基于学习分析技术大学Th网络学习交互行为研究

1、基于学习分析技术大学Th网络学习交互行为研究 I 基于学习分析技术的大学 Th 网络学习交互行为研究 郑丽卿 华南师范大学 【摘 要】 网络学习交互行为直接影响网络学习者的学习效果，而学习分析技术是近年新兴的一种技术，它延续并综合了网络行为分析技术与数据挖掘技术的理念与方法。本文从学习分析的视角运用 SNAPP 工具实时获取网络学习交互行为数据,并通过社会网络分析法对网络学习交互行为特征进行了分析总结，最后提出改善学习者的网络学习效果的建议。 【关键词】学习分析技术；网络学习交互行为；社会网络分析法 一、引言 随着计算机技术、网络通信技术、多媒体技术的高速发展，互联网己成为人们日常学习、生活、

2、工作中不可缺少的一部分。现代信息通讯技术的日新月异， 尤其是以 Inter 为代表的网络技术的迅猛发展，使得人类的学习方式又经历了一场重大的技术变革，出现了网络学习方式。学习和教学理论认为学习的成败在很大程度上取决于学习者自身的学习行为。而学习分析技术是近年新兴的一种技术，它延续并综合了网络行为分析技术与数据挖掘技术的理念与方法。通过该技术可以挖掘与分析学习行为数据，从而识别学习需求、分析学习模式、预测学习结果，并为教育决策提供依据 。利用学习分析技术可以对学习者的学习过程进行监控，并快速、准确地获取大学生的网络学习行为数据，因此，基于学习分析技术开展大学生网络学习行为的研究，是提高网络教学质

3、量的有效途径。 目前国内外对网络学习行为没有明确的界定。与其相近或相关的概念有:“远程学习行为”、“网络自主学习行为”、“在线学习行为”等。这些概念主要描述， 学习者利用计算机网络技术，充分利用网络平台或互联网提供的各种信息资源、交流工具等，进行网络学习活动，强调学习者“自我导向、自我激励、自我监控 （彭文辉，杨宗凯，黄克斌，xx）”，强调时空分离和媒体教学 。 本研究中的网络学习交互行为是指 Moodle 教学平台上的学习者利用讨论区的功能，通过发布信息与其他学习者进行交流。网络学习者之间的交互关系是通 李青,王涛.学习分析技术研究与应用现状述评.中国电化教育,xx(8):129-133.

4、彭文辉,杨宗凯,黄克斌.网络学习行为分析及其模型研究J.中国电化教育,xx(10):31-35. II 过 Moodle 教学平台上相互收发帖子得以建立和发展，因此，在本研究中，交互关系数据可从 Moodle 教学平台上的论坛中的帖子分析得出。当某个学习者发表了一个帖子，只有获得其他学习者的反馈后，才算发生了交互。 二、研究过程 （一）课程基本信息 信息素养课程是面向我校综合班和创新班学生开设的公共素质课程，是一门科学方法课。本课程包括理论讲授与实践操练两部分，其中理论讲授部分包括信息素养导论、信息需求与选题、信息源的选择和学术诚信与剽窃，而实践操练部分包括信息检索、中文数据库的检索方法与技巧

5、、外文数据库的检索方法与技巧。因此，理论讲授课与上机实操课分别各占 8 学时。另外，根据教学需要， 课后在信息素养课程 Moodle 平台上组织学生开展了 2 次网络讨论，讨论的话题分别是“对信息素养的认识”和“对学术诚信与剽窃的认识”。 本研究选取华南师范大学 xx 级综合班的学生作为研究对象，总共有 54 名学生，其中男生有 8 名，女生有 46 名，教师和助理教师各 2 名。 （二）数据获取 本研究选用学习分析工具 SNAPP 来获取 Moodle 平台上学习者的网络学习交互行为，即通过将鼠标放在节点上即可获得学习者在讨论区中的度数（Degree）、入度（In Degree）、出度（Ou

