协作式移动语言学习协作行为与协作模式分析研究

李青　翁克山

【摘 要】 迄今移动语言学习研究大多关注以移动技术传送学习内容的教学设计和应用，关注协作学习的研究相对匮乏。本研究旨在解析基于知识构建社群的协作式移动语言学习（C-MALL）的核心构念——协作行为和协作模式，以此为依据评价C-MALL的协作特征和协作水平。本研究构建了C-MALL协作行为和协作模式的分类法，并以此分析两者的相关性。借助两套分类法及其相关性，本研究对C-MALL知识构建社群的协作特征与协作水平进行了评价，进而推测其协作效能。

【关键词】 协作式移动语言学习；知识构建社群；协作行为；协作模式

【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009—458x（2016）06—0044—10

一、前言

移动语言学习（Mobile-assisted Language Learning， 简称“MALL”）是移动技术与语言学习的结合体。随着功能不断增强并在人们生活中日渐普及，移动技术已广泛应用于语言学习，例如用于促进阅读技能[1]、写作技能[2]、口语技能[3]、听力技能[4][5]等。近年MALL研究呈井喷之势，其主因是移动学习可降低学习者的焦虑水平[6]、促进个性化学习[7]、提高学习动机[8]以及支持更具协作性的学习[9]。因此，老师[10]和学生[11]对MALL均持肯定态度。

MALL虽有诸多优势，但实证研究仍不足，将MALL用于支持学生主导型学习活动的研究则更少[12]。迄今与MALL有关的项目大部分涉及学习内容传 送[13]，尤其以老师发送文本型学习材料供学生学习为主要应用模式。Kukulska-hulme & Shield[14]发现，大部分MALL项目把重心放在正式语言学习环境上，总是关注测试、词汇学习等老师认为与学生需求相关的内容，属典型“内容为导向”应用模式。这种应用模式受隐性行为主义、教师中心论、信息传播模型框架的影响[15]，移动技术只充当内容传送工具，并非用于支持学习者相互交流或与老师交流。“设计为导向”应用模式[16]是基于建构主义、协作学习、学习者中心论等理论的应用模式，强调互动、协作、合作在语言学习中的作用，但这种应用模式的案例非常少[17]。如今实境移动学习和交际移动学习环境逐渐受到重视，MALL研究已呈现出向“设计为导向”过渡的趋势[18]。

本研究尝试以手机微信为移动技术，支持多学习者参与的移动型知识构建社群的创建，实施“设计为导向”的协作式移动语言学习（Collaborative MALL，简称“C-MALL”），为学习者提供具有脚手架效应的语言学习平台。研究在收集、分析相关数据基础上构建C-MALL的协作行为分类法和协作模式分类法，并分析两者的相关性，以此获取评判目标社群协作水平和协作效能的工具，为优化C-MALL的教学应用提供参考。

二、理论依据

知识构建社群（Knowledge-building Community， 简称“KBC”）是指协作解决共同问题的学习者群 体[19]，是一种基于社会建构主义理论的教学法模型。该模型以社会文化学习观为理论依据，视学习为参与实践社群并在其中实施互动的过程[20]。KBC特别强调发生在协作交际环境下的情境化学习，因为这种环境可以促进学习者解决现实问题。另一方面，KBC模型的提出表明社会文化理论框架涵盖的范围并不局限于知识习得，还包含了知识创造，因为KBC强调学习者对知识的批判和创造。KBC这些特征，使其能够将学习重心从内化实践和知识，转移到联合构建新知识。这种学习重心的转移，表明对话和协作在KBC模型中具有重要作用，因为两者是知识和想法能够被构建、协商和改进的关键所在[21]。

