在線協作問題解決中基于腦電一致性的群體認知特性研究

摘要：在線協作問題解決是一種基于協同知識構建的學習方式，了解協作中的群體認知特性對于提升協作問題解決效果具有重要意義。為探究在線協作問題解決不同階段基于腦電一致性的群體認知特性，文章從認知神經科學的角度，通過在一堂大學計算機網絡實驗課中開展小組協作實驗，分析了在線協作問題解決中的群體認知特性、不同協作階段的群體認知特性差異、不同成績學生認知同步的差異，結果表明：在問題理解階段和問題解決階段都存在群體認知同步，問題理解階段的群體認知同步水平比問題解決階段更高，不同成績學生的認知同步存在明顯差異。文章的研究提供了一種從腦電一致性角度評價在線協作問題解決交互有效性的手段，也為教師通過腦電數據實時監控學生的協作學習狀態并及時干預提供了一種可選的方法。

關鍵詞：在線協作問題解決；腦電一致性；群體認知特性；EEG；認知同步

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）09—0102—10 【DOI】10.3969/j.issn.1009-8097.2024.09.010

在線協作問題解決中，學習者基于協同知識構建開展學習活動，其能力的培養和提升需要學習者參與有效的協作問題解決實踐。然而，學習者常常會遇到低效協作甚至無效協作的情況。而在線協作問題解決活動的有效開展，有賴于小組成員的共同努力^[1]。群體認知特性主要體現在協作小組成員對同一對象的關注程度或成員之間的相互理解程度，當成員有共同注意對象或達成相互理解時^[2]，群體之間存在認知同步，此時群體達到高效的協作狀態。由于較難直接通過外部觀察獲得反映學習者真實認知狀態的有效數據，故對學習者認知特性的分析存在困難。而腦電（Electroencephalogram，EEG）數據記錄了學習者的認知負荷、注意力、記憶等信息，可以更實時、客觀地反映學習者的認知特性^[3]。此外，群體成員如果存在相似的大腦活動，就可能表現出腦電一致性。因此，腦電一致性作為生理層面的指標^[4]，可以為理解和分析群體認知同步提供科學依據。基于此，本研究擬利用腦電數據實時分析學習者在協作問題解決過程中的大腦活動，通過計算群體在不同階段的腦電一致性水平，分析群體的認知特性和規律，探索學習過程中存在的群體認知同步現象，從而揭示群體認知同步與協作效果之間的關系。

一 研究現狀

1 協作問題解決相關研究

如今，協作問題解決能力已經成為21世紀人才必須具備的關鍵技能之一^[5]。協作問題解決是指學習者以協作的方式在問題解決過程中實現協同知識構建，從而促進個體認知發展的學習方式^[6]。在線環境為協作問題解決提供了豐富的資源和便捷的渠道，作為一種重要的學習方式，在線協作問題解決的研究已引起了國內外學者的廣泛關注^[7]。

依據學習目標和所需能力的不同，協作問題解決過程可以分為不同的階段。例如，OECD將協作問題解決過程定義為四個階段：探索和理解、表征與形成、計劃與執行、監控與反饋^[8]。Hayes^[9]將協作問題解決過程定義為六個階段：問題定義、問題表征、計劃制定、計劃實施、計劃評估和成果鞏固。被廣泛認可的劃分方式是將協作問題解決過程劃分為問題理解和問題解決兩個階段^[10][11]：在問題理解階段，學習者需要構建與問題相對應的認知結構；而在問題解決階段，學習者需要在構建共同認知的基礎上制定解決方案。這兩個階段構成一個閉環，共同影響最終的協作學習成效。

協作問題解決根植于社會建構主義的學習觀，認為深度學習發生在學生通過社會互動建立對問題共同理解的過程中^[12]。從群體的社交過程對不同的協作階段進行細致分析，有助于進一步探究協作問題解決的內在規律。然而，部分研究數據來自于問卷、教師測評、計算機日志數據等，存在一定的主觀性、非連續性、滯后性。

