基于学习网络社团特征合作学习分组研究.docVIP

基于学习网络社团特征合作学习分组研究 　　摘 要：基于社会网络，本文提出了学习网络的概念，并将学习行为与社会网络社团特征相连结，分析了学习网络小组与社会网络社团结构的关系，在问卷调查的基础上设计了基于聚集系数的分组方式并进行了实证研究，研究了小组聚集系数、密度、平均度对学习效果的影响，结果表明，合作学习与小组的社团特征相关，聚集系数、密度、平均度均超过阈值可以获得更好的学习效果。 　　关键词：复杂网络；社会网络；合作学习；学习网络；分组 　　中图分类号：G40-057 文献标志码：A 文章编号：1673-8454（2017）17-0013-06 　　一、前言 　　合作学习是运用分组的方式，以最大程度促进学生和他人学习的教学策略。[1]已有研究表明，合作学习可以激发学生的学习动机，提高学生参与度和学习效率，帮助学生建立健康的人际关系，提升成就感和幸福感。[2]合作学习已经成为学习科学研究的重要内容之一，其核心是分组方式的选择，具有良好分组结构的合作学习优于个体或任意分组的学习效果。[3]小组的形成是开展合作学习的前提和基础，高效积极的小组结构对学习效果有直接影响。[4]分组方式的研究对合作学习有重大意义。 　　合作学习分组方式有教师指定、随机和学生自主分组等。[5]本文在教师指定分组的基础上采用合理的分组方式进行分组，教师指定分组是教师为保证教学目标，根据教学内容与学生情况，采用同质或异质原则进行分组。[6][7]这种方式没有考虑学生间的关系，大多数学生不太认可这样的分组，影响了学习效果。基于这样的原因，有学者将学生的学习行为与社会网络联系起来，从社会网络的视角研究分析合作学习的分组方式。 　　社会网络是典型的复杂网络之一，社团结构又是其主要特征。[8-11]社会网络中的社团结构是基于不同概念如节点相似性等形成的一些节点组，其内部的节点连接紧密，之间的节点连接稀疏。[12-14]已有学者将社会网络分析[15-17]应用到合作学习分组的研究中，Chen R C 和Su HM等人[18][19]基于遗传算法和社会网络分析对合作学习分组方式进行了优化，在分组过程中通过社会网络分析方法度量了学生之间的社会关系，寻找他们最相熟的为合作伙伴，结果表明这样的分组提高了学生的满意度。Po-Jen Chuang[20]提出了基于社交网络的合作配对策略，且证明该策略可以提高学习效果。 　　二、学习网络 　　（一）学习网络的定义 　　合作学习网络是指在学习过程中小组成员之间通过多种方式相互交流、分享和影响，成员关系紧密、复杂且随时间动态演化，特别是小组规模较大时，合作?W习就构成一个以小组成员为基本单元（节点）的学习网络。将每一个学生当作一个节点，学生之间的相互学习交流当作边，权值表示交流的次数，一般情况下，多个紧密联系的学生组成了“社团”。 　　（二）学习网络的社团特征 　　网络的聚集系数、平均度、密度等社团特征可以刻画学习网络的分组特征，进而可以研究分组与学生学习效果的关系。 　　1.聚集系数与合作学习的关系 　　对社会网络而言，聚集系数可以量化网络内聚力和节点集聚程度，也可以考察成为邻居的可能性。[21][22]在学习网络中，聚集系数越大，表明小组成员交流越频繁，成为“学习伙伴”的概率就越大。[23][24]假设网络中的某个节点i与ki个节点相连，这ki个节点间实际边数Ei和理论最大边数ki（ki-1）/2之比就定义为节点i的聚集系数，[22]其公式为： 　　Ci=2Ei/ki（ki-1）（公式2.1） 　　所有节点聚集系数的平均值就是整个网络的聚集系数C，显然0≤C≤1。聚集系数是衡量学习网络聚集程度的指标，本文提出了一种基于学习网络聚集系数的分组方法，以学生学习网络的聚集系数大小为自变量，学生的学习效果为因变量，充分考虑了学习网络社团特征。 　　2.密度与合作学习的关系 　　密度是衡量网络中节点间联络紧密程度的一个重要指标。一般地，网络密度定义为图中存在的连接数l与可能存在的最大连接数2/n（n-1）的比值，其表达式为： 　　D=2l/n（n-1）（公式2.2） 　　在社会网络中，密度是一项重要的变量，反映网络内关系联结的松紧程度。在学习网络中，密度可以反映整个网络内学生的互动程度。小组成员之间的关系可能密切也可能疏离，关系越紧密，网络密度就越大。[25] 　　3.平均度与合作学习的关系 　　在社会网络中，节点的度是指节点的邻边数目。在学习网络中，度表明该班级存在的直接合作伙伴数量。网络的平均度定义为学生度的平均值，平均度计算公式如公式2.3所示，E表示存在的边数，N表示学生个数。在学习网络中反映每个学生的平均连接数和学生之间信息传递的快慢。平均度越大，学生之间的联系越多，交往更密切。 　　=