建构主义者指出，信息通信技术（ICT）可有效支持建构主义学习的基本理念——积极、协作地构建知识，而不是将知识从一人传到另一人[22]。支持学习体验是以ICT支持课堂外学习活动的主因，因为ICT能够支持真实情境中发生的学习，支持同伴协作，提高学习动机[23]。支持KBC的传统平台（如白板、讨论板等）都基于台式电脑而建，如今整合了无线网络和移动通信的新技术能够支持具有泛在性的知识构建，不受时间、空间限制。以手机、平板电脑、个人数字助理为代表的移动技术具有移动性、时空弹性以及无所不在的联结性，因此具备支持协作式移动学习的潜能。与传统基于课堂或计算机的语言学习相比，基于无线网络和移动通信的MALL在获取学习资源和协作对象方面，具有更大的弹性、协作性和时效性，因此MALL事实上已成为解决语言学习时空障碍，增进学习者协作的理想学习模式。

以手机为技术支撑的语言教学研究已有二十年历史[24]。Kiernan & Aizawa[25]对手机在大学生英语学习中的应用成果进行了评价，指出手机是一种值得深入研究的语言学习工具。Begum[26]就手机作为教学工具的优势和局限进行了研究，发现手机在EFL（English as Foreign Language，英语为外语）教学中有诸多优势；同时指出，只要管理层和老师努力，尤其是放弃视手机为影响课堂教学的干扰因素这种观念，即可解决其中的局限。Wang等[27]尝试将基于手机的移动学习活动引入传统EFL课堂，并分析学生的态度、技术装备以及对活动设计的感知适切度。结果表明，学生认为这种学习活动很有趣、很有启发性，对英语学习很有助益，并且学生没有表现出与手机使用有关的技术焦虑。

三、研究方法

（一）研究对象

本研究以某本科院校两个大学英语教学班为受试，其中1班男生9名，女生32名；2班男生15名，女生25名；受试年龄18至21岁。研究以手机微信为移动技术，实施协作翻译学习。手机微信整合了移动技术和无线网络技术的移动应用程序，能够支持不受时空限制的文本信息和语音信息交流，支持多用户组建微信群实施互动，具备支持KBC构建的潜能。参与研究的前两个班的受试都有基于讨论板和Wiki的协作学习经历，具有一定的技术辅助协作学习经验。研究前调查获知，两个班受试均人手一部手机，94%和97%的受试手机可支持微信，93%和90%的受试在研究前有过使用微信的经历。受试被分成4至6人的小组，两个班各8个小组。每个小组都建立微信群，小组成员和授课老师都加入群里。老师不参与学习任务，但因其微信群成员身份，可以监控所有小组的完整协作过程。

（二）研究设计

研究设计了两次基于微信的协作翻译学习任务。第一次为具有培训性质的任务，要求各小组成员共同将老师发送至微信群的4个中文句子译成英文，旨在使受试熟悉应用微信的文本工具和语音工具进行协作学习。第二次任务历时8天，由老师将一段大学英语四级（CET-4）翻译段落及其英译文发送至各个小组微信群，该英译文存在诸多语言和结构缺陷，要求各小组通过讨论、删减、补充或修改，使译文完善。任务期限截止前，由组长将小组最终协作结果——修改译文发至微信群。受试个人在第二次任务的表现占该学期平时成绩的15%，其中个人参与频次和信息贡献量占该项得分70%，个人所在小组的修改译文得分占30%。将老师加入各小组微信群后，老师可以跟踪各小组的协作过程，并且老师手机能够自动收集所有小组成员在任务期间发送的微信信息，这些信息是分析协作行为和协作模式的语料。

（三）数据分析步骤与方法

第一步确立C-MALL的核心理念及其分析方法。“互动过程分析”[28]是一种基础的内容分析模式，其核心理念是首先识别互动行为，并对其进行分类，在此基础上借助一系列分析方法获取能够描述团队加工及其影响因素的有关数据。Donnelly & Gardner[29]指出，了解协作学习如何发生的关键是对互动成分和内容成分进行分析。本研究将对C-MALL的协作行为和协作模式进行识别，并对其进行分类。微信信息按时间先后顺序呈线状排列，与讨论板信息相似，因此研究以微信信息为分析单元，以分析讨论板协作常用的方法——内容分析法[30]和时间序列分析 法[31]分别分析C-MALL的协作行为和协作模式。

