2.4　在线协作学习分析现存问题

通过对在线协作学习研究的文献分析可以看出，在线协作学习的研究在过去的10年里得到了极大的发展。在理论层面，研究者越来越重视对在线协作学习的研究，尤其是对在线协作讨论过程的分析成为近年来的研究焦点。然而，面对在线学习蓬勃发展的趋势，在线协作讨论过程分析不仅获得了新的机遇，同时也面临更大的挑战。目前，在分析模型、方法及工具三方面存在的局限限制了在线协作讨论过程分析在真实协作教育场景中的应用。

2.4.1　分析模型存在的问题

从协作讨论过程分析模型的研究来看，尽管大量的研究基于认知/元认知、知识建构、批判性思维等不同的理论视角对协作学习进行探究，并基于不同的兴趣点探索构建了面向制品、情境、交互及认知的各种框架，同时分析框架的因素也涵盖参与者、交互行为、认知和元认知、情感、学习产出、社会支持、话题空间等多样的相关要素。然而理论和编码工具之间的连接仍然不是非常清晰。一些编码工具对理论概念的某一方面进行了可操作的定义，但在另一些方面又是缺乏的。一部分模型强调社会交互对于协作分析的重要意义，因此仅关注了协作中与交互相关的诸如参与、情感、交互结构特征（规模、密度、强度）等要素，如Veldhuis-Diermanse（2002）提出的模型。而另一部分模型强调认知在协作分析中的重要作用，考虑在讨论中是否提出了新观点，明确了问题空间等与认知相关的要素，如Henri（1992）、Newma（1995）、Jarvela（2002）等提出的模型。还有一些模型强调对话行为的重要性，因此重点关注提问、回答、争论、评论等要素，如Zhu（1996）构建的分析模型。一些模型在分析维度上有一些重要方面的缺失。如在Henri的编码体系分类中考虑到了社交、参与、元认知的分析，但却忽略了知识表现这一重要的协作学习分析维度；而在Newman的分类框架中，对认知技能进行了非常详细的定义，提出了引入相关知识、观点实用性、新颖性等要素在讨论中的重要价值，但忽略了行为模式、社会交互等对协作讨论过程的影响。

在线协作讨论过程中个体的认知发展变化以及群组知识建构的过程是一个多方面因素有机结合、相互作用的过程，从单一的侧面考察协作讨论的过程存在视角狭窄的局限性。从文献分析来看，虽然有研究者试图构建尽可能全面的维度对协作学习过程进行分析，提升对协作过程内部机制及知识建构过程的理解。但总体上来看，多维视角的模型构建与分析仍然是不完备和匮乏的。另外，大多数模型的初始仅仅是为协作讨论学习中的脚本分析构建的，伴随在线协作讨论环境的不断发展，模型也需要在新的场景下进行不断的修正和完善，以适应当前在线协作讨论环境下的分析要求。

在研究对象上，不同的协作分析模型关注的研究对象层次不同。如协作学习研究中较为著名的Henri提出的模型优势在于关注了个体的社会活动和交互，但是其缺点在于不能分析讨论过程中群组的社会知识建构。而Zhu（1996）的模型则以群组为研究对象。学生的协作发生包括个体、群组以及几个子群或者社区的不同社会层次（Häkkinen and Hämäläinen, 2012）。在协作学习中，学习者通过一起解决复杂问题而建构知识，小组层次的分析可以用来反映协作活动的效果，但分析不能仅局限在小组层次上，个体层次可以用来解释在组内发生了什么（Häkkinen, 2013；Häkkinen and Hämäläinen, 2012）。这些层次之间互相影响，应该被当作一个综合的、复杂的整体去对待。因此，协作学习研究的多层次挑战聚焦在如何同时获取个人、团体和社区层次的相关依赖（Häkkinen, 2013），所以协作分析模型在研究对象上应能够涵盖个体、群组及社区三种不同对象层次。

