基于社會網絡分析的學習者在線交互行為研究

田麗麗 趙穎

摘 要：信息化的推進加快了慕課的發展，在慕課學習過程中積累了大量的學習者學習行為數據，合理利用這些行為數據可進一步提升學習者的學習效果。運用社會網絡分析方法對《微課設計與制作》慕課中綜合討論區學習者的交互行為進行分析，從交互網絡的密度、中心度、核心-邊緣、凝聚子群等方面反映學習者學習情況。結果表明：慕課討論區中學習者之間的交互比較松散，學習者流動性較大；知識掌握仍停留于表層，沒有內化；學習者之間缺乏學習情感投入。因此，需從管理層面、討論區形式、共享性方面加強慕課討論區建設，以提高慕課學習者交互的主動性，提升學習效果。

關鍵詞：社會網絡分析；在線學習；交互行為

DOI：10.11907/rjdk.172303

中圖分類號：G434

文獻標識碼：A 文章編號：1672-7800（2018）004-0222-05

Abstract：The promotion of information technology has accelerated the development of MOOCS. A large amount of learning data has been accumulated to improve learners learning effect. The analysis of the learners' interactive behavior in the general discussion section in the course of Micro-class Design and Production is done by the social network method to present the interactive network density， centrality， the core-edge， and condensing subgroup. It is shown that the learners interaction is relatively loose while the learners mobility is high； knowledge is not absorbed and there is a lack of emotional commitment among learners. It is suggested that the learners' interaction need to be strengthened from the promotion of management level ， discussion and sharing forms in MOOC forums to improve learning effect.

Key Words：social network analysis； online learning； interactive behavior

0 引言

信息技術正在推動人類邁向一個新的臺階，新技術帶來了教育領域新的變革，使教育從思想到形態發生了巨大變化，在線教育模式也逐漸演變，慕課隨之興起。慕課由于開放性等特點，受到廣大學子關注。慕課討論區是教師與學生在教學過程中互動比較高的溝通工具，可以為學習者提供大范圍的交流與協作，從社會網絡分析視角對慕課學習者的交互行為進行分析，為培養學習者互動學習以及完善慕課的建設和應用提供參考。

1 研究設計

1.1 研究對象

中國大學MOOC是網易與高教社聯手推出的在線教育學習平臺，教育部國家精品開放課程任務由它承接，主要是向學習者提供中國知名高校的MOOC課程。上線于2014年，其完整的在線教學模式支持了高等學校在線開放課程建設，實現了學生、社會學習者的個性化學習[1]。

選取中國大學MOOC——愛課程網2017年4月12日開課課程《微課設計與制作》綜合討論區的帖子為研究對象，以4月12日到5月12日1個月中學習者及教師助教所發帖子為基礎，對帖子發布時間及學習者用戶名進行統計，統計之后用Excel軟件進行編輯處理，為了分析方便，將學習者的用戶名按順序編號。

在課程學習過程中，學習者在討論區的參與程度與最終成績相聯系，該綜合討論區內的帖子是每個人都可以發布的，獲取滿分者需要在課件“討論活動”中發帖和回帖的數量達50條及以上。該討論區在該時間內共有152名學習者，包括一名老師與一名助教，經過篩選，排除了無意義與回復為零的帖子數，以發生一次聯系為標準建立相應的交互關系，去除重復交互次數，共有877個關系連接數。

1.2 研究方法

采用社會網絡分析方法對《微課設計與制作》課程綜合討論區的交互情況進行分析。社會網絡分析方法是在相關的關系數據基礎上建立社會關系，通過形式化表達，探究社會行動者與行動者之間的網絡關系。它是直接針對社會結構的模式化關系，主要從關系或者結構的角度分析研究對象，注重個體與個體之間的關系[2]。

社會網絡分析是研究社會過程和問題的一種研究方法[3]。主要測量指標有密度、中心度、關系強度、位置、內容、角色、派系等，從其測量指標分析行動者之間的聯系程度。利用社會網絡分析方法分析網絡學習者間的交互關系從而探討其學習的參與程度，將學習者的ID編號構建為二值關系矩陣，矩陣的行表示關系發出者，列表示關系接受者，其中的數值代表兩個行動者之間的關系，1代表行動者對另一個行動者產生了回復或評論，0代表兩個行動者之間沒有產生關系。利用UCINET和NetDraw軟件對關系矩陣進行網絡分析，通過對學習者與學習者之間聯系的程度以及互動內容的分析掌握學習者學習情況，為課程制作與學習方式選擇提供指導。

