協作論證學習中學習者角色涌現及知識建構話語模式研究

[摘" "要] 協作論證學習是培養學生溝通與交流、批判性思維能力的教學方式。從關聯、動態視角分析學習者角色及其知識建構話語模式，有助于全面理解協作論證學習角色涌現及其知識建構參與。研究設計專家角色腳本支持學生協作論證討論，采集學生協作論證討論的話語數據，通過內容分析、聚類分析、認知網絡分析和序列模式挖掘的方法探索學習者角色涌現及知識建構話語模式。研究發現，協作論證學習中共涌現出四類學習者角色，分別是專家—高知識建構者、專家—低知識建構者、實踐者—高知識建構者和實踐者—低知識建構者，同時四種角色的知識建構話語模式存在顯著差異。高知識建構者表現出復雜、高階的知識建構話語的互動，積極地為協作論證討論貢獻群體智慧。實踐者—低知識建構者在論證討論中發表觀點并贊同同伴觀點，但對個人觀點的深入闡述或對同伴觀點的批判性思考和評價不足，缺乏深層次知識貢獻和同伴互動。研究發現為通過教學干預來提升群體認知提供了啟示。

[關鍵詞] 協作論證學習； 角色涌現； 知識建構； 話語模式； 序列模式挖掘

[中圖分類號] G434" " " " " " [文獻標志碼] A

一、引" "言

協作論證學習是培養學生核心素養和能力的重要教學方式，有助于培養學生溝通與交流、批判性思維等關鍵能力[1]。協作論證學習是學習者以小組為單位而開展的學習活動，學習者通過共同分享、比較、評估不同的觀點，生成綜合的小組意見，改進對討論話題的理解，從而實現知識建構和改進的目標[2]。已有研究表明，協作論證學習對于發展論證能力、元認知能力和促進個體及群體知識建構具有重要作用[3]。

角色是個體在社會活動中的互動特征和職責[4]。根據角色形成原因可分為腳本角色和生成性角色[5]。腳本角色關注如何通過組織和規定學習者的角色和活動來促進協作學習過程[5]，指導協作群體完成特定學習任務[6]。已有研究聚焦腳本角色如何提升協作學習過程和效果[7]。然而，協作學習作為一個多主體交互的復雜系統，學生往往會自然發展其獨特的參與行為，并在調節和適應協作學習的過程中涌現出生成性角色[8-9]。因此，生成性角色和腳本角色并不總是完全區分開來的，在將腳本角色分配給學生之后，生成性角色仍有可能動態涌現。相關研究指出，在研究腳本角色對協作學習的影響時，如果忽略了生成性角色，可能無法全面理解協作論證中角色互動的全過程[7]。

鑒于協作學習自組織、動態性、生成性的特征，需要從關聯、動態的視角分析角色，具象化表征協作論證過程，理解角色涌現及知識建構話語模式，從而優化教學干預以提升群體認知[6]。基于此，本研究系統梳理協作論證學習、角色研究，設計并開展協作論證學習，探索學習者角色涌現及知識建構話語模式。

二、文獻綜述

（一）協作論證學習的角色設計及應用研究

協作論證學習是集體知識建構的協作過程，學習者在論證討論中分享、理解和建構觀點。然而，由于協作論證要素的復雜性、高任務要求和互動參與的消極性，學生自發的論證討論難以產生高水平的知識建構。角色作為指導個人行為和調節群體互動的功能系統，有助于增強個人責任和團隊凝聚力，形成積極的相互依賴，提升同伴貢獻和團隊表現。

腳本理論認為，適應性指導支持高質量生生討論，通過為學生分配腳本角色支持高水平知識建構。現有研究根據協作任務、角色功能設計腳本角色支持學生開展高質量的協作學習[8-13]。如，Ga?evic 等設計了研究專家和實踐研究者兩種角色，其中前者還承擔了主持人和話題領導者的職責[11]。總體來看，結合任務情境和功能的角色腳本的設計能夠提供社會支持、觸發討論、引導討論的方向、鼓勵學習者整合討論話語進行深度理解，對于促進個體和群體學習具有重要作用。但腳本化角色的引入也會帶來一定的風險與挑戰，如過多的腳本會降低學生學習動機[14]。如果學習者沒有完全理解腳本角色的價值，可能無法滿足角色的職責來獲得足夠的支持或貢獻群體智慧[15]。因此，有必要進一步探索協作論證學習中學生生成性角色的動態涌現現象。

