與結果，以設計更有效的協作學習新樣態，包括協作學習新樣態的設計策略（學習活動或學習工具設計等）、評價方法（評價方法或評價工具開發等）、發生機制（宏觀、中觀、微觀不同層面的原理與規律）等。

（二）作為多元交互場景的可視化實時協作研究現狀

可視化實時協作主要指允許多人同時在一個不受限制的自由畫布空間，運用一系列圖形化或非線性互動元素把本來不可見的互動過程、互動脈絡、互動關系、互動內容模塊等呈現出來，使其清晰可見的一種實時協作形式，是一種融合了可視化互動、即時通訊、論壇社區等多維互動形式的“無界社區”[1]。關于可視化實時協作的研究目前主要包括三種趨勢[1-3]：早期圍繞“圖形化討論（Graphical Discussion）”開展的大量協同辯論研究；用于教師收集學生問答反饋或頭腦風暴的課堂師生單向快速互動模式及效果研究；用于小組思維導圖或學習筆記協作共建的可視化制品展示及協作過程研究。研究表明，實時互動形式一定程度上能豐富學生對話內容，促進學生知識學習效果，可視化要素的加入對緩解學生學習情緒、提升學習效益更有幫助，圖形化界面在突出互動結構和支持同伴有目的瀏覽互動內容方面具有較大潛力[1]。

（三）群體協作深度的評價研究現狀

目前，大多數研究主要聚焦在對協作學習投入的評價和互動對話的內容分析等視角，包括從社交互動參與表現、認知行為表現、情感表現等方面去分析學生的對話內容[4-7]，尤其對內容本身的認知行為類型關注較多，對同伴之間對話反饋關系的體現較少[8-10]。此外，還有一部分研究關注面向協作知識建構的智能會話分析或智能學習分析儀表盤等評價工具的開發與應用，包括認知參與、行為參與、社交參與等視角的自動分析與反饋以及學生自評、互評等評價形式的結合等[11-13]。而對于特定的協作問題解決情境中的學習深度測量，傳統手段多關注個體能力檢測或群體結果性評價[14]，近年來，開始更多關注個體或群體的協作問題解決過程性表現，個別研究分別探討了群體協作的成員特征、角色關系、協作行為構成和時序分布等方面的表現與其協作成就之間的關系[15-16]，但較少關注到可視化實時協作場景中的各類過程性表現特征與協作深度關聯的挖掘。

整體來說，現有研究主要存在以下幾方面不足：在可視化實時協作場景的應用方式上，可視化功能更多用于表征學習內容，缺乏與互動性能的真正結合，學生可能仍依賴額外實時通信工具進行交互，可視化要素并未真正介入支持同伴交互行為過程中；在群體協作深度的評價方式上，研究多以常規在線學習場景中學生會話單維屬性的描述性統計、社交網絡分析等傳統學習分析以及對學生認知、心理、態度等調查為主，缺乏對可視化實時協作這一多元交互場景下群體深度學習發生的多維特征挖掘及其與群體學習深度的關聯分析。

二、研究目的與問題

本研究旨在基于可視化實時協作這一多元交互場景，探究高校混合教學中小組協作問題解決的新協作樣態設計與實踐，并基于不同協作表現特征小組的案例研究，挖掘該場景中的小組協作習慣與其協作深度之間的關聯，從而為這一新協作樣態下的群體深度學習發生機理揭示、評價方法和促進策略優化等提供理論和實踐基礎。具體研究問題如下：（1）不同協作深度的小組在可視化實時協作關系特征上存在何種差異？（2）不同協作深度的小組在可視化實時協作行為特征上存在何種差異？（3）不同協作深度的小組在可視化實時協作時序特征上存在何種差異？

