基于LSA與SNA的虛擬學(xué)習(xí)社區(qū) 信息交互實證研究

劉聰聰，戴心來

(遼寧師范大學(xué) 計算機與信息技術(shù)學(xué)院，遼寧 大連 116081)

0 引言

隨著互聯(lián)網(wǎng)絡(luò)的普及，網(wǎng)絡(luò)環(huán)境下的虛擬學(xué)習(xí)已成為一種重要的學(xué)習(xí)方式。虛擬學(xué)習(xí)社區(qū)內(nèi)所有學(xué)習(xí)者共同構(gòu)成一個知識傳播與信息交流網(wǎng)絡(luò)[1]。信息傳遞的外在表現(xiàn)即信息交互，在虛擬學(xué)習(xí)環(huán)境中，交互質(zhì)量被認(rèn)為是提高學(xué)習(xí)效能與效率的重要因素之一[2]。因此，虛擬學(xué)習(xí)社區(qū)中的交互研究受到了許多研究者重視。陳麗[3]在其“遠(yuǎn)程學(xué)習(xí)的教學(xué)交互層次塔”理論中指出，遠(yuǎn)程教育中的信息交互包括3種形式：學(xué)生與學(xué)習(xí)資源交互、學(xué)生與教師交互，以及學(xué)生與學(xué)生交互。

在傳統(tǒng)的虛擬學(xué)習(xí)社區(qū)信息交互研究中，研究者多采用內(nèi)容分析法、社會網(wǎng)絡(luò)分析法(Social Network Analysis，簡稱SNA)與數(shù)理統(tǒng)計分析法等，針對網(wǎng)絡(luò)平臺中的學(xué)習(xí)信息與數(shù)據(jù)進行分析[4]。如賴文華等[5]利用社會網(wǎng)絡(luò)分析法分析虛擬學(xué)習(xí)社區(qū)知識共享的社會網(wǎng)絡(luò)結(jié)構(gòu)；宋學(xué)峰等[6]針對某網(wǎng)絡(luò)社區(qū)中的網(wǎng)絡(luò)交互數(shù)據(jù)，分析網(wǎng)絡(luò)基本屬性，探討如何提高社區(qū)知識共享水平。上述研究對學(xué)習(xí)者某一階段的交互結(jié)果進行了全局性的價值判斷，但是難以深入到交互過程中的每一個細(xì)節(jié)行為，整個交互過程仍然如同一個“黑箱”。滯后序列分析法(Lag Sequential Analysis，簡稱LSA)為人們深入探究交互過程，打開交互“黑箱”提供了關(guān)鍵性技術(shù)方法[7]。本文基于SNA和LSA等學(xué)習(xí)分析技術(shù)，以一個基于Moodle網(wǎng)絡(luò)平臺開發(fā)的虛擬學(xué)習(xí)社區(qū)為研究個案開展實證研究，通過對參與者的信息交互行為進行滯后序列分析，由點及線地深入探究不同群體的信息交互特征。

1 數(shù)據(jù)收集與分析

1.1 研究對象與工具

本文選取某師范大學(xué)一個基于Moodle平臺開發(fā)的虛擬學(xué)習(xí)社區(qū)網(wǎng)絡(luò)教學(xué)平臺上的《現(xiàn)代教育技術(shù)》網(wǎng)絡(luò)課程為個案研究對象，該群體共有48名參與者，其中學(xué)習(xí)者47人，教師1人。在社會網(wǎng)絡(luò)分析工具選擇上，使用Gephi0.9.1社會網(wǎng)絡(luò)分析軟件對提取的交互數(shù)據(jù)進行度數(shù)分析。在行為分析方面，為了對信息交互進行過程性分析，本文選取GSEQ5.1軟件對網(wǎng)絡(luò)平臺的日志數(shù)據(jù)進行采集與編碼，使用滯后序列分析法進一步分析參與者的交互行為特征。梁云真等[8]利用滯后序列分析法對學(xué)習(xí)者的交互內(nèi)容進行分析，結(jié)果顯示網(wǎng)絡(luò)學(xué)習(xí)空間中的學(xué)習(xí)者交互大多停留在低層級階段，小部分學(xué)習(xí)者會出現(xiàn)高層級現(xiàn)象。本研究則聚焦于具體信息交互行為，探討虛擬學(xué)習(xí)社區(qū)中參與者信息交互行為過程存在的特點。