（二）角色涌現與知識建構的相關研究

針對協作討論中參與度低、交互深度不足等問題[16]，教育研究者和實踐者設計實施多樣化教學方法或策略來支持學生協作論證學習。例如，設計包含個體、同伴、組內、組間的多層次協作論證學習活動促進學生個體和群體知識建構[17-18]，也有研究設計在線協作討論的角色策略來促進學生參與討論，提高協作討論的認知交互水平[19]。有研究發現，在線協作知識建構中提供的支架策略越詳細，學生知識建構水平越高[20]。綜合來看，角色作為在線協作討論的一種策略或方法，對在線協作討論具有積極作用，能夠促進個體及群體的投入度及知識建構。

此外，學生自發涌現的生成性角色也對協作知識建構學習具有積極影響。Gu等人的研究發現，學生討論中的生成性角色與其思維方式顯著相關[21]；張瑞等揭示不同類別的生成性角色在協作知識建構的不同階段有不同的影響[22]；斯琴圖亞的研究發現協作知識建構中涌現探究引申、知識促進、知識整合和探究管理四類角色，并進一步探究集體責任與個體生成角色的關系[23]。綜合來看，協作知識建構的角色產生于系統動態變化和學習者不斷交互的過程中，是學生維持知識建構協作互動的重要基礎。因此，對生成性角色的分析有助于揭示協作知識建構的動態過程、個體貢獻和認知參與模式。

與腳本角色相對，生成性角色是學習者在協作學習過程中隨著觀點選擇、社交或任務調節而自發涌現和動態變化的[7]。學生生成性角色的涌現取決于具體的學習情境和個人特征，影響協作論證討論的過程和結果。協作論證討論作為一個自組織、動態變化的復雜系統，在應用角色策略的同時，學習者動態涌現出不同的生成性角色。因此，生成性角色和腳本角色是相互關聯的，在將腳本角色分配給學生之后，可能動態涌現生成性角色。此外，在研究腳本角色對協作學習的影響時，如果忽略了生成性角色，可能會影響研究結果的準確性[7]。因此，為促進高質量的協作論證學習，有必要將生成性角色和腳本角色結合起來，綜合探索學習者角色涌現及其知識建構話語模式。然而，現有協作論證的研究中較少關注角色涌現的動態變化特征，且鮮有研究考慮腳本角色和生成性角色的關聯性，以及話語模式的動態演化。因此，本研究首先探索角色涌現和知識建構話語模式，以揭示和理解協作論證學習過程中知識是如何建構和發展的。其次，通過學習者知識建構話語模式的分析為協作論證討論提供有效的教學支持。基于此，本研究提出以下研究問題：

1. 協作論證學習活動中學習者涌現出哪些角色？

2.協作論證學習活動中不同學習者角色呈現怎樣的知識建構話語特征？

3.協作論證學習活動中不同學習者角色呈現怎樣的知識建構話語模式？

三、研究設計

（一）研究對象

研究參與者為華中某高校教育技術學專業的25名本科生，其中，女生17名，男生8名。協作論證學習活動在教育技術學專業必修課“信息技術與課程整合”中開展。在協作論證討論活動開始之前，所有學生參與先驗論證技能和動機前測，研究者根據前測調查結果進行組間同質、組內異質的分組，每個小組6～7人，共分為4個小組。

（二）協作論證學習活動設計

在課程前期，教師組織學生遴選和確定論證話題。結合課程教學內容和專業屬性，師生協商確定論證主題為“信息技術走進課堂是利大于弊，還是弊大于利？”。

基于Stahl知識建構理論模型，本研究的協作論證學習活動包括情境創設、個體知識建構、協作知識建構和課堂辯論活動四大部分。本研究情境為課堂辯論活動前的組內討論、組間整合和組內完善的三個階段的協作論證討論（如圖1所示），學生基于騰訊QQ創建討論空間開展在線同步討論。教師為各小組提供協作論證對話支架、協同論證思維導圖支架和工具，支持學習者在話語互動中完成知識構建，形成對論證主題的理解，生成協作論證學習成果的人工制品。

