在線交互網絡中個體重要性評估及對學習成效的影響 *

梁云真

(河南師范大學 教育學院，河南 新鄉 453007)

一、問題的提出

隨著網絡技術、Web2.0技術等新型技術的蓬勃發展，慕課、在線開放課程等在線學習形式呈現井噴狀的發展勢態。同時，國家、學校和用戶群體紛紛關注。國家出臺《教育部關于加強高等學校在線開放課程建設應用與管理的意見》(2015)，并表示要建設一批課程應用與教學服務相融通的優質在線開放課程。2018年教育部首批推出了490門“國家精品在線開放課程”。據不完全統計，我國高校建設的在線課程總數已超過1400門，高校和社會學習者選課人次首次超過3000萬[1]。

交互一直都是遠程教育領域關注的焦點。研究者從交互類型[2][3]、交互模型[4][5]、交互策略、交互評價[6]等維度開展了深入的探討。慕課、在線開放課程等在線學習形式，盡管與傳統遠程教育有著本質性的區別，但在線交互仍然是其基礎與核心。在員工知識網絡的相關研究成果認為，不同的員工在知識網絡中具有不同的作用，如有些員工是知識來源(出度最大)，起著廣播知識的作用；有些員工起橋梁作用(中介中心性最大)，負責由知識源接收知識并向他人傳導知識；另外，還有擅長集百家所長，并進行實踐應用的員工等[7]。因此，我們認為學習者在交互網絡中所處地位及作用的不同，對于交互及學習效果也有不同影響。

本研究中的在線交互網絡主要是指學習過程中，學習者與學習者之間的發言、回復、評論等行為而產生的社會網絡。在社會網絡研究領域，評估網絡節點的重要性，探尋復雜網絡中的重要節點一直都是網絡研究中的關鍵問題[8]。處于在線交互網絡核心位置的具有重要地位的學習者，對于交互網絡的形成以及問題的解決等學習任務的完成具有重要的作用，如果交互網絡中失去了他，將會對交互及問題解決產生重要影響，因此把握每位學習者在交互網絡中的重要性，以便制定合適的交互策略，促進有意義交互的產生。那么如何根據學習者的在線交互行為識別交互網絡中處于重要地位的個體呢？

本研究擬在分析基于社會網絡的節點重要性評估，以及交互分析相關方法的基礎上，結合在線交互網絡的特征，建構在線交互網絡中個體重要性評估模型，提出基于PageRank的在線交互網絡中個體重要性評估方法。并進行實際驗證與應用。同時分析在線交互網絡中學習個體重要性對于其知識建構水平、學習成績等方面的影響。

二、相關研究基礎

(一)基于社會網絡的節點重要性評估方法及應用

網絡節點重要性的評估方法主要有基于網絡結構的方法和基于社會網絡分析的方法兩大類。基于網絡結構的方法建立在“破壞性等價于重要性”這一理念的基礎上。認為網絡節點的重要性即“刪除節點后對網絡連通的破壞程度”。李鵬翔等[9]基于節點(集)刪除的方法，采用節點被刪除后形成的所有不連通節點間的距離的倒數之和來測量節點的重要性，但該方法僅是針對無向網絡，而沒有考慮賦值網絡和有向網絡。安世虎等[10]采用節點刪除方法，建構了賦值網絡中節點集重要性的綜合測度數學模型，并在知識共享網絡中應用并驗證其有效性。

基于社會網絡分析的方法，核心理念是“重要性等價于顯著性”，也就是認為網絡節點的重點性即該節點與其他節點之間建立的連接而使其具有的顯著性[11]。即節點的重要性可通過點度數、中心性、最短路徑等參數評估。欒春娟等[12]認為網絡中心性是衡量節點重要性的重要指標。其中程度中心性處于最為重要的位置。程度中心性越高的節點，其在網絡中的地位越高、權力最大。基于此，欒春娟提出了發明者合作網絡中節點重要性的評價方法，并探討了其對科研績效的影響。葉春森[13]認為節點的重要性可以通過節點的度與凝聚度來測量，即：

(其中di為節點Vi的度，cdi為節點Vi的凝聚度。ci是節點Vi的連通度，ci等于節點Vi直接相連的節點之間的邊的總數)，并通過案例驗證該方法的有效性。上述方法僅考慮節點自身的度值及相關信息，對于節點之間的其它方面的差別捕捉不到，具有一定的片面性。因此，王建偉等[14]綜合考慮節點度、鄰居節點度、節點介數等多種因素，探索了一種帶有可調參數的節點重要性評估方法，并在艾滋病患者性關系網絡中進行了應用與驗證。該方法僅考慮了節點度及相關信息。