2 學習者交互行為社會網絡分析

2.1 整體社會網絡結構

社會網絡分析中，節點代表各學習者，線代表各學習者之間是否存在關系，關系可以是多值也可以是二值，可以有方向也可以無方向，網絡分析者將根據這種思想得到的圖叫作社群圖（Sociogram）[4]。社群圖最早由莫雷諾使用，被廣大研究者所認可，它可以簡潔、清晰地表示網絡中各個節點之間的關系，選取社群圖表示各學習者之間的學習交互情況如圖1所示，其中學習者與學習者之間的關系用帶箭頭的直線表示，箭頭所指向的學習者代表關系的接受者。

從圖1可以看出，在整個學習者網絡結構中，ID號為6、114、87、22、7的學習者處于網絡中心位置，ID號為144、143、33、138、94等一些學習者處于邊緣位置，他們與其他學習者的交流互動比較少。在UCINET中，通過Network-Cohesion-Distance路徑，可以計算出整體網的平均距離，即任何兩個點之間的距離，在這門課中，計算出的平均距離為3.129，建立在距離基礎上的凝聚力指數為0.306。研究顯示，該凝聚力指數越大，整體網絡的凝聚力就越強，此處是0.306，表明學習者之間的交互不緊密，整個網絡的交互比較松散。

2.2 網絡密度分析

在UCINET中經過Network-Cohesion-Density路徑，可以得出此討論區的整體網絡密度為0.0382，在實際網絡中能得出的最大密度為0.5。因此，此網絡是比較疏散的，網絡中各學習者之間的聯系不是很緊密。在慕課中，由于學習者來自各地，身份環境各不相同，雖然參與人數足夠龐大，但彼此之間的交流互動不多。

2.3 中心性分析

2.3.1 度數中心度與中心勢

度數中心度表示與某點直接相連的點的數量，在無向圖中是點的度數，在有向圖中是點入度與點出度的和[5]。若一個點與其它許多點直接相連，就可以說該點的度數中心度較高[6]。在這里的學習交互中，點入度表示學習者被另外學習者回復或評論的帖子數，點出度表示學習者回復或評論他人的帖子數。

分析結果如圖2所示，6號的點出度（OutDegree）最大，也就是說該學習者主要回復或評論別人所發的帖子，可以看出此學習者的身份是交互中的主要參與者，相應的討論區主要參與者還有編號為114、51、19、66的學習者。關于入度（InDegree），其中最高的是1號，為34，接下來是編號為22、87、7、114的幾位學習者，分別為25、25、22、22；其中22號為老師，由實際情況來看，此討論區中凡是有老師參與的話題一般都會有很多學習者參與進來，在這里，入度比較高的學習者在整個交互中的地位是意見領袖，主要帶動整個交互的進行，是交互的領導者。從總體情況來看，出度值大于10的學習者占總學習者的25%，入度值大于10的學習者占總學習者的9.87%，這說明學習者的主動參與度不高。

圖的度數中心勢描述的是網絡整體的中心性，在此網絡中，學習者入度的網絡標準化中心勢是19.07%，出度的網絡標準化中心勢是17.07%，說明在整個交流中，被回帖和被評論的集中趨勢稍大于回帖和評論的趨勢，即大部分人有問題就發帖尋求答案，并且可以找到。但總體而言，整個出度與入度的中心勢比較低，說明發帖和回帖都沒有明顯的集中趨勢。

2.3.2 中間中心度

在社會網絡分析中，中間中心度測量的是某個行動者對資源的控制程度，在此交互網絡中，中間中心度測量的是學習者處于整個網絡的什么位置，也就是學習者被另外學習者“利用”的程度，如果一個學習者的中間中心度比較高，說明有許多學習者互動交流需要經過他[7]。

從圖3中可以看出，編號為114、87、7、22、1、62、51、80的中間中心度很高，說明他們在網絡交互中主要起中介作用，同時發現，在這門課程中，大多數學習者都是通過其他學習者與另外學習者進行溝通與學習。

在分析結果中，有18位學習者的中間中心度為0，結合整個網絡社群圖，這些學習者處于網絡的邊緣位置，應多加注意。另外，整個網絡的標準化中間中心勢為14.35%，就數值來說也不是太低，但從交互情況來看，只有114、87、7這3個學習者帶動了整個交互，這表明大部分學習者之間的溝通聯系還較少。

