协作学习-摘要+关键词汇总 (2015-2024) PDF

CSCL中群体感知工具能提升学习效果吗？ ==================================== ------基于2002～2021年国内外35篇实证研究文献的元分析 ==================================================== 摘要：计算机支持的协作学习环境难以传达可视化的非语言线索，需要应用群体感知工具促进知识建构和任务完成，但群体感知工具对...

CSCL中群体感知工具能提升学习效果吗？ ==================================== ------基于2002～2021年国内外35篇实证研究文献的元分析 ==================================================== 摘要：计算机支持的协作学习环境难以传达可视化的非语言线索，需要应用群体感知工具促进知识建构和任务完成，但群体感知工具对不同条件下学习效果的影响并不清楚。对此，文章基于2002～2021年国内外35篇在计算机支持的协作学习（Computer-SupportedCollaborativeLearning，CSCL）中应用群体感知工具的实证研究文献进行元分析，发现群体感知工具有助于促进学习者认知、元认知、社会情感与动机的发展，且其应用于自然科学的学习效果显著优于社会科学；另外，群体感知工具应用于混合式学习情境下的多人协作中，提供多种类型感知信息、将识别主体细化到个人且不支持个人与同伴比较时学习效果更佳，但这种优势不显著。基于此，文章针对未来CSCL中群体感知工具的设计与应用提出建议，以提升协作学习的效果。 关键词：群体感知工具；CSCL；学习效果；协作学习；元分析 基于群体感知的CSCL学习分析工具功能研究（2019） ============================================== 摘要：在计算机支持的协作学习（ComputerSupportedCollaborativeLearning，CSCL）中引入"群体感知"这一概念，可以促进学习者之间的交流和协作，为解决协作学习效果不佳的问题提供新方法。为此，文章首先分析了群体感知的概念和国外典型的基于群体感知的CSCL学习分析工具的不足，并依托功能设计原则，构建了基于群体感知的CSCL学习分析工具功能模型；随后，文章具体分析了工具功能的技术实现；最后，文章通过问卷调查，发现学习者对工具功能的整体接受度较高，认为工具能有效支持协作学习。文章的研究有助于在线学习者更好地互动交流、解决问题，推动协作学习的进一步发展。 关键词：群体感知；CSCL；学习分析工具；协作学习 基于设计的"协作-探究"教学模式创新与实践（2015） =============================================== 摘要：高等教育院校在建设创新型国家的过程中担负着培养人才的重大责任。但目前高校的教学模式相对固化，无法满足创新型人才的培养要求。教学方法是影响我国大学教育质量的重要因素，提高教育质量必须创新大学教学方法。探究学习和协作学习是促进学生自主学习、提高学生创新能力的重要教与学方式。而基于设计的研究能在真实情境中，通过分析、设计、开发和实施的反复循环来改进教育实践，并提炼对情境敏感的设计原则和理论。基于设计的"协作-探究"教学模式，以"智能机器人"课程为载体，进行了三轮迭代，获得了较好的教学效果。实践证明，该创新教学模式增加了学生的活动空间，其阶梯任务设置，有利于学生在掌握基本知识的基础上进行探究、创新；组内和组间的协作有利于学生取长补短、相互学习，提升学习效果；及时的反思与总结促进了学习的深化；教师在关键环节的指导提升了学习效率。需要注意的是，在具体实践中，任务设置、协作分组以及教师角色的转换非常关键。 关键词：基于设计的研究；协作学习；探究学习；教学模式；创新实践 基于深度学习的协作学习投入分析方法研究（2024） ============================================== 摘要：协作学习投入的自动分析是动态追踪协作学习过程、提升协作学习效果的重要手段。现有研究大多使用浅层机器学习分析个体学习投入，较少关注协作学习投入，并且存在准确度受限且泛化能力较差等问题。为了解决相应问题，首先，研究提出以BERT-BiLSTM深度学习模型为核心的协作学习投入自动分析方法，包括收集数据、建立数据库、建立训练集、构建深度学习模型、检验模型效果、批量识别数据以及统计分析等流程。其次，研究应用该方法分析了某高校数学建模活动中20个小组的协作学习投入，验证了方法的有效性，并进一步探索了高低成就小组协作学习投入的差异以及动态变化特点。研究突破了传统学习投入自动检测方法在准确性和泛化能力上的局限性，将学习投入的自动分析对象从个体拓展到了小组，并揭示了协作学习投入的时序变化特征及其与协作成效的复杂联系，为未来实时监测及干预协作学习提供了重要支持，进一步推动了该研究领域的理论与实践发展。 关键词：协作学习投入；协作学习；深度学习；自动分析；应用案例 计算机支持的协作学习分析模型及可视化研究（2017） ================================================ 摘要：在线协作学习是MOOC学习平台中一种重要的学习形式。面对不断增长的学习群体，对协作学习过程的实时分析和监控成为当前大规模在线协作环境下研究的重点。本研究基于学习分析的视角，从知识加工、社交关系、行为模式三个维度构建面向计算机支持的协作学习分析模型，自动测量协作过程中知识水平与知识发展，深入挖掘协作过程中交互模式的序列与规律，有效识别群组成员的交互结构。基于该模型，设计开发了支持在线协作学习过程分析的交互式可视化工具，并在在线课堂中开展实践研究。研究表明，该模型及工具能够有效应用于在线协作学习过程分析，帮助教师实时监控讨论过程，发现协作中存在的问题，及时给予干预与指导。 