1.2 虛擬學(xué)習(xí)社區(qū)參與者交互

在社會網(wǎng)絡(luò)分析中，點出度和點入度常被用來衡量一名參與者在群體中的活躍度與聲望。點出度即回復(fù)帖數(shù)，是對參與者在社會網(wǎng)絡(luò)中尋求互動程度的衡量，數(shù)值越高，表明該參與者越能積極與他人互動；點入度即收到帖數(shù)，是對網(wǎng)絡(luò)中其他成員與該參與者建立聯(lián)系程度的衡量，數(shù)值越高，表明該參與者在網(wǎng)絡(luò)中聲望越高[9]。利用Gephi軟件，將虛擬學(xué)習(xí)社區(qū)的社會網(wǎng)絡(luò)數(shù)據(jù)視為有向圖計算，以此區(qū)分發(fā)帖和收到回帖的不同意義。通過運行軟件中的度數(shù)計算，進而在Gephi的數(shù)據(jù)資料面板中得到48位參與者的一系列網(wǎng)絡(luò)屬性，其中的度數(shù)屬性按點出度降序排列，計算結(jié)果如表1所示。

表1 按點出度降序排列的參與者點度數(shù)

由表1可以看出，參與者的信息交互行為存在明顯差異性，這在其社會網(wǎng)絡(luò)屬性上得到具體的量化表征，而這一表征結(jié)果如前文所述，屬于一種總結(jié)性評價。筆者使用SPSS19.0統(tǒng)計分析軟件對參與者的點出度、點入度分別與其產(chǎn)生的行為數(shù)進行Pearson相關(guān)性分析，結(jié)果均顯示在0.01水平雙側(cè)上存在顯著相關(guān)性，且相關(guān)系數(shù)分別為0.861和0.449。接下來將針對形成這一結(jié)果的信息交互行為過程進行滯后序列分析，從行為過程角度深入探究參與者的信息交互。

1.3 LSA與信息交互行為編碼

滯后序列分析法由學(xué)者Sackett[10]提出，該方法用于估算任何行為的發(fā)生概率與時間變化；Hawks[11]進一步指出，滯后序列分析法主要用于檢查某些人類行為之后另一個行為的發(fā)生是否具有統(tǒng)計學(xué)意義；Hillman等[12]認(rèn)為，學(xué)習(xí)者與界面交互是交互模型的重要組成部分。結(jié)合虛擬學(xué)習(xí)社區(qū)自身的技術(shù)特征，發(fā)生在虛擬學(xué)習(xí)社區(qū)網(wǎng)絡(luò)平臺上的交互行為具體包括：用戶登錄、瀏覽討論區(qū)、發(fā)帖、瀏覽課程概要信息、瀏覽某用戶信息、瀏覽某用戶所有帖子和其它行為(如刪帖等網(wǎng)站系統(tǒng)管理員操作)。本研究采用的行為編碼如表2所示。

表2 行為編碼

在行為數(shù)據(jù)分析階段，本研究使用GSEQ軟件進行滯后序列分析，在分析選項中的“Cell stats”模塊中選中“adjusted residual(z)”選項，以便同時由軟件計算出殘差值。經(jīng)由軟件計算得到兩個重要的結(jié)果數(shù)據(jù)表格，依次為行為轉(zhuǎn)換頻率表和調(diào)整后的殘差表(即Z-Score)。