2.4 核心-邊緣位置分析

核心-邊緣結構是中心聯系緊密、外周聯系分散的特殊結構，核心-邊緣有離散和連續之分，如果是定類數據，則構建的是離散的核心-邊緣模型，若是定比數據則構建連續的核心-邊緣模型[8]。在此對收集數據處理后，由于所用的是二值網絡，屬于定類數據，因此構建的是離散的核心-邊緣模型。通過分析學習者的核心邊緣位置情況，可以準確掌握各學習者所處位置，更好地控制其后續學習走向。

在UCINET中按Network-Core/Periphery-Categorical路徑，可以構建出學習者的核心-邊緣模型，如圖4所示，可以看出，初始矩陣與理想矩陣之間的相關系數為（Starting fitness）0.081，經過重排后的矩陣與理想矩陣的相關系數（Final fitness）為0.082，Final fitness值越大，表明實際模型數據與理想模型數據越接近，實際模型中的核心-邊緣結構模型越顯著。

此外，圖4中第一部分學習者顯示的是處于核心地位的學習成員，有84位，第二部分顯示的是處于邊緣地位的學習成員，有68位，表明在整個學習過程中，有大半學習者還是處于主動地位。從數值看，此研究中學習者之間的聯系比較松散。

根據密度矩陣可以看出，核心學習者之間的關系密度為0.073，邊緣學習者之間的關系密度為0.005，核心到邊緣的密度為0.035，邊緣到核心的密度為0.016，可以發現，核心學習者之間相互聯系程度遠遠大于邊緣學習者之間相互聯系程度，且核心學習者與邊緣學習者之間也存在方向性，核心到邊緣聯系的程度遠大于邊緣到核心的聯系程度，可以推斷出邊緣學習者比較被動。

2.5 凝聚子群分析

凝聚子群研究是一種社會結構研究，凝聚子群的概念有很多種，大體上說，“凝聚子群是滿足如下條件的一個行動者子集合，即在此集合中的行動者間具有相對較強、直接、緊密、經常的或積極的關系”[9]。在本討論區中，主要通過派系對學習成員間的聯系進行分析，在派系中，任意兩個學習者之間都是直接相聯系的，且不能向其中加入另外新的學習者。

首先，對學習者的成分進行鑒別，即強成分與弱成分，通過分析結果得知，強成分有22個，其中存在一個大的強成分和21個較小的強成分（分別由11、14、37、55、68、69、88、94、113、129、132、136、137、138、139、140、141、143、144、146、147這21個單點構成）。對弱成分進行分析，可得到只有一個弱成分，是由全部學習者構成的。由此看出整個網絡中學習者的聯系較松散，只有一個大的強成分，說明學習者討論交流主要集中于一個圈子中，剩下的幾個強成分則是比較獨立的邊緣學習者。

由于這種分析沒有提供群體內部結構的信息，因此需要對該數據進行細致化處理分析——派系分析。分析結果如圖5所示。

由圖5可知，共有32個派系，從派系分析結果可以看出，派系之間有相同的成員，存在派系重疊的情況。因此，可利用派系共享成員降低派系數量，找出派系中的主要成員以及群體中可能存在的領導者。

從數量上來說，共享數量越多，派系間相似性就越高，也說明在討論交流中與大多數學習者建立了較為緊密的聯系；圖6是派系共享成員矩陣，由圖6可知，派系3、4、5都包含4個學習者，但其中3個學習者是共享成員，說明派系3、4、5具有相似性，即6、62、66三個學習成員在討論交流過程中與更多的學習成員建立了聯系。

還有一些學習成員不存在于任何派系中，說明他們在討論區中較少參與交流溝通，屬于孤立的學習團體。從整個討論區的學習者參與情況來看，大部分學習者積極參與討論并與他人建立了良好的聯系，但是整體討論參與情況并不是很好。

處于同一派系中學習者之間的聯系比較緊密，但同其派系之外學習者之間的互動性并不是很高，對于不屬于任何派系的學習者來說，他們與其他學習者之間的聯系更是松散。因此，要加強與其他學習者之間的交流互動，更好地參與網絡學習中。

3 結論與建議

3.1 研究結論

通過對中國大學慕課上《微課設計與制作》中綜合討論區的分析研究，發現慕課中大部分學習者的學習積極性雖然比較高，但不乏一些學習者只是“三分鐘熱度”，剛開始時興趣很高，在學習了一段時間之后就退出了，可以看出慕課的流動性較大，導致學習者間的交流互動不緊密，聯系不密切。