关键词：协作学习；学习分析；可视化；过程分析模型 群体感知视角下学习分析工具对协作学习表现的影响（2019） ====================================================== 摘要：感知是对某种事实的认知，是了解周围环境的开始，是指导个体行为的重要指标。群体感知是对群体活动过程各方面的了解，是保障协作学习效率和协作学习质量的重要因素。由于群体感知信息的隐藏性，学习者往往需要耗费大量时间和精力来获取相关信息，由此引发消极参与、游离于任务之外等现象。学习分析工具能够将感知信息显性化，减轻感知负荷。但是以往关于群体感知的研究，为学习者提供的感知信息类型较为分散，设计的学习分析工具大多只针对某一方面的感知信息。有效的协作学习需要具备三种类型的群体感知：认知感知、行为感知和社会感知。基于群体感知，在真实的教学情境中，探究利用学习分析工具多维度提供感知信息对协作学习的影响，有助于改善协作学习过程，促进教育与技术的融合。准实验研究结果表明，学习分析工具对小组交互的网络密度有显著性影响，可以明显提升小组参与协作学习的积极性，但在小组成绩上，影响并不明显，还需进一步深入研究。 关键词：群体感知；在线协作学习；学习分析工具；学习表现 人工智能视域下个性化学习路径推荐：机理、演进、价值与趋势（2023） ================================================================ 摘要：个性化学习路径推荐是智能技术驱动教育服务智能升级的关键力量，是实现大规模个性化教育的重要驱动。然而，目前个性化学习路径推荐的研究与实践仍未成熟，难以满足学习者因人而异、因时而变的个性化需求。个性化学习路径推荐的主流推荐框架包括基于机器学习、基于进化计算和基于知识图谱三种方式，具有不同的模型机理和适用的教育场景，经历了起步探索、预测推理、改进优化和融合创新的技术演进历程。其对教育的价值导向体现在赋能课堂教学、助力因材施教，优化在线学习、驱动服务升级，支持场馆学习、增强智能感知，改善游戏学习、优化交互体验，为破解大规模与个性化相结合的应用难题提供了重要支撑。随着智能技术的迭代升级及深入应用，未来个性化学习路径推荐呈现四大发展趋势，即关注信息要素的深度融合、迈向全方位多尺度的形式化建模，融合多种技术优势、构建以知识为主导的高性能推荐框架，注重可视化呈现和动态感知、推动个性化服务模式的优化升级，重视全景性应用策略研究、促进推荐技术与真实教育情境的紧密耦合。 关键词：个性化学习路径推荐；模型机理；技术演进；价值导向；发展趋势 协作情境下社会调节学习工具的设计与应用（2020） ============================================== 摘要：社会调节学习能够促进学习者在协作学习情境中制定合理的学习目标与计划，采取恰当的学习策略并进行及时的学习评价，但现有协作学习支持工具难以对社会调节学习过程进行动态支持。遵循社会调节学习的设计原则，结合学习分析技术，文章设计了社会调节学习工具架构，同时设计了工具的任务计划、交流共享、群体感知和评价反思等四大功能模块，并面向某高校本科二年级学生开展了实证研究。针对研究结果，文章从有用性、易用性、满意度、乐用性四个维度，检验了社会调节学习工具的接受度和使用情况，发现：学习者对此工具的总体接受度较高；此工具能够有效支持学习者在协作情境中的社会调节学习，提升协作学习质量。 关键词：协作学习；社会调节学习；学习分析；学习工具 协作问题解决讨论活动中行为模式自动化挖掘方法研究（2020） ======================================================== 摘要：为探究在线协作学习中基于问题解决讨论活动的群组交互行为模式，文章提出协作问题解决的协作讨论活动行为编码表，将协作问题解决中的重要行为特征进行分类编码。基于关联规则挖掘算法，自动化地挖掘协作问题解决中具有高转换率的行为序列。通过开展实证研究，探究影响协作质量的重要行为模式。研究结果表明，在协作过程中学生们修订观点、争论、采用证据以及良好的管理等行为对群组协作都具有积极意义。该研究为教育工作者构建基于问题解决的在线协作讨论活动提供了有利依据和重要参考。 关键词：协作问题解决；行为模式；行为编码表；关联规则 协作学习情境中学习投入数字化表征模型的构建与应用（2022） ======================================================== 摘要：在协作学习中，如何对个体学习者的学习投入进行有效监测与评价并挖掘其内在特征与演变规律成为研究者面临的重要挑战。本研究基于协作学习投入理论、自我调节学习理论构建了协作学习情境中学习投入的数字化表征模型，指出该情境中的学习投入具有多维性、情境性、时序性、连续性等特征，同时提出了可操作的指标体系。随后，在协同写作学习场景中应用该模型，通过分析学生的录屏、对话、学习视频等数据，探究协作学习中的学生学习投入情况。研究结果表明：学习者在行为投入上比较稳定，但是在认知投入和社会投入上呈现"倒U形"变化趋势；行为投入、认知投入、社会投入以及学业成绩存在互惠的内在关系；浅层投入型、中等投入型、深层投入型的学习者在各维度上的投入并不均衡。本研究构建的学习投入数字化表征模型能够较为全面地刻画学生的学习投入，有助于揭示学习投入的本质特征和演变规律。 关键词：协作学习；学习投入；协同写作；自我调节；多模态数据；数字化表征模型；指标体系；案例研究 协作学习投入的结构模型构建与机理阐释（2023） ============================================ 摘要：协作学习投入是在丰富的交互关系中形成的复杂状态，涉及学生的行为参与、协作知识建构以及社会情感交互等多维要素，与学生的学业成绩呈显著正相关。