第二步以内容分析法识别微信信息携带的协作行为，构建协作行为分类法，并统计各种协作行为发生的频次。

第三步根据小组成员参与微信协作的时间段，以时间序列分析法识别协作模式类别，构建协作模式分类法，并统计各协作模式发生的频次。

第四步分析协作行为与协作模式的关系。借助构建的两套分类法，统计各种协作模式下出现各种协作行为的频次以及各种协作行为组合的频次，以此判断各种协作模式的协作水平以及协作模式与协作行为的相关性，进而判断各小组的协作水平并推测其协作效能。

四、数据分析与讨论

（一）协作行为分类法

Soller[32]将发生在智能协作学习系统（ICLS）的协作行为划分为对话、积极学习和创造性冲突三大类，对话包含任务、维持和认可三种行为，积极学习包含要求、告知和激励三种行为，创造性冲突包含争论和调解两种行为。Fung[33]将基于讨论板的协作行为划分为学术、关系构建、支持、欣赏和其他五个类别。

结合上述研究的协作行为分类法和微信信息特征，本研究采用内容分析法，以如下步骤构建C-MALL协作行为分类法：从16个小组中抽出信息输出量最大的2个组，对其信息中包含的协作行为进行识别，构建初步的协作行为分类法；将这一初步协作行为分类法用于分析更多小组的信息，以检验这一协作行为分类法的正确性和完整性；对初步协作行为分类法进行补充、修改。最终生成的C-MALL协作行为分类法如表1所示。该分类法将协作行为划分为任务外和任务内两大类，前者包含关系构建、管理与技术和其他三种行为，后者包含策划、告知、寻求支持、提供支持、要求、回应、同伴互评和自评八种行为。

（二）各类协作行为发生频次

如表2所示，任务期间16个小组共发送1，380条微信信息，共实施各类协作行为1，307次。除了1班7小组和2班3小组的信息输出量小于协作行为输出量，其余小组的信息输出量均比协作行为输出量大，由此判断绝大部分信息只包含一种协作行为，部分协作行为则借助多条信息才能构建出来。

任务内协作行为总量为973次，远大于任务外的334次，同时只有2班7小组和1班1小组的任务内协作行为量分别低于、等于任务外协作行为，其余小组均为任务内协作行为量大于任务外，说明学生将翻译学习视为协作中心，微信具有支持语言学习的潜能。表中数据显示1班4、5小组和2班1、3、6小组的协作行为量很低，因此判断其参与任务的积极性并不高，进一步分析这几个小组的协作过程发现均有组员在任务期间缺席。2班4小组和8小组为参与频次最高的两组，其人均实施协作行为达69.4次和56.4次，同时任务内与任务外协作行为比为234：113和198：84，前者均远高于后者，由此推测这种C-MALL具有促进学习者积极学习的潜能；如果学生参与任务越积极，则学习效果可能越好。

“告知”是发生频次最高的协作行为，也是11种协作行为中唯一一种每个小组都实施的行为，表明受试就翻译任务积极输出个人观点、建议、解答或提供有关信息，这些均可能成为启动讨论、协商的引子。但1班第1、7小组的任务内协作行为基本上为“告知”行为，缺少组员间相互回应的行为，因此判断两个小组任务期间协作水平不高。“提供支持”和“回应”两种协作行为实施总量均大于“寻求支持”和“要求”，说明受试发出的需求信息获得了组员的积极回应，体现出协作构建意义的积极性。“同伴互评”是最能提高协作水平并促进批判性思维的行为，使用频次排第三，对提高小组协作水平有积极意义。“关系构建”“技术与管理”和“其他”三种协作行为虽然不直接服务于任务，却是构建有效KBC的必要因素。这三种协作行为占据较大比重，既体现出支持C-MALL的微信技术原有的通信用途，也体现了这种C-MALL的非正式学习特性。

（三）协作模式分类法

微信信息的发送和接收按时间先后顺序呈线状排列，采用时间序列分析法按参与协作的人数和时间特征，将基于微信的C-MALL协作模式划分成三类六种（见表3）：由单人实施的单人单信息和单人多信息模式，由双人实施的双人单次协作和双人循环协作，以及有三人或三人以上参与的多人链状协作和多人混合协作。