整體來看，基于社會網絡分析的節點重要性評估方法的應用領域主要有：1.科研合作網絡：肖連杰等[15]在考慮節點的點權信息的同時，將節點的邊權即科研合作者共同發表論文的學術價值也作為節點重要性的核心要素，提出了科研合作網絡中節點重要性的評估方法。2.網絡意見領袖識別：李卓卓等[16]、羅曉光等[17]、陳遠等[18]基于中心度、核心—邊緣模型、結構洞等方法分別探討了大學生就業輿情網絡，論壇、QQ群及博客、顧客口碑網絡中的意見領袖識別方法，并進行應用；朱衛未等[19]結合社會網絡分析方法與偏好排序，確立了網絡輿情中意見領袖的識別方法。3.員工重要性評估：單偉[20]、鐘琦[21]、陳亮[22]等開展了知識交流網絡中員工的重要性的相關研究，劉軍[23][24]基于前人的研究成果，從隱性知識交流網絡的結構出發，借鑒PageRank算法提出了員工重要性及隱性知識交流能力評價模型并通過實例驗證了模型的科學性。這些研究成果對本研究具有重要的借鑒意義，為本研究的順利開展提供了堅實的理論與方法基礎。

(二)學習者交互分析方法

交互分析方法是交互研究的切入點，不同的交互分析方法，具有不同的分析工具與技術，適用于不同的分析對象與研究目的。從網絡學習環境下的學習者交互研究來看，主要包括定性的方法和定量的方法兩大類。其中，定量的交互分析方法主要包括內容分析法、社會網絡分析法、系統建模法、多層線性模型法、滯后序列分析法等。定性的交互分析方法主要包括話語分析法、扎根理論分析法、案例研究法、事件分析法、敘事分析法、OCAF方法(Object-oriented Collaboration Analysis Framework)。

研究者通常采用內容分析法，基于科學的編碼框架，對交互內容進行編碼、分類與計量，從而揭示在線交互過程與質量。王晶等[25]基于Veldhuis提出的編碼體系，采用內容分析法從認知活動、元認知活動、情感活動及其他活動四個維度，分析了在線課程中的異步交互。Hou[26]等采用內容分析法分析交互文本的表層信息，揭示在線交互過程及其質量。劉智等[27]通過概率話題建模與詞頻分析、內容分析等方法，對云課堂中學習者互動話語行為進行研究。對于學習者交互的分析，除了關注交互內容外，還需要深入探究交互過程與網絡結構等。王陸等采用社會網絡分析法分析成員間的交互關系與頻次，揭示交互結構。鄭蘭琴等[28]將協作學習系統看作信息系統，基于此提出基于信息流的交互分析方法，分析交互過程中信息流與知識網絡圖的屬性。楊現民等[29]采用滯后序列分析法研究交互行為隨時間變化的模式特征、狀態轉移等。

社會網絡分析與其他方法相比，更為關注事件及個體之間的關系層面。如Palonen等[30]基于協作學習網絡的密度與中心勢，衡量學習者之間的交互模式；Daradoumis等[31]通過測量網絡密度、成員中心度等參數，分析虛擬學習社群中學生的參與度；謝小靜[32]從社群密度、中心度及小世界效應等方面分析“中國教育人博客”社群，探討成員互動關系特征；筆者曾經基于學習者交互網絡的密度、中心性等參數，確定核心與邊緣參與者。并對其交互質量及行為序列進行比較分析[33]。

整體來看，綜合采用多種方法開展交互研究已成當前的主要趨勢。鄭勤華等[34]采用社會網絡分析、內容分析等方法，對MOOCs中學習者交互數量與質量進行研究。筆者同樣曾采用社會網絡分析、內容分析法和滯后序列分析法等多種方法，基于知識建構的視角，對網絡學習空間中的學習者交互深度進行分析與評估[35]。采用社會網絡分析方法進行的交互研究中，通常關注網絡密度、中心性、凝聚性等整體網絡的疏密程度。

