協作學習投入的結構模型構建與機理闡釋*

李 新 李艷燕 楊現民

協作學習投入的結構模型構建與機理闡釋*

李 新1李艷燕2[通訊作者]楊現民1

（1．江蘇師范大學 江蘇省教育信息化工程技術研究中心，江蘇徐州 221116；2．北京師范大學 教育技術學院，北京 100875）

協作學習投入是在豐富的交互關系中形成的復雜狀態，涉及學生的行為參與、協作知識建構以及社會情感交互等多維要素，與學生的學業成績呈顯著正相關。但是，目前學界對協作學習投入的內涵、結構以及內在機理等缺乏深層次的理解，影響著協作學習投入研究的深度和廣度。為此，文章梳理了協作學習投入的概念演變歷程，將其定義為一種集體貢獻，取決于所有小組成員參與協作學習活動的程度，從而產生預期的學習結果。隨后，文章對已有相關模型進行比較分析，并在此基礎上以動態系統理論、社會認知理論等為基礎，構建了協作學習投入的結構模型，揭示了個體與小組學習投入之間的相互作用關系，以及行為、認知、情感等維度之間的動態交互關系，同時闡釋了該模型蘊含的五大內在機理。基于該模型，未來研究者可以從協作學習投入的多維刻畫、自動化標記、演變機制分析、關鍵事件挖掘以及智能代理開發五個方面開展研究，以加強協作學習投入研究的深度與廣度，提升協作學習效果。

協作學習投入；概念演變；結構模型；內在機理；研究啟示

引言

協作學習作為現代教育體系中的重要組成部分，是培養學習者協作能力、促進學習者參與有意義的知識建構并創造新知識的重要學習方式[1]。在該情境中，協作學習投入被定義為一個與社會文化背景密不可分的群體過程，是在豐富的交互關系中形成的復雜狀態，涉及學生的行為參與、協作知識建構以及社會情感交互等多維要素[2]，與學生的學業成績呈顯著正相關[3]。近年來，協作學習投入越來越受到研究者關注的原因主要體現在如下四個方面：①協作學習投入是有意義的協作學習發生的必要條件，是促進學習和學業成功的關鍵因素；②協作學習投入作為一種元結構，是一個既包括外顯可觀測指標（如學業表現、行為投入），又包括內隱過程性指標（如認知投入）的集合體；③協作學習投入會隨著學習動機、學習環境以及學習任務發生動態變化，具有動態性與可塑性特征；④協作學習投入容易被教育實踐者理解，并長期影響學生的學業表現。

與個體學習投入相比，協作學習投入更復雜，它是在個體社會性交互基礎上塑造的復雜狀態[4]，涉及個體和群體兩個層面。但是，目前學界針對協作學習投入的內涵、結構以及內在機理等缺乏深層次的理解[5]，影響著協作學習投入研究的深度和廣度。基于此，本研究將首先系統梳理協作學習投入的概念演變歷程，厘清協作學習投入的內涵與特征；隨后對已有相關模型進行比較分析，在此基礎上以動態系統理論、社會認知理論等為基礎，構建協作學習投入的結構模型，揭示多維要素之間的動態交互關系，同時闡釋協作學習投入的內在機理；最后基于該模型提出未來協作學習投入的研究趨勢，以期為加強協作學習投入相關研究、提升協作學習效果提供理論支持。

一 協作學習投入的概念演變

學習投入的概念自提出以來受到了教師、學生以及研究者的廣泛關注，但是在不同的學習情境中，學習投入的含義存在較大差異，而且不同學者和學科領域對學習投入有著不同的理解和解釋。為了更好地了解協作學習投入概念的發展脈絡，厘清協作學習投入的內涵與特征，本研究對學習投入的代表性觀點進行了梳理，進而呈現協作學習投入概念的演變歷程，如表1所示。

表1 學習投入的代表性觀點

梳理學習投入的概念發現，自20世紀80年代學習投入被提出以來，其內涵在不斷完善，但直到21世紀初學者才對學習投入的概念與性質達成共識，即將學習投入界定為一種元結構，其中的代表性觀點是Fredricks等[12]將學習投入定義為學生對學校和學校活動的承諾或投入，主要包括行為投入、情感投入和認知投入。隨后，Fredricks等[13]考慮到學習者之間的社會性交互對學習投入的影響，在三維框架的基礎上提出了社會投入。社會投入是指學習者圍繞學業任務的社會參與和互動，如參與課堂討論和支持同伴學習活動，并被進一步劃分為社會認知投入和社會情感投入。其中，社會認知是指學習者在同伴觀點上建立新的知識，社會情感是指學習者關于同伴的想法或情感狀態。社會投入考慮了學習過程中同伴之間的社會性互動、協作、尋求幫助等行為，豐富了以往針對個體學習投入的研究范疇，為研究協作學習投入奠定了重要基礎。