各种协作行为均可能成为“启动”新协作的行为。如某一组员在回顾上一轮协作之后，对其中某一观点实施“同伴互评”，或对其中的某一解答进行补充而“提供支持”，均可能启动新一轮协作。在某一组员实施单人单信息或单人多信息模式时，只要有其他组员对其中任何一条信息进行回应，就会出现双人或多人协作，因此该组员所发送的任何一条信息均可能成为启动新协作的引子。多人链状协作模式虽然由多人参与，但各组员之间并没有相互回应，只针对所解决的问题或实施的任务输出“告知”行为，因此属于低水平协作模式。双人循环协作和多人混合协作两种协作模式中多次出现“启动→回应”或“启动→回应→反馈”循环，有利于组员之间实施深入的协商。

（四）各类协作模式发生频次

表4数据显示，由单人启动且没有收到回应的零协作学习在这种C-MALL中发生频次最高，达113次，同时“单人单信息”是唯一一个每个小组都发生的协作模式。这一现象说明小组成员在统一时间实施C-MALL协作的机会较少，这将阻碍协作学习发生。多人链状协作发生频次最低，说明在C-MALL实施过程中，一旦有多名组员共时参与协作，则组员之间更有可能实施联合构建知识的协作学习，而不仅仅输出个人观点、解答或建议。由于高水平协作缺失，初步判断1班1小组在任务过程中整体协作水平最低；由于高水平协作模式发生频次较高，初步判断2班4、8小组和1班8小组实施了较深入的协作。结合表2和表4的数据可以进一步推断，1班1小组因没有高水平协作模式发生，也缺少组员间相互回应的协作行为，因而是任务期间协作水平最低的小组，2班4、8小组则与之相反；1班8小组虽有多次高水平协作模式，但实施协作行为并不多，尤其是组员间相互回应的协作行为更少，因此协作水平实际上不如2班4、8小组。

由以上有关协作行为和协作模式的分析可知，综合目标小组协作行为发生的总频次、高水平和低水平协作行为各自发生的频次以及高水平和低水平协作模式发生的频次，即可判断该小组的协作水平，并推测该小组的协作效能。

（五）协作模式与协作行为的相关性

1. 各种协作模式下的协作行为应用

表5数据显示，多人混合协作引发的最高协作行为输出量达221次，平均每次协作可引发43.4次协作行为，为各种协作模式之首，由此判断这种协作模式最能激发学生的协作积极性，也最有利于意义协作构建的深入，因为只有在所有成员都积极参与讨论时一个团队的学习潜能才可能最大化[34]。但这种协作模式基本上只在共时状态下发生，而由多位组员共时实施协作有较大难度，因此这种协作模式虽然效率最高，但发生几率并不大。单人单信息和单人多信息两种零协作模式所能引发的行为最少。双人协作如果能够将协作持续下去，使之成为循环协作，也可以引发大量的协作行为输出。基于以上发现，可以推断这种基于微信的C-MALL更适合多人参与的语言学习项目，可成为促进团队协作的有效学习模式。

表6展示的是各种协作模式下出现各种协作行为的频次以及各种协作行为占某种协作模式下的协作行为总量的比例。在单人单信息模式下，“告知”行为的应用占73%，而能够体现组员间就任务或问题进行协商的回应类协作行为仅占6.8%；“告知”行为在单人多信息模式下被应用的比例也达到了73%，而能够支持小组协商的协作行为被应用的比例仅为11.1%，因此两种零协作模式属典型的个人认知层面的知识构建模式。

多人链状协作模式下实施的均为“告知”协作行为，因此属低水平协作模式。双人单次协作虽然只在协作人之间发生一个协作回合，但“告知”行为仅占35.8%，且“寻求支持”“提供支持”“要求”“回应”和“同伴互评”这类体现协作人相互回应的协作行为被应用的比例达32.1%，因而这种协作模式具有一定的意义协作构建性质，但协作并不深入。

