基于社会网络分析的在线学习行为分析实证研究*

石月凤，刘三，刘 智，韩继辉，彭 晛

（1.郑州轻工业学院 信息化管理中心，河南 郑州 450000；2.华中师范大学 国家数字化工程技术研究中心，湖北 武汉430079）

一、引言

近年来，大规模在线开放课程（MOOC）在世界范围内迅速兴起，世界各国都在争相布局数字教育建设，抢占未来教育发展的战略制高点。教育部2015年发布的《关于加强高等学校在线开放课程建设应用于管理的意见》中指出，将加快推进适合我国国情的在线开放课程和平台建设，促进课程应用，加强组织管理。因此，越来越多的高校加入到在线课程学习平台的建设队伍。同传统课堂学习的交流相比，在线学习不仅增加了学习者参与课程的积极性与自主性，而且为学习者与学习者、学习者与教师、学习者与学习资源之间更频繁、更深度的交互行为提供可行性，有利于实现协作学习，这对于改善学习进程、提高学习绩效具有重要意义。[1]在线学习环境下，学习者通常会依据自身的学习需求、兴趣爱好或者以任务驱动为导向，自发地组织在一起而形成一个学习共同体。这种共同体建立在社会关系的概念上[2]，且通过在线学习系统、社交媒体等生成了越来越多复杂的交互数据。在线学习所形成的学习共同体构成了一个学习网络，每个人都是这个网络中的一个节点，成员之间的交互使知识在网络中得以建构，而成员之间交互所形成的社会网络关系结构和特点是怎样的、成员在网络中的位置对于学习效果有怎样的作用等问题都值得我们深入探讨。这对于改进我们的教育教学方式、优化学习效果有着重要的意义。在学习分析领域，社会网络分析（Social Network Analysis，SNA）已成为一种研究学习共同体组成结构与动态演化的重要方法，也为学习网络中各种关联要素的可视化提供了重要的量化依据。在在线课程中，社会网络分析旨在揭露这些结构属性与学习成效的关联及其意义。本文旨在运用社会网络分析方法进行实证研究，揭示在线学习环境中学习者在论坛交互中社会网络的形成和演变，以及学习者在论坛交互网络中的位置与学习成效之间的具体关系。

二、国内外研究现状

社会网络分析最早可以追溯到20世纪30年代社会学、心理学和人类学的研究。社会网络指的是社会行动者（Social Actor）以及彼此关系的集合[3]。关系是社会网络分析中最重要的研究对象，在学习分析领域，主要关注的是学习者与学习者之间、学习者与教学者之间、学习者与学习资源之间的关系。当学习者在解决问题或寻找伙伴时，往往都是依据所拥有的社会网络寻找最可能的协作对象。大量的研究证实SNA对在线学习环境中参与者交互行为的评估具有重要价值，Laat[4]与Aviv[5]等人使用SNA解决了关于参与者活跃度、网络密度计算以及核心参与者鉴定等一系列问题；Karina[6]等研究者利用SNA评估在线学习环境下学习小组的协作质量水平；Xu和Yang[7]等人使用社会网络分析测量学习者之间关系的强弱，用于在课程中为学习者推荐伙伴。许多研究者也探究学习者学习网络和学习效果之间的关系，例如，Dowell[8]等研究者运用社会网络分析和话语分析方法，探究话语风格、学习成效和社会中心性的关联性，旨在通过话语模式预测学习者学习成绩、社会网络位置；Russo和Koesten[9]表示通过分析网络个体的出度和入度指标可以预测学习者的认知学习结果；Rizzuto[10]等研究者发现网络密度可以在很大程度上反映学习者对课程资料的理解程度；Dawson[11]利用社会网络分析研究发现学习者在网络中的位置不同，其对整体社区意识的影响程度不同。