但是，目前学界对协作学习投入的内涵、结构以及内在机理等缺乏深层次的理解，影响着协作学习投入研究的深度和广度。为此，文章梳理了协作学习投入的概念演变历程，将其定义为一种集体贡献，取决于所有小组成员参与协作学习活动的程度，从而产生预期的学习结果。随后，文章对已有相关模型进行比较分析，并在此基础上以动态系统理论、社会认知理论等为基础，构建了协作学习投入的结构模型，揭示了个体与小组学习投入之间的相互作用关系，以及行为、认知、情感等维度之间的动态交互关系，同时阐释了该模型蕴含的五大内在机理。基于该模型，未来研究者可以从协作学习投入的多维刻画、自动化标记、演变机制分析、关键事件挖掘以及智能代理开发五个方面开展研究，以加强协作学习投入研究的深度与广度，提升协作学习效果。 关键词：协作学习投入；概念演变；结构模型；内在机理；研究启示 在线协同写作中组内、跨组群体感知信息对小组学习投入的影响（2021） ================================================================ 摘要：在线学习时空分离的特征，导致学习者在在线协同写作中常常面临学习投入度低、学习效果不佳等难题。群体感知工具能够促进协作学习中的学习投入，但哪些感知信息能够促进协作学习中的学习投入、不同类型的感知信息在促进学习投入方面是否存在差异，这些问题尚未得到解决。为此，文章采用准实验研究的方法，探究组内、跨组两种不同类型的感知信息对协作学习投入的影响。文章发现：跨组感知信息比组内感知信息更能促进学生的行为投入和认知投入，更有助于在小组之间形成竞争氛围、激发小组成员的情感投入。文章验证了跨组群体感知信息对促进小组学习投入的积极作用，为提升在线协同写作中学生的学习效果提供了重要思路。 关键词：协同写作；群体感知；组内感知信息；跨组感知信息；学习投入 在线协作讨论中社交关系分析及可视化呈现研究（2021） ================================================== 摘要：在线协作讨论中社交关系对知识建构的过程和质量具有重要的影响作用。文章从交互密集性、交互凝聚性、交互中心性、交互均衡性四个维度提出了一个测量协作群组交互结构的指标框架，刻画协作讨论过程的社交关系，并对分析结果进行可视化呈现设计。研究结果表明，入度中心势和紧密度2个指标与协作讨论质量显著相关，且对最终的协作讨论质量具有较强的预测力。更进一步，基于分析指标的实时可视化呈现方法对教师有效地衡量群组社交参与的程度、预测群组协作讨论的质量、监控群组互动模式及交互关系变化都具有重要意义。 关键词：社交关系；自动化分析；在线协作讨论；可视化 在线协作学习中面向教师的可视化学习分析工具设计与应用研究（2019） ================================================================ 摘要：在线协作学习是学习分析技术的重要应用领域。教师作为协作学习的指导者，在协作学习中扮演着重要的角色但也面临巨大的挑战。面对众多的学习者和复杂的任务，教师难以及时了解协作学习情况，便不能有效地指导学习。随着学习分析技术的发展，可视化学习分析工具成为研究热点。本研究通过梳理现有可视化学习分析相关理论和支持，提出了可视化工具的设计原则。并在此原则的基础上，设计了KBS-T可视化工具。同时，研究采用准实验的方法研究了教师对工具的接受度以及工具在教学过程中对教师认知负荷的影响。结果表明，教师对工具有较高的接受度，认可工具的功能和作用，愿意进一步使用工具；并且，可视化工具对于教师认知负荷没有显著的提升，可以支持教师更好地开展教学。本研究尝试为提升可视化工具设计的科学性，以及提升工具的用户体验提供理论和实践支持。 关键词：学习分析；在线协作学习；教师；可视化分析工具；认知负荷；实证研究 在线协作学习中小组学习投入的分析模型构建及应用（2020） ====================================================== 摘要：在协作学习中学习投入与学习成效紧密相关，是学生进行有效参与和深度学习的必要条件。但目前的研究大多针对个人学习投入，缺乏在协作学习中小组学习投入的相关研究。在前人研究基础上，本研究从认知投入、行为投入、社会投入、情感投入四个维度构建了在线协作学习中小组学习投入的分析模型，并通过实证研究进一步探索小组投入分析模型各维度与小组学习成绩之间的关系。结果表明，在小组学习投入中行为投入、社交投入与小组成绩呈显著正相关关系，而积极、消极、困惑三类情感投入则与小组成绩呈负相关关系。研究同时发现，高分组在中立情感投入、认知投入的问题和元认知维度中的均值都高于低分组。最后，通过分析在线小组学习投入与成绩之间的关系，为今后优化学习支持服务以及提高小组成员协作质量提供了依据。 关键词：认知投入；行为投入；社会投入；情感投入；协作学习；学习分析；学习策略；学习评价 The eff ects of a group awareness tool on knowledge construction in computersupported collaborative learning（2021） ==================================================================================================================== 小组意识工具对计算机协同学习中知识建构的影响 {#小组意识工具对计算机协同学习中知识建构的影响.ListParagraph} ============================================ 摘要：本研究旨在探讨群体意识对CSCL知识建构的影响，并进一步探讨不同类型的群体意识对CSCL合作的支持方式。在这个准实验研究中，我们采用了一个自主开发的群体意识工具，可以在一个有93名本科生参与的为期一个学期的真实课堂中显示认知、社会和行为的群体意识。