在双人循环协作和多人混合协作两种模式下，任务外协作行为分别达到较高水平的28.5%和27.6%，表明高水平协作模式引发学习者大量输出的同时，引发任务外协作行为的可能性也相应增大。但能够体现学习者相互回应、协商的协作行为被应用的频次均高于其他协作模式，表明这两种协作模式对学习者相互协商和意义协作构建尤其有价值。与此同时，“其他”行为在这两种协作模式中出现的频次分别居第二和第一，说明即使是协作水平最高的协作模式也会产生与任务无关的信息输出。这些“其他”行为主要涉及校园生活琐事、相互问候、相互调侃等内容，体现出这种C-MALL特有的非正式学习特性。

由于微信信息按时间顺序出现，呈直线排列，因而容易导致多人混合协作出现协作混乱：学生甲还在编辑针对学生乙的回应信息时，可能学生丙已经发送了新的信息，导致学生甲与学生乙的信息的连接被打断。这不利于达成一致意见或协调努力，需要相关策略来协调组员间的协作。例如在多人混合协作过程中，小组长多次使用“策划”行为来组织、协调、引导组员的协作。常见的“策划”行为有：组员输出各自的译文进行对比，从中选择好的；某位组员输出个人的译文，其他组员对其进行讨论、修改；就原译文逐句进行讨论、修改。研究还发现多人混合协作实施过程中，任何组员发出“其他”协作行为都可能引发其他组员跟着实施相同行为，导致协作链中某个部位频繁出现“其他”行为，使已有讨论进程受到影响。这时小组长（或其他组员）的“策划”行为有助于将组员重新引回讨论。

2. 各种协作模式下的协作行为组合应用

进一步分析C-MALL协作模式和协作行为后发现，除单人单信息外，其他各种协作模式下应用的协作行为主要以各种有规律的组合形式出现，且不同协作模式下出现的典型协作行为组合各不相同。对这种协作行为组合进行分析，可更准确地判断各种协作模式的协作水平。鉴于任务外协作行为对协作学习没有直接贡献，本研究只取任务内行为分析协作行为组合模式，各种协作模式中的任务外协作行为将被忽略。

图1展示的是各种协作模式下出现过的典型协作行为组合。单人单信息因为只输出单一信息，不具备支持协作行为组合的条件。多人链状协作只有“In①+In②+In③…”这一组合模式。这两种协作模式下只出现“启动”协作行为，没有“回应”行为与之组合，均无法产生有效的协作效果。

单人多信息模式下发生频次最高的组合为“In①+In①…”，即某组员连续至少两次就所回答的问题或实施的任务输出个人观点、解答或建议。出现频次较多的“In①+SA①”属“启动”行为与“回应”行为的组合，表示某组员就问题或任务输出个人观点、解答或建议，然后发现其中存在不足，又补发信息对之前“告知”的信息进行补充或修改，表明单人多信息模式具有促进反思性学习的潜能，可支持个人认知学习。该协作模式下的协作行为组合里出现了以“回应”协作行为启动协作的现象，说明部分单人多信息并非孤立状态，而是针对先前的协作实施了回应。例如“PA①+In①”组合即某组员就先前协作中的观点或解答实施评价（尤其是驳斥），然后输出个人认为正确的观点或解答。另一典型组合“PS①+PS①”则完全由“回应”行为组合而成，表明该组员连续对之前协作中出现的观点或解答进行补充、修改，使之前的协作更完善。由以上分析可判断，单人多信息既是一种个人认知学习模式，也包含对之前协作成果进行延续和补充的成分。

双人单次协作模式下频繁出现“Req①+Res②”“AS①+PS②”“In①+PA②”这类“启动+回应”的完整协作环节，表明协作双方就目标问题实施了有效的协作。但这种完整协作环节只发生一次。例如“Req①+Res②+PA①+Req①”这种较复杂的组合中，组员甲要求乙对之前“告知”的信息进行说明或补充，乙对此进行了回应，紧接着甲对乙的回应表示不赞成，并要求乙进行说明或补充，但乙没有回应，协作至此中断。因此双人单次协作能够支持完整的协作环节，但并没有就目标问题进行深入协商，问题也可能并未解决。