三、研究方法

（一）研究被試與環境

本研究以某研究型大學Z校本科生專業選修課“網絡與遠程教育”為實踐環境，接收來自教育學、計算機、旅游管理等專業的11名大三學生完整參與本次實驗周期（其中，男生3人、女生8人，且男女生中各有一名留學生）。被試被分為三個小組（為保證每個小組均有3名中國學生，兩名留學生被分別分配在兩個4人小組中）。每組在持續8周的八個不同學習主題下均需完成8次協作問題解決的小組任務，具體協作過程要求按照四個問題解決階段[17]推進：（1）問題表征階段（Problem Representation），確定并深入理解要解決的核心問題，探討其重要性，分析問題之間的聯系，確定優先級，并檢查信息遺漏，同時識別出問題的首要原因；（2）方案生成階段（Generating Solutions），探討可能的解決方案，評估其效果，詳細說明實施步驟，并考慮其他可行方案；（3）辯解論證階段（Making Justifications），闡述選擇最佳方案的理由，討論其局限性，并提供有力證據以說服不同觀點的人；（4）監測評估階段（Monitoring and Evaluating），考慮不同利益相關群體的視角，分析解決方案的優缺點，同時思考如何說服持有不同立場的利益相關者，探討改進措施，并準備替代方案以應對可能的未達預期的情況。研究選取“會議桌”這一集頭腦風暴、視頻會議、在線教學、流程圖繪制、任務管理、思維導圖等多種可視化表征和實時互動功能為一體的多人可視化實時協作平臺，作為小組開展協作問題解決的工具（圖1為小組協作界面示例）。

（二）數據收集與分析

為了體現小組在可視化實時協作場景中的交互元素使用行為、交互反饋層級等屬性，研究通過改編相關編碼指標（見表1），由兩位研究人員對學生在會議桌協作問題解決過程中產生的1365條交互內容進行協作行為的獨立編碼（Kappa=0.98），并采用ENA 1.6.0 Web Tool和Tableau工具對編碼結果分別進行認知網絡分析和時序分析，以挖掘不同小組在問題解決過程中的協作行為構成情況與時序規律。

對于小組協作問題解決深度的評價，由兩位研究人員基于改進型SOLO評分框架[18]（見表2），對三個小組在會議桌中產生的8次協作問題解決情況（共24份小組制品）進行獨立評分（Kappa=0.97），并采用Excel對其進行折線圖繪制和描述性統計分析，以了解各組在各次協作中達到的問題解決深度波動情況、整體趨勢和平均水平等。

四、結果與討論

（一）不同小組的可視化實時協作深度表現

如圖2所示，第1組的協作深度整體處在高級多元結構和低級關聯結構中間水平，第2組處在低級關聯結構和高級關聯結構中間水平，第3組處在中級多元結構和高級多元結構中間水平。整體而言，第2組的群體協作深度達到了深度學習水平，第3組還處于淺表學習水平，而第1組則處于較高水平的淺表學習和較低水平的深度學習之間。

（二）不同協作深度小組的可視化實時協作關系特征

圖3左側是三個小組11位成員的具體協作行為編碼結果的認知網絡分析圖，右側是對每位組員的行為表現深入剖析后總結凝練的各組成員角色關系圖。整體來看，不同協作深度小組的協作關系差異主要體現在：第1組同時具備兩位同等級作用的中心人物，形成了“雙中心型”的協作關系；第2組的每位組員扮演不同層次的功能角色，以“分層中心型”的互補關系展開協作；第3組則是常見的小組成員功能結構，形成的是一位組長領導的“單中心型”協作方式。

就上述不同小組的協作深度差異可知：當組內有多個核心成員時，學生更能基于協作內容展開豐富的交互反饋，但相比僅對已有協作內容提供質疑或修改反饋的成員，積極參與協作方案想法與內容形成初期的交互反饋以及圍繞協作內容對同伴疑問積極給予澄清和解釋的成員，更能對小組協作的核心思路和內容構建起到方向把控的作用，也更能促使小組形成對相關主題的深度認知，而分層中心的組織關系更有利于激發此類成員的形成。當組內僅有單個核心成員時，學生在組內的交互反饋更易圍繞協作任務展開，而缺乏深入內容的探討，這種明確高效的傳統分工合作方式并不能有效提升協作成果的認知層次。