協作學習情境中，高質量的協作學習過程涉及學習者的認知、動機和情感[14]，Miyake等[15]構建的團隊學習模型指出協作群體何時以及如何參與知識建構，主要涉及認知和社會情感兩個方面，其中認知交互使小組成員之間構建共同的知識體系成為可能，社會情感交互則促使小組成員更好地參與協作活動；J?rvel?等[16]指出協作學習投入的核心是整合了學習者的認知交互和社會情感交互；Linnenbrink-Garcia等[17]也認為學生之間高質量的社會交互，即認知和社會情感方面的互動，是其有效參與協作任務的必要條件。由此可見，協作學習情境中的學習投入主要關注小組成員之間的社會交互質量，即圍繞協作任務開展的社會認知互動和社會情感互動。

在梳理已有研究文獻的基礎上，本研究將協作學習投入定義為一種集體貢獻，取決于所有小組成員參與協作學習活動的程度，從而產生預期的學習結果。其中，小組學習投入并不是個體學習投入的簡單疊加，而是個體學習者在社會性交互活動中塑造的復雜狀態，包括行為投入、認知投入和社會情感投入：①行為投入是指小組成員共同完成小組任務進程中的努力和堅持的意愿，體現出小組成員對任務的參與程度；②認知投入是指小組成員圍繞共同的目標進行知識建構的學習過程，體現出小組成員對知識內容的吸收程度；③社會情感投入是指小組成員間發生的關于情感、動機的互動，體現出小組成員的認同感、凝聚力以及互動質量。通過厘清協作學習投入的概念，我們發現協作學習投入屬于小組成員固有的學習狀態，并不會在協作學習進程中消失，而是根據任務參與程度、知識建構的激活度以及社會情感交互狀態在投入“連續體”兩端波動[18]，即協作學習投入隨著學習時間和任務階段不斷發生動態變化，這對其進行過程監測與動態支持提出了更大的挑戰。

二 協作學習投入的結構模型

協作學習投入結構模型的構建是加強我們對協作學習投入內涵、結構以及內在機理深層次理解的重要方式，也是拓展協作學習投入研究深度和廣度的重要基礎。因此，本研究首先對已有相關模型進行比較分析，指出其優勢與不足，然后以動態系統理論、社會認知理論等為理論基礎，構建了協作學習投入的結構模型。

1 已有模型的比較分析

為了更好地揭示協作學習投入的構成要素及其基本關系，已有學者面向協作學習情境構建了學習投入分析模型，為協作學習投入的研究提供了理論支持。例如，李艷燕等[19]基于學習投入四維框架，構建了在線協作學習情境中小組學習投入的分析模型，包括行為投入、社會投入、情感投入和認知投入四個維度，并進一步分析了各維度要素與學業表現之間的關系。李新等[20]基于協作學習投入理論、自我調節學習理論構建了協作學習情境中學習投入的數字化表征模型，指出該情境中的學習投入具有多維性、情境性、時序性、連續性等特征，同時提出了可操作的指標體系。張思等[21]基于群體認知理論框架和ICAP（Interactive-Constructive-Active-Passive Framework）框架，構建了面向在線協同知識建構的認知投入分析模型，并確定了10個可觀測的顯性指標，為認知投入的測量與分析提供了重要參考。馬志強等[22]提出基于多模態交互信息表征協作學習投入，從協作學習投入的內涵與多模態交互信息的支持作用出發，構建了基于多模態交互信息的協作學習投入分析指導框架，指出協作學習投入分析包括整體性、多維性以及時序性三個特征。

整體來看，已有研究分別從協作學習投入的構成要素、測量指標、分析方法等方面構建了相應的分析模型，體現出協作學習投入的多維性、時序性、多層次的特征。但是已有分析模型缺乏對協作學習投入多維要素之間復雜動態關系，以及內外部因素對協作學習投入多重影響的闡釋，這給持續追蹤和監測協作學習投入的演變趨勢以及提供動態支持提出了挑戰。因此，本研究在已有模型的基礎上，從協作學習投入的動態性、可塑性特征出發，構建了協作學習投入的結構模型，以揭示多重因素相互作用下協作學習投入的動態演變機制與特征，為提升協作學習效果提供支持。