2 腦電一致性相關研究

EEG是常用的收集腦電波信號的方法，其不同的波段與大腦的認知負荷、注意力、記憶等有關^[13]，可提供與行為和認知密切相關的腦神經突觸活動記錄^[14]。腦電一致性是一種對群體的EEG進行分析的方式，是不同個體的腦電信號之間相互依賴或相互關聯的現象，可以衡量不同個體之間是否存在有效溝通^[15]。

根據頻率范圍的不同，EEG原始信號可以被劃分為Delta、Theta、Alpha、Beta、Gamma五個波段，不同波段與不同的大腦活動有關，如表1所示。由于學生與學生之間的腦電一致性表示其大腦活動大致相同，因此腦電一致性高的現象意味著學生的認知同步。

Dikker等^[21]、Bevilacqua等^[22]研究了腦電一致性與學習投入的關系，發現兩者呈正相關關系；而Davidesco等^[23]研究了腦電一致性與學業成績的關系，發現學生與教師之間的腦電一致性與學生的成績呈顯著正相關關系。這些研究成果為分析課堂上學生與教師之間的腦電一致性提供了參考，但對于在線協作問題解決場景下學生與學生之間的腦電一致性還有待進一步研究。

二 實驗設計

為研究通過腦電一致性分析在線協作問題解決過程中學習者群體的認知特性，本研究開展了小組協作實驗，并采集了參與者的腦電數據。本實驗的參與者需要完成的協作任務是構建三個學院之間的通信網絡，使這三個學院兩兩之間能夠進行網絡交互，并滿足每個學院對網絡的使用需求。為了更好地完成協作任務，學生需要解決如何進行CIDR地址塊分配、如何建立單個學院網絡等問題，并選擇正確數量的路由器、交換機和服務器。

1 實驗對象

實驗對象為華中地區H大學通信工程專業的36名大三學生，其中男生15人、女生21人，均簽署了“實驗知情同意書”。所有實驗對象被隨機分為12個協作小組，每組3人。在正式開始實驗之前，所有實驗對象都已佩戴過一學期的EEG采集設備，對此設備已經適應。

2 實驗流程

①實驗開始前，學生佩戴便攜式EEG采集設備，并被告知實驗目的和流程。

②在問題理解階段，每個協作小組需要通過表格列出各個學院的需求，包括主機號所需的二進制數、指定分配的網絡號、子網掩碼、最大可用地址和最小可用地址等。在本階段，每個協作小組有15分鐘的時間對問題進行討論。

③在問題解決階段，每個協作小組需要完成網絡和必要的參數配置，實現各學院設備之間的通信。因此，每個小組成員既可以被分配相同的任務，也可以根據具體的問題解決策略承擔不同的任務。最終，每個協作小組需要為每個學院完成一個網絡拓撲，并配置網絡設備，包括路由器、交換機和終端用戶設備等。在本階段，每個協作小組有30分鐘的時間協作研究解決方案，并完成實驗報告。實驗報告得分即協作小組的學習成績，是后續協作效果分析的評價依據。

④實驗結束后，由1名教師和2名助教根據以下問題對各協作小組的最終表現進行評估：小組是否充分列出了整體的網絡需求和個別學院的需求？所有設備之間能否相互通信？網速是否優化？網絡布局是否便于管理和維護？

3 數據收集

（1）協作環境

本實驗在一堂大學計算機網絡實驗課中開展并采集相關數據。學生通過Cisco Packet Tracer工具實現模擬網絡的構建，協作完成任務。協作任務在計算機支持的環境下進行，學生通過“騰訊會議”（網址：https：//voovmeeting.com/）實時交流，并可以進行屏幕共享。

（2）數據采集方式

在實驗過程中，腦電數據通過便攜式EEG設備進行采集。本研究采用以Think Gear Asic Module為核心模塊的腦電頭環作為EEG采集設備，其可靠性已在相關研究中得到驗證^[24][25]。最終，EEG設備輸出10個波段：Attention、Mediation、Delta、Theta、Low Alpha、High Alpha、Low Beta、High Beta、Low Gamma、High Gamma。其中，前兩個波段通過設備核心模塊的專利算法計算得到，分別與注意力、放松程度有關；后八個波段則通過對原始信號的濾波得到。