（三）不同協作深度小組的可視化實時協作行為特征

圖4是三個小組群體層面協作行為編碼結果的認知網絡分析兩兩對比圖。表3是對每組的群體表現特征進行深入剖析后，從六個方面總結梳理的各組協作行為差異列表。整體來看，不同協作深度小組的協作行為差異主要體現在：第3組主要僅依賴簡單的“信息搜集”以及基于信息的“線索提示”和推進“任務明晰”來完成群體協作；第2組在第3組特征的基礎上，還能在“內容建構”“案例共享”和“想法拓展”等方面均開展更豐富的協作；第1組則在深入的“案例共享”“信息搜集”和“想法拓展”方面不如第2組開展得到位，主要在“任務明晰”方面比其他兩組做得更充分。

就上述不同小組的協作深度差異可知：（1）組員之間對同伴建構的協作內容展開積極的交互反饋是保障小組協作問題解決達到深度認知層次的重要基礎（即“內容建構”的集中性反饋是核心根基）。（2）只有在更前期環節的資料搜集以及推進方案想法或成果形成過程中，確保展開更積極的內容加工理解類交互反饋而非信息認可類交互反饋，才能促使小組最終協作達到更穩定的深度水平（即“案例共享、信息搜集、想法拓展”的實質性反饋是質量保障）。（3）以小組任務分工為主的交互反饋因多為簡單的提示性對話，缺乏深入內容的具體交流，難以促進小組協作達到深度認知層次（即“線索提示、任務明晰”的流程性反饋是表面工程）。

（四）不同協作深度小組的可視化實時協作時序特征

圖5左側是三個小組群體層面協作行為編碼結果的時序圖示例，右側是對每組的群體協作行為順序特征進行剖析后總結凝練的各組協作時序習慣圖。整體來看，不同協作深度小組的協作時序差異主要體現在：第1組基本不太涉及“選題”的真正交流，習慣直接從找“資料”開始，再基于搜集的資料來重點探討解決方案的“框架”，最后基于框架分工來完成協作“成果”的內容建構，屬于“資料導向”的協作習慣；第2組會認真從“選題”開始探討，基于確定的主題協商解決方案“框架”，再基于框架分工來協作搜集和重點探討密切相關“資料”的加工過程，最后一起完善“成果”的構建，屬于“問題導向”的協作習慣；第3組則不太重視“框架”探討的需要，直接交流完“選題”就進入分工找“資料”，最后合作拼接“成果”，屬于“任務導向”的協作習慣。

就上述不同小組的協作深度差異可知：（1）“問題導向”小組的協作習慣有利于組員基于確定的問題解決框架對同伴資料內容給予充分的交互反饋，能夠加深組員對彼此所負責內容的理解，進而促進小組協作成果達到深度認知層次。（2）“資料導向”小組的協作習慣不利于促進組員對同伴資料內容的交互反饋和理解，但有利于其基于資料支撐更深入地展開關于解決方案框架的交互反饋，這種方式導致的小組協作成果認知層次不夠穩定，群體可能達到深度學習，也可能停留在淺表層面。（3）“任務導向”小組的協作習慣既不利于組員對同伴資料展開充分交互反饋，也不利于其基于資料支撐展開有關解決方案框架的深入探討，協作成果的產生缺乏各階段真正的內容性交互反饋過程，以成員獨立完成各自負責部分和小組匯總合并為主，導致組員既對彼此的內容缺乏了解，又對小組問題解決情況的思考和理解不深，使得群體協作停留在淺表層次。