本文采用混合研究方法，通过比较GA（使用GA工具）和NA（不使用GA工具）班级的知识构建特征和行为模式，探讨了群体意识对知识构建的影响，并通过访谈进一步考察了三种群体意识类型在支持协作中的不同作用。内容分析表明，GA群体以协商意义或构建新知识（C3）为合作中心，并进行了更多的高级知识构建行为（C4和C5），而NA群体以共享和比较信息（C1）为最频繁的行为。序列分析显示，GA类植物C4→C5和C5→C4， NA类植物C2→C4。访谈显示，学生认为认知和社会群体意识在支持他们的合作中发挥了主要作用，而出乎意料的是，行为群体意识几乎没有作用。 最后，提出教学意义。 The effects of group awareness tools on student engagement with peer feedback in online collaborative writing environments（2022） ================================================================================================================================== 小组意识工具对在线协作写作环境中学生参与同伴反馈的影响 ====================================================== 摘要：虽然文献已经认识到群体意识（GA）工具在激发学生参与方面的潜力，但在在线协作语言学习的背景下，群体意识工具对学生参与同伴反馈的影响知之甚少。本研究对86名大学生进行了准实验研究，探讨了在真实的学习环境中，GA工具如何影响学生对同伴反馈的参与。结果表明，GA工具对学生的行为投入有积极的影响。对三轮同伴评估的动态参与进展的分析表明，遗传算法工具通过提供表面水平和意义水平的反馈，有助于刺激和维持学生的持续认知参与。然而，GA工具在将同伴反馈纳入修订中触发认知参与方面效果有限，特别是在学习活动的后期。此外，有遗传工具支持的学生比没有获得遗传信息的学生表现出更高的情感投入，但差异无统计学意义。本研究的发现为使用遗传算法工具在协作语言学习活动中提高学生在线同伴反馈的参与度提供了重要见解。 关键词：群体意识；学生参与；同伴反馈；合作写作 Exploring fuctuations in collaborative engagement: how do cognitive and socio-emotional interaction intertwine in online collaborative learning? ================================================================================================================================================ 探索合作参与中的波动：在线协作学习中的认知互动和社会情感互动是如何交织在一起的？ ================================================================================ 摘要：协作参与是一种通过研究学生之间的社会互动来促进成功学习的品质。在自然环境中，在线协作学习是一个不断发展的过程，受学生参与社会互动方式波动的影响。然而，很少有研究探索维持积极的社会情绪过程和高级认知过程的相互作用和交织。此外，在线协作学习中的社会互动如何波动和转变仍不清楚。在这个面向过程的研究中，我们定性和定量地分析了15组学生（n=45）的屏幕记录的协作学习，并采用深度神经网络模型自动评估在线环境下的协作参与。结果表明，中性社会情绪互动与认知互动减少显著相关，而积极社会情绪互动与认知互动增加显著相关。此外，当认知互动从深度到中度波动时，伴随着轻松的群体氛围和群体成员通过笑话调动社会气氛，社会情感互动变得更加积极。当社会情绪互动从中性转向积极时，认知互动显著增加，这主要是因为积极的社会情绪互动导致群体成员之间的积极讨论。当社会情绪互动由积极向中性转变时，认知互动显著减少，主要是由于小组成员的积极性降低，学习目标变为完成任务，而不是探索更深入、更全面的解决方案。讨论了支持和研究在线协作学习中协作参与的研究局限和未来的研究方向。 关键词：协作参与；认知互动；社会情感互动；在线协作学习；面向过程的学习；深度学习 More socio‑emotional regulation, more efective? Exploring social regulation of learning in collaborative argumentation among the high and low performing groups =============================================================================================================================================================== 更多的社会情绪调节会更有效吗？探讨高、低绩效群体协作论证学习的社会调节 ====================================================================== 摘要：协作论证（CA）是一种多产但具有挑战性的协作学习形式，它要求小组成员参与一定数量的规则来维持小组的生产功能。本研究的目的是探讨高绩效和低绩效群体之间在(a)挑战和触发社会调节方面的差异，以及(b)这些群体使用社会调节的顺序模式。由此，本研究旨在从社会调节的角度揭示促进或制约CA的因素。目标群体是从14个更大的样本中选择的，根据这些群体在参加90分钟的CA活动后的争论图得分。