三、在線交互網絡中個體重要性評估方法

(一)PageRank算法及個體重要性評估的啟示

PageRank算法是由Google的創始人拉里?佩奇和謝爾蓋?布林在隨機沖浪者模型基礎上提出的[36]。作為谷歌搜索引擎的核心算法，它的核心理念是“某網頁的重要性取決于指向它的其他頁面的數量和質量”。即如果一個網頁被一個重要的網頁鏈接，那么該網頁也是一個重要的網頁。因此，PageRank不僅考慮被鏈接網頁的數量，同時還兼顧其質量，全方位地、客觀地評估網頁的重要性從而對網頁排序[37]。

交互是在線學習活動最為顯著的特性，在線學習過程中，學習者通過學習論壇進行互動與交流，達成知識共享與建構。學習者在線交互網絡是指在線學習過程中，由學習者之間的交互關系而形成的某種特定的有序組合方式和存在方式[38]。王陸[39]、王永固[40]、Václav Sná?el[41]、徐峰[42]、阮玉嬌[43]等從不同維度與層次，通過密度、網絡效率、互惠性、點入度和點出度、派系分布、核心—邊緣結構、結構洞等參數與計算，開展了學習網絡結構的相關研究。對于在線交互網絡中學習者個體位置與角色的以往研究中，多從“意見領袖”這一核心概念入手。王陸等[44]采用結構洞的方法測量意見領袖，并通過實證研究證明，教師是虛擬學習社區社會網絡中的意見領袖，意見領袖對于整個網絡的密度、互惠性、連通性等參數均有重要影響。劉敏等[45]對“中小學信息技術教育論壇”中的發帖進行整理，根據論壇成員發帖量、回復量，并結合認同值，采用聚類分析的方法，篩選意見領袖。吳青等[46]在Stuetzer提出的意見領袖衡量指標的基礎上，綜合考慮點度中心性、中介中心性、特征向量中心性等參數，將上述參數中任意指標排名前5%的學員認定為論壇中的意見領袖。這些研究對于在線交互網絡均提供了重要的理論與方法基礎，值得我們借鑒。

綜上所述，與點度中心性、中介中心性、特征向量中心性、發帖量、回復量、結構洞等參數與指標不同的，PageRank算法不僅考慮了鏈接網頁的數量，還考慮了其質量。在線交互網絡和網頁鏈接網絡具有高度相似性，均可以看作為由學習者或網頁所形成的一個有向圖，其中，節點是指學習者或網頁，節點與節點之間的連線，即表示學習者之間的交互關系，或者網頁之間的鏈接關系。 因此，我們認為在線交互網絡中學習者個體重要性的評估，應該不僅僅考慮學習者自身的重要性，還應該考慮其交互對象的重要性。

(二)在線交互網絡中個體重要性評估模型建構

如上所述，在線交互網絡中學習者個體重要性，不僅與學習者自身的中心性等參數相關，還與其交互對象的各種參數相關。在社會網絡研究中，通常認為節點的重要性與該節點的點度數、中心性、最短路徑等密切相關，并且可以通過這些參數評估。因此，我們認為學習者在交互網絡中的重要性受學習者個體的點度中心度、中介中心度、接近中心度、交互的對象等參數的共同影響與作用。

本研究將在線交互網絡定義為一個具有權重的有向圖，即：

其中S是所有節點的集合，表示的是在線交互網絡中的學習者；C表示學習者之間交互關系的集合；E是權重矩陣，表示學習者之間交互次數構成的矩陣。只有Ei,j＞0時，邊Cij∈E。

1. 學習者個體的點出度與其在交互網絡中的重要性

本研究中的“點出度”表示由該學習者發出的交互次數，即該學習者主動向其它學習者提問和交互的次數。學習者Si的點出度記為Do(Si)。

點出度越大，該學習者在交互網絡中發出的交互信息越多，從學習者獲取知識、信息的其他學習者越多，因此該學習者在交互網絡中具有越重要的地位。設學習者Si的重要程度為I(Si)，如果僅考慮點出度對學習者重要性的影響，則有：