6、t Degree）、中心性（Betweenness Centrality），具体如图 1 所示。 图 1 利用 SNAPP 获取网络学习交互行为数据截图 III 三、研究结果 在本研究中，网络学习交互行为数据是从 Moodle 平台上论坛中的帖子分析得出，在分析学习者的网络学习交互行为时，作者使用编号 1、2、3?53、54 来表示参与网络交互的学习者。 （一） 学习者交互的密度分析 密度表示的是 Moodle 平台上所有网络学习者之间联系的紧密程度。在 UCINET 中，沿着 Network Cohesion Density 这条路径，可以计算出 Moodle 平台上论坛的密度为 0.072

7、0，说明该论坛有 7.2%的网络连接。Mayhew 和 Levinger 利用随机选择模型分析指出，在实际的网络图中能发现的最大密度值为 0.5。 因此，将 Moodle 平台上论坛的密度 0.0720 与最大密度值 0.5 相比较，这个数字比较低，说明网络学习者之间的联系还不够紧密，如图 2。 图 2 Moodle 平台上论坛的交互网络结构图 （二） 学习者交互的中心性分析1. 点度中心性 点度中心性由点度中心度和图的点度中心势指数两个指标组成。 点度中心度是指与该点有直接关系的节点数目，对有向图来说，点度中心度包括入度和出度。在 UCINET 中，沿着 Network Centrality

8、 Degree 进行点度中心性分析，分析结果如图 3 所示。 IV 图 3 Moodle 平台上论坛的点度中心性分析结果截图 图的点度中心势用于描述网络图的中心趋势。通过 UCINET 软件得出，Moodle平台论坛上的交互网络的标准化点度中心势为 6.97%。中心势越接近 1，说明交互网络越具有中心趋势。从此交互网络的中心势来看，点度中心势只有 6.97%， 没有明显的中心趋势。 2.接近中心性 点的接近中心度测量的是一个学习者不受其他学习者控制的程度，如果一个学习者与其他学习者的距离都很短，则该学习者者的接近中心度的值越大，处于交互网络的核心位置，在信息传递过程中不受其他学习者的控制。 在

9、 UCINET 中，沿着 Network Centrality Closeness 进行接近中心性分析，分析结果如表 1 所示。 通过 UCINET 软件得出，点的接近中心性均值为 32.064。从表 2 可以看出， 编号 13、6、40、36、9、5、12、41、4 等学习者具有较高的接近中心度，是论坛中比较核心的人物，在信息传递过程中较不依赖别人。 表 1 Moodle 平台上论坛的点的接近中心性分析结果 编号 接近中心性 编号 接近中心性 编号 接近中心性 13 51.961 3 33.974 17 29.444 6 49.533 31 33.544 10 28.962 40 48.62

10、4 37 33.333 22 28.804 V 36 45.690 48 33.333 32 28.191 9 44.538 1 33.125 35 27.041 5 41.732 21 32.317 38 26.768 12 40.769 24 32.317 47 26.238 41 40.458 28 32.121 51 25.728 4 40.458 19 31.928 49 25.238 11 39.259 27 31.361 45 24.091 33 38.971 26 31.361 20 24.091 42 38.406 34 31.361 46 23.661 23 38.406

11、16 31.176 18 23.556 53 35.811 14 30.636 15 22.650 7 35.570 25 30.460 30 22.269 44 34.641 8 29.775 50 19.485 2 34.416 29 29.775 43 18.403 52 34.416 54 29.444 39 1.852 3. 特征向量中心度 特征向量中心度的目的是在交互网络整体结构的意义上，找到交互网络中最核心的学习者。 在 Uci 中 ， 沿 着 Centrality Eigenvector 进 行 特 征 向 量中心性分析，分析结果如表 2 所示。 通过 Uci 软件得出，点的特

12、征向量中心度均值为 0.108。从表 2 可以看出，编号 6、13、40、9、52、36、12、5、41 等学习者的特征向量中心度值较高， 是网络课堂中比较核心的成员；编号 20、38、50、15、54、39 等学习者的特征向量中心度值相对较低，是网络课堂中的边缘人物。 表 2 Moodle 平台上论坛的特征向量中心度分析结果 编号 特征向量值 编号 特征向量 值 编号 特征向量值 6 0.364 53 0.105 10 0.058 13 0.348 1 0.098 48 0.056 40 0.279 33 0.096 3 0.051 9 0.278 21 0.095 22 0.048 52