（三）在線協作論證腳本角色設計

本研究根據協作論證討論前、中、后期的特點設計論證專家角色，具體職責設計見表1。每個小組中包含1名論證專家，其余學生為論證實踐者角色。根據先驗論證技能和動機前測結果，將論證專家的角色分配給各小組中論證技能和動機最高的學習者。在協作論證學習活動結束后，以主觀題自報告的方式調查學生在協作論證討論過程中對論證專家角色的感知，保證研究所設計的論證專家角色在討論過程中發揮角色職責。通過對學生自報告文本內容分析發現，23名（92%）學生表示在討論中感知到了論證專家角色的存在，論證專家角色在協作論證討論中發揮著重要的社交和認知支持的作用。

（四）數據收集與分析

研究收集各小組在QQ群中同步討論的協作論證話語數據，在清洗和整理數據后，研究共收集4700條文本數據。研究基于以下方法回應研究問題：

1. 內容分析

研究基于Pena-Shaff、甘永成提出的知識建構分析框架分析學生協作論證話語[24-25]，見表2。首先，由兩名參與協作論證活動設計與實施的研究人員對30%的話語數據進行預編碼。編碼單元為學生一條完整的發言內容。編碼一致性系數為0.795，說明具有較好的一致性。其次，兩位編碼人員協商確定存在分歧的編碼，并再次明確編碼框架及規則。最后，由兩位編碼人員共同完成剩余數據的編碼。

2. 聚類分析

針對研究問題1，首先，對學生的知識建構話語類別數量進行歸一化，作為角色挖掘的數據源；其次，根據手肘法確定最佳的聚類數量；最后，使用K-means算法進行聚類以挖掘角色，并計算各個類簇中知識建構話語的分布情況來探索角色涌現的特征。

3. 認知網絡分析

針對研究問題2，研究預先將編碼數據轉換為認知網絡分析的數據格式，基于ENA在線分析平臺進行認知網絡分析。分析單元為學習者角色，節為協作論證討論階段和組別，窗口大小設置為4，代碼為知識建構話語類別。

4. 序列模式挖掘

針對研究問題3，研究采用序列模式挖掘檢驗角色涌現的知識建構話語模式。序列模式挖掘用于識別頻率范圍高于預定義閾值的子序列，是識別協作學習環境中知識建構模式的方法[26]。本研究通過R語言arulesSequences包中的cSPADE 算法[27]進行序列模式挖掘，子序列中各個事件之間的最大間隔設置為2。為挖掘不同類別學習者最常見的序列模式，將支持度設置為0.7[28]。

四、研究結果

（一）學習者角色涌現分析

手肘法的結果顯示最優K值為2，因此，研究挖掘兩類生成性角色。依據各角色知識建構話語分布情況確定各類生成性角色，如圖2所示。

高知識建構者（Cluster 1）：提問、澄清、支持、評判、反思、社交等均處于較高水平，表明這類學習者開展了深層次的知識建構。回溯原始論證話語數據發現，他們在討論中頻繁地提出問題，引出新話題，評價和反思觀點的適用性，并提供深入的解釋和論據來支持觀點。此外，通過表達社交或情感類話語活躍小組討論氛圍，提高群體凝聚力，在討論過程中發揮著關鍵的群體調節作用。

低知識建構者（Cluster 2）：與高知識建構者相比，這類學習者在知識建構話語各維度上均處于較低水平。從類內來看，澄清、支持的知識建構行為最為頻繁，更多地進行了淺層次的觀點表達，而在觀點的辯護、綜合、反思等方面的深層次知識建構行為較少，表明這類學習者在協作論證學習中缺乏深層次的知識建構行為。回溯原始論證話語數據發現，他們表達觀點，但并未提供證據、理由或相關案例來支持自己的觀點，對觀點的深層次闡述、評估和反思不足。

綜合腳本角色和生成性角色，研究發現四種類型的學習者角色，分別是專家—高知識建構者、專家—低知識建構者、實踐者—高知識建構者和實踐者—低知識建構者。每類角色中所包含的學習者數量、話語數量和平均話語數量見表3。可以發現，專家—高知識建構者貢獻話語數量最多，而實踐者—低知識建構者貢獻話語數量最少。預先分配專家角色和涌現為高知識建構者角色的學習者在討論中貢獻更多的話語。