2 結構模型的構建基礎

針對協作學習投入的動態性特征，動態系統理論主要用于研究復雜系統和子系統的動態進化現象[23]，其目的是厘清因動態相互作用導致一個事件發生、變化或發展的基本過程和因素。該理論指出，復雜系統通過與環境的互動，在動態的自組織、自適應和自重構過程中發展，而且由于個體差異的影響，這些復雜系統經歷了非線性關系以及變化和穩定等不同階段[24]。基于該理論，協作學習投入的發展不再是一個線性的、可預測的、所有人都相同的過程。相反，協作學習投入成為一個非線性的動態復雜系統，有許多相互關聯的子系統，如行為參與、知識建構、社會情感交互等，并在不可預測的軌跡中相互影響。

針對協作學習投入的可塑性特征，社會認知理論指出人類的發展和功能是復雜、動態的，其中人類行為來源于個人、環境和行為因素的相互作用[25]，人類的調節能力強化了個人、行為和環境的動態相互作用關系。基于該理論，在協作學習中，個體學習者通過自我調節控制其行為、認知、動機、情感以及元認知等，以應對內部和外部的各類影響因素，并作用于個體學習投入。考慮到協作學習中的社會性交互特征，自我調節學習又被延伸到社會調節學習，小組成員可以共同調節小組集體的行為、認知、動機、情感等，以應對小組層面面臨的各種內外部影響因素，實現對小組學習投入的控制。

此外，自我決定理論系統地闡述了社會和文化背景下人類需求、動機和幸福的動態變化情況[26]，該理論從動機視角揭示了學習投入的動態演變機制：首先自我決定理論強調個體內部動機的重要性，這些動機會動態影響個體的自我決定程度，進而影響學習者學習投入的演變過程；其次，自我決定理論指出當學習者感到能力不足或者遇到挫折時，他們的自我決定程度和內在動機會受到影響，也就是說外部困難和挑戰也可能成為導致學習者學習投入下降的重要因素；最后，自我決定理論為支持學習者的協作學習投入提供了啟發，即可以通過為學習者提供外部支持以滿足其心理需求，這有助于激發學習者的學習動機，進而促進其學習投入。

3 結構模型的構建

從協作學習投入的性質來看，協作學習投入作為固有的學習狀態，并不會在學習進程中消失，而是在投入“連續體”兩端不斷波動，這主要是因為受到了來自內部或外部等多種因素的影響。針對內部因素，個體學習者的學習動機和先前知識直接影響了小組在任務開始階段的學習投入狀態，當學習者具備較好的學習動機和先前知識時，將會對后續的協作學習以及學習投入產生正面影響；當學習者存在學習動機不足或先前知識不足的情況時，則會對后續的協作學習以及學習投入產生負面影響[27]。除了內部因素，學習場景、任務條件等外部因素也會對小組學習投入產生正面或負面的影響，這種影響也將導致小組學習投入呈現不同的動態變化趨勢[28]。此外，通過為小組提供群體感知、協作腳本或智能代理等外部學習支持也將導致小組學習投入發生動態變化，以幫助小組成員產生更好的投入狀態，提升協作學習效果。

從協作學習投入的構成要素來看，個體學習投入是塑造小組學習投入的重要基礎，而且個體學習投入通過外化的方式影響小組學習投入，小組學習投入通過內化的方式影響個體學習投入，這種相互影響的關系揭示了兩者之間的轉化機制，共同塑造了協作學習投入的狀態。在此基礎上，小組學習投入自身的性質決定了各維度在“連續體”兩端不斷波動，同時內外部多重影響因素將作用于不同維度，進一步強化學習投入多維要素之間的動態交互關系。此外，從學習者自身角度出發，個體學習者和小組成員通過自我調節學習與社會調節學習會主動調節內外部影響因素，最終實現對學習投入狀態的動態影響。以上這些因素共同將協作學習投入塑造成一個非線性的、自組織的動態復雜系統，并在不同的時間尺度上呈現變化或穩定的狀態。基于此，本研究構建了協作學習投入的結構模型（如圖1所示），揭示了多重因素相互作用下協作學習投入的內在特征與發生機制。