收集和分析视频和访谈数据，揭示活动中遇到的挑战和社会规范。得到了几个发现。首先，表现不佳的小组遇到了更多的挑战，表现优异和表现不佳的小组之间最大的区别是社会情感挑战。其次，在表现不佳的群体中，更多的挑战被调节，更多的认知和社会情感挑战被调节，而较少的动机挑战被处理。对于认知挑战，在高绩效群体中发现了处理达成一致僵局的有效策略。对于社会情感方面的挑战，尽管在表现不佳的群体中得到了更多的监管，但紧张的氛围使社会监管不太成功。对于激励挑战，低绩效组很少关注其他成员的参与。第三，高、低表现组表现出不同的顺序模式，如高表现组在社会情绪调节和评价方面有更多的过渡。 最后讨论了教学意义和支持学生应对社会情感挑战的需要。 关键词：学习的社会调节 ；计算机支持的协作论证 ；计算机支持的协作学习 ； 挑战 Examining teachers'behavior patterns in and perceptions of using teacher dashboards for facilitating guidance in CSCL（2022） ============================================================================================================================= 考察教师在使用教师仪表板促进CSCL指导中的行为模式和看法 ====================================================== 摘要：学习分析仪表板的开发是为了方便教师在计算机支持的协作学习（CSCL）中进行指导。到目前为止，关于教师如何解释仪表板信息以促进教学实践中的指导，人们知之甚少。本研究考察了教师解读仪表板信息的行为模式，并获得了他们对解读仪表板信息的潜在障碍的看法。14名职前教师参与了研究，数据来自多个来源。总共产生了1346分钟的教师指导行为视频数据，以及约27000字的线索回溯报告和访谈数据。采用两阶段方法处理数据。基于第一阶段的视频分析，我们提取了教师在查找和阅读仪表板信息时的四种典型行为模式，以及在讲解仪表板信息时的两种典型行为模式。第二阶段的专题分析确定了汉语对外汉语教学中教师指导的有用指标和教师在解读信息时遇到的一些主要障碍。这些发现可能有助于改进仪表板的设计，并展示教师如何将仪表板整合到他们的日常教学实践中，从而提高学生的协作和学习。 关键词：计算机支持的协同学习·行为模式·感知·教师仪表板·教师指导 The effects of a learning analytics dashboard on teachers'diagnosis and intervention in computersupported collaborative learning（2021） ======================================================================================================================================== 学习分析仪表板对教师在计算机支持的协作学习中的诊断和干预的影响 ============================================================== 学习分析仪表板（LAD）已被认为是一个有用的工具，以促进教师在协作学习的诊断和干预。然而，关于计算机支持的协同学习（CSCL）对教师的影响的实证证据报道很少。本研究的目的是评估知识-行为-社会仪表板（KBSD）系统在支持教师对CSCL活动的诊断和干预方面的有效性。35名职前教师参与了实验。结果表明，使用KBSD的教师更多地使用"跨组"策略来诊断学生的学习问题。实验组的教师还进行了更多的干预，包括"认知指导"、"脚手架指导"、"积极评价"和"个人促进"。此外，对访谈的分析显示，KBSD工具有可能帮助教师以简单方便的方式发现小组中的学习问题。教学意义和未来的研究也讨论。 关键词：学习分析;仪表板;教师的诊断;教师的干预 Individuals in a group: exploring engagement patterns via within-group configurations of role profiles and their impact on performance in collaborative problem solving ======================================================================================================================================================================= 群体中的个体：通过群体内部角色配置及其对协作解决问题绩效的影响来探索参与模式 ============================================================================ 协作解决问题（CPS）已被广泛应用于中小学、高等教育和非正式学习中，以提高学生的学习质量。理解学习投入和群体表现之间的关系对CPS教学法和分析至关重要。然而，很少有实证研究调查了CPS中的个体敬业度角色特征，以及个体敬业度对学习绩效的影响，这反映在角色特征的组内配置上。本研究采用深度学习方法评估学习者的敬业度，采用聚类分析方法识别敬业度角色特征，并采用定性案例对高、低成就群体角色特征的组内配置进行深入比较。结果表明，六种不同程度的认知和社会情感参与的不同角色被确定为：搭便车者、正常建设者、沉浸型建设者、平衡型建设者、质疑-反驳者和积极建设者。