本實驗分別在問題理解階段和問題解決階段采集每個學生的腦電數據，采集時長為45分鐘，每秒鐘會生成一個包含上述波段強度的記錄，并保留時間戳。經過數據清洗后，剩余的腦電數據有97，200條。

4 數據處理

①腦電波段處理。本研究使用鎖相值（Phase Locking Value，PLV）計算腦電一致性，作為學生之間群體認知同步的評價指標。PLV是表示腦電一致性程度的常用指標^[26]，本研究計算每個協作小組中任意兩名學生之間的PLV來表征協作小組的腦電一致性水平。PLV反映角分布的平均相位相干性，取值范圍為[0， 1]，值越大，表示腦電一致性水平越高。PLV的計算如公式（1）所示，其中T是時間點數量，j（t， n）是學生j在時刻t、波段n上的相位。

公式（1）

②統計分析。在計算腦電一致性的基礎上，本研究使用統計分析方法對數據做進一步分析。為消除學生個體差異對EEG信號的影響，本研究首先對每名學生的數據做歸一化處理^[27]，然后計算各組中每兩名學生之間的腦電一致性水平值。每組可計算3個值，共12組，得到36個腦電一致性水平值。為進行對比研究，本研究隨機選取來自不同組且處于不同階段的學生EEG數據，計算其腦電一致性水平值作為基線值（即學生完全不存在交互情況下的腦電一致性水平值）。

三 研究分析

1 在線協作問題解決中的群體認知特性分析

為了探究在線協作問題解決過程中的群體是否存在認知同步，本研究使用t檢驗分析在線協作問題解決過程中的腦電一致性水平。本研究將12個協作小組在不同階段的腦電一致性水平值與相應波段的基線值進行t檢驗，比較兩者是否存在顯著差異，結果如表2所示。其中，平均差是指協作小組腦電各波段一致性水平均值與相應波段基線平均值之差；p值是指協作小組腦電一致性水平值與基線值的差異顯著性水平，p＜0.05表示差異顯著，p＞0.05表示差異不顯著。

表2顯示，協作小組腦電一致性水平值與相應波段基線值的t檢驗結果存在顯著差異，且平均差大于零。具體來說，在問題理解階段，有8個波段（包括Attention、Mediation、Delta、Theta、Low Beta、High Beta、Low Gamma、High Gamma）的腦電一致性水平值與基線值存在顯著差異（p＜0.05）——其中，僅波段Mediation的平均差為負數，即小于基線值的平均值，說明協作小組在Attention、Delta、Theta、Low Beta、High Beta、Low Gamma、High Gamma這7個波段上存在顯著的腦電一致現象。而在問題解決階段，有6個波段（包括Attention、Mediation、Delta、Theta、High Beta、Low Gamma）的腦電一致性水平值與基線值存在顯著差異（p＜0.05）——其中，僅波段Mediation的平均差為負數，說明協作小組在Attention、Delta、Theta、High Beta、Low Gamma這5個波段上存在顯著的腦電一致現象。綜合上述分析，可以得出以下結論：在問題理解階段和問題解決階段，協作小組在波段Attention、Delta、Theta、High Beta、Low Gamma這5個波段上均存在顯著的腦電一致現象。由表1中各波段對應的大腦活動可知，相較于非同一協作小組的學生（基線值），同一協作小組的學生在注意力、決策、認知負荷、記憶、感知等大腦活動上存在顯著更高的一致性。

2 不同協作階段的群體認知特性差異分析

為了分析不同協作階段的群體認知特性差異，本研究分別計算每個波段所有腦電一致性水平值的平均值，高于該平均值的學生即被認為達到高腦電一致性水平。之后，本研究統計問題理解階段和問題解決階段達到高腦電一致性水平的學生人數并計算其比值，結果如圖1所示。其中，柱狀圖分析結果顯示：問題理解階段所有波段達到高腦電一致性水平的學生人數都比問題解決階段要多，說明問題理解階段存在更高的腦電一致現象。而折線圖分析結果顯示：兩個階段所有波段達到高腦電一致性水平的學生人數比值均大于1，其中在Attention、High Beta、Low Gamma、High Gamma四個波段上的學生人數比值大于等于1.5，說明在問題理解階段，學生大腦活動中注意力、記憶、認知負荷、感知的一致性水平要遠高于問題解決階段。

