论文部分内容阅读
摘 要：混合式协作学习（BCL）是面对面协作学习和计算机支持的协作学习的混合，实现了现实时空和网络虚拟时空中学习活动的整合。从目前来看，研究话语成为研究协作学习的一个重要的理论视角，因此通过研究话语来研究混合式协作学习已成为该领域的一个新的方向。本文在阐述多模态交互分析的理论基础之上，结合BCL的特点，试图提出运用多模态交互分析方法研究问题的方法，最后阐述运用多模态交互分析方法研究BCL问题的意义。
关键词：交互分析；混合式协作学习；多模态
中图分类号：G434文献标志码：A文章编号：2095-9214（2016）09-0264-02
一、研究背景
教育的价值是向学习者传授科学文化知识、实际工作技能与策略，培养学习者做出对于人类有意义事情的能力。然而在今天这样高速发展的社会，个体知识的建构貌似并不能满足社会的需求，群体知识的建构已成为个体知识建构的社会性要求。混合式协作学习是当今群体知识建构的主要方式之一。彭绍东教授曾指出：混合式协作学习（BCL）是指恰当选择与综合运用各种学习理论、学习资源、学习环境、学习策略中的有利因素，使学习者形成学习共同体，并在现实时空与网络虚拟时空的小组学习活动整合和社会交互、操作交互以及自我反思交互中，进行协同认知，培养协作技能与互助情感，以促进学习绩效最优化的理论与实践。[1]在社会学领域，交互分析就是对人际之间以符号为中介的交互研究，然而这样的交互过程同样是混合式协作学习中非常重要的环节。
在上世纪90年代兴起的多模态话语分析就是对同时使用的两种或者两种以上的话语进行分析。在混合式协作学习中，人与人之间的交互不只是通过语言来完成的，书面模式和电子模式是必不可少的。所以本文对基于混合式协作学习的多模态交互分析方法进行了相关探究。
二、多模态交互分析方法的提出
从20世纪50年代初，话语分析的研究由美国语言学家提出，后来经过不同国家的话语研究者的不断的努力，有不同的话语分析理论和方法被提出来，但是语言是这些理论和方法的主要研究对象，他们忽视了诸如图像、图表等其他意义表现形式。[2]后来，在20世纪90年代多模态话语分析方法在西方国家兴起，这在很大程度上打破了传统话语分析方法的局限性。
本文中笔者提出多模态交互分析这一概念，多模态交互分析打破了传统交互分析单一维度的局限性，将分析范围扩展到言语信息和非言语信息的交互。多模态交互分析不应仅仅局限于言语层面，还要考虑到各种各样的符号因素。
三、多模态交互分析方法的分析内容和方法选择
混合式协作学习是面对面协作学习和计算机支持的协作学习的混合，实现了现实时空和网络虚拟时空中学习活动的整合。面对面的交互和人机交互优势互补，多媒体的使用在混合式协作学习中得到了很好地体现。在面对面的协作学习中，协作学习者需要进行语言交流，眼神交流，动作交流等。而在计算机支持的协作学习中，协作学习者需要和眼睛从屏幕上看到的文字或者图像进行交流，需要和耳朵听到的声音进行交流等。
交互分析大致经历三个发展阶段：第一阶段，在协作学习情景下，强调学习者知识建构和意义生成的基于文本对话的交互分析；第二阶段，强调对问题解决过程支持的基于活动的协作交互行为分析；第三阶段，与智能技术结合改善学习过程的智能化交互分析，强调了对交互的行为记录，对学习者模型的维持和自动为学习者提供学习反馈和知觉因素。通过对混合式协作学习过程中交互的分析，可以得出混合式协作学习中交互的类型、内容等，从而有效地改进混合式协作学习的学习绩效。
在混合式协作学习中，学习者的学习活动中大致包括交互分析经历的三个发展阶段。所以根据交互分析经历的三个发展阶段的特点以及混合式协作学习自身的特点，本文将选择合适的交互研究方法，对其进行內容进行合理的多模态交互分析。
（一）对文本交互的话语分析
在此阶段，对于更多的文本交互，本文建议选择统计分析法进行话语分析。大多数分析者是应用统计分析法分析协作学习交互过程的，他们大多数分析的内容是以计算机为中介的通讯和协作学习环境中的学习和讨论进程中学习者的交互次数、交互类型等。