1.4 整體信息交互過程分析

表3 全站行為轉(zhuǎn)換頻率

如表3所示，在行為轉(zhuǎn)換頻率表中，列表示起始行為，行表示隨之發(fā)生的行為，對應(yīng)表格中的數(shù)值代表行為發(fā)生頻次，“Totals”代表總和。例如，表格第2行第1列中的數(shù)字“689”表示在“VD”行為后隨即發(fā)生“AP”行為的頻次為689次。顯然，若出現(xiàn)諸如“AP→AP”連續(xù)同一行為的行為鏈，則顯示該行為被不斷地重復(fù)。

由表3可知，虛擬學(xué)習(xí)社區(qū)全站中各參與者共計產(chǎn)生了4 080個有效行為路徑，具體發(fā)生次數(shù)最多的VD行為(瀏覽討論區(qū))，共計發(fā)生了2 383次；其次為AP行為(用戶發(fā)帖行為)，共計發(fā)生了943次。從部分表格中對應(yīng)數(shù)值為0可知存在沒有發(fā)生的行為鏈，例如“UL→AP”行為鏈。該行為鏈沒有發(fā)生的原因很容易理解，即參與者登錄網(wǎng)絡(luò)平臺完成身份認(rèn)證后，還需順次進入對應(yīng)課程中，繼而進入討論區(qū)才可進一步進行看帖、發(fā)帖等交互，因而在用戶的登錄行為(UL)之后不可能緊接著發(fā)帖行為(AP)。這些頻次為0的行為鏈，大多是由于在平臺既定設(shè)計上，部分操作路徑相對固定，操作入口較為單一，因而部分行為路徑無法或不易發(fā)生。

在發(fā)生過的具體行為鏈條中，“VD→VD”行為鏈發(fā)生了1 433次，數(shù)量最多，表示全站用戶習(xí)慣于不斷在討論區(qū)中瀏覽帖子；其次為“AP→VD”行為鏈，共計發(fā)生了714次，表示全站用戶也習(xí)慣于發(fā)帖后緊接著查看討論區(qū)，以參與到虛擬學(xué)習(xí)社區(qū)交互過程中，查看自己帖子是否得到了他人回應(yīng)。為了進一步了解各行為鏈的發(fā)生情況是否為顯著以及具體顯著程度，需要查看調(diào)整后的殘差表。

(表注：*p< 0.05)

如表4所示，列表示起始行為，行表示隨之發(fā)生的行為，表中數(shù)值為對應(yīng)行為鏈調(diào)整后的殘差值(Z-Score)。根據(jù)滯后序列分析理論[13]，若某條行為鏈路徑的Z分?jǐn)?shù)(Z-Score)值大于1.96，則意味著該條路徑具有統(tǒng)計學(xué)上的顯著意義(即p<0.05)。由此可知，站在全站角度來看，虛擬學(xué)習(xí)社區(qū)參與者的“AP→VD”、“VD→AP”、“VF→VF”、“VF→UV”、“CV→CV”、“CV→UL”等17條行為路徑具有顯著意義，也即是說從統(tǒng)計學(xué)的角度看，這些行為鏈的發(fā)生更加頻繁。其中的“UL→CV”路徑的顯著程度最高，達(dá)到34.90，這是由于用戶登錄成功后必須隨即進入《現(xiàn)代教育技術(shù)》課程，才可進一步開展后續(xù)交互。此外，虛擬學(xué)習(xí)社區(qū)中信息交互的最主要外顯行為即各參與者的看帖(VD)和發(fā)帖(AP)兩大行為。參與者主要通過看帖接收來自虛擬學(xué)習(xí)社區(qū)的信息，并通過發(fā)帖進行回應(yīng)，完成在虛擬學(xué)習(xí)社區(qū)中的信息交互。

