MOOCs中學習者論壇交互中心度與交互質量的關系實證研究 *

鄭勤華，李秋劼，陳 麗

(北京師范大學 遠程教育研究中心，北京 100875)

MOOCs中學習者論壇交互中心度與交互質量的關系實證研究 *

鄭勤華，李秋劼，陳 麗

(北京師范大學 遠程教育研究中心，北京 100875)

在線學習者之間的社會性交互有助于其個人知識網絡的形成，這使得社會性交互在遠程學習中的重要性日益突出。而大規模在線開放課程(MOOCs)因為學習者規模巨大，交互媒體種類豐富，成為社會性交互支持下的學習實現的有利環境。MOOCs環境中社會性交互數量和交互質量關系的研究將有助于促進學習者之間的社會性交互進而改進學習質量。該研究使用社會網絡分析、內容分析和相關分析等方法，對Coursera平臺上的一門課程進行了數據搜集和分析。研究表明，學習者在MOOCs課程中的交互數量與交互質量在整個學業周期不存在顯著相關性，但學習者在課程開始之初的社會交互質量會對后期整個學業過程的交互水平產生持續的顯著影響。研究將為MOOCs課程的交互質量改進以及學習績效改進提供參考，同時為課程的教學設計提供借鑒。

社會性交互；MOOCs(大規模在線開放課程)；交互中心度；交互質量

一、研究背景

聯通主義學習提出學習是個人知識網絡的優化，強調網絡的形成。而網絡的形成包括兩個要素：節點和連接[1][2]。節點形成、連接建立的主要方式就是交互，既包括人與資源的交互，人與人之間的交互，也包括人與各種技術手段的交互。交互方式的多樣化，使得交互在網絡教育中不僅僅體現為教與學再度整合的關鍵，也支撐起了學習者在開放網絡中的社會聯通、信息匯聚、內容生成和協同創新。換句話說，交互既是聯通主義學習的過程，也成為聯通主義學習的目標。MOOCs環境的大規模學習者和富交互媒體支持的特性，為實現聯通主義學習提供了條件。為了促進MOOCs的發展、實現高質量的聯通主義學習，研究其中的交互問題就顯得非常有必要[3]。

交互從本質上可以從交互數量和交互質量兩個方面進行解讀。在交互數量上，可以通過交互形成的社會網絡關系進行分析：在學習者參與各類人際交互活動形成的社會網絡中，其點中心度反映出該學習者與其他學習者交互的頻次以及他在交互網絡中的位置，從而可以表現出學習者在課程學習中交互的數量水平。在交互質量方面，Gunawardena等人[4]的研究已經提出了社會知識建構的交互分析模型，使用該模型對學習者的交互內容進行分析，能夠獲得其交互的層次及深度。雖然關于交互數量和交互質量的研究已經有了測量的基礎，但目前的研究多從交互數量和質量單獨進行討論[5-7]，缺失對交互質量和交互數量的綜合關系探討。

隨著MOOCs的發展，我們有實際的需求了解交互數量和交互質量之間是否會形成交叉影響，即在學習過程中，學習者在交互網絡中所處的位置是否會直接影響他后續交互的水平；同時，學習者目前在論壇、博客等交互環境中的發言水平，是否會引發其在后續交互網絡中地位的變化。這不僅對MOOCs本身的教與學特性具有重要意義，實際上也是對聯通主義學習能否在當前MOOCs環境下有效發生的驗證。

因此，本研究試圖通過探究MOOCs中社會交互中心度和交互質量的互動關系，來幫助教師或者教學活動設計者從促進學習者交互參與的角度來促進學習者的交互質量乃至最終的學習績效。研究將以Coursera平臺上“Rhetorical Composing”課程中的學習者為研究對象。由于論壇是Coursera平臺中交互的最重要途徑，因此研究將重點探究學習者在論壇中的交互中心度與交互質量之間的關系。

二、研究設計

1.研究問題與假設

本研究的研究問題是MOOCs學習中學習者論壇交互中心度與其交互質量之間的互動關系是什么？在該研究問題引導下，有兩個基本的研究假設：

(1)對于MOOCs中的個體學習者，論壇交互中心度的增加有利于其后續交互質量的提升；

(2)對于MOOCs中的個體學習者，交互質量的提升有利于其后續論壇交互中心度的增加。

2.研究對象與數據來源

本研究以Coursera平臺上“Rhetorical Composing”課程中的學習者為研究對象。該課程網址為https://www.coursera.org/course/writing2，由The Ohio State University的Susan Delagrange開設，時間共5周，建議每周學習時間為6小時。課程主要目標是培養學習者的英文寫作能力。數據分析顯示，參與論壇交流的學習者在第1周有4000人，而到第5周只剩下791人，為了能研究交互數量與質量的關系，我們選擇參與了全部5周論壇交流的學習者作為研究對象，共計163人。