此外，高成就组以积极建构者和平衡参与者为主导角色，低成就组以自由参与者为主导角色。在此基础上，讨论了CPS活动优化设计和结构对促进高质量协作学习的启示。 关键词：协同问题解决；学习参与;角色配置文件;组配置;集团业绩;深度学习 Spontaneous visual database for detecting learning-centered emotions during online learning =========================================================================================== 用于在线学习过程中检测以学习为中心的情绪的自发视觉数据库 ======================================================== 摘要：情绪显著影响学习。利用机器学习和深度学习技术，可以通过行为线索自动识别学生的情感状态。识别结果的准确性和鲁棒性主要取决于所使用数据库的质量。然而，目前还没有从实际在线学习场景中开发的数据库来检测和分析以学习为中心的情绪（学术情绪）。为了解决这一不足，本研究利用学生的面部表情和手势编制了一个情感数据库。该数据集中的非语言情绪和行为是自发的，因为所有图像都来自实际在线学习活动期间录制的视频，这导致了在这些图像上训练的强大的学习者情绪识别模型，该模型考虑了诸如遮挡、照明、背景杂乱和姿势等变量。该数据库包括来自78名大学生的1301个视频片段和21632张图片。这些样本由新手评委和研究人员用六种学术情绪（投入、困惑、沮丧、快乐、困倦和中性）来标记。为了对数据库进行初步评估，使用最先进的机器学习和深度学习算法对其进行了广泛的分析。实验结果表明，改进的卷积神经网络算法具有最佳的识别性能，平均准确率为79%。特别是在识别快乐表情时，该模型取得了最好的成绩，识别率达到94%。本研究为情感分析方法在特定网络学习场景下的比较研究提供了基础，并使这些方法在教育领域得到推广。 关键词：以学习为中心的情感情感识别情感数据库机器学习深度学习 Discourse moves and socio-emotional interactions in collaborative argumentation: Exploring how their co-occurrence impacts argumentation quality （2024） ========================================================================================================================================================= 协同论证中的话语移动和社会情感互动：探讨它们的共现如何影响论证质量 ================================================================== 摘要：协作论证是21世纪的一项基本技能。先前的研究表明，话语移动和社会情感互动在协作论证中起着关键作用。然而，很少有研究调查它们的共同出现对论证质量的影响。为了解决这一差距，我们招募了55名大学生参加90分钟的合作论证活动，并选择了8个目标群体进行进一步分析。通过比较四个高表现组和四个低表现组之间的差异，确定了支持或阻碍富有成效的协作论证的话语移动和社会情感互动的共现特征。通过统计分析和认知网络分析（ENA）证明了组间的一些差异。 首先，低绩效组花更多时间说服对手改变立场（例如，CounterC, Rebuttal, CounterUC）和抵制公开的思想交流（例如，Reject），而高绩效组积极促进思想的共同构建（例如，Advance, Accommodate, and Concede）。其次，表现不佳的团队经常难以解决重大分歧，陷入僵局，而表现出色的团队则始终克服分歧，达成共识。第三，ENA表明，低绩效群体在运用关键动作（如CounterC、Rebuttal）时，往往会产生负面的社会情绪互动（如打断他人、向他人施压、破坏群体凝聚力），从而导致人际冲突和无意义的沟通。相比之下，高绩效小组通过积极的互动（例如，使用幽默/笑声/微笑，鼓励参与/动机，促进小组凝聚力）来释放紧张并维持良好的氛围，从而促进富有成效的对话。这些发现对培养更有效的论证教学具有教学意义。 关键词：协同论证话语运动社会情感互动认知网络分析 Long-Lasting Conceptual Change in Science Education The Role of U-shaped Pattern of Argumentative Dialogue in Collaborative Argumentation（2021） ================================================================================================================================================= 科学教育中持久的观念转变：u型辩论对话模式在合作辩论中的作用 =========================================================== 摘要：科学教育中有意义的概念转变学习应旨在帮助学生改变已有的错误观念，形成对科学概念的准确理解。虽然协作论证被认为支持这样的过程，但其对概念变化的价值尚不清楚。此外，在协作论证的研究中，还应考虑论证对话的作用。在本研究中，我们采用对照实验，在充分考虑论证对话的作用的情况下，考察了协作论证对科学教育中观念转变的价值。将23名研究生分为两组（独立论证组\[对照组\]和合作论证组\[实验组\]），分别参与两项论证活动。结果表明，协作论证对科学教育中的概念变化具有延迟但持久的影响（即，协作论证引起的概念变化在论证时刻不会立即显示显着改善，但在延迟期间显示显着改善）。