其中f(Do(Si))是關于Do(Si)的增函數。

2.學習者個體的點入度與其在交互網絡中的重要性

本研究中“點入度”表示該學習者被其他學習者選擇為交互對象的次數，即該學習者收到其它學習者的交互次數。學習者Si的點入度記為Din(Si)。

點入度越大，該學習者在交互網絡中收到的交互信息越多，從其他學習者獲取知識、信息越多，該學習者可能在收到信息的同時也向其他學習者傳遞信息，因此在交互網絡中應該重視這類學習者，他們在未來很有可能發展成為在交互中具有重要地位的學習者。如果僅考慮點入度對學習者重要性的影響，則有：

g(Din(Si))是Din(Si)關于的增函數。當同時考慮點出度與點入度對學習者重要性的影響時，則有：

其中0≤ω1，ω2≤1，ω1+ω2=1。ω1、ω2分別表示點出度與點入度對學習者重要性影響的權值。

3.學習者個體的中介中心度與其在交互網絡中的重要性

中介中心度是衡量學習者Si在多大程度上處于其他任何兩名學習者之間的測地線上，即在多大程度上控制著交互的重要參數。學習者的中介中心度記為DB(Si)。

其中j≠k≠i且j＜k。中介中心度越大的學習者在交互網絡中起到的橋梁作用越大，如果失去這類學習者，將會影響交互的順利進行。因此，在交互網絡中，中介中心度越大的學習者，越具有較大的重要性。如果只考慮中介中心度對于學習者重要性的影響，則有：

φ(DB(Si))是關于DB(Si)的增函數。當同時考慮點出度、點入度、中介中心度對學習者重要性的影響時，則有：

其中0≤ω1，ω2，ω3≤1，ω1+ω2+ω3=1。ω1、ω2、ω3分別表示點出度、點入度、中介中心度對學習者重要性影響的權值。

4.學習者個體的接近中心度與其在交互網絡中的重要性

接近中心度是衡量學習者在網絡中位置的重要指標，即對于其它學習者的依賴程度，某學習者與其它學習者距離和越大，他對其它學習者的依賴性越小，該學習者在交互網絡中越具有重要性；某學習者與其他學習者間的距離和越小，該學習者在交互網絡中的重要性越小。盡管接近中心度與學習者的重要性也具有較強的關聯，但是由于接近中心度與點度中心度密切相關，因此，本研究中不考慮接近中心度對于學習者重要性的影響。

5.學習者的交互對象與其在交互網絡中的重要性

本研究中，假設學習者Si在交互網絡中比較重要，如果Si向學習者Sj發出交互信息，則認為學習者Sj在交互網絡中也較為重要，即學習者Si在交互網絡中越重要，其所選擇的交互對象也越重要。設學習者Si向學習者Si1、Si2、…、SiDo(Si)等發出了交互信息，如果僅考慮交互對象對學習者個體重要性的影響，那么則有：

其中0≤ω1，ω2，ω3，ω4≤1，ω1+ω2+ω3+ω4=1。ω1、ω2、ω3、ω4分別表示點出度、點入度、中介中心度、交互對象對學習者重要性影響的權值。

6.在線交互網絡中學習者個體重要性評估模型

如果令

那么

式中0≤ωi≤1，ωi即指點出度、點入度、中介中心度、交互對象對學習者重要性影響的權值。

(三)在線交互網絡中個體重要性評估模型的驗證

本研究選取包括4名學習者的小組G1交互網絡的數據驗證本模型的有效性，小組G1的鄰接矩陣如下頁表1所示。學習者Si的點出度、點入度、中介中心度可以通過社會網絡分析軟件UCINET6直接計算，但是學習者Si的重要性又需要計算其交互對象的重要性，而交互對象的重要性又需要該模型才能計算，因此必須采用迭代法對模型求解，為學習者的重要程度設置初始值(如下頁表2所示)，執行迭代計算，直至結果趨向于某個值為止。

表1 小組G1的鄰接矩陣

表2 模型各參數初始值

設各學習者重要程度的初始值均為1，ω1=ω2=ω3=ω4=1/4，學習者S1、S2、S3、S4各參數的初始值如表2所示，利用迭代法進行求解，過程如表3所示。由表3可知，模型經過33次迭代，結果收斂于固定的值，4位學習者的重要程度依次為：S1、S2、S3、S4。由表1可知，S1、S2、S3與其它學習者均有雙向交互，但是S2與S4的交互比S1與S4的交互次數多，S3的點出度與點入度均小于S1和S2，因此S1處于最重要的位置，S2、S3次之，而S4僅與S1和S2有雙向交互，與S3之間僅存在單向交互，因此S4重要性最低。在課前分組時，S1是該小組的組長，負責小組協作問題解決學習活動的任務分配、交互活動的組織等，S1、S2、S3三位學習者均是女生，且均為漢語言文學專業，而S4是男生，專業為運動訓練，因此該模型計算的結果與實際情況相符，我們認為該模型有效。