3 不同成績學生的認知同步差異分析

為了探究群體認知特性對在線協作問題解決效果的影響，本研究計算12個協作小組學生的學習成績（即實驗報告得分）平均值，將高于學習成績平均值的協作小組設為高成績組，而低于學習成績平均值的協作小組設為低成績組。之后，本研究統計問題理解階段和問題解決階段低成績組、高成績組中達到高腦電一致性水平的學生人數并分別計算其比值，結果如圖2所示。

在圖2中，柱狀圖分析結果顯示：問題理解階段各波段高成績組中達到高腦電一致性水平的學生人數多于問題解決階段；而低成績組中達到高腦電一致性水平的學生人數在兩個階段的對比結果不定，時高時低甚至有時持平。可見，高成績組、低成績組學生在兩個階段的腦電一致性水平存在明顯差異。而折線圖分析結果顯示：在問題理解階段，Attention、Delta、Theta、Low Alpha四個波段低成績組與高成績組的學生人數比值都小于1，說明這四個波段高成績組中達到高腦電一致性水平的學生人數更多；而在問題解決階段，僅Delta波段低成績組與高成績組的學生人數比值小于1，說明僅Delta波段高成績組中達到高腦電一致性水平的學生人數多于低成績組。此外，分析同一波段兩條折線所代表的學生人數比值之差，結果顯示：在Attention、High Alpha、Low Beta、Low Gamma、High Gamma五個波段上，問題解決階段低成績組與高成績組的學生人數比值與問題理解階段相差大于1。可見，高成績組、低成績組學生大腦活動中注意力、記憶、認知負荷、感知的一致性水平在問題理解階段與問題解決階段存在明顯差異。

四 結論與討論

本研究通過小組協作實驗，探討了在線協作問題解決過程中的群體是否存在認知同步問題，分析了不同協作階段的群體認知特性差異，并探究了群體認知特性對在線協作問題解決效果的影響，所得結論主要如下：

1 在線協作問題解決中存在群體認知同步

在線協作問題解決中的群體認知特性分析結果表明，問題理解階段與問題解決階段均存在比基線顯著更高的腦電一致性，即協作過程中存在群體認知同步，表現為協作小組在兩個階段的Attention、Delta、Theta、High Beta、Low Gamma波段與基線值存在顯著差異且高于基線值。其中，Attention波段反映學生的注意力；Delta波段與無意識狀態有關，且Delta波段的腦電一致性現象并非由腦電波造成，而是受共同聲音信號的影響^[28]；Theta波段與認知負荷有關；Beta波段與注意力、決策制定有關；Gamma波段則廣泛存在于大腦活動中，與感知、運動、注意、記憶等有關。上述波段的高一致性水平表明在協作問題解決過程中，協作小組內部成員在注意力、決策、認知負荷、記憶、感知等大腦活動上存在較高的相似性。而Low Beta、High Gamma波段的腦電一致性水平值僅在問題理解階段顯著高于基線值，這可能是因為在這一階段學生需要理解和記憶相同的任務內容，從而在注意、記憶、感知的相關波段表現出更高的一致性。此外，在問題理解階段和問題解決階段，協作小組在Alpha波段上均不存在顯著的腦電一致現象。而Alpha波段反映學生的放松程度，與認知負荷負有關。可見，共同的協作任務雖然可以引發學生在認知、注意、記憶和感知方面的同步，但不會對學生的精神放松程度產生影響。

腦電一致性反映協作小組內部成員之間任務關聯和溝通的有效性，通過EEG信號可以持續且實時地跟蹤學生的交互狀態。在本實驗中，協作小組成員的EEG波段值與非協作小組成員的基線值存在顯著差異，且參與協作問題解決的小組在兩個階段都存在顯著的群體認知同步現象，這為從交互角度評價群體在協作問題解決中是否存在有效投入提供了生理信號依據。