相比国外研究而言，国内在学习分析领域引入SNA方法研究的时间较短，但近年来，国内越来越多的教育研究者也逐步引入社会网络分析的理论和方法，主要研究了虚拟学习社群中网络学习成效的评价方法，以及改善学习过程的指导建议。例如，王陆针对虚拟学习社区网络教学支撑平台中的关系数据集合，介绍了社会网络分析方法在宏观、中观和微观三个层次上的具体应用[12]，并研究了虚拟学习社区社会网络中的凝聚子群[13]、社会网络位置分析与助学者群体的发现[14]；赖文华和叶新东[15]等利用社会网络分析分别从密度、社群图、中心性以及小世界效应等方面对虚拟学习社区中知识共享行为进行了解析；郑勤华[16]等使用社会网络分析、内容分析和相关分析等方法，对Coursera平台上的一门课程进行数据搜集和研究，以揭示学习者论坛交互中心度与交互质量的关系。

总体而言，国外运用社会网络分析方法进行学习分析的相关研究早于国内。国外研究主要是通过实证研究对在线协作学习中的论坛交互活动进行行为模式分析，且多与内容分析、问卷调查、访谈等方法结合，对交互的质量进行分析，以及研究学习网络与具体学习效果之间的关系。但国内进行实证研究的案例较少，且主要关注对网络分析工具、应用案例的综述，以及对远程学习、较小规模的虚拟学习社区中论坛交互网络特征进行分析，缺乏对于在线学习所形成的社会网络与具体学习效果之间关系的研究。

三、实证研究

1.研究问题

在线学习环境下，论坛交互在学习共同体知识共享和学习支持等方面扮演着重要的角色。然而，尽管社交网络的形成和演化对于促进学习进程有着重要的影响，但是这些网络特征与特定的学习结果之间存在着怎样的相关性，还有待进一步论证。本研究将针对以下问题展开研究：

（1）随着课程的进行，论坛交互所形成的社会网络结构特征是如何演化的？

（2）学习者在论坛交互网络中的位置与学习成效之间是否存在一定的相关性？

2.研究对象和数据来源

本研究交互网络数据来源于华中师范大学云课堂平台上2014年春季开设的《文学翻译》课程中学习者所进行的论坛交互。该课程采用的是混合式教学，既包含传统的课堂教学，又包含在线协作讨论及作业的提交，课程时间共持续4个月。选修该课程的学习者为翻译专业和英语专业的大四学生，共79名学习者，1名教师授课。参与该课程讨论的共有75人 （74名学生，1名教师），共计发表2982条论坛帖子。为了探究该课程论坛中社会网络位置与学习共同体学习成效的相关性，我们以参与论坛讨论的75人作为研究对象。其中，学习成效以学生期末总评成绩为依据。学生总评成绩由平时成绩和期末成绩组成，各占总评成绩的50%。

3.研究方法

为了解决第一个研究问题，本研究首先以月份为单位，分析学习者在论坛中交互频率的演变情况，统计每月的论坛参与人数及发帖总量。另外，分析论坛持续者的每月发帖总量，并比较了与总体学习者学习成绩之间的差异。其次，运用社会网络分析方法，根据学习者的论坛交互情况构建每月社群图以及整体社群图，并分析每月论坛交互的网络特征及其整体的网络结构属性。针对第二个研究问题，利用Spearman相关系数求证学习者在参与论坛交互中的社会网络位置与学习成效的关联关系。

其中，基于社会网络分析方法对学习者在交互网络中的中心性（Centrality）、声望（Prestige）和影响力（Influence）进行度量，以此来刻画和评估该学习者在网络中的位置。中心性、声望和影响力指标是衡量社会网络中行动者的显著性或重要性的度量方法。社会网络中心性体现了个体或者组织在网络中处于怎样的中心地位，或者具有怎样的权利，反映了该成员在网络中的重要性程度，本研究采用网络节点的度中心性（Degree Centrality）、接近中心性（Closeness Centrality）和中间中心性（Between ness Centrality）三个指标来描述学习者的社会网络位置。此外，由于论坛交互形成的学习网络为“有向社会网络图”，“有向网络”蕴含着个体的声望和影响力信息，我们将对学习者的声望和影响力进行计算，并分析其与学习成效的相关性。个体在网络中的声望可通过节点的入度中心性来量化，即该节点接收到的其它网络节点的回帖数量。影响力通过该节点的出度中心性来量化，即该节点向其它节点发出的发帖数量来量化[17]。本研究使用的工具是基于Python开发的NetworkX网络分析包以及Gephi可视化网络分析软件。