圖1 協作學習投入的結構模型

與已有模型相比，本研究構建的協作學習投入的結構模型不僅厘清了協作學習投入的基本構成要素，還進一步揭示了個體與小組學習投入之間的相互作用關系，以及行為、認知、情感等維度之間的動態交互關系，可為深入開展協作學習投入的過程監測與動態支持、提升協作學習效果等相關研究提供重要指導。

三 結構模型蘊含的內在機理

協作學習投入的結構模型揭示了個體學習投入與小組學習投入的轉化關系，以及個體學習投入如何通過社會性交互和個體對學習任務的投入程度動態塑造小組學習投入，為加強協作學習投入的相關研究和提升協作學習效果提供了理論支持。整體來看，該模型揭示了協作學習投入的五大內在機理，即個體與小組學習投入動態塑造協作學習投入、協作學習投入多維要素之間動態交互關聯、多重影響因素導致協作學習投入動態變化、調節學習行為以動態構建與維持協作學習投入、外部學習支持策略動態優化協作學習投入。

1 個體與小組學習投入動態塑造協作學習投入

協作學習是一個社會性的實踐活動，每位個體學習者的積極性與主動性都影響著小組集體的學習狀態與學習效果。個體學習投入是個體學習者在行為、認知以及情感層面上對小組任務的參與程度。當個體學習者行為投入較高時，學習者會更加關注任務，積極參與小組討論，主動表達自己的觀點，為小組任務做出貢獻；反之，當個體學習者行為投入較低時，學習者會對任務缺乏興趣與主動性，影響小組的協作效果。當個體學習者認知投入較高時，學習者會為小組協作提供更有價值的思路與觀點，同時幫助其他小組成員從中獲取新的知識，有助于產生高水平的協作知識建構行為；反之，當個體學習者認知投入較低時，學習者在小組協作過程中無法主動對協作知識觀點進行協商和建構，只是對其他成員的觀點表示認同和附和，影響小組的協作質量。當個體學習者情感投入較高時，學習者將為塑造良好的小組氛圍起到積極作用，增強同伴之間的信任感與小組凝聚力；反之，當個體學習者情感投入較低時，學習者將為小組傳達更多的消極情感，影響小組的集體氛圍與學習動機。在個體學習投入塑造小組學習投入的基礎上，小組學習投入也將對個體學習投入產生直接影響，小組層面高水平的協作知識建構可以幫助個體學習者吸收和掌握更多的知識，激發其學習動機進而更好地投入到小組協作任務中，而積極、愉悅的小組交互氛圍也可以讓個體學習者獲得更好的情感體驗，提升個體學習的幸福感與獲得感。

2 協作學習投入多維要素之間動態交互關聯

協作學習投入動態波動的屬性塑造了協作學習投入多維要素之間更加復雜多變的動態交互關系，即行為、認知、情感等不同維度的波動都會引起其他維度的動態演變，而且這種演變可能會呈現不同的特征。基于動態系統理論，協作學習投入多維要素之間的動態交互關聯主要體現在三個方面：①非線性，即行為、認知、情感三維要素之間的關系是復雜且動態的，而非簡單的、可預測的線性關系。例如，當小組成員的認知投入處于“連續體”的不同位置時，將會對行為和情感產生完全不同的影響，而這種影響無法通過簡單的線性關系來呈現。②自組織，即學習者的行為、認知、情感的表現并不會遵循預先設想的方向發展，而是會受到學習者特質、任務性質、學習場景等多種因素的影響，以一種不可預測的方式任意發展。③特異性，即每一個小組在行為、認知以及情感方面的交互關系都以獨特的方式運行。這種特異性體現了協作學習投入多維要素之間的復雜與多變，同時也表明不同小組之間可能會存在不同的動態交互關系。以上三個特點使協作學習投入的多維要素在各自的群體和不同程度上相互作用，共同影響協作學習投入的整體性與動態性。