（二）不同角色的知識建構特征網絡分析

研究使用認知網絡分析可視化各類角色知識建構話語網絡特征，如圖3所示。可以發現，各類學習者在提問—澄清和澄清—支持之間表現出強連接。專家—高知識建構者和專家—低知識建構者在澄清和協調之間表現出較強的連接。專家—高知識建構者和實踐者—高知識建構者的知識建構行為之間的連接更為豐富和高階，如評判與澄清和支持之間的聯結較強。

接下來，將專家—高知識建構者與其他三類角色的認知網絡進行差異性分析，如圖4所示。由圖4（a）可以發現，專家—低知識建構者的協調—提問、協調—澄清和澄清—支持之間有更強的連接，而專家—高知識建構者在提問—支持、提問—社交、澄清—評判、澄清—社交、支持—評判之間連接更強。表明專家—低知識建構者在討論中更多地發表觀點，協調討論活動。從圖4（b）發現，專家—高知識建構者在澄清—協調、澄清—提問之間有更強的連接，而實踐者—高知識建構者在澄清—支持和支持—評判之間有更強的連接。表明實踐者—高知識建構者在討論過程中不僅能夠發表觀點，并且積極評價觀點，圍繞觀點進行深層次的交互，表現為積極的認知貢獻者的角色。然而，圖4（c）表明，實踐者—低知識建構者在澄清和支持之間有更深層次的關系，更多地表達觀點，但缺乏深層次知識貢獻和同伴互動。

（三）不同角色知識建構話語序列模式挖掘

為更好地理解知識建構話語模式，本研究參考已有研究，排除僅包含一種知識建構話語行為的子序列[28]，分析結果見表4。當學習者被預先分配專家角色后，產生更多有意義的知識建構話語序列模式。此外，高知識建構者比低知識建構者表現出更多深層知識建構話語模式。專家—高知識建構者的大部分話語模式從協調開始，與同伴進行認知互動，并以支持、社交、評判或技術結束，表明專家—高知識建構者在討論過程中發揮組織協調的作用。與專家—高知識建構者相比，專家—低知識建構者表現出包含沖突和反思的話語模式，如lt;{CT}，{FS}gt;，lt;{CQ}，{CT}，{ZC}，{FS}gt;和lt;{CQ}，{CT}，{FS}gt;。可以發現，這類角色能夠結合同伴觀點進行批判性思考，提出相反的觀點，并反思目前討論中存在的問題，提出下一步學習計劃或建議。雖然這類學習者在討論過程中涌現為低知識建構者，但由于預先分配專家角色，他們表現出深層知識建構話語模式。對于實踐者—高知識建構者而言，他們表現出包含提問、辯護和反思的序列模式，如lt;{TW}，{BH}gt;，lt;{BH}，{FS}gt;，lt;{TW}，{BH}，{FS}gt;。可以發現，這類角色在論證討論中不僅積極發表觀點，并且能夠提出疑惑，提供合理的理由或證據來支持觀點，同時反思討論中存在的問題。然而，實踐者—低知識建構者僅表現出一種頻繁的知識建構話語序列模式，即lt;{CQ}，{ZC}gt;，這表明他們在論證討論中發表觀點并贊同同伴觀點，但缺少對個人觀點的深入闡述或對同伴觀點的批判性思考和評價。

五、研究討論與啟示

研究通過內容分析、聚類分析、認知網絡分析和序列模式挖掘的方法探索腳本角色和生成性角色共同作用下所涌現的角色及其知識建構話語模式，揭示學生協作論證討論中的復雜知識建構模式，為協作論證學習設計和實踐提供指導。