2.4.2　分析方法存在的问题

在线学习平台的不断发展，使得平台中的活跃学习用户越来越多。不管是传统学校中的翻转课堂还是在线的MOOC平台，都面临着庞大的学习群体与紧缺的教师资源之间的巨大矛盾问题。内容分析的方法需要耗费大量的人工分析，教师不可能有时间去仔细处理这些数据，特别是在一个教师同时监管不同的讨论小组的状况下。同时，这些分析通常都是一个事后分析的过程，无法对教学过程实施实时的干预，不能及时提供教学策略的调整有效改进教学过程。

在分析方法上，现有研究大多采用编码的方式对在线协作讨论过程中的交互文本进行分析。这种编码方法虽然分析角度灵活，但却具有较大的主观性。编码表从知识建构、交互模式等方面对讨论脚本的言语内容进行划分和编码，由于分析单元的划分标准非常模糊，导致编码者很难明确区分分析单元的边界。另外，编码主要使用人工的方式进行，需要耗费大量的人工成本（W.Xing et al.，2015），在一个教师同时监管不同的讨论小组的状况下，不可能有时间仔细处理这些数据。同时，这些分析通常都是一个事后分析的过程，结果都在协作活动发生之后较长的时间才能呈现，降低了分析结果对于协作学习过程的指导意义，也无法对教学过程实施实时干预。为了能进一步满足对协作讨论活动的支持，需要开发自动化的计算方法以提供在线协作讨论过程的实时分析和监控。另外，从多维视角分析协作讨论过程，可以将不同方法作为整体进行综合研究，扩展原有方法的优势，克服各自的缺陷，突破单一研究思维的局限，构建新的协作学习方法论体系。分析工具存在的问题。

在分析工具的支持上，能够对在线协作讨论过程进行有效监督、评估与反馈的支持工具是缺乏的。协作学习过程分析的最终目标是发现协作过程中的问题，提供给学习者自我调整及教师适时干预的依据，用以提升协作学习的质量。而目前的分析方法仅能完成基于交互原始数据的基本计算，然后将这些信息以图形的方式简单呈现给学习者，例如，发帖量、回帖量、登录时间等。这些系统仅能增加学生关于他们操作或行为的感知，即仅提供给学习者和教师关于行为轨迹的信息，基于这些信息，学习者及教师并不能挖掘深入的学习规律。还有一些分析方法受之前的人工编码的限制，只能够提供事后的分析结果，这些结果都在协作活动发生之后较长的时间才能呈现，降低了分析结果对于协作学习过程的指导意义。因此，学习者及教师并不能够利用这些分析方法辅助协作过程的开展。

目前的协作学习分析工具，大多提供的是以统计数据信息为主的浅层信息，如展示学生出错的频次、概念使用的频次、登录频次、活动参与时间等，还不能对协作讨论过程的言语内容进行更深入的展示。分析工具通常较少提供对学习过程数据更为深入的挖掘和分析，如监测学习者的对话行为，了解学习者的知识掌握轨迹，挖掘学习者的行为模式，从而了解学习过程的发生机制（孟玲玲等，2014）。另外，在可视化呈现方面，现有工具对分析结果的呈现方面存在不足。基于时间序列、文本挖掘及数据呈现的多样的可视化方法还未在协作学习分析场景中得到充分应用。因此，在线协作讨论工具如何能够获得对学生认知的深入洞察以及发现他们的行为模式，提供教师对数据的可理解性，对协作学习过程的充分感知，诊断学生存在的问题，调整教学策略来增强学习目标的达成等都需要进一步探讨。伴随计算机技术向教育领域的不断渗透，如何利用自然语言处理、数据挖掘、联机分析等多种数据处理与分析技术，挖掘隐含信息，并通过对数据的多维可视化呈现，将数据转换成一种更易理解的形式，是当前在线协作讨论过程分析工具支持研究的一个重要方向。