3 多重影響因素導致協作學習投入動態變化

協作學習投入作為一個動態變化的學習狀態，除了與自身性質和屬性相關，也會受到內外部多重因素的影響。從內部影響因素來看，小組成員的學習動機會對小組學習投入產生直接影響，當個體或小組對學習任務感興趣、自我效能感較高時，他們對學習任務有更高的投入度；反之，則投入度會下降，可能會對學習投入產生持續性影響。先前知識也會對學習投入的動態變化產生直接影響，而且這種影響可能會伴隨整個學習過程，尤其是在先前知識不足時，學習者在認知方面會面臨很大的挑戰，這種挑戰如果沒有得到很好的調節，可能會對協作學習投入持續產生負面影響。從外部影響因素來看，學習場景是影響協作學習投入動態變化的重要因素，尤其是在線協作學習情境，對小組成員之間的感知提出了更大的挑戰，這種挑戰可能會對協作學習投入產生負面影響。此外，任務條件也是影響協作學習投入的關鍵因素，當任務難度過高時，小組成員會產生畏難情緒，從而影響學習動機，導致協作學習投入度下降；當任務難度過低時，小組成員則可能會失去學習興趣，也會導致協作學習投入度下降。

4 調節學習行為以動態構建與維持協作學習投入

已有研究指出將調節學習理論與學習投入進行整合研究，可以幫助我們更好地追蹤投入是如何通過調節學習行為構建和維持的，進而豐富我們對學習投入演變過程的理解。調節學習是一種刺激學習投入的意志性結構。針對協作學習投入，個體和小組將分別通過自我調節、社會調節去動態控制和應對內部和外部影響因素，從而構建學習者的學習投入狀態。這種動態的構建維持關系將貫穿整個學習過程，并通過對學習投入狀態的感知動態調整調節學習策略。調節學習本身包括計劃、表現和反思三個階段：①在計劃階段，小組成員分析任務并根據任務要求和個體先前知識等制定計劃與策略，思考需要為之付出的努力以達到任務目標。②在表現階段，小組成員主要在執行任務和監控任務進程，嘗試保持最初的學習投入狀態，以減少與預期目標和計劃之間的差異。③在反思階段，小組成員首先對他們的行為投入、認知投入和情感投入狀態進行判斷與評估，觀察當前的投入狀態以及任務進展，這個過程決定了學習者如何調整他們的學習策略以達到預期的學業表現。小組成員主動思考學習策略的有效性、行為參與的適當性、學業情感的傾向性以及小組任務完成程度等，并評估這些表現是否符合預期，如果存在差異，將調整自身的學習策略、學習行為以及學習情感，使其盡快達到預期的學習狀態。

5 外部學習支持策略動態優化協作學習投入

協作學習投入具有可塑性特征，即可以根據外界條件的改變動態塑造和影響協作學習投入。協作學習投入的動態支持方式包括群體感知、協作腳本以及智能代理三種方式。其中，群體感知通過對協作學習過程進行實時監測與反饋，幫助個體和小組及時掌握學習進度，以調整學習策略和學習行為，提高學習效率和學習投入度，如群體感知工具實時呈現個體學習者在行為層面的參與度、在認知層面的貢獻度以及在社會情感層面的活躍度。協作腳本通過為學習者提供指導或策略來提升學習投入度，如通過明確學習者的角色或任務來提升個體學習者對小組任務的參與度，加強小組成員之間的社會性交互；通過提供認知層面的支持，幫助學習者更好地理解任務和解決問題，以克服認知方面的挑戰。智能代理是通過智能導師系統或會話代理與學習者進行實時交互，為其提供動態化支持，如個性化推薦，即根據學習者的學習歷史和行為數據，為學習者提供個性化的學習資源和學習建議；問題解答，即利用自然語言處理技術與學習者實時交互，并為其提供與認知相關的問題解答，幫助學習者解決學習難題；智能提示，即根據個體和小組的協作情況與任務完成進度，提供智能化的提示，提高學習效率。

四 模型對協作學習投入研究的重要啟示

協作學習投入作為個體學習者在多維社會交互中塑造的復雜狀態，是有意義學習發生的必要條件，也是促進學習和學業成功的關鍵因素。本研究基于協作學習投入的結構模型和內在機理，指出未來研究者可以從協作學習投入的多維刻畫、自動化標記、演變機制分析、關鍵事件挖掘以及過程性支持五個方面開展研究，加強協作學習投入研究的深度與廣度，提升協作學習效果。

