社交化在線課程平臺學習者交互行為研究*

廖芷源 湯志康 李春英 湯 庸 潘家輝

（1.廣東技術師范大學計算機科學學院 廣州 510665）（2.華南師范大學計算機學院 廣州 510631）（3.華南師范大學軟件學院 廣州 528225）

1 引言

在線學習是個人主動參加到學習當中的一種新的學習方式，這種學習方式打破了時間和空間的限制，影響了我們傳統的上課方式［1～3］。近年來，在線學習受到我國教育部門的重視，截至2020年，我國建成慕課平臺十多個，課程上線多達5000門，在世界排名第一，在線學習的蓬勃發展，將推動我國教育信息化快速發展。而今，在線課程平臺的發展越來越好，推動了傳統課堂向線上課堂轉變。線上學習和討論交流是在線學習最典型的特征，有效的交互可以幫助學習者得到提高，也可以幫助教師較好的引導學習者進行深入學習［4～7］。交互行為是檢驗學習效果的因素之一，因此，對學習者交互行為的研究具有重要意義。

本研究在社交化在線課程平臺學者網（http：//www.scholat.com）中選取一門活躍課程（《C語言程序設計》），對其中學習者的相關行為進行分析并與學習者的真實成績進行對比進而得出結論。本研究使用社交網絡分析法，構建交互網絡社群圖對學習者的交互行為進行可視化分析，對處于社會網絡中的學習者進行中心性分析，將得到的中心性結果與課程成績進行相關性分析，最后根據分析結果，總結學習者特征并分析不同類型學習者對學習成績的影響，找到可以促進在線學習效果的方法，為社交化在線課程平臺中的線上教學提供建議。

2 研究方案

2.1 研究對象

《C語言程序設計》（http：//www.scholat.com/course/c_language）是華南師范大學曾碧卿教授于2014年在學者網上開設的混合式教學課程，教學團隊由61名教師組成，主要學習者成員為大學一年級軟件工程專業的學習者。該課程總評成績由平時成績、實驗成績和期末考試成績三部分來評定，占比分別為10%、20%和70%。本次研究選取了2019年在學者網在線課程平臺中學習該課程的學習者共計391人進行研究分析，由于參與交互的學習者人數較少，本次提取到在該課程平臺上具有交互行為數據的學習者共26人，共獲得話題數18個，交互次數36次。本次研究提取的數據有391份，但有效的數據僅有26份，數據比較稀疏。

2.2 研究方法

1）社會網絡分析法

社會網絡可以理解為是一種由社會關系所形成的結構，社會關系是由社會行動者相互建立的，許多社會行動者和其對應的社會關系形成了社會網絡［8～9］。在在線學習中，學習者通過討論交互所形成的關系網絡就是一種社會網絡，構成社會網絡的主要因素是行動者和關系，行動者就是在線課程中的教師和學習者，關系就是他們之間產生的關聯［10］。本文使用Gephi來描繪在線學習的交互網絡社群圖，通過使用Gephi對在線課程的參與者進行整體交互網絡、各時段交互網絡的可視化、密度分析和中心性分析。社會網絡分析的重點是中心性分析，其中中心性分析主要包括度中心性、中介中心性、接近中心性和特征向量中心性四種分析方法［11］。

2）案例研究法

本次研究結合《C語言程序設計》課程平臺互動交流區的歷史數據建立學習交互網絡，分析交互行為的各種數據和學習成績之間的相關性，采集相關數據，進行整理、分析和論證，最后得出結果。

3）相關性分析法

相關性分析法屬于統計分析方法的一種，用于研究兩個或者兩個以上處于相同地位的變量，分析它們之間的相關性［12］。本次采用spss的相關性分析法來研究中心性與課程成績的相關性。

3 在線學習交互行為的實證分析

3.1 社會網絡分析

建立交互網絡社群圖可以更加直觀地顯示學習者之間的交互行為，幫助我們得到更多的信息，多人參與討論，就能夠較好地調動資源，從多方面去解決問題。交互行為的網絡結構會隨著時間發生改變，因此，本研究根據時間段建立了第3和第4周，第5和第6周，第7和第8周的交互網絡以及整體交互網絡，根據交互社群圖分析每段時間的交互行為。

3.1.1 整體交互社群圖分析

對每個課程參與者進行編號，教師為0號，學習者為1～26號，節點的標簽顯示的是編號［13］。使用Gephi軟件中的Yifan Hu布局方式，節點的大小按照節點度的大小漸變，節點的顏色為深色淺色漸變，得到的整體交互網絡社群圖如圖1所示。