表3 模型求解過程

四、研究設計

(一)研究對象

本研究選取XX師范大學修讀《現代教育技術》的數學、漢語言文學、生命科學與技術等師范類專業的33名學生。該課程采用基于SPOC的混合學習模式，該模式主要包括學習準備、協作探究、成果交流與總結反思四個階段。其中，學生課下基于SPOC進行自主學習、測試與評價，課中在智慧教室環境中通過教師主導、小組協作的形式開展。在線交互是學習過程中答疑與小組協作的主要溝通渠道。

本研究選擇專題《數字視音頻的設計與制作》，來分析SPOC學習活動的設計及在線交互的過程模式。如圖1所示，學習準備階段的主要任務是撰寫分鏡頭，包括確定視音頻作品的主題、擬定分鏡頭腳本初稿、互相評價方案、修改方案，最后形成分鏡頭腳本的定稿五個部分。該階段學習中，交互主要包括：小組間互相評價分鏡頭腳本初稿及分鏡頭腳本撰寫過程中遇到的問題、困惑等，以及小組內討論確定主題、分步討論腳本、小組內根據組間互評的結果討論修改方案等。

圖1 專題學習活動設計

協作探究階段：協作探究階段的主要任務是完成數字視音頻的制作，包括學習數字視音頻采集與處理的知識與技能、按照分鏡頭腳本分別采集視音頻素材、數字視音頻的后期剪輯與處理、完成作品制作四個部分。該階段學習中，交互主要包括：為數字視音頻制作過程中遇到的問題、困惑提供交流討論的空間，為小組內討論及確定視音頻的后期剪輯、特效添加、字幕處理等方案提供支持。

成果交流階段：本階段的主要任務是各小組展示數字視音頻作品并相互評價。交互主要貫穿于組間評價作品過程，以及組內根據評價反饋討論修改過程中。

總結反思階段：主要是學習結束后學習者撰寫學習總結與反思，以及自我評價等部分的工作。此時，交互主要指學習者在學習反思中的交流討論。

(二)研究目的與假設

本研究在借鑒PageRank算法核心理念的基礎上，綜合考慮學習者自身的重要性及其交互對象的重要性，提出在線交互網絡中學習者個體重要性的評估方法并進行了驗證。為了探索學習者個體重要性對于學習成效的影響，本研究的研究假設如下：

研究假設1：個體重要性越大的學習者，知識建構水平越高。

研究假設2：個體重要性越大的學習者，學習成績越好。

(三)學習成效的測量方法

本研究從學習者個體的知識建構水平和學習成績兩個維度表征學習成效。其中，學習者個體的知識建構水平是依據Gunawardena等(1997)提出的5階段交互分析模型(Interaction Analysis Model，IAM)，對學習者交互數據進行編碼分析而判定。即從分享與澄清、認知沖突、意義協商、檢驗修正、達成與應用等5個層次表征知識建構水平。編碼一致性系數為0.76，認為具有良好的信度。學習成績數據則來源于37名學生在該課程中取得的成績。該課程的成績包括兩部分，其中40%是平時成績，60%是期末測驗成績。

五、個體重要性對交互質量及學習成效的影響分析

(一)學習者個體重要性評估結果

在線交互網絡中，33名學習者的各參數初始值如表4所示，設各學習者重要程度的初始值均為1，ω1=ω2=ω3=ω4=1/4，利用迭代法進行求解。由表5可知，模型經過1545次迭代，結果收斂于固定的值，33位學習者中重要程度最高的5位依次為：G3e、G6a、G2c、G4c、G5d，重要程度最低的5位依次是：G1d、G6d、G2b、G5a、G7a。

表4 模型各參數初始值

續表5

通過點度中心性、中介中心性、接近中心性三者的分析發現，在本研究的交互網絡中，學習者G3b、G2d、G3c、G5c、G1c等學習者處于相對核心位置，學習者G5e、G7a、G7c、G1d、G6c處于網絡的相對邊緣位置。與本模型對于學習者的重要性評估結果不完全一致，但是通過與鄰接矩陣及社群圖的對照分析，在重要程度最高的5位學習者中G3e、G6a、G2c、G5d均為小組組長，組長負責小組交互的組織、協調，具體職責包括：對學習任務進行合理的分工；組織小組成員通過有效的交互、協作共同解決問題；在學習過程中監督每個組員在線上與線下的表現；引導小組成員圍繞任務進行積極的討論并提供與問題解決相關的信息、線索與資源；保證學習活動按進度計劃進行等。通過對交互數據的分析與研究發現，G4c在交互時提出的問題能夠被較多其他學習者回答，并且與重要程度較高的學習者如G2c、G3e等聯系較為緊密。因此，本模型的研究結果更符合實際情況，更為精準地評估了學習者在交互網絡中的重要程度。原因如下：本模型在評估學習者重要性時，不僅考慮到了學習者本人的點入度、點出度、中介中心度、接近中心度等參數值，還把與之關系緊密的學習者的重要程度納入考慮范圍，作為對其重要性具有重要影響的一個維度，因此本模型的研究結論更為可信。