整個討論區的密度也偏低，中心位置的學習者和邊緣位置的學習者都不是太多，由此看來在慕課課程學習中，處于中間位置的人比較多，大部分人能夠完成課程的學習，但將交流討論當作可有可無的學習，很多人覺得看完視頻就是學習，沒有將知識內化從而用討論交流的形式展示出來。

在討論交流中，有部分學習者傾向于與權威人士互動交流，對教師參與和發起的討論回復和評論比較多；還有學習者提出學習中遇到的操作性問題，很多學習者都進行了細致的回復。可以看出，在交流討論中，主要是以共享知識為主，學習者之間以及教師與學習者之間缺乏學習情感投入。

3.2 建議

3.2.1 加強教師與管理人員的引導作用

在慕課課程開始階段，教師和助教應該發揮其領導組織作用，組織學習者在討論區互相認識，提升情感交互，將學習者帶入一個情感支持明顯的學習環境中[10]；在課程討論區發展過程中，教師和助教可以以知識點為單元分小組學習，進行知識競賽，鼓勵學習者協作學習，分享心得；在課程結束時，管理人員可以選出核心學習者，為課程的再次建設打下基礎[11]。

3.2.2 改變討論方式，培養學習者的學習交流習慣

在慕課學習中，雖然討論區是開放的，但由于學習者來自四面八方，其個人背景、教育程度、生活地域等也有差距，因此，教師可以根據學習者的個人信息，建議學習者組織與其相適應的討論小分隊，形成同伴互助、異隊互學的討論學習形式，加強知識內化。

良好的討論區即使沒有教師參與也能自主發展。因此，學習者之間的互助互學以及學習中的核心人物是關鍵，可以在學習者中選擇核心人物為其他學習者答疑解惑。隨著課程的繼續，已開始學習課程的學習者可以為后續參與的學習者提供相當于教師的指導，以加速知識傳播。

3.2.3 發揮網絡優勢，進一步共享課程

目前，對于各大慕課課程的學習時間，都是依照傳統學校的時間安排，在工作日內發布課程信息，一旦課程結束，沒參加課程學習的學習者就不能再看到課程的具體內容，對于一些學生和教師來說，在校期間較忙，寒暑假卻比較輕松。因此，針對這些問題，可以利用網絡的實時性，對課程開課時間作適當調整，使得上線課程隨時可以被查看，方便各學習者隨時學習。

4 結語

大數據時代的到來，使得學習者學習過程中產生的各類數據發揮了重要作用，從社會網絡分析角度對慕課課程中學習者討論區進行了分析，發現了交互學習中的小群體、邊緣學習成員以及核心學習成員，以便教師隨時掌握學習者的學習動態，發揮核心人物的力量督促和提醒邊緣學習者，使教與學向更好的方向發展。

參考文獻：

[1] 互動百科.中國大學MOOC[EB/OL].http：//www.Baike.com/wiki/%E4%B8%AD%E5%9B%BD%E5%A4%A7%E5%AD%A6mooc&prd;=so_1_doc.

[2] 劉軍.整體網分析講義：UCINET軟件實用指南[M].上海：格致出版社，2009.

[3] 王陸.典型的社會網絡分析軟件工具及分析方法[J].中國電化教育，2009（4）：95-100.

[4] 張恩.社交網絡空間結構特征分析與研究[D].贛州：江西理工大學，2014.

[5] 邢晨宇.基于圖論的SNS社區網絡空間結構——中心性分析[D].石家莊：河北師范大學，2013.

[6] 趙廣利.社會網絡分析技術在博客媒體信任度中的研究與應用[D].包頭：內蒙古科技大學，2011.

[7] 徐劉杰，熊才平，郭偉.網絡資源動態發展利用的社會網絡分析——以新浪微博“教育技術”群為例[J].遠程教育雜志，2013（1）：38-44.

[8] 張玥，朱慶華.學術博客交流網絡的核心——邊緣結構分析實證研究[J].圖書情報工作，2009（12）：25-29.

[9] 李凌云，陳維維，劉敬.我國教育技術學研究熱點的可視化分析——基于國內博、碩士學位論文關鍵詞網絡的研究[J].南京曉莊學院學報，2015（4）：85-91.

[10] 劉冰君.數字化游戲的情感表征與互動研究[D].濟南：山東師范大學，2014.

[11] 劉冰.社會網絡視角下慕課學習者互動關系研究[J].寧波大學學報：教育科學版，2016（5）：62-69.

（責任編輯：何 麗）