3.研究方法

研究以周為單位，通過分析學習者發帖的情況來探究論壇交互中心度與交互質量的關系。研究使用的變量和分析方法如表1所示。

表1 研究使用的變量說明和分析方法

其中，關于交互中心度，本研究采用社會網絡分析法來獲取相應數據。采集的指標是個體學習者在每周交互中的點中心度。點中心度反映了個體與其他行動者的直接聯系數量，用節點的出度和入度進行表示，出度表示該學習者指向其他節點的連線數量，入度指的是其他節點指向該學習者的連線數量[8]。本研究使用出度和入度來表征個體學習者在社交網絡中的位置及其交互的擴展性。

關于交互質量，本研究采用Gunawardena等人[9]提出的社會知識建構交互分析模型對學習者的帖子進行分析，計算出學習者論壇交互深度的平均值作為論壇交互質量的數值。研究中，163位持續討論的學習者共計發帖6856個，三位研究者結合TagHelper軟件對帖子進行了內容分析和編碼(TagHelper, http://www.cs.cmu.edu/～cprose/TagHelper.html)。

最終，研究者根據獲得的數據采用相關分析來探討學習者在MOOCs課程學習中，交互數量和交互質量之間的關系。

三、研究結果

1.MOOCs中學習者的交互數量分析

對論壇討論情況的分析包括對整體參與量的分析(分析參與論壇討論的所有學習者的行為)以及對持續參與者的參與量的分析(分析每周持續參與交互的所有學習者行為)。

(1)整體學習者參與交互的數量

研究發現，在課程內的交互中，無論是發帖量還是參與人數都呈現逐漸下降的趨勢。如圖1和圖2所示，發帖量最高和參與人數最多的是第1周，分別達到9906次發帖和4000人參與；發帖量最低和參與人數最少的是第5周，分別是2090次和791人。從第1周到第5周，發帖量下降78.90%，參與人數下降80.23%，下降的幅度非常大，這和大多數MOOCs開展的情況類似。研究也發現，每周發帖人的平均發帖量相對比較穩定，最大值是最后一周，人均發帖2.64次，最小值是第3周，人均發帖2.13次。上述數據表明，整個論壇參與的下降趨勢明顯，由于人均發帖量比較穩定，我們可以認為發帖量的降低主要由參與人數降低導致。

圖1 課程發帖數

圖2 討論參與人數

(2)持續參與者的交互數量

持續參與者是指以周為單位，每周都參與論壇交互的學習者。通過統計，最終得到163名持續參與者。圖3是對持續參與者這個群體每周發帖數量的統計。五周之內，總體發帖量第1周最高，為1746次，第4周最低，為1073次，相差38.5%；平均發帖量在10.8次到6.6次之間。發帖的數量呈現先降低后增加的趨勢，變化的幅度比較平穩。上述數據說明，相對于整體而言，持續參與者發帖量下降趨勢較小，維持了比較穩定的參與。同時，雖然該群體的平均發帖量有所波動，但相對于整體而言，水平較高。這為進一步探究這個特殊群體交互數量和交互質量之間的關系提供了保障。

圖3 持續參與者發帖情況

(3)持續參與者交互中心度統計

持續參與者中，出度的最高值保持在55-101之間，入度的最高值保持在36-108之間，均維持在一個較高的水平。此外，持續參與者中也有部分的學習者，僅僅發起了話題，并沒有參與回復(出度為0)，或者回復/發起了某些話題，并沒有得到他人的回復(入度為0)。另外，出度的均值維持在4.07-6.94之間，入度的均值維持在5.25-3.20之間。每周出度的均值都略高于入度的均值，即對于這個群體，主動發起的交互比得到的回復要多(如表2所示)。

表2 課程論壇社會網絡中心度描述

2.MOOCs中學習者的交互質量分析

研究者對學習者討論的內容進行內容分析，并求得其所有帖子的均值。最終得到163人五周共6856條帖子的編碼結果。雖然分析框架的層級從1至5共包含5級，但在本研究分析的帖子中，最高的層級僅僅達到3級，大部分帖子的層級停留在1-2級。可見整體而言，學習者交互的層次還較低，交互沒有深入下去，交互質量自然不高。每周學習者交互質量的平均值在1.11到1.25之間，且呈現出上升的趨勢，即整體而言，學習者交互的質量在緩慢提高(如表3所示)。