(二)學習者個體重要性對知識建構水平的影響

在所有學習者交互的知識建構水平編碼數據中，分別篩選出個體重要性最高和最低的五位學習者的編碼數據，結果如圖2所示。

圖2 重要性程度最高和最低的10位學習者的知識建構水平

從圖2可以看出，不管是重要性高還是低的學習者，其知識建構行為均呈現共同的趨勢，即較多停留在知識建構的知識建構的分享與澄清階段(KC1)、認知沖突階段(KC2)、意義協商階段(KC3)，而較高階段檢驗與修正階段(KC4)和達成與應用階段(KC5)的比例非常少，甚至缺失。但是，重要性高的學習者在交互出現了KC4，而重要性低的學習者在交互中KC4和KC5均未出現。

為了進一步探究不同重要性的學習者的KC1、KC2、KC3、KC4等4個層次知識建構水平是否存在顯著差異，本研究以學習者的重要性程度為分組變量，以KC1、KC2、KC3、KC4為檢驗變量，進行獨立樣本t檢驗，并對均值差異達到顯著差異的檢驗變量，進一步采用效果值(Size of Effect)(即η2)報告實際顯著性(Practical Significance)。研究結果如表6所示。

表6 不同重要性的學習者的知識建構行為模式的對比分析

從表6可以看出，在線交互網絡中，重要性高的學習者的KC1、KC2呈顯著性差異，而KC3(t=1.118，df=8，p=0.296＞0.05)、KC4(t=1.000，df=4.000，p=0.374＞0.05)未呈顯著差異。

其中，就不同重要性的學習者的“KC1行為”差異而言，t=3.882，df=8，p=0.005＜0.05，達0.05顯著水平，表明重要性程度高的學習者的“KC1行為”(M=4.60)顯著高于重要性低的學習者的“KC1行為”(M=1.00)，并且重要性變量可以解釋“KC1行為”變量總方差中的65.3%(η2=0.653)的變異量。

就不同重要性的學習者的“KC2行為”差異而言，t=3.810，df=8，p=0.005＜0.05，達到0.05顯著水平，表明重要性程度高的學習者的“KC2行為”(M=2.00)顯著高于重要性低的學習者的“KC2行為”(M=1.00)，并且重要性變量可以解釋“KC2行為”變量總方差中的64.5%(η2=0.645)的變異量。而“KC3行為”(t=1.118，df=8，p=0.296＞0.05)、“KC4行為”(t=1.000，df=4.000，p=0.374＞0.05)、重要性不同差異均未呈現顯著。

因此，整體來說，不同重要性的學習者的知識建構水平并未顯著差異。研究假設1不成立。反思研究過程，由于本研究中收集的數據僅僅是學習者9周在線交互的數據，因此，對于知識建構水平的表征可能存在偏差。后續將開展更長時間跨度的追蹤研究，深入探討學習者個體在交互網絡中的重要性對其知識建構水平的影響，以及其重要性的縱向動態發展。

(三)學習者個體重要性對學習成績的影響

為了進一步探究不同重要性的學習者的學習成績的差異是否顯著，本研究以學習者的重要性程度為分組變量，以學習成績為檢驗變量，進行獨立樣本t檢驗，并對均值差異達到顯著差異的檢驗變量，進一步采用效果值(Size of Effect)(即η2)報告實際顯著性(Practical Significance)，如表7所示。

表7 不同重要性的學習者的學習成績的對比分析

從表7可以看出，重要性高的學習者的學習成績顯著高于重要低的學習者，t=2.180，df=22，p=0.040＜0.05，達到0.05顯著水平，表明重要性高學習者的“學習成績”(M=71.67)顯著高于重要性低的學習者的“學習成績”(M=66.17)，并且重要性變量可以解釋“學習成績”變量總方差中的17.8%(η2=0.178)的變異量。