2 問題理解階段的群體認知同步水平更高

不同協作階段的群體認知特性差異分析結果表明，問題理解階段所有波段達到高腦電一致性水平的學生人數都比問題解決階段要多。也就是說，相較于問題解決階段，問題理解階段具有更高的群體認知同步水平。在Attention、High Beta、Low Gamma、High Gamma四個波段上，問題理解階段和問題解決階段的腦電一致性水平差距尤為明顯：①在Gamma波段上，兩個階段的腦電一致性水平差異最大。造成這種顯著差異的原因，可能在于問題理解階段的協作小組成員會努力理解同一問題，因而在記憶、感知方面有更高的一致性^[29]。②在Beta波段上，兩個階段的腦電一致性水平差異較大，僅次于Gamma波段。由Beta波段反映的大腦活動可知，產生這種差異的可能原因是協作小組成員會針對同一任務思考解決方案，因此在決策制定相關的大腦活動上出現了同步的現象。此外，相同的注意對象也會促使協作小組成員在Beta波段上表現出更高的腦電一致性——不同于需要學生分工合作的問題解決階段，學生在問題理解階段需要建立共享知識結構，因而存在更多需要學生共同注意的內容。③在Attention波段上，兩個階段的腦電一致性水平差異明顯，主要原因是Attention與大腦的注意力有關，而在問題理解階段需要學生共同注意的內容多于問題解決階段。

綜上可知，問題理解階段的群體認知同步現象更顯著，是因為此階段協作小組成員關注相同的內容，就同一問題進行思考和回憶，并進行決策、制定解決方案；而在問題解決階段，協作小組成員往往將學習任務分解成幾個部分，在學生各自完成自己的任務后再進行協作。不同階段的腦電一致性差異符合協作問題解決過程的一般規律，而不同波段上的腦電一致性情況有助于了解小組的協作過程。在設計協作問題解決活動時，應在問題理解階段鼓勵學生多討論，提升交互效果，形成共享知識結構。例如，在問題理解階段，教師可以引導學生對相關知識進行回顧，指導學生制定問題解決方案并合理分工；在問題解決階段，教師可以引導學生對可能遇到的問題進行討論。

3 不同成績學生的認知同步存在明顯差異

不同成績學生的認知同步差異分析結果表明，高成績組、低成績組學生在問題解決階段的腦電一致性水平存在明顯差異，且高成績組在兩個階段的差異比低成績組更明顯，說明問題解決階段的群體認知同步會影響最終的在線協作效果。高成績組與低成績組在問題解決階段比問題理解階段的腦電一致性差異更大，這一發現佐證了“問題解決階段對協作問題解決更關鍵”的已有結論^[30][31]，且這種差異體現在與注意力、記憶、認知負荷、感知有關的大腦活動上。

在問題理解階段，在Attention、Delta、Theta、Low Alpha四個波段上高成績組中達到高腦電一致性水平的學生人數多于低成績組，說明高成績組在與注意力、無意識、認知負荷、放松成都有關的大腦活動上較為一致，這可能是因為高成績組的學生在問題理解階段能更快速、有效地就關鍵問題達成共識。因此，對于低成績組的學生，教師應引導他們盡快在問題理解階段結束對任務的探討，并在關鍵問題上做好溝通協商、盡早達成一致。

而在問題解決階段，僅Delta波段高成績組中達到高腦電一致性水平的學生人數多于低成績組，說明在多數波段上，低成績組比高成績組具有更高的腦電一致性水平。從腦電一致性產生原理的角度進行分析，原因可能是本實驗中的低成績組在問題理解階段并未就問題解讀或任務分工達成共識，導致他們在問題解決階段依然就同一問題進行討論，從而出現腦電一致性水平更高的現象。問題解決階段是決定協作問題解決程度的關鍵階段，在此階段投入更多的精力有助于改善協作任務表現^[32]。因此，在問題解決階段學生應該更多地關注如何完成被分配的任務，而不是繼續問題理解階段尚未完成的討論。