表3 課程論壇交互質量描述

3.MOOCs中學習者社會性交互數量與質量的關系

在本研究中，以社會網絡中心度與交互深度分別表征社會性交互的數量與質量，對持續參與者的交互中心度與交互深度的關系進行了以下三類分析(如表4所示)。

表4 社會性交互數量與質量的關系

(1)當期學習者的中心度和其交互深度的關系，第1周學習者的中心度和其交互深度呈現出顯著相關，其他4周，學習者的中心度和交互深度之間沒有呈現相關性。

(2)當期學習者中心度與學習者后期交互深度的關系，第1周、第2周、第3周、第4周的學習者的中心度與后期幾周的交互深度都沒有呈現出顯著相關。

(3)當期學習者交互深度和后期中心度的關系，第1周的交互深度與后期，即第2周、第3周、第4周與第5周的學習者的中心度都呈現出顯著相關；其他幾周的交互深度與后期的學習者中心度之間都沒有明顯的相關性。

從上述分析來看，無論學習者當期中心度與交互深度之間，還是當期的中心度/交互深度與后期的交互深度/中心度之間都沒有呈現出明顯的相關性。

我們從上述分析可以對本文的兩個研究假設做出基本的回答。

假設1：對于MOOCs中的個體學習者，論壇交互中心度的增加有利于其后續交互質量的提升，該假設不成立。

假設2：對于MOOCs中的個體學習者，交互質量的提升有利于其后續論壇交互中心度的增加，該假設部分成立。

假設1的不成立是顯而易見的，在數據分析中，交互數量的變化和后期交互質量的變化沒有呈現出顯著的相關；而假設2中，第1周的交互質量對后續交互數量的變化有顯著的正相關，而除了第1周外，其他時間段的交互并沒有呈現出相應關系，我們可以認為假設2部分成立。

四、關于交互數量和交互質量關系的討論

通過對Coursera平臺上“Rhetorical Composing”課程交互情況的數據分析，可以看出在MOOCs中基于論壇的交互并沒有像我們的研究假設那樣呈現交互數量和交互質量相互促進的結果，究其原因，我們認為可以從以下幾個方面進行討論。

1.無論對于當期的交互還是后續的交互，社會網絡關系的建立并不能夠帶來深入、充分的交互

相關分析的結果顯示，除了第1周的學習者中心度與第1周的交互深度呈現出相關性以外，其他幾周的學習者的中心度與當期交互深度、后期交互深度之間沒有相關性。這表明，學習者之間社會網絡關系的建立并不意味著有效交互的達成或者其發生的可能性更大。而實際上，雖然論壇中有大量的討論，但整個基于論壇的交互效果并不理想，主要表現為以下兩個方面：

首先，交互內容十分單一。在內容分析的過程中，研究者發現，得到較多回應的主題主要分為兩類：第一類，對課程講授過的知識的討論，表現為就語言知識的提問和回答。第二類，就課程評價結果、方法和標準的討論，表現為學習者對自己的成績提出質疑、學習者對課程的評價標準提出質疑、學習者對課程的評價方法提出質疑(主要是同伴評價)。

其次，交互停留在較淺的層次。在五周163人發表的所有帖子中，90%以上的帖子停留在1、2層級上。這也有可能是受到交互內容的影響。在第一類主題的交互中，討論往往針對具體的例子，學習者無法在討論的過程中抽象出背后的語言規律，或者僅僅照搬教師在課程視頻中講過的知識。例如在第3周中，回復次數最多的帖子是關于語法知識“時態一致性”的討論。發帖人基于2個句子提出了關于“時態一致性”的問題，其他學習者就這個例子進行回答，當一個例子討論得差不多時，其他學習者會提出新的例子，然后重復與前面類似的討論。在第二類的討論中，大部分的討論內容是學習者對評價的不合理性的情緒的表達或者對評價細節的詢問和確認，也難以深入和提升。例如在第3周，回復次數排名第四的帖子中，學習者就某次同伴評價的作業評價標準的討論——當作業要求寫一個句子，而提交的作業包含了多個句子的時候應該怎么辦。可想而知，這類討論是無法深入的，也不需要深入的討論。

上述現象表明：交互過程中存在很多可能限制交互深度的其他影響因素。例如，討論主題，太過生活化或者答案非常直接、明顯的主題都無法得到深入的討論。此外，對討論的組織也可能對交互深度產生影響。這些因素使得即使學生積極參與交互，交互的質量也無法得到提升。這使得我們必須思考，究竟應該如何促進MOOCs中交互的質量從而提升學習的效果。