双人循环协作模式下的协作行为组合，实际为双人单次协作模式下的协作行为组合的深化与延伸，具有支持更高效协作行为组合的潜能。“In①+In②+In①+In②”是其中协作水平最低的组合模式，但出现频次较高。“AS①+PS②+AS①+PS②”是一种连续寻求支持并连续获得支持的组合，协作的深度和效能也逐步提升。“AS①+PS②+PA①+AS①+PS②”是深度和复杂度更进一步的协作组合，表示组员甲向组员乙寻求帮助，而乙对甲的观点、解答进行补充，之后甲对乙的这一补充表示认同，紧接着又向乙寻求进一步支持，并获得了所需支持。从图1展示中可以判断，双人循环协作模式可有效支持“启动+回应”和“启动+回应+反馈”这类完整协作环节，因而具有很高的协作水平。

多人混合协作由其他各种协作模式混合而成，既支持其他协作模式下常见的协作行为组合，也支持其他协作模式无法支持的组合。以“In①+PA②+Res①+AS①+PS③”组合为例，针对组员甲“告知”的观点、解答或意见，组员乙提出异议，紧接着甲对乙的评价表示认可，并寻求支持，这时也参与协作的组员丙为甲提供了支持，因而这一组合模式是由甲的“告知”启动的多轮协商。“AS①+PS②+PS③+PA①”是一个以组员甲“寻求支持”启动，以组员乙、丙先后“提供支持”作为回应，又再以甲对乙、丙提供的支持进行评价（表示认可或驳斥）的完整协作组合。在“PL①+In②+In③+PA④+PA⑤”组合中，组员甲以“策划”行为提出如何对目标问题实施协作的建议后，学生乙、丙分别就目标问题“告知”个人观点、解答或建议，然后组员丁、卯对乙、丙的“告知”实施评价，进而构建了一次小组所有组员均参与的完整意义协作构建。这些协作行为组合是多人混合协作支持多维度、更深入、更多人参与的意义协作构建的佐证，对构建有效协作学习社群有重要意义。

从以上协作模式与协作行为及其组合的相关性可判断，协作水平越高的协作模式，其支持协作行为类型更多样、更多组员参与、更深入协作的可能性越大。作为高协作水平的双人循环协作和多人混合协作，既能够支持“启动+启动”或“启动+回应”这样的简单协作行为组合，也能有效支持多轮循环“启动+回应+反馈”这样更深入、更完整的意义联合构建过程。结合表6和图1可发现，协作水平越高的协作模式，其所能引发的任务内协作行为应用频次和完整而深入的协作行为组合应用频次均越高。

五、总结与启示

本研究对基于微信的C-MALL的协作行为和协作模式进行解析，构建两者的分类法，并以两套分类法评判基于知识构建社群的C-MALL的协作水平和协作效能。目标社群在C-MALL任务期间实施高水平和低水平协作模式的频次、应用任务内和任务外协作行为的频次、应用“回应”型协作行为以及各种协作行为组合的频次，是评判该社群协作积极性及协作水平的重要参数，也是推测该社群协作效能的重要指标。研究发现，协作水平越低的协作模式，其所能引发的能够体现学习者就任务或问题相互协商、讨论的协作行为种类和数量越少，因而双人循环和多人混合两种协作模式在C-MALL中具有很高的价值。分析各种协作模式下的典型协作行为组合，能更准确地解析各种协作模式并评判其协作水平，进一步透析C-MALL的运作机制。研究证明了这种C-MALL既能够支持个人认知学习，也能够支持多人参与的人际互动学习，因而具有较高的教学应用价值。

本研究具有一定理论价值，尤其是论证了知识构建社群理论和社会文化学习理论同样适用于移动学习环境。双人循环协作和多人混合协作两种高水平协作模式最能体现社会文化学习理论在移动学习环境的应用和实践。本研究中构建的移动KBC与传统基于互联网的KBC具有很高的相似性，都基于网络技术而构建，而前者因融合了无线网络技术与移动技术，具有后者所不具备的移动性、灵活性和不受时空限制的泛在性。