在線協作問題解決是一種培養學生協作問題解決能力并協同學習知識的有效方法。為了幫助學生提升協作問題解決的效果，教師在設計在線協作問題解決活動時應同時關注對問題理解階段和問題解決階段的設計。例如，在問題理解階段可以采用問題引導、思維導圖設計方式，鼓勵學生多討論，以形成共享知識結構；在問題解決階段可以在優化任務設計上引導學生合理分配任務^[33]，以協作解決問題。本研究從腦電一致性的角度揭示了認知同步與在線協作問題解決成效之間的關系，可為提升在線協作問題解決效果提供研究的新思路。但要注意的是，由于小組之間存在個體差異，不同認知風格或認知水平的小組在進行協作問題解決時其腦電一致性是否存在顯著差異，以及造成這些差異的原因是什么，這些問題還有待進一步探索。

參考文獻

[1]張濤，張爍，張思，等.在線同伴互評中群體認知的特征、網絡與發展軌跡分析[J].現代教育技術，2022，（9）：82-90.

[2]Palumbo R V， Marraccini M E， Weyandt L L， et al. Interpersonal autonomic physiology： A systematic review of the literature[J]. Personality Social Psychology Review， 2017，（2）：99-141.

[3]Sharma K， Giannakos M. Multimodal data capabilities for learning： What can multimodal data tell us about learning？[J]. British Journal of Educational Technology， 2020，（5）：1450-1484.

[4]Dindar M， J?rvel? S， Haataja E. What does physiological synchrony reveal about metacognitive experiences and group performance？[J]. British Journal of Educational Technology， 2020，（5）：1577-1596.

[5]鄭旭東，馬云飛，范小雨.協作問題解決：人工智能時代必備的高階能力[J].現代教育技術，2021，（3）：12-19.

[6][8]OECD. PISA 2015 results collaborative problem solving volume V[R]. Paris： OECD Publishing， 2017：79.

[7]劉君玲，劉斌，張文蘭.學業情緒對在線協作問題解決的影響研究[J].中國電化教育，2019，（7）：82-90.

[9]Hayes J R. The complete problem solver[M]. New York： Routledge， 2013：1-3.

[10][11][30][32]Kwon K， Song D， Sari A R， et al. Different types of collaborative problem-solving processes in an online environment： Solution oriented versus problem oriented[J]. Journal of Educational Computing Research， 2019，（8）：1277-1295.

[12]Pear J J， Crone-Todd D E. A social constructivist approach to computer-mediated instruction[J]. Computers Education， 2020，（1-3）：221-231.

[13][20][29]Chand G B， Lamichhane B， Dhamala M. Face or house image perception： Beta and gamma bands of oscillations in brain networks carry out decision-making[J]. Brain Connectivity， 2016，（8）：621-631.

[14]Nunez P L， Srinivasan R. A theoretical basis for standing and traveling brain waves measured with human EEG with implications for an integrated consciousness[J]. Clinical Neurophysiology， 2006，（11）：2424-2435.

[15]Sobocinski M， Malmberg J， J?rvel? S. Exploring adaptation in socially-shared regulation of learning using video and heart rate data[J]. Technology， Knowledge Learning， 2022，（27）：385-404.

[16]Alarcao S M， Fonseca M J. Emotions recognition using eeg signals： A survey[J]. IEEE Transactions on Affective Computing， 2019，（3）：374-393.

[17]Muthukrishnan S P， Soni S， Sharma R. Brain networks communicate through theta oscillations to encode high load in a visuospatial working memory task： An EEG connectivity study[J]. Brain Topography， 2020，（1）：75-85.

[18]Chen C M， Wang J Y. Effects of online synchronous instruction with an attention monitoring and alarm mechanism on sustained attention and learning performance[J]. Interactive Learning Environments， 2018，（4）：427-443.

[19]Yang X M， Zhao X S， Tian X S， et al. Effects of environment and posture on the concentration and achievement of students in mobile learning[J]. Interactive Learning Environments， 2021，（3）：400-413.