五、總結與展望

（一）研究結論

研究發現，在基于可視化實時協作的多元交互場景中，小組的協作關系、協作行為、協作時序等協作習慣均會影響其達到的群體協作深度，具體體現在：

其一，有多個核心成員且分層領導的組織關系，更有利于促使小組在協作前期的資料搜集環節以及推進方案想法或成果形成的階段積極展開交互反饋，并在資料搜集環節實現真正的內容合作而非任務合作。相關結果在已有研究中也得到了較為相似的印證，如Liu等人[19]發現，集中知識交流的同伴對話模式（具有公認能力的學生成為群體中知識交流的中心，類似本研究中問題導向的分層中心型小組結構）產生的小組協作作品成績最高，群體發展障礙的同伴對話模式（學生沒有聚攏于一個共同的過程來解決指定的問題，類似本研究中任務導向的單中心型小組結構）產生的小組協作作品成績最低，部分知識交流的同伴對話模式（問題解決過程和知識交流只發生在選定的學生之間，類似本研究中資料導向的雙中心型小組結構）產生的小組協作作品成績則處于前兩者之間。

其二，小組在協作解決問題的過程中，基于“內容建構”展開集中性反饋以及基于“案例共享、信息搜集、想法拓展”展開實質性反饋對小組協作深度結果至關重要，圍繞“線索提示、任務明晰”的流程性反饋影響不大。這意味著在實際的教學過程中，比起關注小組協作的全程表現，更著重引導學生在協作早期開展積極的搜集、探討與建構工作，更有利于保障學生的群體學習成效。然而，被試在學習體驗反饋中表明，其在小組協作中遇到的最大挑戰正是“在開始提出思路階段最缺乏積極性”這一問題。有研究通過定量分析和函數建模方法探索小組在協作解決問題過程中的收斂出現節點時發現，小組高（或低）質量的貢獻在討論中較早出現時，對最終結果有著更大的影響，這啟示教師不需要提供全過程的腳手架支持，但可以重點在討論的早期階段提供適當的腳手架來促進小組的討論更早達到收斂，從而提升群體學習的最終成效[20]。

其三，小組整體的協作習慣主要存在“問題導向、資料導向、任務導向”三種典型模式，對小組協作深度的促進依次減弱，注重“任務合作”的小組協作并不能促進群體達到深度學習，決定群體協作能否實現深度學習的關鍵一環在于小組能否在“資料”環節做到真正的“內容合作”，即組員能夠對同伴提供的資料內容給予充分的交互反饋，從而促進彼此對各自內容的深度理解和消化。已有研究也發現，學生在協作問題解決活動中存在不同模式的對話[8]：一種是專注于尋找結果答案的權威式交流，往往產生領導者和跟隨者這種不對稱的組員角色，學生更多地是在提出自己的觀點視角后通過評價反饋強化自己的想法，最終快速達成共識和生成結果，大部分反饋往往被簡單地確認、評價或忽略，這一模式跟本研究中的任務導向模式較為類似；另一種是對話式探討，同伴反饋旨在互惠，組員之間角色互補，學生通過提問和描述性反饋來支撐同伴的想法，或通過對同伴的想法進行重新組織措辭、澄清或制定建議來提供精心設計的反饋，并鼓勵同伴提供提示或挑戰想法來進行回應，這一模式則跟本研究中的問題導向模式較為類似。

（二）未來展望

可視化實時協作場景下的問題解決過程是一種復雜現象，學生群體需要通過對話和行動不斷協調交互、行為、調節、認知等以適應復雜和動態變化的協作環境[21]。因此，對這類復雜交互場景下的協作過程的理解，未來將需要通過更加有機、非線性和整體的方法來挖掘其中的多維性質、協同關系和非線性的動態演化特征[22]。而智能技術將為此提供新動能，未來復雜教育情境中的群體協作過程深度評價將走向“多來源、多模態數據可視化表征—大數據、大模型要素自動化計算—全系統、全業務人機協同化決策”新方向[23]，融合多種智能技術深度挖掘學生語言、交互行為、情緒情感等數據的評價方法成為最新趨勢[24]。