在混合式协作学习过程中，本文认为本阶段的统计分析主要包括：（1）通过统计学习参与着在平台的发帖的频率，在讨论组讨论的时长等交互信息和个体学习者的发帖内容，评估协作学习的小组性能和个体学习者的个体效能。作为评估协作学习的小组性能的标准有协作讨论过程中所发消息的响应率，讨论的平均长度等。作为评判个体实施性能的标准有个人的发帖数量，个人的回帖数量，由学习者自己发帖而引发的跟帖量，每个学习者互相回帖的次数，每位学习者日均发帖次数等。（2）对于学习者发出的消息进行类型标注，例如有辩论、异议、解释、阐述事实等，然后深度挖掘隐藏的变量（消息的内容、功能等）和一些外显变量（学习参与者的特征、通讯类型等），对混合式协作学习过程中线上和线下的文本交互进行全面分析，分析它们对讨论响应模式的影响。
（二）对交互行为的社会网络分析
在此阶段，更多的是基于活动的混合式协作学习，分析此类学生的交互行为，此阶段社会网络分析法可能更有效。社会网络分析法是一种关注数据关系的分析方法，分析对象是网络成员之间发生的交互，分析目的是探究网络学习社区中的学习者之间的交互模式以及方式。运用SNA工具可以分析协作学习者之间的交流过程等内容，这样的分析可能更好的体现出不同层次的学习者在协作学习过程中的表现差异，分析不同的学习者在交互过程表现是否活跃，是否是主要参与者等现象。对混合式协作学习进行社会网络分析时，可以结合现代的科学技术，达到一定的智能化和可视化，从而对面对面和非面对面的交互进行更好的社会网络分析。通过以上的分析，教师可以比较清楚的了解到混合式协作学习过程中各学习者的参与情况，从而对小组成员进行更合的分配，已达到更好的协作学习的效果。 （三）对交互行为记录的数据挖掘
在此阶段，强调对交互的行为记录，此时将数据挖掘方法应用到交互分析中可能会取得比较好的分析结果。利用次分析方法的原因有两点：第一，基于网络的协作学习不断兴起，在此过程中产生了海量的数据，人工很难对这些数据进行整理与分析，必须借助现代的数据挖掘技术去发现数据背后隐藏的规律和意义。第二，通常在网络协作学习过程中，一个教师会面对很多的学习者，单个教师的力量是有限的，无法在同一时间对多个在线讨论学习者进行指导，这些信息技术手段可能会帮助教师克服这样的困难，如有问题系统会提供自动信息，提醒教师及时解决问题，帮助学生围绕主题继续开展讨论。
随着科技的进步，计算机的数据处理能力也在不断提高，数据挖掘技术和可视化技术在计算机的处理能力和一些比较成熟的数据建模和分析方法的基础上，可以自动化分析海量的交互数据，从而可以实现分析结果的可视化。数据挖掘技术更多的应用是分析非面对面协作学习过程中留下的学习印记和数据，教师以及研究者可以清晰看到分析结果，进而对教学进行调整。
从以上基于文本的分析，基于社会网络的交互分析到基于现代科技的数据挖掘分析，每种分析方法都有自己的特点，所以我们可以将多种分析方法融合在一起，对学生的交互行为进行多模态分析，从而获得更加全面、更加深入、更加有价值的分析成果。
四、多模态交互分析方法对于混合式协作学习分析研究的意义
现在的我们生活在一个资源及其丰富的社会中，现在学习者的知识的构建是各种资源的整合。我们的学习方式越来越趋于协作学习，对多媒体的分析是多模态交互分析的主要成分，因为在现代社会，多媒体技术的发展促使新形式话语的出现，多模态交互的分析同时需要借助多媒体的手段，二者相辅相成。
本文笔者在多模态话语分析的基础上，尝试提出了基于混合式协作学习的多模态交互分析方法并对其进行了相关阐述。多模态交互分析法整合了不同學科的发展，同时可能会对分析研究领域传统的思想进行改变。我们要合理使用多模态交互分析方法，不断探究多模态分析方法的原则、内容、分析框架，以达到更好的分析结果，促进混合式协作学习的质量的提高。对基于混合式协作学习的多模态分析方法还需要进一步的探索和实践。
（作者单位：湖南师范大学教育科学学院）
参考文献：
[1]彭绍东.从面对面的协作学习、计算机支持的协作学习到混合式协作学习[J].电化教育研究，2010，08：42-50.
[2]朱永生.多模态话语分析的理论基础与研究方法[J].外语学刊，2007，05：82-86.
[3]郑兰琴，杨开城，黄荣怀.基于信息流的面对面协作学习交互分析方法的实证研究[J].中国电化教育，2013，11：30-35.