（一）學習者角色涌現分析

研究發現，學習者在協作論證討論中涌現出四類角色，分別是專家—高知識建構者、專家—低知識建構者、實踐者—高知識建構者和實踐者—低知識建構者。根據各類角色話語數量的分布可以發現，預先分配論證專家角色的學習者在討論中積極貢獻觀點。這一發現也與已有研究發現一致，當學生被分配角色并在討論中履行職責時，能夠促進小組知識建構，如學生指導者角色在支持更高水平的知識建構和促進小組論證技能方面承擔重要責任[29]。通過為學習者分配角色，可以增強其群體學習責任意識，提高協作學習質量[30]。由此，可以設計應用角色分配策略增強協作論證討論中知識建構深度[29，31]。論證專家角色腳本的設計和應用發揮著關鍵的群體元認知和調節的作用。可以引入論證專家角色來發揮組織、調節和指導協作論證討論的作用，提供認知和教學支持，提高小組論證學習的質量。例如，教學實踐者可結合論證討論進程設計提問、指導或群體調節的話語支架。另外，可通過輪換角色分配的策略為學習者提供思維方向，幫助學習者從不同角度思考問題，提高群體觀點的全面性和深入性。同時，在設計和干預協作論證活動時，也應關注學習者的先前的經驗和論證技能[29]。總之，適當的角色分配、提供外部支架和考慮個體差異是提高協作論證質量的三種教學策略。

（二）學習者角色知識建構網絡特征及其差異性

由認知網絡分析發現，專家—高知識建構者更加關注同伴之間的協作互動。根據社會建構主義的觀點，當學生協作、分享觀點時，將刺激探究、綜合、評判和反思等技能的發展，促進高階知識的建構。此外，專家—高知識建構者在協作論證討論過程中積極反思、組織和協調，有利于群體的生產性學習[32]。由角色涌現知識建構網絡結構的差異性分析發現，專家—低知識建構者和實踐者—低知識建構學習者在協作論證討論中缺乏深層次觀點表達和同伴互動，這一發現為協作論證討論中角色干預提供支持。針對長時間涌現為實踐者—低知識建構者，其知識建構無法實現由淺入深的發展，教師可以通過資源推送、問題提示或情感支持等方式提高學習者討論的積極性和深度，促進角色深層轉變和互動。

（三）學習者角色知識建構話語模式

不同角色的知識建構話語模式反映學習者協作論證討論的知識貢獻和參與情況。與低知識建構者相比，高知識建構者表現出復雜、高階的知識建構話語的互動，積極地貢獻群體智慧。例如，專家—高知識建構者表現出提出問題、引入新主題、表達對同伴觀點的贊同、評判群體觀點的適用性、為同伴提供技術支持的話語模式；實踐者—高知識建構者表現出提問、辯護和反思的序列模式；實踐者—低知識建構者則表現出單一的澄清—支持的話語序列模式，表明他們僅進行淺層次的觀點分享和交流。深層次的互動能夠幫助學生討論和協作解決復雜問題，促進群體知識建構[33]。協作論證需要學生通過積極的同伴互動和協作話語來創造意義、建構知識和發展論證技能[29]。角色涌現是學習者主動調節和管理自身行為的結果，具有自發性、動態性和目標導向性特征[23]。因此，可以借助學習分析技術跟蹤學生在協作論證討論不同階段中所涌現的角色及其知識建構話語模式，為在線協作論證學習干預提供參考依據。例如，教師可依據學生協作論證討論中角色及話語模式的動態變化來分析其能否在討論的不同階段有意識地發揮腳本角色的關鍵作用。另外，可以結合論證學習情境的特征來設計和應用認知角色，如支持者、反對者、總結者，依據各小組協作討論內容的深度提供角色干預，引導學生從不同角度思考問題，實現對論證主題的立體化、批判性思考，形成全面多元、系統性的論證成果。

六、結 束 語

研究從角色涌現的自發性、關聯性和動態性特征出發，采用內容分析、聚類分析的方法挖掘協作論證討論中的角色涌現，并通過認知網絡分析和序列模式挖掘的方法探究各類角色的知識建構話語特征及序列模式。研究發現為協作論證學習設計和實踐提供指導。然而，研究也存在一些不足。首先，研究中腳本角色的設計還需結合協作論證的獨特性來進一步細化不同類型的認知角色，如支持者、反對者和總結者。其次，缺乏從過程性視角探索協作論證中學習者角色的動態變化。最后，研究并未就小組內部腳本角色對群體知識建構影響開展細粒度分析，以探索腳本角色對群體角色涌現的作用機制，這也是下一步需要探索的問題。

[參考文獻]

[1] 彭正梅，伍紹楊，付曉潔，等． 如何提升課堂的思維品質：邁向論證式教學[J]． 開放教育研究，2020，26（4）：45-58．

[2] HAN J， KIM K H， RHEE W， et al． Learning analytics dashboards for adaptive support in face-to-face collaborative argumentation[J]． Computers amp; education，2021，163：104041．

[3] 宋郁，石雨晨． 促進中小學生論證能力的發展：理論、實踐與評價——訪哥倫比亞大學教師學院迪安娜·庫恩教授[J]． 全球教育展望，2022，51（10）：3-11．

[4] BIDDLE B J. Recent developments in role theory[J]. Annual review of sociology， 1986， 12（1）：67-92.