研究團隊未來將進一步關注如何在可視化實時協作的多元交互場景中，為群體學習提供更多有效的輔助策略或支架工具，如多維的群體感知工具、更優設計的CSCL可視化支持系統和編排腳本、更系統視角的多層次智能分析技術以及融入AIGC功能后的提示設計、認知建模、過程挖掘與效果監測[25]等，從而方便教師了解和順應學生群體的動態演變規律，人機協同地引導學生更好地在協作過程各個階段開展深入交互反饋，由此實現復雜交互場景下群體協作深度的動態識別與精準干預，促進小組協作方式的優化轉型和協作成效的改善。

[參考文獻]

[1] 姚佳佳，李艷，陳新亞，等. 不同可視化實時互動界面對大學生同伴對話反饋的影響研究[J]. 遠程教育雜志，2023，41（1）：102-112.

[2] 鄭永和，王一巖，吳國政，等. 教育信息科學與技術研究的現實圖景與發展路向——2018—2022年F0701資助情況分析[J]. 現代遠程教育研究，2023，35（1）：10-19.

[3] 姚佳佳，李艷，陳新亞，等. 基于實時互動的同伴對話反饋對大學生課堂深度學習的促進效果研究[J]. 電化教育研究，2022，43（1）：113-121.

[4] 馬志強. 社會性認知互動的多維刻畫：協作學習投入理論建構與實踐探索[M]. 北京：中國社會科學出版社，2021.

[5] 馬志強，岳蕓竹，王文秋. 基于多模態交互信息的協作學習投入分析[J]. 現代教育技術，2021，31（1）：47-53.

[6] 馬志強，孔伶玉，岳蕓竹. 面向協作學習多重投入特征畫像的多模態學習分析[J]. 遠程教育雜志，2022，40（1）：72-80.

[7] OUYANG F， CHANG Y -H. The relationships between social participatory roles and cognitive engagement levels in online discussions[J]. British journal of educational technology， 2018，50（3）：1396-1414.

[8] GAN JOO SENG M， HILL M. Using a dialogical approach to examine peer feedback during chemistry investigative task discussion[J]. Research in science education， 2014， 44： 727-749.

[9] ER E， DIMITRIADIS Y， GA？譒EVI■ D. A collaborative learning approach to dialogic peer feedback： a theoretical framework[J]. Assessment and evaluation in higher education， 2021，46（4）：586-600.

[10] 姚佳佳，李艷，潘金晶，等. 同伴對話反饋對大學生在線深度學習的影響研究[J]. 華東師范大學學報（教育科學版），2022，40（3）：112-126.

[11] 馬志強，郭文欣，王萌. 面向協作知識建構會話內容的智能挖掘分析[J]. 現代遠距離教育， 2022（1）： 3-13.

[12] 馬志強，呂子蕓，張賽宇. 邁向人機協同的協作學習——CSCL領域智能學習分析儀表盤研究熱點與前沿趨勢探究[J]. 現代遠距離教育，2022（5）：3-11.

[13] HU L， WU J， CHEN G. iTalk-iSee： a participatory visual learning analytical tool for productive peer talk[J]. International journal of computer-supported collaborative learning， 2022，17：397-425.

[14] ROJAS M， NUSSBAUM M， CHIUMINATTO P， et al. Assessing collaborative problem-solving skills among elementary school students[J]. Computers & education， 2021，175：104313.

[15] 王辭曉，王小越. 多元小組特征對協作問題解決的組態效應——基于模糊集定性比較分析（fsQCA）[J]. 遠程教育雜志，2023（6）： 62-70.

[16] OUYANG F， TANG Z， CHENG M， et al. Using an integrated discourse analysis approach to analyze a group's collaborative argumentation[J]. Thinking skills and creativity， 2023，47：101227.