因此，我們認為，學習者在交互網絡中的重要性對學習成績有顯著的正向影響。研究假設2成立。可以在今后的在線學習設計中，積極采用問題解決、同伴互評等在線協作學習策略，提高學習者在線交互的參與度。并積極調動處于交互網絡中重要地位的學習者，發揮其模范帶頭作用；同時，也要關注在交互網絡中處于邊緣地帶的學習者，有針對性的促進其積極參與交互，增加在線學習投入，以提高在線學習質量。

六、總結與思考

相關研究表明，處于核心地位的學習者學習成績較好，處于網絡邊緣位置的學習者，參與交互較少，其學習成績、反思水平、批判性思維能力等均相對較差，因此如何精準地判斷與識別在線交互網絡中學習者的位置及重要性，對于進行個性化學習、差異教學、教學管理與干預，教學設計與實施等均有重要價值[47]。因此，本研究嘗試在分析基于社會網絡的節點重要性評估方法的基礎上，基于PageRank的核心理念，即“某網頁的重要性取決于指向它的其他頁面的數量和質量”；建構了不僅考慮學習者自身的重要性，還顧及其交互對象的重要性的在線交互網絡中個體重要性評估模型；提出通過學習者個體的點度中心度、中介中心度、接近中心度、交互的對象等參數，評估在線交互網絡中個體重要性的方法；并通過實證研究表明：學習者在交互網絡中的重要性對其知識建構水平無顯著影響；但是處于交互網絡中較重要地位的學習者的學習成績顯著高于重要性低的學習者。總的來說，本研究結論對在線教育實踐有以下啟示。

(一)發揮個體重要性高的學習者在交互中的帶頭作用，提高交互參與度。每個社會網絡中，通常擁有一個或多個處于網絡中心地位的成員，這些成員在網絡中起到信息橋梁作用，并且具有一定的影響力，被認為是網絡意見領袖[48]。意見領袖是信息傳播網絡中的能動者，能夠積極地將媒體信息傳遞給其它參與者。本研究探討的在線交互網絡是由學習者之間的交互所形成的社會網絡，研究表明，交互網絡中個體重要性高的學習者在交互網絡中具有重要地位，與意見領袖具有同樣作用。因此，充分發揮個體重要性高的學習者在交互中的積極主動性，可以通過鼓勵各小組組長履行組長職責達成。組長要做好小組協作探究活動的組織、協調工作，如對學習任務進行合理的分工；組織小組成員通過有效的交互、協作共同解決問題；在學習過程中監督每個組員在線上與線下的表現；引導小組成員圍繞任務進行積極的討論與提供與問題解決相關的信息、線索與資源；保證學習活動按進度計劃進行等。

(二)建立在線交互的教師參與及實時監測機制，關注邊緣地帶學習者。李建生等[49]研究發現，教師參與的時間長短、參與的程度均對學習者網絡學習社區中的社會性交互產生了重要的影響。在教師組織的討論中，交互內容主要與學習任務相關；而由學習者自由發起的討論中，則以交流情感、活躍氣氛等與學習無關的內容為主。教師參與交互，通過觀察及在線學習平臺的數據記錄，關注學習者交互的情況，對學習者交互的過程及動態進行時時監測與把握，便于及時發現學習者學習過程中的困難，為學習者解決問題提供支持與幫助。此過程也有助于及時發現與鑒別交互過程中處于邊緣地帶的學習者，深入分析與探究其不積極參與交互的深層原因，及時采用有效措施進行鼓勵與干預，提高其交互參與度。

(三)形成良好的在線學習氛圍，提高學習者參與交互的積極主動性。謝云等[50]認為良好的學習氛圍，有助于學習者對學習共同體產生參與感、認同感與歸屬性，更能促進學習者產生高度的學習動機，促進學習者積極參與學習活動。通過異質分組(使學習者之間取長補短)、破冰之旅(幫助學習者快速熟悉彼此)、制定共同遵守的交互規則等方式，營造良好的學習氛圍。同時，目前在線學習通常以課程論壇的異步交互為主，但是異步交互普遍存在得不到即時反饋的缺陷，因此有必要引進即時通訊技術，構建無縫交互環境。滿足學習者即時交互的需求，便于學習過程中問題的解決。另外，可以設置交互過程的鼓勵與強化機制，提高學習者參與交互的積極主動性。