為更直觀地呈現(xiàn)各行為之間的轉(zhuǎn)換，由表4可進一步繪制行為轉(zhuǎn)換圖，如圖1所示。圖中各路徑線條的粗細(xì)表示顯著水平，各節(jié)點表示具體交互行為。其中的“CV→CV”、“VF→VF”、“UV→UV”等6條循環(huán)路徑表明，參與者在課程信息、討論區(qū)信息、用戶信息等頁面上存在反復(fù)刷新的行為。

2 研究結(jié)果與討論

通過對信息交互過程的深入探究與分析，使信息交互過程的每一個細(xì)節(jié)得以充分展現(xiàn)，從而使學(xué)習(xí)分析結(jié)果趨于全面與細(xì)致入微。本研究通過開展滯后序列分析，具體實證研究結(jié)論如下：

2.1 虛擬學(xué)習(xí)社區(qū)參與者群體信息交互過程存在明顯特征

由虛擬學(xué)習(xí)社區(qū)全站整體的信息交互行為序列分析結(jié)果可知，虛擬學(xué)習(xí)社區(qū)整體交互過程中存在兩大主要的交互行為序列：“發(fā)帖→看帖”、“看帖→發(fā)帖”，構(gòu)成虛擬學(xué)習(xí)社區(qū)中信息交互的核心行為。除上述兩種主要行為路徑外，虛擬學(xué)習(xí)社區(qū)中還存在其它與信息交互關(guān)聯(lián)性不大的行為路徑，這些路徑的發(fā)生頻次雖然遠(yuǎn)小于兩條主要路徑，但其中部分路徑的顯著程度較高，這些行為顯然會分散參與者精力，使正當(dāng)?shù)男畔⒔换バ袨榛祀s著其它無關(guān)行為。而各種無關(guān)行為的存在，不利于學(xué)習(xí)者完全沉浸于正當(dāng)?shù)膶W(xué)習(xí)活動中，對于虛擬學(xué)習(xí)社區(qū)的整體交互水平將造成一定影響。

2.2 通過關(guān)鍵行為強化與無關(guān)行為控制優(yōu)化虛擬學(xué)習(xí)社區(qū)

虛擬學(xué)習(xí)社區(qū)的建立與運行離不開相應(yīng)的開發(fā)技術(shù)作為基礎(chǔ)，技術(shù)環(huán)境作為重要的外部因素，一直潛移默化地影響著參與者的網(wǎng)絡(luò)學(xué)習(xí)行為。教師和網(wǎng)絡(luò)平臺設(shè)計者應(yīng)注重對無關(guān)行為的控制，在網(wǎng)絡(luò)學(xué)習(xí)平臺重點區(qū)域的用戶界面設(shè)計方面減少不必要的操作入口，而對于關(guān)鍵性的操作入口，則可以通過突出強調(diào)加以正向強化，從而避免參與者注意力分散。此外，教師可從無關(guān)行為產(chǎn)生原因的角度，對學(xué)生進行訪談以了解其具體原因，并對虛擬學(xué)習(xí)社區(qū)中的特殊群體、困難群體進行更有針對性地干預(yù)，提升其參與積極性。

3 結(jié)語

隨著大數(shù)據(jù)、云計算、人工智能等新興技術(shù)的日趨普及，學(xué)習(xí)分析在教育領(lǐng)域的應(yīng)用不斷深化，使用多樣化的學(xué)習(xí)分析方法可對教育數(shù)據(jù)實現(xiàn)更充分的挖掘[14]。滯后序列分析法等學(xué)習(xí)分析技術(shù)的應(yīng)用，對提高網(wǎng)絡(luò)環(huán)境下的學(xué)習(xí)成效起著重要作用[15]。本文立足于虛擬學(xué)習(xí)社區(qū)中真實的網(wǎng)絡(luò)數(shù)據(jù)，通過系列實證研究結(jié)果表明，虛擬學(xué)習(xí)社區(qū)中的參與者在信息交互行為方面存在顯著差異，而這些差異特征為教師有針對性地開展教學(xué)指導(dǎo)提供了重要依據(jù)。