1 融合多模態數據對協作學習投入進行多維刻畫

協作學習投入涉及學習者的知識建構、情感表達、社會交互等多維要素，需要收集更多源的數據以全面揭示學習者的認知、行為和情感的表現。隨著生成式人工智能、大數據等技術與教育教學的融合發展，多模態學習分析技術在捕捉、測量學生學習投入和學習行為方面具有重要潛能，能夠幫助我們更好地理解復雜的學習現象，提升協作學習投入測評結果的一致性和準確性[29]。同時，可以通過智能學習平臺和物聯感知設備收集學習者的視頻、音頻、文本以及生理等數據，利用生成式人工智能大模型實現多模態數據的融合與對齊，全面刻畫學習者的協作學習投入狀態，規避傳統單一模態數據在測評學習投入方面的局限性。因此，未來可以全方位收集學習者在協作過程中產生的視頻、音頻、日志等多模態數據，利用大模型實現對面部表情、文本對話、語音語調以及生理特征的自動分析與融合對齊，實現對協作學習投入的多維刻畫，提升協作學習投入表征的準確性與全面性。

2 利用深度學習實現協作學習投入的自動化標記

協作學習投入動態、多維、可塑的特征對其測評方法提出了更高的要求。筆者對現有學習投入的測評方法進行了系統梳理，并將其概括為四類：自我報告、定性分析、生理測量以及智能測量[30]。但隨著人工智能、機器學習、深度學習等技術的快速發展，如何規避傳統測評方法存在的主觀性強以及費時費力的問題，實現對協作學習投入的自動化標記成為協作學習投入測量與評價的新發展趨向。面向協作學習情境，已有研究利用機器學習的方式基于協作會話對學習投入進行自動化標記，但是這類方法存在準確性有限、泛化能力較差等問題。在自然語言處理領域，以BERT、BiLSTM為代表的深度學習與傳統機器學習方法相比更具優勢，準確性、可拓展性更大[31]。因此，未來可以基于學習者的協作會話數據，利用深度學習模型實現協作學習投入的自動化標記，以實現對學習投入的過程性追蹤與分析，揭示協作學習投入的動態演變過程，加強我們對協作學習情境中學習投入動態演變機制的理解。

3 基于調節學習理論揭示協作學習投入的演變機制

協作學習投入的結構模型強調調節學習是影響和改變學習投入狀態的重要能力。調節學習是學習者為了實現目標而對其動機、情感、認知、行為和環境的主動調節，涉及元認知（計劃、監控、調節）和其他自我調節策略的使用[32]，這種主動的調節學習策略有助于學習者在協作過程中更好地保持投入狀態。當學習者使用自我調節學習策略時，需要將注意力從當前的學習任務轉移到自己的行為或內部狀態上，如監控自己正在做什么或想什么。這種注意力的轉移，即使是短暫的，也表明一個人已經退出了投入狀態，不再沉浸在任務中。這種暫時性的中斷將使學習者找出方法重新投入學習，并隨后產生更深的投入[33]。已有研究指出，從調節學習的視角出發有助于我們更好地理解學習投入的發生機制與演變過程。因此，未來可以基于調節學習理論來追蹤學習投入是如何被構建和維持的，這不僅能夠加強我們對協作學習投入演變過程的理解，還能為協作學習投入支持策略的設計提供依據。

4 挖掘協作學習投入動態演變的模式與關鍵事件

協作學習投入的結構模型為深入開展協作學習投入的過程監測與動態支持、提升協作學習效果提供了重要支撐。但目前關于協作學習投入動態演變的典型模式、影響演變趨勢的關鍵事件等問題仍不清晰，即協作學習投入是否存在具有代表性的演變模式與關鍵事件流，以及何種演變模式與學業表現的相關性最高等仍有待進一步挖掘。面向協作學習投入的動態演變過程，一方面可以提煉協作學習中學習投入的典型演變模式，體現協作學習投入的動態變化特征，包括學習投入何時上升、何時下降，學習投入背后的關鍵事件有哪些，進而提煉學習投入的關鍵事件流；另一方面可以對學習投入的演變模式與學業表現進行相關性分析，揭示何種演變模式對于提升小組學業表現的效果更好、哪些因素對學業表現的影響更大等。因此，未來可以通過挖掘協作學習投入動態演變的典型模式關鍵事件，來加強對協作學習過程的監測與理解，對于提升協作學習效果具有重要價值。