圖1 整體交互網絡社群圖

該布局方式表示的是越靠近網絡中心的節點交互越頻繁。交互是有向的，當節點發送或收到信息越多，該節點越位于網絡中心，該節點也就越大。圖中顯示2號和7號是網絡的核心，主導課程在線交互，擁有最多的交互信息，影響力最大。其次是13、16號等編號的學習者，獲得的交互信息較多，影響力比較大。最外層節點位于網絡的邊緣，它們代表的學習者獲得交互的次數最少，如19、26、11、6號等，說明影響力較小。

在整體網絡交互中，共有27個節點參與交互，表示從開始到結束，參與交互的全部師生都參與了討論交流。連接數表示學習者之間的聯系次數，總聯系次數為36，表示師生之間共建立了36次聯系。由表1可知，在交互網絡中，最大加權出度表示的是有的學習者最多收到4次回復，最大加權入度表示的是有的學習者最多發出7次評論，平均加權度表示的是平均每個學習者參與回復或發送評論1次。在課程交互中，學習者之間的交互越頻繁顯示的網絡密度就越大，0.5是目前發現最大的網絡密度，該課程的網絡密度為0.051，這表示該課程處于較低水平的網絡密度，表示整體課程學習者之間交互行為不是很緊密，出現這個結果的原因與參與在線交互的人數較少有關。

表1 整體交互結果

3.1.2 各時段交互社群圖分析

這門課程的交互行為主要集中在3～8周，因此，對各個時段的交互行為進行研究分析具有重要意義。構建的各個時間段的交互網絡社群圖如圖2，圖3和圖4所示。

圖3 5～6周交互網絡社群圖

圖4 7～8周交互網絡社群圖

從圖2交互網絡圖可以看出，第3、4周的網絡較為稀疏，有著較少的交互次數，相互之間的距離也比較遠。參與線上討論有8人，其中4、5、1號學習者共同主導了這兩周的交互行為。其中發布的話題大部分是關于平臺交作業和實驗作業問題，通過同學之間的交流，解決了這些問題。從圖中可以看出，0號教師并不是交互行為的主導，只有兩位學習者主動與教師有了交互行為。

從圖3交互網絡圖可以看出，這兩周的交互行為與前兩周差不多，交互核心從原來的4、5、1號學習者轉移到了7號學習者，增加了新的交互成員，也減少了一些舊成員，在3、4周處于主導地位的4、5、1號學習者在第5、6周沒有交互行為，而前面處于邊緣的7號學習者成為了這兩周的主導地位，積極發布話題，積極參與討論回復。

從圖4交互網絡圖可以看出，這兩周的交互話題和交互人數較前幾周有了明顯的提升，交互核心成員變成了2號和13號學習者，結合發布的話題內容可以知道，2號和13號學習者都積極參與話題討論。從整體交互情況來看，第7到第8周的交互數量屬于特殊值，屬于不平穩過度造成的結果。

綜上，根據各個網絡時段的分析，我們可以很快掌握核心學習者的變化情況，還有其他異常表現的學習者，這些都可以幫助我們清楚地了解每個階段學習者的表現情況和分析影響學習者交互行為的原因。

表2 各時段交互情況

從表2可以看出，從第3周到第4周開始，參與討論人數為8人，第5周到第6周，參與討論的人數也為8人，第7周到第8周，參與討論的人數為16人，27人都參與了交互，反映了學習者在線上討論的參與度較高。連接數從8上升到16，說明在線學習需要一個過程，交互行為會隨著課程的推進，變得頻繁。由該表可以看出，各時段的網絡密度大于整體的網絡密度，這說明，各個時段成員之間的聯系是比較緊密的。

3.2 中心性分析

中心性分析在社會網絡分析中很重要，中心性代表了社會網絡中的學習者的影響力。節點在網絡中的中心性越大，說明此節點在網絡中就越處于重要地位［14］。本研究主要從節點的度中心性、中介中心性、接近中心性以及特征向量中心性這幾個方面對課程在線交互中的學習者進行研究。

1）度中心性

度中心性表示的是交互網絡中與某個節點相連的其他節點的數目。在討論區中，度中心性是表示與某一個學習者創建聯系的成員數目。有向圖中的加權度表示學習者和其他學習者交互的總和，加權度分為加權出度和入度。加權出度表示成員答復發布話題者的帖子數目，加權入度表示發布話題者收到答復的帖子數目。本次構建的在線學習交互網絡中，節點的度中心性的計算公式如式（1）所示：