[21]Dikker S， Wan L， Davidesco I， et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom[J]. Current Biology， 2017，（9）：1375-1380.

[22]Bevilacqua D， Davidesco I， Wan L， et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics： Evidence from a real-world classroom electroencephalography study[J]. Journal of Cognitive Neuroscience， 2019，（3）：401-411.

[23]Davidesco I， Laurent E， Valk H， et al. Brain-to-brain synchrony between students and teachers predicts learning outcomes[J]. BioRxiv， 2019：644047.

[24]Rebolledo-Mendez G， Dunwell I， Martínez-Mirón E A， et al. Assessing neurosky’s usability to detect attention levels in an assessment exercise[A]. International Conference on Human-Computer Interaction[C]. San Diego： Springer Berlin Heidelberg， 2009：149-158.

[25]Yasui Y. A brainwave signal measurement and data processing technique for daily life applications[J]. Journal of Physiological Anthropology， 2009，（3）：145-150.

[26][28]Pérez A， Carreiras M， Du?abeitia J A. Brain-to-brain entrainment： EEG interbrain synchronization while speaking and listening[J]. Scientific Reports， 2017，（1）：41907：12.

[27]Wang Y W， Yang X， Yao X Q， et al. Computational methods of brain-to-brain coupling during human interaction[J]. Chinese Science Bulletin-Chinese， 2021，（4-5）：501-514.

[31]Chang C J， Chang M H， Chiu B C， et al. An analysis of student collaborative problem solving activities mediated by collaborative simulations[J]. Computers Education， 2017，114：222-235.

[33]首新，田偉，李健，等.基于過程數據的人機“虛擬代理”協作問題解決測評研究——以PISA中國四地區為例[J].現代教育技術，2023，（10）：86-97.

Study on Group Cognitive Characteristics Based on EEG Consistency in Online Collaborative Problem Solving

ZHANG Ming-Yan^1，2""" ZHANG Li-Zhao³ """DU Xu⁴""" LI Hao^{4[Corresponding Author]}""" ZENG Zhao-Zhuan¹

（1. College of Education， Zhejiang Normal University， Jinhua， Zhejiang， China 321004; 2. Zhejiang Key

Laboratory of Intelligent Education Technology and Application， Zhejiang Normal University， Jinhua，

Zhejiang， China 321004; 3. School of Education， Hubei University， Wuhan， Hubei， China 430062; 4. National

Engineering Research Center for E-Learning， Central China Normal University， Wuhan， Hubei， China 430079）

Abstract： Online collaborative problem solving （CPS） is a learning method based on collaborative knowledge construction. It is of great significance to understand the group cognitive characteristics in collaboration to improve the effectiveness of CPS. In order to explore the group cognitive characteristics based on electroencephalogram （EEG） consistency at different stages of online CPS， this paper analyzed the group cognitive characteristics of online CPS， the differences of group cognitive characteristics at different stages of collaboration， and the differences of cognitive synchronization among students with different grades through group collaboration experiments conducted in a college computer network experiment course from the perspective of cognitive neuroscience. The results showed that group cognitive synchronization existed in both problem understanding stage and problem solving stage， and the level of group cognitive synchronization in problem understanding stage was higher than that in problem solving stage. And there was an obvious difference in cognitive synchronization among students with different grades. The research of this paper provided a means to evaluate the interactive effectiveness of online CPS from the perspective of EEG consistency， and also offered an alternative method for teachers to monitor students’ collaborative state in real time and timely intervene through EEG data.

Keywords： online CPS; EEG consistency; group cognitive characteristic; EEG; cognitive synchronization

*基金項目：本文為國家自然科學基金“面向知識整合的碎片化學習診斷與學習路徑引導研究”（項目編號：62207027）的階段性研究成果，并受浙江省哲學社會科學規劃課題“在線學習環境下大學生學習行為時空分布模式分析及實證研究”（項目編號：23NDJC112YB）資助。

作者簡介：張明焱，講師，博士，研究方向為學習分析、機器學習，郵箱為mingyanzhang@zjnu.edu.cn。

收稿日期：2024年3月27日