四、研究结果

1.学习者论坛参与度统计描述

（1）整体学习者参与论坛情况

研究发现，课程进程中论坛参与人数呈逐渐下降趋势，课程开始第1个月参与讨论的人数达到72人，最后1个月下降为50人，每月的论坛参与率维持在66.67%-96.00%之间，平均下降率为9.00%。相比论坛参与人数的变化，论坛发帖量呈先上升后下降的趋势，发帖量最高的是第2个月，共计1012条，每月人均发帖量分别为10.68、14.88、15.03、5.98。 根据课程安排，最后一个月发帖量骤降的原因可能是该课程在第四个月的教学已接近结课时间，因此学习者参与论坛讨论次数会相对以往显著下降。

（2）持续者的论坛参与情况

持续者为从课程开始到课程结束，每个月都在论坛中有交互的学习者，统计共有43人持续参与论坛讨论，维持在总参与人数的一半以上。统计结果显示持续者发帖量与论坛整体每月发帖量变化趋势相同，但比整体下降幅度要小，持续者发帖量下降率为44.32%，而整体参与者下降率为61.11%。研究也发现，持续参与者的平均成绩是88.48，选修该门课程的所有学习者平均成绩是87.72，该结果显示持续参与讨论的学生成绩略高于学生整体平均成绩，这在一定程度上反映学生持续参与论坛交互，积极发表课程论坛，增强与同伴间的交流，有助于提高学习成绩。

2.学习者参与论坛交互的社会网络特征

（1）学习者在线交互网络结构演变

通过绘制学习者在四个教学时间段的社群图可直观看出，学习者在社群图中的位置随课程的进行会有所变化，但是绝大部分总评成绩排在班级前20名的学习者节点一直都处于网络的核心位置，这表明学习成绩较好的学生往往是论坛交互的活跃分子。另外，在课程开始的第1个月，教师节点的度最大，且处于网络的核心位置，说明论坛交互状况基本是教师与学习者之间的交互。而随着课程的进行，教师逐渐转移至社群图的边缘位置，论坛交互主要发生在学习者之间，并且学习者之间的交互变得越来越频繁，社群图也逐渐变得密集。通过社会网络分析计算网络结构特征，如表1所示，网络密度、学生之间的接近中心性以及中间中心性均值都在前三个月呈现逐渐上升，同样地，在课程最后一个月，由于接近课程结课时间，论坛交互减少，均呈现下降的趋势。

（2）课程整体网络结构特征

由表1可知，整个课程的网络密度为0.45，说明此课程的论坛交互网络结构较为密集，学习者参与论坛比较活跃，且彼此之间的联系较为紧密。从绘制的整体社群图（如图1所示）也可看出，在整体网络结构中，总评成绩排在班级前20名的学习者节点大部分处于网络的核心位置，表明这部分学习者积极参与论坛讨论，其学习成绩也名列前茅。而总评成绩排在班级前20名的学习者节点3、17、20、63，虽然处于论坛交互网络的边缘位置，但是其成绩排名却在班级前列，推测其可能的原因为：本研究课程是混合式教学，这四位学习者虽然论坛参与性较差，但是英语基础较好，且在线下课堂中参与性较为活跃，所以平时成绩及期末成绩均较高，都在90分以上，导致最终的成绩得分也较高。