5 依托智能代理實現協作學習投入的過程性支持

協作學習投入的可塑性特征說明其可以被外界條件支持或調節，主要包括群體感知、協作腳本以及智能代理三種方式。梳理相關文獻可以發現，目前針對協作學習投入的支持方式以群體感知工具為主，這種方式的優勢是能夠實時呈現個體和小組的任務進展，加強學習者之間的感知，進而促進學習投入。但是這種方式的應用場景主要局限在協同寫作，對于其他情境的可拓展性受限，而且這些工具是為學習者提供“隱形指導”，并沒有明確告訴學習者需要做什么，這在一定程度上也會影響工具的支持效果。伴隨生成式人工智能的迅速發展，智能代理在支持學生學習過程中將發揮更大作用，不僅可以為學習者提供多模態的學習資源，還可以與學習者進行智能對話，幫助學習者更好地完成學習任務。因此，未來面向協作學習情境，可以充分發揮智能代理在自然語言生成、個性化生成以及多模態理解方面的優勢，實現對協作學習投入的全流程、自動化支持。

[1]Goodyear P, Jones C, Thompson K. Computer-supported collaborative learning: Instructional approaches, group processes and educational designs[J]. Handbook of Research on Educational Communications and Technology, 2014:439-451.

[2]Stahl G. Theories of cognition in collaborative learning[J]. The International Handbook of Collaborative Learning, 2013:74-90.

[3]李新,李艷燕.基于系統性文獻綜述的國外學習投入實證研究分析[J].現代遠程教育研究,2021,(2):73-83.

[4]馬志強,岳蕓竹,王文秋.基于多模態交互信息的協作學習投入分析[J].現代教育技術,2021,(1):47-53.

[5]J?rvel? S, J?rvenoja H, Malmberg J, et al. How do types of interaction and phases of self-regulated learning set a stage for collaborative engagement?[J]. Learning and Instruction, 2016,43:39-51.

[6]Natriello G. Problems in the evaluation of students and student disengagement from secondary schools[J]. Journal of Research and Development in Education, 1984,(4):14-24.

[7]Finn J D. Withdrawing from school: Review of educational research[J]. Chemistry of Heterocyclic Compounds, 1989,(3):319-325.

[8]Csikszentmihalyi M. Toward a psychology of optimal experience[A]. Flow and the Foundations of Positive Psychology: The Collected Works of Mihaly Csikszentmihalyi[C]. Dordrecht: Springer Dordrecht, 2014:209-226.

[9]Fredricks J A, Blumenfeld P C, Paris A H. School engagement: Potential of the concept, state of the evidence[J]. Review of Educational Research, 2004,(1):59-109.

[10]Reeve J, Tseng C M. Agency as a fourth aspect of students’ engagement during learning activities[J]. Contemporary Educational Psychology, 2011,(4):257-267.

[11]Fredricks J A, Filsecker M, Lawson M A. Student engagement, context, and adjustment: Addressing definitional, measurement, and methodological issues[J]. Learning and Instruction, 2016,43:1-4.

[12]Fredricks J A, Blumenfeld P C, Paris A H. School engagement: Potential of the concept, state of the evidence[J]. Review of Educational Research, 2004,(1):59-109.

[13]Fredricks J A, Filsecker M, Lawson M A. Student engagement, context, and adjustment: Addressing definitional, measurement, and methodological issues[J]. Learning and Instruction, 2016,43:1-4.

[14]Borge M, Ong Y S, Rosé C P. Learning to monitor and regulate collective thinking processes[J]. International Journal of Computer-Supported Collaborative Learning, 2018,13:61-92.

[15]Miyake N, Kirschner P A. The social and interactive dimensions of collaborative learning[A]. The Cambridge Handbook of the Learning Sciences[C]. Cambridge: Cambridge University Press. 2014:418-438.

[16]J?rvel? S, J?rvenoja H, Malmberg J, et al. How do types of interaction and phases of self-regulated learning set a stage for collaborative engagement?[J]. Learning and Instruction, 2016,43:39-51.

[17]Linnenbrink-Garcia L, Rogat T K, Koskey K L K. Affect and engagement during small group instruction[J]. Contemporary Educational Psychology, 2011,(1):13-24.

[18]Payne L. Student engagement: Three models for its investigation[J]. Journal of Further and Higher Education, 2019,(5):641-657.

[19]李艷燕,彭禹,康佳,等.在線協作學習中小組學習投入的分析模型構建及應用[J].中國遠程教育,2020,(2):40-48.

[20]李新,李艷燕.協作學習情境中學習投入數字化表征模型的構建與應用[J].中國遠程教育,2022,(8):70-77.