协作论证为认知、本体论、意向和学习的其他方面的改变提供了机会。对话协议分析显示，持久的概念变化与合作辩论中的辩论对话的u型模式（即两高一低：协商辩论和共同同意的构建都经常发生，而争议性辩论很少发生）有关。然后进行了第三次论证活动，以证实这一意外发现。结果证实了长期概念变化与合作论证中u形对话模式之间的联系。当前的研究揭示了协作论证对长期概念变化的价值，加深了我们对论证活动的概念收益是否取决于由协作论证驱动的特定类型的口头对话的理解。讨论了对科学教育的启示。 Effects of group awareness tools on students' engagement, performance, and perceptions in online collaborative writing: Intergroup information matters （2022） =============================================================================================================================================================== **小组意识工具对学生在线协作写作的参与、表现和认知的影响：小组间信息问题** 摘要：在网络协作写作中，学生参与度低仍然是一个问题。我们将两种类型的意识信息（即组间信息和组内信息）整合到协作写作平台中，以提高学生的参与度。本研究采用准实验的方法，探讨了群体间和群体内意识信息的影响。实验班81名学生被提供小组间信息，对照组80名学生被提供小组内信息，这些学生被要求进行合作写作和同伴评价活动。Wilcoxon-Mann-Whitney U测试显示，实验组的写作行为参与度显著高于对照组，学习成绩也优于对照组。在网络讨论和同伴评价中，具有组间意识信息的学生比具有组内意识信息的学生有更深的认知思维，表现出更多的积极情绪。此外，本研究使用技术接受模型（TAM）调查了学生对群体意识工具的看法。最后，提出了支持协作学习的未来研究方向。 关键词：群体意识；群体间信息；群体内信息 Systematically reviewing the potential of scientific argumentation to promote multidimensional conceptual change in science education（2022） ============================================================================================================================================= 系统地回顾科学论证促进科学教育中多维观念转变的潜力 ================================================== 摘要：科学论证作为一种科学实践，已经成为科学概念学习中的一个重要问题。我们系统地检索了五个数据库，以评估科学论证促进科学教育中多维概念变化的潜力。系统的文献检索和研究编码由两位独立审稿人完成。我们的搜索发现了12项实验研究，调查了12种不同类型的科学论证型教学（本研究中的科学论证型教学指的是课堂活动）。利用McLure， F., Won， M.和Treagust， D. F.（2020）开发的概念变化多维框架，我们进行了一项叙事综合，评估了每种基于科学论证的教学如何通过学习的认知、本体论和意向维度影响概念变化。我们的叙事综合表明，科学论证可能通过不同程度地增强这些学习维度来影响概念变化。 此外，某些附加的脚手架可能对提高学习的某些方面特别有用。最后，meta分析（随机效应模型）显示，总体而言，基于科学论证的指导对概念变化具有较大的正向影响（Hedge's g = 10.49 \[7.27, 13.71\], I2 = 47%）。 总体结果表明，科学论证通过为学习的认知、本体论和意向维度提供机会，有可能改善概念变化。 关键：词科学教育；科学实践;观念转变;科学论证;协作上下文;有目的的学习 A unified framework for personalized learning pathway recommendation in e-learning contexts =========================================================================================== 电子学习环境中个性化学习路径推荐的统一框架（2024） ================================================== 摘要：为电子学习者生成个性化的学习路径是电子学习领域的一个关键问题，因为它在指导学习者成功实现其学习目标方面发挥着关键作用。现有的文献从不同的角度提出了各种方法来解决这个问题，包括基于学习者、基于知识和混合的推荐方法。其中，混合推荐方法通过结合基于学习者和基于知识的推荐方法的优势，在生成高度个性化和逻辑结构化的学习路径方面显示出巨大的潜力。但是，缺乏一个统一的学习路径推荐框架，该框架全面纳入了与学习者、学习对象和领域知识相关的基本参数。为了克服这些挑战，我们提出了一个统一的框架来解决个性化学习路径推荐问题。在这个框架中，我们开发了一种新的双层次结构建模架构，它综合地制定了问题的要求。此外，我们还提出了一种改进的蚁群优化算法，以有效地发现为满足电子学习者的不同要求和偏好而量身定制的最佳学习路径。为了评估所提出的方法的有效性，我们对 12 个不同大小和复杂程度的模拟数据集进行了广泛的计算实验。计算结果表明，我们提出的方法在优化性能和稳定性方面优于其他竞争方法。