其中，C D(N i)為節點i的中心度，是計算節點i和其他g-1個節點之間相連接的數量，xij表示節點i和j之間的相連情況，相連則值為1，不連接則為0（i≠j，排除i與自身的聯系）［9］。

從表3可以看出，在所有網絡成員中，度中心性最高的是2號學習者，數值為8，表明該學習者在課程討論交流區中與8個網絡成員具有直接聯系，該學習者的加權出度等于加權入度，說明2號學習者在課程討論中關注其他學習者和回復話題一樣多。成員6、8、9、10、11、14、19、21、24、26號度中心性均在2以下，參與交互次數極少，是課程討論區的不活躍群體。

2）中介中心性

一個成員處于多名成員之間，那么這個成員就起到一個中介的作用，位于網絡的中心，這樣就可以測量點的中間中心性。在交互網絡中，節點作為中介的次數越多，代表它的中介性就越高，控制資源能力就越強［15］。根據這些節點之間的連接關系來計算節點的中介中心性，如式（2）所示：

此中，R(i)是矩陣，它的第（j，k）個元素是某一個隨機點從節點j游走到k的概率，而該隨機游走包括了作為中間節點的i［9］。

從表4可以看出，學習者2具有最高的中介中心度，說明在在線課程討論中他對課程資源的控制能力較強，在網絡交互中起到很好的橋梁作用。其次是學習者7號，位于第二名，表明他在網絡的橋梁作用也非常重要。其余的學習者中介中心度均在1以下，表明這些學習者處于網絡的邊緣，他們受到時間的限制被動接受傳播思想。

表4 中介中心性

3）接近中心性

一個節點比其他所有的節點距離網絡中都近，那么這個點的接近中心度就比較高，愈高的接近中心性，代表該節點越處于網絡中心，就可以快速到達其他的點。接近中心性代表接近程度，學習者越靠近中間，就少依靠其他學習者來獲取信息。確定一個網絡C，如計算式（3）所示， ||V v代表聯通塊中的頂點數量，表示先計算節點在聯通塊中的接近中心性，再通過乘以系數得到整體的接近中心性［9］。

如表5所示，學習者2、7、11、17、18、21、24、25、22、1、4、5、12、15、8、14的接近中心性都在0.5以上，說明這些學習者的接近中心性比較高，可以以較短的距離與其他學習者接觸，很少依托其他學習者來得到傳播信息。學習者0（教師）、3、6、9、10、13、16、19、20、23、26的接近中心性都為0，說明這些學習者獲取信息時，非常依賴其他學習者。

表5 接近中心性

4）特征向量中心性

特征向量中心性是衡量網絡中節點的影響力的指標［11］。在交互網絡中，特征向量中心性衡量的是社會網絡中個體的重要性，具有高中心度的點與某節點連接，那么該點就有高的重要程度。如果一個學習者的相鄰同學是網絡核心成員，那么該學習者會處于一個比較重要的位置。計算公式如式（4）所示：

此中，c為比例常數，aij看作鄰接系數，x=［x1，x2，xi，…，x n］T，經過多次迭代到達穩定時，可以寫成這種形式：x=cAx，x是矩陣A對應最大特征值的特征向量［16］。

如表6所示，學習者13的特征向量中間性為1，學習者9和學習者10的都為0.924818，這三位學習者的是最高的，說明他們的相鄰同學的影響力較大，因此學習者13、9、10處于網絡中的核心位置。學習者11、17、18、21、24、25、22、1、4、12、15、8、14的特征向量中心性均為0，說明這些學習者在網絡中結交的相鄰學習者的影響力最低。

表3 度中心性

表6 特征向量中心性

3.3 相關性分析

學習者成績是對學習效果檢驗的指標之一，因而本次研究分析將個體網絡屬性，也就是節點的度中心性、中介中心性、接近中心性、特征向量中心性分別與學習者成績進行相關性分析，從而得出學習者的交互行為與學習效果之間的關系。最后通過比較不參與線上交互與參與線上交互的學習者成績得出結論。

1）度中心性與成績的相關分析

利用spss21分析軟件將學習者的成績與度中心性進行分析。由表7中顯示的結果可以看出，點的度中心性與成績的相關性極弱，它們之間的關系數是-0.038，P=0.428>0.05，說明學習者在線交互次數的多少與成績之間沒有明顯關系，出現這個問題的原因可能跟本次參與交互的人數有關，實際參加在線交互的人數太少。

因此，在在線課程中，學習者在線交互的次數越多，并不代表他的成績就越好，在線交互有利于解答學習者當前對某個知識點的疑惑，從而使他掌握了這個知識點，提高了當前的學習成績，相應的提高了整體的學習成績。