2.無論對于當期的交互還是后續的交互，深入、充分的交互并不能夠促進社會網絡的擴展

同樣，相關分析的結果顯示出，除了第1周交互的深度與第1周、第2周、第3周、第4周、第5周的出度、入度有顯著相關外，其他幾周的交互深入與當期和后期學習者的中心度之間沒有顯著相關性。這表明，學習者交互的深入程度并沒有影響其他學習者與其進行交互、建立社會網絡關系的可能性。可以說除第1周外，課程學習整個階段的交互質量沒能夠對后期交互數量產生一定的影響。事實上，我們發現，課程中每周社會網絡關系的變化非常大。對于一個學習者而言，每周進行交互的人可能沒有任何的交集，即幾乎沒有建立起穩定的社會網絡關系，一定程度上也說明了前期交互對后期交互難以產生影響。本研究通過分析回復較多的帖子，發帖人與回帖人前期關系的建立情況來進一步說明這個特點。

研究者選擇了第3周參與人數最多的15個帖子，并統計發帖人與回帖人在前兩周交互的總次數，統計的結果如表5所示。除了A、C、M在前兩周與在這個帖子中參與的人有過非常少的交互以外，其他人與在該帖回復他們的人在前兩周沒有任何的交互。這說明在之前建立的交互關系網絡是沒有延續的，因此，學習者難以通過有效的交互形成影響力并維持這種影響力(這種交互的影響力往往只存在一個回復貼之中)。

表5 社會性交互的延續性說明

續表5

在本研究中，前期交互的影響力是很難維持、延續的。對于這種現象，大量的學習者流失可能是一個重要原因。對于整個交互的群體而言，參與度降低的速度非常快，而且后期參與交互的人往往并不是前期參與了交互的人。經過研究者統計，同時參與第1周、第2周交互的共1693人，同時參與第3周與第4周交互的共682人，而同時參與五個星期交互的人僅163人。各周次之間交互的人的交集太小，導致可能的交互對象變化非常大，兩個學習者之間能夠形成持續交互的可能性非常的小。在這樣的情況下，前期交互的效果自然難以對后期、新的交互產生影響。每周社會網絡關系的變化非常大。這也在一定程度上說明了社會網絡關系的不穩定讓已經建立的社會關系無法對交互產生作用。

五、結論與建議

整體而言，在本研究中，MOOCs中的社會性交互呈現出MOOCs本身的一些特點：基數大、流失率高、受到多種因素影響而隨機性明顯。就交互本身而言，難以建立有效的社會網絡關系，先前的社會網絡的構建對于后期社會網絡的構建以及其對學習的促進作用在本研究并沒有明顯的體現，這也可能是受到MOOCs本身特點的影響，此外，也可能是受到論壇這種交互工具的影響。論壇中沒有專門的功能來保存社會關系，例如社交網絡中利用加好友的功能來保存社會關系，又或者是一些學習平臺中能夠創建屬于小組的論壇，這使得穩定的社會網絡關系的建立更加的困難。沒有穩定的社會網絡關系，基于社會網絡關系的學習的效果便難以得到保證。由于本研究僅僅探究了在這種情景下，交互呈現出的規律，并沒有分析規律背后的原因，后續的研究應該進一步探討導致社會網絡關系松散的原因是什么，如何促進社會網絡關系的建立以及如何提升基于社會網絡關系的學習的有效性。

本研究并沒有驗證研究假設，一方面可能是由于數據搜集的條件限制，僅僅分析了論壇中的社會性交互，并沒有將MOOCs課程中應用到的其他社交媒體數據如Twitter等考慮在內。另一方面，這也能證明MOOCs的大規模學習者并不能直接引發具有一定廣度和深度的社會性交互的出現。這也印證了目前流行的對xMOOCs模式的批判，如貝茨[10]所說，實際上到目前為止xMOOCs采用的是一種“依賴于信息傳遞、計算機對作業評分和同伴評價的非常古老的、過時的行為主義教學法”。大規模學習者被期待帶來的是社會性交互極大化的知識生成和傳遞，個人學習環境和個人網絡環境的創建，或者說是學習者的交互空間的創建過程。從這個意義上說，交互是MOOCs學習的核心。如果交互不能有效發生，并且形成數量和質量的相互促進，那么MOOCs的可持續發展就變成了一種商業運營模式的演化，而不是真正意義上的教育變革了。