图1 整体社群图

3.学习者交互网络位置与学习成效的相关性统计分析

（1）网络结构与学习成效之间的关系

由表1可知，课程整体网络的网络密度为0.45，表明该交互网络中学习者之间的联系较为紧密，为了研究在交互网络中，个体学习者与“近邻”（与该学习者有直接联系的所有学习者）之间学习成效的相关性。首先统计个体学习者的平均邻居成绩，即该学习者所有“近邻”的平均成绩，作为评估与该学习者有直接联系的所有学习者的学习成效水平。其中，对于那些只有发帖但是没有得到任何回复、只与教师交互、参与论坛但是没有取得学习成绩的学习者不予统计，最终研究样本量为71人。最后，运用Spearman相关系数分析学习者的学习成绩与平均邻居成绩之间的相关性。结果表明，两者之间存在显著的负相关性，Spearman相关系数为-0.36，p＜0.01，说明在该课程的论坛交互中，学习成效高的学习者趋向于同学习成效低的学习者建立交互联系，而学习成效低的学习者趋于同学习成效高的学习者建立交互联系。

表1 每月及整体网络特征

（2）社会网络中心性与学习成效之间的关系

①度中心性与学习成效

度中心性描述的是在论坛中某一学习者与其他有直接联系的学习者的个数。度中心性越高表示该学习者与其他成员的联系越多，其参与论坛较为活跃。从图2（a）可知，在度中心性与成绩之间的相关性散点图中，点的分布呈现明显的线性关系，且分布较为均匀，在拟合线上或周围的点分布较多，说明两变量之间的相关程度较强。而从拟合线的趋势来看，度中心性与学习成效之间存在一定的相关性，并且是随着度中心性的增加，学习成效的上升幅度较大。而由表2可知两者的Spearman相关系数为0.47，且p＜0.01，即学习者在网络交互中的度中心性与其学习成效之间呈现显著的正相关性，由此可说明，学习者在社会网络中的度中心性越大，其学习成效也会随之越高。

②接近中心性与学习成效

接近中心性表示在论坛中某一学习者与其他学习者之间的接近性程度，描述的是在网络中学习者对其他成员的依赖程度，接近中心性越高，则该学习者在获得传播信息时，越不依赖其他学习者。从图2（b）可知，点的分布较为分散，在拟合线上或者周围的点分布较少，说明两变量之间的相关程度较弱。而从拟合线的趋势来看，随着接近中心性的增加，学习者的学习成绩会有较弱幅度的上升，说明接近中心性与学习成效之间存在一定的正相关性。从表2可以看出，此课程论坛中学习者接近中心性与学习成效之间的相关系数为0.35，且p＜0.01，说明这两个变量之间存在显著的正相关性，由此可说明，学习者在交互网络中与其他学习者越“接近”，其学习成效也会随之有较小幅度的增高。

③中间中心性与学习成效

中间中心性表示学习者在网络交互中处于 “中介人”的程度，描述的是学习者对资源的控制能力。“中介人”不仅可以控制信息流通的方向和方式，而且可以协调其他两个个体或者组织之间的联系，在网络交互中起着桥梁的作用。从图2（c）可以明显看出，从拟合线的趋势来看，随着中间中心性的增加，学习者最终成绩会有较弱的上升，说明中间中心性与学习成效之间存在一定的正相关性。而点的分布很分散，在拟合线上或者周围的点分布很少，说明两变量的相关性较弱。从表2结果也可知，这两个变量之间的相关系数为0.39，且p＜0.01，表明这两个变量之间虽然存在显著的正相关性，即说明学习者在社会网络中所处的“中介人”程度越高，其学习成效也会随之越高。研究也表明在此论坛交互中，学习者的中间中心性均非常低，范围在0.00-0.07之间，而教师在此论坛中的中间中心性最高为0.11，说明教师在论坛交互中起着主要的导向作用，控制资源在学习者之间的传播流向。

（3）学习者在交互网络中的声望及影响力与学习成效之间的关系

在有向社会网络图中，论坛参与者之间的入度中心性和出度中心性可衡量该学习者在交互网络中的声望和影响力。[17]入度中心性表示该学习者接收到其他学习者的帖子数量，入度高的学习者，被认为在网络中具有较高的声望，因为声望高的学习者表达的观点和想法被认为比其他成员更为重要。出度中心性被用于衡量学习者在网络中的影响力，用该学习者向其他网络成员的发帖数量来度量，表示该学习者论坛参与活跃度。如表3所示，结果显示学习者的学习成效与声望和影响力之间均存在显著的正相关性。也就是说，学习成绩高的学习者往往具有高的声望和影响力，且影响力大的学习者（发帖量多的学习者）能收到更多的回复。