[17] BYUN H， LEE J， CERRETO F A. Relative effects of three questioning strategies in ill-structured， small group problem solving[J]. Instructional science， 2014，42：229-250.

[18] BURNETT P C. Assessing the structure of learning outcomes from counselling using the SOLO taxonomy： an exploratory study[J]. British journal of guidance and counselling， 1999，27（4）：567-580.

[19] LIU C -C， TSAI C -C. An analysis of peer interaction patterns as discoursed by on-line small group problem-solving activity[J]. Computers & education， 2008，50（3）：627-639.

[20] PUNTAMBEKAR S， ERKENS G， HMELO-SILVER C. Analyzing Interactions in CSCL[M] // KAPUR M， VOIKLIS J， KINZER C K. A complexity-grounded model for the emergence of convergence in CSCL groups. Boston， MA： Springer， 2011：3-23.

[21] OUYANG F， XU W， CUKUROVA M. An artificial intelligence-driven learning analytics method to examine the collaborative problem-solving process from the complex adaptive systems perspective[J]. International journal of computer-supported collaborative learning， 2023，18：39-66.

[22] AMON M J， VRZAKOVA H， D'MELLO S K. Beyond dyadic coordination： multimodal behavioral irregularity in triads predicts facets of collaborative problem solving[J]. Cognitive science， 2019，43（10）：Article e12787.

[23] 謝幼如，高磊，邱藝，等. 智能技術賦能高質量課堂的評價創新[J]. 電化教育研究，2023（12）：73-79，94.

[24] 丁繼紅. 多模態協作學習分析理論模型、實踐邏輯和教育價值[J]. 遠程教育雜志，2023（2）：95-104.

[25] 姚佳佳，李艷，劉明月，等. 多層交互輪轉的課堂編排視角下大學生深度學習促進機制研究——基于學生個案反思的主題分析[J]. 現代遠距離教育，2024（2）：71-83.

Research on Multidimensional Feature Mining of Group Deep Learning in Visualized Real-time Interaction Scenarios： A Case Study Based on Three Groups with Different Collaboration Habits

YAO Jiajia1， LI Yan2， LIU Mingyue1， MA Zhiqiang1

（1.Research Center of Educational Informatization， Jiangnan University， Wuxi Jiangsu 214122;

2.College of Education， Zhejiang University， Hangzhou Zhejiang 310028）

[Abstract] With the increasing emphasis on "context dependency" in the study of educational interactions， multidimensional analysis of interaction data in complex interaction scenarios can help to restore the complex process of group learning， reveal specific patterns， and optimize specific services. Through the multidimensional analysis of interaction data of three groups with different collaborative performance in visualized real-time interaction scenarios in terms of collaborative relationships， collaborative behaviors and collaborative time sequences， it is found that the features of group deep learning are as follows： （1） the organizational relationse4Jp4ATTI/nBColh6LT3moRHsclqhto24im/hyYOmOg=hip with multiple core members and hierarchical leadership can be more conducive to encouraging the group to gather information and advance program ideas in the early stages of collaboration， or actively carry out interactive feedback in the stage of outcome formation;（2） in the process of group collaboration， the centralized feedback based on "content construction" and the substantive feedback based on "case sharing， information gathering and idea development" have a greater impact on the depth of group cooperation than the procedural feedback based on "clue prompts and task clarification"; （3） there are three typical modes of group cooperation habits， namely the problem-oriented， the data-oriented and the task-oriented， with the promotion of the depth of group collaboration being weakened in turn. This study provides a theoretical and practical foundation as well as subsequent suggestions for the revelation of the mechanism， the optimization of evaluation methods and promotion strategies under the new collaborative paradigm in the multidimensional interaction scenarios of higher education.

[Keywords] Higher Education; Visualized Real-time Collaboration; Collaborative Problem Solving; Group Deep Learning; Multidimensional Feature Mining