[21]張思,何晶銘,上超望,等.面向在線學習協同知識建構的認知投入分析模型及應用[J].遠程教育雜志,2020,(4):95-104.

[22]馬志強,岳蕓竹,王文秋.基于多模態交互信息的協作學習投入分析[J].現代教育技術,2021,(1):47-53.

[23]Nematizadeh S, Wood D. Willingness to communicate and second language speech fluency: An investigation of affective and cognitive dynamics[J]. Canadian Modern Language Review, 2019,(3):197-215.

[24]Bahari A. Computer-assisted language proficiency assessment tools and strategies[J]. Open Learning: The Journal of Open, Distance and E-Learning, 2021,(1):61-87.

[25]Bandura A, Freeman W H, Lightsey R. Self-efficacy: The exercise of control[J]. Journal of Cognitive Psychotherapy, 1999,(2)13:158-166.

[26]Ryan R M, Deci E L. Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions[J]. Contemporary Educational Psychology, 2020,61:101860.

[27]Greene B A. Measuring cognitive engagement with self-report scales: Reflections from over 20 years of research[J]. Educational Psychologist, 2015,(1):14-30.

[28]Li S, Lajoie S P. Cognitive engagement in self-regulated learning: An integrative model[J]. European Journal of Psychology of Education, 2022,(3):833-852.

[29]Blikstein P, Worsley M. Multimodal learning analytics and education data mining: Using computational technologies to measure complex learning tasks[J]. Journal of Learning Analytics, 2016,(2):220-238.

[30]李新,李艷燕,包昊罡,等.學習投入測評新發展:從單維分析到多模態融合[J].電化教育研究,2021,(10):100-107.

[31]Liu M, Zou W, Shi Y, et al. What do participants think of today’s MOOCs: An updated look at the benefits and challenges of MOOCs designed for working professionals[J]. Journal of Computing in Higher Education, 2020,32:307-329.

[32]Pintrich P R. A conceptual framework for assessing motivation and self-regulated learning in college students[J]. Educational Psychology Review, 2004,16:385-407.

[33]Reed J L H, Schallert D L, Deithloff L F. Investigating the interface between self-regulation and involvement processes[A]. Using Qualitative Methods to Enrich Understandings of Self-regulated Learning[C]. London: Routledge, 2023:53-57.

Structural Model Construction and Mechanism Interpretation of Collaborative Learning Engagement

LI Xin1LI Yan-yan2YANG Xian-min1

Collaborative learning engagement is a complex state formed in a rich interactive relationships, involving multiple dimensions such as students’ behavioral participation, collaborative knowledge construction, and social emotional interaction, and had a significant positive correlation with students’ academic performance. However, there is a lack of in-depth understanding of the essence, structure, and internal mechanisms of collaborative learning engagement in academic circles, which affects the depth and breadth of collaborative learning engagement research. Therefore, the paper reviewed the concept evolution of collaborative learning engagement, and defined it as a collective contribution dependent on the participation degree of all group members in collaborative learning activities, so as to produce the anticipated learning outcomes. Subsequently, this paper made a comparative analysis of the existing relevant models and constructed a collaborative learning engagement structural model based on dynamic system theory and social cognitive theory, revealing the interactive relationship between individual and group learning engagement and the dynamic interaction between dimensions such as behavior, cognition, and emotion. Meanwhile, the five internal mechanisms contained in this model were explained. Based on this model, future researchers can carry out research from five dimensions of multidimensional characterization of collaborative learning engagement, automated annotation, evolutionary mechanism analysis, key events distillation, and intelligent agents development. These endeavors will strengthen the depth and breadth collaborative learning engagement research, consequently enhance the effectiveness of collaborative learning.

collaborative learning engagement; concept evolution; structural model; internal mechanism; research implications.

G40-057

A

1009—8097（2023）12—0045—11

10.3969/j.issn.1009-8097.2023.12.005

本文為國家自然科學基金“融合多模態學習分析的協作過程監測和智能反饋研究”（項目編號：62277006）、2023年度教育部人文社會科學研究青年基金項目“數字化轉型背景下中小學教師技術焦慮紓解策略研究”（項目編號：23YJC880153）的階段性研究成果。

李新，博士，講師，研究方向為人工智能教育應用、學習分析、計算機支持的協作學習，郵箱為lix2023@jsnu.edu.cn。

2023年6月25日

編輯：小時