[5] STRIJBOS J W， WEINBERGER A． Emerging and scripted roles in computer-supported collaborative learning[J]. Computers in human behavior，2010，26（4）：491-494.

[6] 王辭曉，劉文輝． 理解與表征群體認知的新視角：協作腳本中的角色互動[J]． 現代遠程教育研究，2023，35（2）：102-112．

[7] HE S Y， SHI X Y， CHOI T H， et al． How do students' roles in collaborative learning affect collaborative problem-solving competency？ A systematic review of research[J]. Thinking skills and creativity， 2023，50：101423.

[8] KNOWLTON D S. A taxonomy of learning through asynchronous discussion[J]. Journal of interactive learning research，2005，16（2）： 155-177.

[9] MORRIS R， HADWIN A F， GRESS C L Z， et al． Designing roles， scripts， and prompts to support CSCL in gStudy[J]. Computers in" human behavior，2010，26（5）：815-824.

[10] SCHELLENS T， VAN KEER H， VALCKE M. The impact of role assignment on knowledge construction in asynchronous discussion groups： a multilevel analysis[J]. Small group research，2005，36（6）：704-745.

[11] GA？譒EVI■ D， ADESOPE O， JOKSIMOVI■ S， et al. Externally-facilitated regulation scaffolding and role assignment to develop cognitive presence in asynchronous online discussions[J]. The internet and higher education， 2015，24：53-65.

[12] OLESOVA L， LIM J. The impact of role assignment on cognitive presence in asynchronous online discussion[M]//Handbook of research on innovative pedagogies and technologies for online learning in higher education. Hershey： IGI Global，2017：19-39.

[13] ZHU X R， SHUI H， CHEN B D． Beyond reading together： facilitating knowledge construction through participation roles and social annotation in college classrooms[J]. The internet and higher education， 2023，59：100919.

[14] DILLENBOURG P. Over-scripting CSCL： the risks of blending collaborative learning with instructional design[M]// KIRSCHNER P A. Three worlds of CSCL： Can we support CSCL？. Heerlen： Open Universiteit Nederland， 2002：61-91.

[15] WISE A F， SAGHAFIAN M， PADMANABHAN P. Towards more precise design guidance： specifying and testing the functions of assigned student roles in online discussions[J]. Educational technology research and development，2012，60：55-82.

[16] 王智穎，翟蕓，吳娟． 在線異步討論中角色輪換腳本對大學生深度學習的影響[J]． 現代遠程教育研究，2021，33（3）：100-112．

[17] CHEN W L， TAN J S H， PI Z L．The spiral model of collaborative knowledge improvement： an exploratory study of a networked collaborative classroom[J]. International journal of computer-supported collaborative learning，2021，16（1）：7-35.

[18] OUYANG F， ZHANG L Y， WU M， et al. Empowering collaborative knowledge construction through the implementation of a collaborative argument map tool[J]. The internet and higher education，2024，62：100946.

[19] 陳瑩，馮秦娜，羅恒． 在線協作討論中角色策略的設計與效果探究[J]． 新疆教育學院學報，2021，37（2）：11-21．

[20] 徐曉燕． 在線討論中角色設計對知識建構的影響研究[D]． 蘭州：西北師范大學，2020．

[21] GU X Q， SHAO Y J， GUO X F， et al． Designing a role structure to engage students in computer-supported collaborative learning[J]. The internet and higher education， 2015，24：13-20.

[22] 張瑞，生蕾，張義兵． 知識建構社區中生成性角色的演變過程分析[J]． 電化教育研究，2020，41（2）：53-59．

[23] 斯琴圖亞． 在線協作學習中的集體責任與個體生成角色[J]． 現代教育技術，2020，30（3）：66-72．

[24] PENA-SHAFF J B， NICHOLLS C. Analyzing student interactions and meaning construction in computer bulletin board discussions[J]. Computers amp; education， 2004，42（3）：243-265.