[4]李艳燕，廖剑，王晶，黄荣怀.协作学习交互分析工具及其案例研究[J].开放教育研究，2007，04：94-99.
[5]刘黄玲子，朱伶俐，陈义勤，黄荣怀.基于交互分析的协同知识建构的研究[J].开放教育研究，2005，02：31-37.
关键词：交互分析；混合式协作学习；多模态
中图分类号：G434文献标志码：A文章编号：2095-9214（2016）09-0264-02
一、研究背景
教育的价值是向学习者传授科学文化知识、实际工作技能与策略，培养学习者做出对于人类有意义事情的能力。然而在今天这样高速发展的社会，个体知识的建构貌似并不能满足社会的需求，群体知识的建构已成为个体知识建构的社会性要求。混合式协作学习是当今群体知识建构的主要方式之一。彭绍东教授曾指出：混合式协作学习（BCL）是指恰当选择与综合运用各种学习理论、学习资源、学习环境、学习策略中的有利因素，使学习者形成学习共同体，并在现实时空与网络虚拟时空的小组学习活动整合和社会交互、操作交互以及自我反思交互中，进行协同认知，培养协作技能与互助情感，以促进学习绩效最优化的理论与实践。[1]在社会学领域，交互分析就是对人际之间以符号为中介的交互研究，然而这样的交互过程同样是混合式协作学习中非常重要的环节。
在上世纪90年代兴起的多模态话语分析就是对同时使用的两种或者两种以上的话语进行分析。在混合式协作学习中，人与人之间的交互不只是通过语言来完成的，书面模式和电子模式是必不可少的。所以本文对基于混合式协作学习的多模态交互分析方法进行了相关探究。
二、多模态交互分析方法的提出
从20世纪50年代初，话语分析的研究由美国语言学家提出，后来经过不同国家的话语研究者的不断的努力，有不同的话语分析理论和方法被提出来，但是语言是这些理论和方法的主要研究对象，他们忽视了诸如图像、图表等其他意义表现形式。[2]后来，在20世纪90年代多模态话语分析方法在西方国家兴起，这在很大程度上打破了传统话语分析方法的局限性。
本文中笔者提出多模态交互分析这一概念，多模态交互分析打破了传统交互分析单一维度的局限性，将分析范围扩展到言语信息和非言语信息的交互。多模态交互分析不应仅仅局限于言语层面，还要考虑到各种各样的符号因素。
三、多模态交互分析方法的分析内容和方法选择
混合式协作学习是面对面协作学习和计算机支持的协作学习的混合，实现了现实时空和网络虚拟时空中学习活动的整合。面对面的交互和人机交互优势互补，多媒体的使用在混合式协作学习中得到了很好地体现。在面对面的协作学习中，协作学习者需要进行语言交流，眼神交流，动作交流等。而在计算机支持的协作学习中，协作学习者需要和眼睛从屏幕上看到的文字或者图像进行交流，需要和耳朵听到的声音进行交流等。
交互分析大致经历三个发展阶段：第一阶段，在协作学习情景下，强调学习者知识建构和意义生成的基于文本对话的交互分析；第二阶段，强调对问题解决过程支持的基于活动的协作交互行为分析；第三阶段，与智能技术结合改善学习过程的智能化交互分析，强调了对交互的行为记录，对学习者模型的维持和自动为学习者提供学习反馈和知觉因素。通过对混合式协作学习过程中交互的分析，可以得出混合式协作学习中交互的类型、内容等，从而有效地改进混合式协作学习的学习绩效。
在混合式协作学习中，学习者的学习活动中大致包括交互分析经历的三个发展阶段。所以根据交互分析经历的三个发展阶段的特点以及混合式协作学习自身的特点，本文将选择合适的交互研究方法，对其进行內容进行合理的多模态交互分析。
（一）对文本交互的话语分析
在此阶段，对于更多的文本交互，本文建议选择统计分析法进行话语分析。大多数分析者是应用统计分析法分析协作学习交互过程的，他们大多数分析的内容是以计算机为中介的通讯和协作学习环境中的学习和讨论进程中学习者的交互次数、交互类型等。