图2 社会网络中心性与学习成效之间的散点图

表2 社会网络中心性与学习成效Spearman相关系数统计描述

另外，研究也发现，参与论坛交互的学习者成绩均值为87.81，而学习者之间成绩差距很小，标准差为2.3。而对于没有参与论坛的学习者（共5名），其成绩排名都较为靠后分别为：26、27、73、74、77， 且平均成绩低于参与论坛的学习者，为86.40。

表3 声望、影响力与学习成效Spearman相关分析描述

五、结论与建议

本研究利用社会网络分析方法，分析了华中师范大学云课堂平台下，学习者参与论坛交互所形成的社会网络结构特征的演变状况，以及学习者在论坛交互网络中的位置特征与学习成效之间的相关性统计结果，由此得出如下研究结论：

（1）随着课程的进行，学习者参与论坛交互所形成的社会网络结构会不断发生变化。在课程进行的前三个月，网络密度、课程参与人数、发帖数量、社会网络中心性都呈现逐渐上升的趋势，即学习者的交互越来越频繁，彼此之间的联系也越来越紧密，但在最后一个月，由于课程临近结束，无论是课程参与人数还是发帖量都减少，社群图也变得较为稀疏。

（2）在课程论坛交互中，学习者在交互网络中的位置与学习成效具有一定的相关性。首先，个人学习成效与邻居平均成效呈现显著的负相关性，学习成效高的学习者趋于同学习成效低的学习者建立联系。其次，社会网络中心性与成效呈现显著的正相关性。在社会网络中具有较高地位或者权利的学习者，往往能够获得较高的学习成效。而度中心性与学习成效之间的相关性最强，其次是中间中心性，接近中心性与学习成效的相关性最弱。最后，学习者在论坛交互网络中的声望和影响力与学习成效呈现显著的正相关性，学习成效高的学习者往往在交互网络中具有高的声望和影响力。另外，结果也表明，持续参与论坛的学习者平均成绩会高于参与论坛学习者的整体平均成绩，而参与论坛的学习者平均成绩会高于不参与论坛的学习者平均成绩。

依据这些结果，为了获得最优的在线学习效果，我们从社会网络分析视角给在线交互应用研究提出一些建议。

①设计适当的交互活动

适当的交互活动不仅能够增强学习者之间交互的发生，有助于在线协作学习，而且能够激发学习者的学习兴趣，有助于学习共同体对知识的建构和理解，从而提高学习成效。教师应当设计符合学生已有知识水平，且具有一定难度，在活动中能够引导学生进行自主探究和协作讨论的交互活动。

②培养核心成员

在线讨论区中，由于不是面对面交流，社交恐惧对学习者的影响较弱，大多数学习者都能主动表达自己的意见和看法，但是往往缺乏主动对其他人的观点给予回复和评论，使得整个讨论区中学习者之间的交互缺乏凝聚力和深度。而讨论区中的核心成员或者是“精英型”成员，他们的知识较为丰富、分析问题深刻、见解独特、文字表达能力较强，在线讨论较为活跃，能够对其他学习者产生很大的影响，并由此引导、控制整个论坛的舆论方向。研究表明，对于一个主题来讲，如果其在讨论过程中有 “精英型”成员网络社区成员的参与，那么该主题将会平均增加大约4个帖子。[18]

③吸引边缘者

在线学习环境下的“边缘者”，大多发帖后无人回应或是缺乏学习兴趣，在学习共同体中很难找到归属感和信任感，久而久之就会成为学习共同体中的“围观者”。对于这部分学习者、教师或者 “核心成员”应该及时分析其形成的原因，加强与他们的交流和沟通，设计有趣的交互奖励机制，吸引他们融入到学习共同体中，增强学习共同体中知识共享的范围和深度。