表7 成績與度中心性之間的相關性

2）中介中心性與課程成績之間的相關性

利用spss21分析軟件將學習者的成績和中介中心性進行相關性分析。從表8中顯示的結果可以得出，點的中介中心性與成績的相關性極弱，他們之間的關系數為0.003，p=0.494>0.05，說明學習者的課程成績與他在交互網絡中為其他學習者搭建聯系的能力沒有多大關系。出現這個現象的原因跟參加線上討論的人數以及交互次數較少有關，從而影響了相關性分析結果。

表8 成績和中介中心性的相關性

3）接近中心性和課程成績之間的相關性

利用spss21分析軟件將學習者的成績與接近中心性進行分析。從表9中顯示的結果可知，點的接近中心性與成績之間的相關性弱，相關系數為-0.279，p=0.084>0.05，說明學習者成績的高低與學習者獲得信息的多少沒有直接關系，獲取信息越多，不代表他的成績越高。

表9 成績與接近中心性的相關性

4）特征向量中心性和課程成績之間的相關性

利用spss21分析軟件將學習者的成績與特征向量中心性進行相關性分析，結果如表10所示。由表中顯示的結果可知，點的特征向量中心性與成績呈現正相關的結論，但相關性比較弱，它們的相關系數為0.246，p=0.113>0.05，這說明學習者的學習效果在整體網絡中受到其他相鄰學習者數量和重要性影響不是很明顯。

表10 點的特征向量中心性與成績相關性結果

由此可以得出，在在線課程中，學習者主動與核心成員建立聯系，交互次數增加，可能幫助他們獲取更有有用的信息，比如說對提出的這個問題有了更加全面的理解，收集到多種解決問題的方法，拓寬了知識面，從而掌握了知識點，有助于提高整體的學習成績。

5）不參與線上交互與參與線上交互的學習者成績比較

結合線下學習者的真實成績進行分析，由表11可知，參與課程的學習者人數為391人，他們平時成績平均分為95分，實驗成績平均分為95分，總評成績平均分為76分，不及格率為1%。

由表12可知，不參與線上交互的學習者人數為365人，他們平時成績平均分為95分，實驗成績平均分為95分，總評成績平均分為76分，不及格率為1%。

表11 課程全部學習者的期末成績情況

表12 不參與線上交互的學習者的期末成績情況

由表13可知，參與線上交互的學習者人數為26人，他們平時成績平均分為97分，實驗成績平均分為96分，總評成績平均分為78分，不及格率為0。

表13 參與線上交互的學習者的期末成績情況

通過比較平時成績平均分，可以發現，不參與線上交互的學習者的平時成績平均分低于參與線上交互的學習者的平時成績平均分。

通過比較實驗成績平均分，可以發現，不參與線上交互的學習者的實驗成績平均分低于參與線上交互的學習者的實驗成績平均分。

通過比較總評成績平均分，可以發現，不參與線上交互的學習者的總評成績平均分低于參與線上交互的學習者的總評成績平均分。

通過比較不及格率，可以發現，不參與線上交互的學習者的期末總評成績的不及格率高于參與線上交互的學習者的期末總評成績的不及格率。

綜上，參與線上交互的學習者的期末成績平均分高于不參與線上交互的學習者，而且參與線上交互的學習者都及格了，由此可以得出結論：學習者通過參與線上交互，有助于學習成績的提高。

4 結語

本文選取學者網在線課程平臺一門活躍課程，采用社會網絡分析法對課程參與者構建了交互網絡社群圖，通過分析發現，學習者參與線上交互的積極性不高，整體網絡密度比較低，只有0.051。通過觀察學習者的交互行為和交互特征發現，處于核心地位的成員并不多，很多都是只進行了一次的交互，參與度比較低。通過對參與線上討論與不參加線上討論進行學習成績比較發現，參加線上討論的學習者成績較好，說明學習者參與線上交互是有助于提高學習成績的。因此，教師作為課程的主導者，在整個教學過程中，應該處于核心成員位置，積極發布一些重要話題，引導學習者去討論思考，鼓勵學習者與學習者之間積極討論，發表個人觀點，通過交互，解決問題。通過教師的引導，盡快讓學習者適應在線交互，激發學習的積極性。在活動設計方面，可以多設計一些在線活動，比如小組學習、主題討論等活動，增加學習者的交互行為，并將交互行為進行量化，比如作為平時成績的一部分，這樣可以增加學習者交互的次數，提高學習者的學習積極性進而提高學習效果。