此外，我们进行了一项实证研究，以验证我们的方法在现实世界学习场景中的有效性。本研究的结果表明，我们的方法有效地生成了高质量的个性化学习路径，从而提高了电子学习者的学习体验和成果。 关键词：在线学习；学习路径推荐；统一框架；双层次结构建模；蚁群优化算法 A Multigranularity Learning Path Recommendation Framework Based on Knowledge Graph and Improved Ant Colony Optimization Algorithm for E-Learning ================================================================================================================================================ 一种基于知识图谱和改进蚁群优化算法的多粒度学习路径推荐框架（2024） ================================================================== 摘要：在电子学习中，从庞大的资源池中提取合适的学习对象 （LO） 并将其组织成高质量的学习路径对于帮助电子学习者实现目标至关重要。已经提出了许多方法来为电子学习者推荐最佳学习路径。然而，必须强调的是，电子学习系统通常由具有不同粒度级别的各种 LO 组成，从细粒度到粗粒度。不幸的是，目前的研究在优化学习路径时没有充分考虑 LO 的底层粒度结构。现有方法主要侧重于在单个粒度级别上组织 LO，这限制了它们在实际电子学习系统中的适用性。为了解决这些限制，我们提出了一个多粒度学习路径推荐 （MGLPR） 框架，旨在灵活有效地将 LO 的不同粒度级别集成到高质量的学习路径中。在这个框架中，开发了一个两层 \[知识点 （KP） 和 LO 层\] 模型，将 MGLPR 问题表述为约束优化问题，并引入改进的蚁群优化算法 （IACO） 来解决它，以确定电子学习者的最佳学习路径。为了评估所提出的 IACO 的有效性，我们使用 30 个具有不同问题大小和复杂性的仿真数据集进行了广泛的计算实验。结果表明，与其他竞争对手相比，我们提出的 IACO 实现了卓越的性能和稳健性。此外，还进行了一项实证研究，以调查所提出的方法在真实学习环境中的有效性，结果表明所提出的方法优于传统的自组织方法。 关键词：蚁群优化算法,在线学习,知识图谱,学习路径推荐 （LPR）,多粒度 基于多元评价的混合式协作学习效果实证分析（贾 同 顾小清，2024） ============================================================== **摘要：**混合式协作学习作为协作学习与混合学习的有机融合，成为未来教育发展的重要可 能方向，而如何评价和验证其学习效果是该研究领域的重要议题。研究以教育技术学专业课程 "教育信息化理论与实践"为载体，基于多主体、多维度、多方法有效混合的多元评价方式，评测学生完成混合式协作学习任务的过程与结果，并采用准实验的方法探究其学习效果。研究结果表明：1） 混合式协作学习的持续开展对学生的学习投入水平、小组人工制品质量及学生个体学业表现有显著正向影响；2） 混合式协作学习过程中学生的学习投入对其学业表现有显著正向影响，其中行为投入影响效应最大。 **关键词：**多元评价；混合式协作学习；学习投入；小组人工制品；学业表现 可视化实时协作场景中群体深度学习发生的多维特征挖掘研究 ====================================================== ---------基于三组不同协作习惯的个案分析 ======================================= \[摘要\]随着对教育互动的研究越来越强调"情境依存性"，关注复杂交互场景下互动数据的多维分析有助于还原群体学习复杂过程、揭示特定规律、优化特定服务。研究通过对三组不同协作成效的个案在可视化实时协作场景中的互动数据进行协作关系、协作行为和协作时序的多维分析发现，群体深度学习发生的特征表现为：（1）有多个核心成员且分层领导的组织关系，更有利于促使小组在协作前期的资料搜集和推进方案想法或成果形成的阶段积极展开交互反馈；（2）小组在协作过程中基于"内容建构"的集中性反馈和基于"案例共享、信息搜集、想法拓展"的实质性反馈对小组协作深度影响大于围绕"线索提示、任务明晰"的流程性反馈；（3）小组协作习惯主要存在"问题导向、资料导向、任务导向"三种典型模式，对小组协作深度的促进依次减弱。该研究为高校教学多元交互场景中新协作样态下的群体深度学习发生机理揭示、评价方法和促进策略优化等提供了理论与实践基础以及后续建议。 \[关键词\]高校教学；可视化实时协作；协作问题解决；群体深度学习；多维特征挖掘 面向 MOOC 课程评论的学习者话题挖掘研究（2017） ============================================== 刘三女牙， 彭 晛， 刘 智， 孙建文， 刘 海 \[摘要\]研究以果壳网MOOC学院的"财务分析与决策"课程为实验对象，通过分析课程评论帖进行学习者话题的挖掘。文章不仅采用了高频词汇分析的定量方法，实现对学习者课程评论内容的整体认识，并且，根据参与评论学习者的课程完成情况，分别对已完成和未完成两种类型的学习者展开定性的学习分析研究，应用非监督学习方法LDA模型自动挖掘和解析文本评论信息的特征结构和语义内容，并探究和追踪学习者关注的热点话题演化趋势。实验结果表明，学习者认可和赞赏了该门课程，并且尤为关注课程内容以及教师授课形式话题；相比课程完成者，未完成者更倾向于解释其未完成课程的主要原因，表达出更为消极的话题内容，并较少涉及课程本身相关的专业理论知识。 \[关键词\]MOOC；文本评论；话题挖掘；LDA