面向数智化异构学习环境的学习者交互多层网络分析——基于Traces分析框架的应用与展望.pdfVIP

面向数智化异构学习环境的学习者交互多层网络分析

阴王志军苏晨余新宇

[摘要]在数智时代学习逐渐呈现出学习空间开放多元尧学习过程复杂非线性的特点学习的社会化尧智能化尧情境

化尧网络化特征愈发显著学习发生的情境是一个复杂系统遥连续的学习行为数据以不同粒度分散在多个异构学习

环境中关联这些环境中的数据是对复杂学习行为形成连续认识尧系统深入把握数智化学习规的关键而如何对

粒度不一且分散的交互数据进行关联和分析是学习分析究中必须解决的问题遥为此研究指出基于多层网络分析

法要要

要Traces分析框架是应对这一问题的解决方案并系统梳理了Traces分析框架的特征尧核心概念尧各个层级的

分析过程及支持方法进而通过案例展示了该方法既可以整体应用于识别交互会话及关键参与者尧识别学习者群组

渊社区冤尧分析参与者之间的关系以及参与情况随时间的演变态势又可以局部应用于微观层面的数据分析遥究表

明Traces分析框架能跨越多个数智化异构学习环境从多个层次有效融合线程分析法尧社会网络分析等多种方法

突破单一维度和还原论分析法的局限关注行动者之间的复杂关系并扩展了分析对象有助于研究者形成对复杂学

习行为的连续性认识堪称人类迈向野数据海洋冶的数智时代教育研究新范式遥该方法为全面地理解数智化异构学习

环境中的交互规从整体和系统层面深度把握数智时代学习的复杂规提供了新思路遥

[关键词]多层网络分析曰Traces分析框架曰数智化学习环境曰关联数据曰学习分析曰复杂系统曰人工智能曰数据海洋

[中图分类号]G434[文献标识码]A[文章编号]1672-0008渊2024冤06-0073-11

[DOI]10.15881/j.33-1304/g4.2024.06.008

仅源自教师尧书尧视频袁还可在与他人以及智能体

一尧引言

的讨论尧交流尧碰撞中得以生成王志军袁等袁2020冤遥

随着信息力量的迅猛增长袁世界已经从由物理随着系统科学及学习科学研究的不断发展袁

空间和人类社会空间构成的二元结构迈进了包含物研究者已经意识到袁学习质上是一个复杂系统袁

理空间尧人类社会空间和信息空间的三元结构潘云过往采用经典方法在析教育问题时显得过于简

鹤袁2018冤遥信息空间的兴起催生了全新的场景尧要化蔡灿新袁2006曰尹超袁等袁2017曰Jacobson袁etal.袁

素尧关系和识袁使得资源共享化尧信息众筹化尧行为2016冤遥雅各布森等Jacobson袁etal.袁2016冤提出学习

数据化尧时空灵活化尧关系网络化得以实现陈丽袁复杂系统的概化框架thecomplexsystemscon鄄

等袁2019冤遥尤其是随着生成式人工智能与数智化的ceptualframeworkoflearnig袁CSCFL冤袁明确指出学习

持续推进袁学习已从单一封闭的教室空间袁走向了高发生的情境是一个复杂系统袁涵了诸如神经尧认

度融合学习者需求的数智化空间袁学习者与智能体尧个人尧人际文化等不同层次的元素与主题遥该系

的交互成为重要的学习与工作方式遥线上和线下尧物统在各个层面均存在交互式反馈袁因而整个系统展

理和虚拟尧同步和异步尧正式和非正式的边界逐渐模现出个体或局层面所不具备的集体复杂特征遥可

糊袁学习活动已成功跨越时间尧空间尧虚拟和现实的见袁教育身就是一个复杂系统袁兼具开放性尧多元

界限遥高度开放尧多样化的数智化学习空间袁不仅带性尧非线性尧涌现性尧混沌性等特性王志军袁等袁

来学习内容尧学习资源尧学习选择的多样化袁还促使2019冤遥伴随数智技术的蓬勃兴起袁学习者连续的学

学习者按需开展跨平台学习遥开放多元的学习空间习行为数据分布于异构化的数智化学习环境中袁学

具备汇聚全社会蕴藏的丰富资源并使其高效流动的习的自组织尧复杂适应性和涌现性特征愈发显著遥

能力遥学习者可以在不同场景下袁通过与不同对象传统的单一维度和还原论分析方