[25] 甘永成． 虛擬學習社區的知識建構分析框架[J]． 中國電化教育，2006（2）：27-31．

[26] CHEN B D， RESENDES M， CHAI C S， et al． Two tales of time： uncovering the significance of sequential patterns among contribution types in knowledge-building discourse[M]//Learning analytics. London： Routledge， 2018：20-33.

[27] ZAKI M J． SPADE： an efficient algorithm for mining frequent sequences[J]． Machine learning，2001，42（1）：31-60．

[28] ZHOU J， YE J M． Investigating cognitive engagement patterns in online collaborative learning： a temporal learning analytic study[J]. Interactive learning environments，2024：1-17.

[29] OUYANG F， TANG Z F， CHENG M T， et al． Using an integrated discourse analysis approach to analyze a group's collaborative argumentation[J]. Thinking" skills and creativity，2023，47：101227.

[30] 段金菊，范怡楠，鐘曉芳，等． 在線協作學習中角色腳本對社區知識貢獻的影響研究——以六頂思考帽為例[J]． 遠程教育雜志，2022，40（6）：43-53．

[31] NOROOZI O， WEINBERGER A， BIEMANS H J A， et al. Argumentation-based computer supported collaborative learning （ABCSCL）： a synthesis of 15 years of research[J]. Educational research review， 2012，7（2）：79-106.

[32] XERRI M J， RADFORD K， SHACKLOCK K． Student engagement in academic activities： a social support perspective[J]． Higher education，2018，75（4）：589-605．

[33] QURESHI M A， KHASKHELI A， QURESHI J A， et al． Factors affecting students' learning performance through collaborative learning and engagement[J]． Interactive learning environments，2023，31（4）：2371-2391．

Study on the Emergence of Learner Roles and Discourse Patterns of Knowledge Construction in Collaborative Argumentation Learning

LIU Qingtang1，" CHANG Yubei2" "ZHANG Yu2，" MIAO Enhui2，" LI Xiaojuan3

（1.Hubei Key Laboratory of Digital Education， Central China Normal University， Wuhan Hubei 430079;

2.Faculty of Artificial Intelligence in Education， Central China Normal University， Wuhan Hubei 430079; 3.Faculty of Education， Henan Normal University， Xinxiang Henan 453000）

[Abstract] Collaborative argumentation learning is a pedagogical approach to develop students' competencies such as communication， expression， and critical thinking. Analyzing students' roles and their knowledge construction discourse patterns from a relational and dynamic perspective can help to fully understand the role emergence and their participation in knowledge construction during collaborative argumentation learning. The study designed expert role scripts to support students' collaborative argumentation discussion， collected discourse data from students' collaborative argumentation discussions， and explored the emergence of learner roles and discourse patterns of knowledge construction through content analysis， cluster analysis， cognitive network analysis， and sequential pattern mining. The results showed that four types of learner roles" emerged from collaborative argumentation learning， namely the expert-high knowledge constructor， the expert-low knowledge constructor， the practitioner-high knowledge constructor， and the practitioner-low knowledge constructor. There were significant differences in the discourse patterns of knowledge construction among the four" roles. High knowledge constructors exhibited complex， higher-order interactions in" knowledge construction discourses， actively contributing group wisdom to collaborative argumentation discussions. Practitioner-low knowledge constructors expressed opinions and agreed with their peers in argumentative discussions， but did not elaborate deeply enough on their personal views or evaluate their peers' views critically， and lacked deeper knowledge contributions and peer interactions. Research findings provide insights for enhancing group cognition through instructional interventions.

[Keywords] Collaborative Argumentation Learning; Role Emergence; Knowledge Construction; Discourse Pattern; Sequential Pattern Mining

基金項目：2022年度教育部人文社會科學研究一般項目“智能導師情緒線索對大學生在線學習影響的作用機制研究”（項目編號：22YJAZH067）；2022年人工智能助推教師隊伍建設行動試點專項項目“智能教學與研修模式創新”（項目編號：CCNUAIamp;FE2022-03）

[作者簡介] 劉清堂（1969—），男，湖北仙桃人。教授，博士，主要從事數據挖掘、智能導師、學習分析與知識服務研究。E-mail：liuqtang@mail.ccnu.edu.cn。