對MOOCs來說，如果未能在“大規模”上有突破性的教育解決方案，那么這樣的大規模，實際上是沒有任何意義的，為了實現真正意義上的大規模在線開放課程的質量提升，我們認為需要進一步強化MOOCs教與學過程中社會性交互的數量與質量，突破行為主義導向的教學模式。社交網絡在教育中應用的潛力是巨大的，但如何把這種潛力真正變為實力，就需要變革現有MOOCs的教學模式設計。簡單的聽講+練習的模式的確能夠有效支撐淺層次的認知目標的實現，但深層次的學習仍然需要在充分的社會性交互中完成。大規模只是帶來了交互的可能性，而沒有引發必然性。研究數據中第1周的交互其實已經暗示了這種社會性交互促進學習的實質意義，即學習者在加入MOOCs學習之初，除了有強烈的擴展視野、興趣激發的動機外，也對于和世界各地的學習者進行共同學習和交流有著相當的熱情，從而使得第1周的社會性交互成為本研究中唯一發現的對后續交互有顯著影響的變量。如何持續保持這種有充分教育意義的社會性交互，并真正實現在交互過程中的意義建構，就需要在課程活動設計中更加重視群體協作、經驗分享和協同創新；在支持服務中更加強調教師的主動參與和學習者的互相支持；在評價設計中突出教師和學生的共同參與。只有強化在交互過程中的意義習得，才能真正發揮出大規模學習者帶來的教與學變革潛力。

[1] Cabiria, J. Connectivist learning environments: Massive open onlinecourses[DB/OL].http://www.worldcomp-proceedings.com/proc/p2012/EEE6065.pdf,2015-10-21.

[2] Siemens, G. Connectivism: A Learning Theory for the Digital Age[DB/OL].http://www.elearnspace.org/Articles/connectivism.htm, 2010-04-21.

[3] Kim, M., & Lee, E. A Multidimensional Analysis Tool for Visualizing Online Interactions [J]. Educational Technology & Society, 2012,15(3)：89-102.

[4][9] 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.

[5] Fahy, P. J., Crawford, G., & Ally, M. Patterns of interaction in a computer conference transcript[J].The International Review of Research in Open and Distance Learning, 2001,2(1)：20-35.

[6] Wasserman,S.Social network analysis:Methods and applications [M].Cambridge :Cambridge University Press,1994.

[7] Russo, T. C., & Koesten, J. Prestige, centrality, and learning:A social network analysis of an online class[J]. Communication Education,2005,54(3): 254-261.

[8] Scott, J. Social network analysis[J]. Sociology, 1988,22(1):109-127.

[10] Bates，T．What's Right and What s Wrong about Coursem-Style MOOCs?[DB/OL].http//www.tonybates.ca/2012/08g)5/whats-rightand-whals-wrong-about-comsem-style-mooc,2012-09-20.

An Empirical Study on the Correlativity of Students’ Interactivity and Quality of Content in MOOCs Forum

Zheng Qinhua, Li Qiujie, Chen Li
(Research Centre of Distance Education, Beijing Normal University, Beijing 100875)

In Connectivist learning, interpersonal interaction (II) between students can help them to form their personal knowledge network. This makes II in learning more important than before. MOOC environments, due to the features of massive and rich interactive media and numerous students, aim to achieve the realization of Connectivist learning. So studying the statistical interaction(SI) between the interactivity and quality of content in MOOCs can help teachers to know how to improve students’ II and learning performance. Unlike current studies that discuss interactivity and quality of II separately, this research focuses on the relationship between students’ interactivity (which describes interactive quantity), and students’ quality of content in a MOOC forum. Social network analysis, content analysis and correlational analysis are used to collect and analyze the data from a Coursera course. No significant correlation between the interactivity and quality of content was found; and the conditions necessary for the relationship between them was discussed.

Interactivity; Quality of Content; Learning on MOOCs

G434

：A

鄭勤華：博士，副教授，研究方向為遠程教育政策和學習分析(zhengqinhua@bnu.edu.cn)。

李秋劼：碩士，研究方向為在線學習分析(liqiujiemama@gmail.com)。

陳麗：博士，教授，研究方向為遠程教育基本理論(lchen@bnu.edu.cn)。

2015年12月4日

責任編輯：李馨 趙云建

1006—9860(2016)02—0058—06

* 本文系全國教育科學“十二五”規劃2014年度國家重點課題“教育信息化與大型開放式網絡課程(MOOCS)戰略研究”(項目編號：ACA140009)的成果之一。