在混合式协作学习过程中，本文认为本阶段的统计分析主要包括：（1）通过统计学习参与着在平台的发帖的频率，在讨论组讨论的时长等交互信息和个体学习者的发帖内容，评估协作学习的小组性能和个体学习者的个体效能。作为评估协作学习的小组性能的标准有协作讨论过程中所发消息的响应率，讨论的平均长度等。作为评判个体实施性能的标准有个人的发帖数量，个人的回帖数量，由学习者自己发帖而引发的跟帖量，每个学习者互相回帖的次数，每位学习者日均发帖次数等。（2）对于学习者发出的消息进行类型标注，例如有辩论、异议、解释、阐述事实等，然后深度挖掘隐藏的变量（消息的内容、功能等）和一些外显变量（学习参与者的特征、通讯类型等），对混合式协作学习过程中线上和线下的文本交互进行全面分析，分析它们对讨论响应模式的影响。
（二）对交互行为的社会网络分析
在此阶段，更多的是基于活动的混合式协作学习，分析此类学生的交互行为，此阶段社会网络分析法可能更有效。社会网络分析法是一种关注数据关系的分析方法，分析对象是网络成员之间发生的交互，分析目的是探究网络学习社区中的学习者之间的交互模式以及方式。运用SNA工具可以分析协作学习者之间的交流过程等内容，这样的分析可能更好的体现出不同层次的学习者在协作学习过程中的表现差异，分析不同的学习者在交互过程表现是否活跃，是否是主要参与者等现象。对混合式协作学习进行社会网络分析时，可以结合现代的科学技术，达到一定的智能化和可视化，从而对面对面和非面对面的交互进行更好的社会网络分析。通过以上的分析，教师可以比较清楚的了解到混合式协作学习过程中各学习者的参与情况，从而对小组成员进行更合的分配，已达到更好的协作学习的效果。 （三）对交互行为记录的数据挖掘
在此阶段，强调对交互的行为记录，此时将数据挖掘方法应用到交互分析中可能会取得比较好的分析结果。利用次分析方法的原因有两点：第一，基于网络的协作学习不断兴起，在此过程中产生了海量的数据，人工很难对这些数据进行整理与分析，必须借助现代的数据挖掘技术去发现数据背后隐藏的规律和意义。第二，通常在网络协作学习过程中，一个教师会面对很多的学习者，单个教师的力量是有限的，无法在同一时间对多个在线讨论学习者进行指导，这些信息技术手段可能会帮助教师克服这样的困难，如有问题系统会提供自动信息，提醒教师及时解决问题，帮助学生围绕主题继续开展讨论。
随着科技的进步，计算机的数据处理能力也在不断提高，数据挖掘技术和可视化技术在计算机的处理能力和一些比较成熟的数据建模和分析方法的基础上，可以自动化分析海量的交互数据，从而可以实现分析结果的可视化。数据挖掘技术更多的应用是分析非面对面协作学习过程中留下的学习印记和数据，教师以及研究者可以清晰看到分析结果，进而对教学进行调整。
从以上基于文本的分析，基于社会网络的交互分析到基于现代科技的数据挖掘分析，每种分析方法都有自己的特点，所以我们可以将多种分析方法融合在一起，对学生的交互行为进行多模态分析，从而获得更加全面、更加深入、更加有价值的分析成果。
四、多模态交互分析方法对于混合式协作学习分析研究的意义
现在的我们生活在一个资源及其丰富的社会中，现在学习者的知识的构建是各种资源的整合。我们的学习方式越来越趋于协作学习，对多媒体的分析是多模态交互分析的主要成分，因为在现代社会，多媒体技术的发展促使新形式话语的出现，多模态交互的分析同时需要借助多媒体的手段，二者相辅相成。
本文笔者在多模态话语分析的基础上，尝试提出了基于混合式协作学习的多模态交互分析方法并对其进行了相关阐述。多模态交互分析法整合了不同學科的发展，同时可能会对分析研究领域传统的思想进行改变。我们要合理使用多模态交互分析方法，不断探究多模态分析方法的原则、内容、分析框架，以达到更好的分析结果，促进混合式协作学习的质量的提高。对基于混合式协作学习的多模态分析方法还需要进一步的探索和实践。
（作者单位：湖南师范大学教育科学学院）
参考文献：
[1]彭绍东.从面对面的协作学习、计算机支持的协作学习到混合式协作学习[J].电化教育研究，2010，08：42-50.
[2]朱永生.多模态话语分析的理论基础与研究方法[J].外语学刊，2007，05：82-86.
[3]郑兰琴，杨开城，黄荣怀.基于信息流的面对面协作学习交互分析方法的实证研究[J].中国电化教育，2013，11：30-35.
[4]李艳燕，廖剑，王晶，黄荣怀.协作学习交互分析工具及其案例研究[J].开放教育研究，2007，04：94-99.
[5]刘黄玲子，朱伶俐，陈义勤，黄荣怀.基于交互分析的协同知识建构的研究[J].开放教育研究，2005，02：31-37.