本研究的发现为优化C-MALL应用提供了有价值的启示。首先对任务设计者而言，应设计有助于讨论开展的任务类型，如解决具体问题、辩论、共同完成作品、共同对目标作品实施改进等，段落翻译、协作写作、协作阅读、具体情境下的对话等可成为合适的任务。就教师角色而言，应适时发送信息鼓励学生积极参与，或适度参与任务，让学生感受到老师的交际临场感，有助于提升这种学习模式的严肃性，减少任务外信息输出。就小组成员角色而言，应鼓励其在对先前协作实施反思、总结、反馈的基础上启动新协作；避免单纯实施“告知”行为，应同时积极对其他组员的观点、解答实施“要求”“提供支持”“同伴互评”等回应型协作行为；经常联网登录小组微信群，提高共时协作发生的几率，增加双人循环协作和多人混合协作这类高水平协作发生的几率；赋予小组长特殊职责，如引导、策划协作进程，或对小组讨论结果进行总结，或责成未积极参与的组员输出，以提高协作效率。就技术因素而言，应该为学生提供必要的移动技术应用培训，使其在正式任务前掌握所用技术的应用和特征，减少“技术与管理”等任务外信息的输出。

由于手机微信是与移动QQ、移动博客、移动讨论板等应用程序相似的移动技术，因此本研究所取得的研究发现亦可推广到基于其他移动应用程序的协作学习应用中。

本研究也存在不足之处。受试规模不大，仅实施两次协作任务，任务持续时间较短，因此对C-MALL实施期间不同协作模式下发生的协作行为组合模式仍掌握不透彻，对引发受试输出各种协作行为或实施各种协作模式的诱因（如老师的交际临场感、老师的引导或参与、话题或问题的设计等）仍未掌握，对实时和非实时状态下实施的协作所可能引发的协作行为及其组合模式所存在的区别仍未了解。后续研究还需对不同移动设备和应用程序支持下的C-MALL进行调查，以进一步解释、预测C-MALL的价值和可接受性。

[参考文献]

[1] Chen， C. M. & S. H. Hsu. Personalized intelligent mobile learning system for supporting effective English learning [J]. Educational Technology & Society， 2008， 11： 153-180.

[2] Marsden， N. & E. Piggot-Irvine. Using blogging and laptop computers to improve writing skills on a vocational training course [J]. Australasian Journal of Educational Technology， 2012， （2）： 30-47.

[3] Kessler， G. Fluency and anxiety in self-access speaking tasks： the influence of environment [J]. Computer Assisted Language Learning， 2010， 23： 361-375.

[4] 李艳平. 利用播客技术构建大学英语听力教学新模式——一项基于移动语言学习理论的实证研究 [J]. 现代教育技术，2012（5）：68-72.

[5] Azar， A. S. & H. Nasiri. Learners' Attitudes toward the Effectiveness of Mobile Assisted Language Learning （MALL） in L2 Listening Comprehension [J]. Social and Behavioral Sciences， 2014， 98： 1836-1843.

[6][9] Lan， Y.J.， Y. T. Sung & K. E. Chang. A mobile-device-supported peer-assisted learning system for collaborative early EFL reading [J]. Language Learning & Technology， 2007， （3）： 130-151.

[7] Petersen， S. & M. Divitini. Language Learning： From Individual Learners to Communities [R]. Proceedings of the IEEE International Workshop on Wireless and Mobile Technologies in Education （WMTE）， IEEE Computer Society， Washington， DC， USA， 2005.

[8] Norbrook， H. & P. Scott. Motivation in mobile modern foreign language learning [A]. J. Attewell， G. Da Bormida， M. Sharples & C. Savill-Smith. MLEARN 2003： Learning with mobile devices [C]. London： Learning and Skills Development Agency， 2003.

[10] Tai， Y. & Y. Ting. Adoption of mobile technology for language learning： teacher attitudes and challenges [J]. The JALT CALL Journal， 2011， （1）： 3-18.

[11] Khwaileh， F. & A. Al-Jarrah. Graduate students perceptions toward mobile-learning （M-Learning） at the University of Jordan [J]. Instructional Technology and Distance learning， 2010， （20）： 15-23.

[12][14][16] Kukulska-Hulme， A. & L. Shield. An overview of mobile assisted language learning： From content delivery to supported collaboration and interaction [J]. ReCALL， 2008， 20： 271-289.