13、0.253 49 0.094 27 0.048 36 0.226 28 0.092 46 0.048 12 0.217 31 0.087 26 0.047 5 0.200 34 0.087 45 0.041 41 0.200 51 0.087 32 0.037 42 0.187 37 0.081 43 0.037 VI 11 0.182 2 0.080 18 0.036 23 0.177 24 0.076 19 0.036 4 0.151 17 0.075 39 0.034 44 0.135 35 0.067 54 0.034 7 0.131 47 0.061 15 0.031 30 0.11

14、8 8 0.059 50 0.027 29 0.117 14 0.059 38 0.022 25 0.107 16 0.059 20 0.019 （三）学习者交互的核心 - 边缘位置分析 在进行中心性分析时，对 Moodle 平台上论坛的核心-边缘人物进行了简单的分析，并没有对 Moodle 平台上的全部学习者进行划分。本小节采用核心-边缘结构分析将 Moodle 平台上参与讨论的全部学习者进行划分。核心-边缘结构分析是通过计算学习者的核心度来量化网络学习者在交互网络中所处的位置，将学习者 分为核心、半边缘和边缘三种类型。 在 Uci 中，沿着 Network Core/Periphery C

15、ontinuous 进行核心-边缘结构分析，Moodle 平台上论坛的各学习者的核心度数值如表 3 所示。 计算分析结果推荐核心人物为排名前 5 的节点，从表 3 可以看出，排名前 5 的学习者为：9、5、12、13、4，即这些学习者是 Moodle 平台上论坛中的核心人物。然后，选取核心度的平均值作为划分半边缘和边缘人物的指标，通过 Uci 软件计算分析结果表明，Moodle 平台上学习者核心度的平均值为 0.098，半边缘人物有 16 位，其他 33 位学习者的核心度值都低于平均值，为边缘人物，结果如 表 4 所示。 表 3 Moodle 平台上论坛中各学习者核心度的分析结果 编号 核心度

16、 编号 核心度 编号 核心度 9 0.435 17 0.104 51 0.044 5 0.399 16 0.103 15 0.043 12 0.373 27 0.098 23 0.039 13 0.314 49 0.085 43 0.039 4 0.190 3 0.079 50 0.037 52 0.181 40 0.074 22 0.034 7 0.167 37 0.072 31 0.033 42 0.166 45 0.068 35 0.033 41 0.162 33 0.066 1 0.032 6 0.161 24 0.065 32 0.032 30 0.159 8 0.053 19 0.

17、027 28 0.153 14 0.050 47 0.027 VII 25 0.135 34 0.050 38 0.025 11 0.126 39 0.048 10 0.021 36 0.119 46 0.046 20 0.019 44 0.115 18 0.045 26 0.019 53 0.108 48 0.045 21 0.018 29 0.106 2 0.044 54 0.018 表 4 网络学习者的核心-边缘位置分析结果 核心人物 9 5 12 13 4 / / / / / / 半边缘人物 52 7 42 41 6 30 28 25 11 36 44 53 29 17 16 27 /

18、 / / / / / 边缘人物 49 3 40 37 45 33 24 8 14 34 39 46 18 48 2 51 15 23 43 50 22 31 35 1 32 19 47 38 10 20 26 21 54 四、结论与建议 从以上数据分析可见，Moodle 平台上学习者之间的交互不够紧密。例如， 论坛中的交互网络密度较低，即学习者之间的交互程度较低；交互网络的点度中心势低，即该交互网络没有明显的中心趋势，大多数学习者在信息传递过程中较少依赖其他学习者。笔者基于上述分析，从提高网络学习效果角度提出以下几点建议。 1. 发挥核心人物在网络学习中的组织和引导作用，促进网络学习交互 在网络学习过程中,那些积极参与交互的学习者越容易处于交互网络的中心位置,在信息传递过程中拥有很大的控制能力,是交互网络中的核心人物,他们的行为也会对其他学习者产生很大