[13] Tai， Y. Contextualizing a MALL： Practice Design and Evaluation [J]. Educational Technology & Society， 2012， （2）： 220-230.

[15] Patten， B.， I. Arnedillo Sánchez & B. Tangney， Designing collaborative， constructionist and contextual applications for handheld devices [J]. Computers & Education， 2006， 46： 294-308.

[17] Burston， J. Mobile language learning： Getting IT to work [A]. F. D. Burston & D. Tsagari. Foreign Language Instructional Technology [C]. University of Nicosia Press： Nicosia， 2012.

[18] Wong， L. H. & C. K. Looi. Vocabulary learning by mobile-assisted authentic content creation and social meaning-making： two case studies [J]. Journal of Computer Assisted Learning， 2010， 26： 421-433.

[19] Hewitt， J. From focus on task to focus on understanding： The cultural transformation of a Toronto classroom [A]. T. Koschmann， R. Halls & N. Miyake. CSCL 2： Carrying forward the conversation [C]. Mahwah， NJ： Lawrence Erlbaum， 2001.

[20] Lave， J. & E. Wenger. Legitimate peripheral participation in the communities of practice [A]. R. McCormick & C. Paechter. Learning and knowledge [C]. Thousand Oaks， CA： Sage， 1999.

[21] Lamon， M.， R. Reeve & M. Scardamalia. Mapping learning and the growth of knowledge in a Knowledge Building Community [R]. American Educational Research Association Meeting， Seattle， USA， 2001.

[22] Bonk， C. & D. Cunningham. Searching for learner-centered， constructivist， and socio-cultural components of collaborative educational learning tools [A]. C. Bonk & K. King. Electronic collaborators [C]. Mahwah， NJ： Lawrence Erlbaum， 1998.

[23] Wijers， M.， V. Jonker & P. Drijvers. MobileMath： exploring mathematics outside the classroom [J]. The International Journal on Mathematics Education， 2010， 42： 789-799.

[24] Khrisat， A. A. & S. S. Mahmoud. Integrating Mobile Phones into the EFL Foundation Year Classroom in King Abdulaziz University/KSA： Effects on Achievement in General English and Students Attitudes [J]. English Language Teaching， 2013， （8）： 162-174.

[25] Kiernan， P. J.， & K. Aizawa. Cell phones in task based learning - Are cell phones useful language learning tools [J]？ ReCALL， 2004， 16： 71-84.

[26] Begum， R. Prospect for Cell Phones as Instructional Tools in the EFL Classroom： A Case Study of Jahangirnagar University， Bangladesh [J]. English Language Teaching， 2011， （1）：105-115.

[27] Wang， F.， X. Chen & W. Fang. Integrating Cell Phones into a Chinese High School EFL Classroom： Students Attitudes， Technological Readiness， and Perceived Learning [J]. Journal of Educational Technology Development and Exchange， 2011， （1）： 91-102.

[28] Bales， R. A Set of Categories for the Analysis of Small Group Interaction [J]. American Sociological Review， 1950， 15： 257-263.

[29] Donnelly， R. & J. Gardner. Content Analysis of Computer Conferencing Transcripts [J]. Journal of Interactive Learning Environments， 2009， 19： 303-315.

[30] Henri， F. Computer conferencing and content analysis [A]. A. R. Kaye. Collaborative learning through computer conferencing： The Najaden papers [C]. New York： Springer， 1992.

[31] Liu， C. C. & C. C. Tsai. An analysis of peer interaction patterns as discoursed by on-line small group problem-solving activity [J]. Computers & Education， 2006， 50： 627-639.

[32][34] Soller， A.L. Supporting social interaction in an intelligent collaborative learning system [J]. International Journal of Artificial Intelligence in Education， 2001， 12： 40- 62.

[33] Fung， Y. Collaborative online learning： Interaction patterns and limiting factors [J]. Open Learning， 2004， 19： 135-149.

收稿日期：2016-01-08

定稿日期：2016-02-26

作者简介：李青，副教授，硕士；翁克山，教授，硕士。海南医学院外语部（571199）。

责任编辑 刘 莉