粟郁 王立華

[摘 要]大學生普遍存在學習動力不足、學習目的不明確的現(xiàn)象，如何激發(fā)學生的學習興趣，推動教學管理改革是目前高校教育面臨的一個普遍問題。本文提出了創(chuàng)建基于社交網絡的開放性學習平臺，旨在充分發(fā)揮學習自主性，實現(xiàn)共享學習和學習過程的實時指導。

[關鍵詞]社交網絡；學習平臺；高校教學

doi：10.3969/j.issn.1673 - 0194.2018.06.102

[中圖分類號]G711 [文獻標識碼]A [文章編號]1673-0194（2018）06-0-02

由于大學教育一般沒有升學考試的壓力，高校學生普遍存在混日子的現(xiàn)象。很多高校都在通過教學模式改革進行網絡學習的實踐與探索，旨在激發(fā)學生的學習興趣，完成高等教育的培養(yǎng)目標。

1 基于社交網絡的學習平臺構建的背景

目前，大部分高校課程網站和網絡學習平臺都屬于傳統(tǒng)的學術性學習管理系統(tǒng)，不能被學生充分應用，普遍存在以下問題。

1.1 教學資源封閉、固化、靜態(tài)

精品課程和網絡教學平臺往往局限于課程資源的共享，且學習內容和資源基本都由教師提供，僅允許教師修改資源的方式導致課程內容存在封閉、固化的現(xiàn)象。新生代的大學生需要更個性化、開放、動態(tài)、群建共享的學習資源。

1.2 忽視學習者主體

大部分網絡課程平臺更多關注學習資源，卻忽視了學習者主體，將網絡交互重點放在學習者與物化的學習資源之間。同時，學習平臺還缺少學生與教師、學生與學生之間的動態(tài)聯(lián)系，導致教學過程中“人”的主體地位被弱化。

1.3 缺乏學習過程管理

多數網絡教學平臺提供在線測試和作業(yè)提交功能，通過在線測試和提交作業(yè)，教師給予總結性評價。這就導致缺乏學習過程管理，教師不能及時追尋學習動態(tài)，發(fā)現(xiàn)學習過程中的問題，給予及時反饋。

1.4 交互性不強

目前，網絡教學平臺主要停留在瀏覽或獲取學習資源的層面，在社會交互方面的支持明顯不足。教師與學生、學生與學生之間的交流溝通一般僅依靠討論、留言板等工具實現(xiàn)，且存在學生和教師參與度低、反饋慢等問題。

1.5 缺乏個性化的學習支持

學生在平臺上的操作往往是查看、下載學習資源，或參與主題討論，不允許學生參與教學內容的個性化重構與補充。同時，教學平臺在學習手段上對移動終端的支持不足，不能滿足新生代大學生的個性化學習需要。

2 構建基于社交網絡的學習平臺的可能性

2.1 互聯(lián)網社交平臺的普及

社會網絡是由人們彼此之間的關系組成的一種網絡結構?；ヂ?lián)網技術的更迭使得人與人之間的社交互動從現(xiàn)實逐步滲透到網絡世界。正是由于這種人與網絡、網絡與人、人與人三者之間的交互活動催生了諸多互聯(lián)網社交平臺，如論壇、博客、空間、微博和微信等。人們通過這些網絡平臺創(chuàng)建學習和實踐社區(qū)來分享有關的學習信息、內容、想法。互聯(lián)網社交平臺已經發(fā)展成為網絡人群學習的場所和工具。

2.2 社交網絡可以提高學習者的積極性與參與性

人的學習過程是以人的全部心理活動為基礎的，包括認知過程與意志過程。教師向學生傳授知識和技能，即幫助學生完成認知過程，但學生的學習興趣和學習能動性屬于意志過程，傳統(tǒng)教學手段很難提升學生的積極性和參與性。美國心理學家林格倫曾提出導致學業(yè)失敗的最主要的因素是學習興趣。如何激發(fā)學生學習興趣和積極性，則是高校教學改革的重點和難點。新生代大學生思維活躍，自主意識增強，而傳統(tǒng)課堂教學模式有著太多的束縛，活躍度較差。構建基于社交網絡的學習平臺，建立可控、可管理的學習空間，將學習內容、學習活動和社交網絡進行整合設計，能豐富學生的學習體驗，避免單一教學模式的單調乏味，在發(fā)揮學生主動性的基礎上，能夠提升學習效果。

2.3 社交網絡可以促進深度學習

所謂深度學習是學習者在掌握基礎知識的基礎上，能夠創(chuàng)新性、批判性地學習新知識，將其主動融入自己已有的知識框架中，建立起知識之間的關聯(lián)，并將已有知識遷移到新的情境，從而做出決策和解決問題的學習。當知識在社交網絡中傳播，被眾多學習者交流、討論，個人通過體驗、參與好友的群體討論、協(xié)商和反思來加工和共創(chuàng)知識，從而達到深度學習的目的?；谏缃痪W絡的學習關注是學習者與指導者、學習者與學習者、學習資源與學習者之間的關系。當學習者在尋找伙伴或解決問題時，時常都是根據社交網絡尋求最合適的學習資源和支持。

格蘭諾維特在1973年提出“弱連接優(yōu)勢假設”，將相識時間、感情強度、親密度、互惠程度作為劃分關系強弱的維度，指出弱連接是群體間的信息橋梁，與強連接相比，其網絡規(guī)模大、非重復性信息多，在組織學習和信息擴散中具有更高的價值。喬治·西門思在此基礎上提出了學習的關聯(lián)主義理論，指出“學習就是將不同的信息集合進行連接，這些連接可以讓我們有機會學到更多的知識；這些關系比我們自身掌握的知識還要重要”。他認為將學習者編織進由社交網絡建構的學習情境，比向其提供知識本身更加重要?；谏缃痪W絡的學習平臺構建，能夠將社交媒體的現(xiàn)實學習空間擴大到網絡虛擬社區(qū)，打破了學習空間的束縛，將學習者圍繞特定學習內容形成弱關系網絡群體。此外，學習平臺能通過網絡社區(qū)積聚廣泛而有效的學習資源，使學習行為不再孤立，擴展了學習個體間的互動領域和層次，為深度學習提供了強大的心理支持和服務。

3 基于社交網絡的學習平臺構建

在學習分析領域，社會網絡分析法作為一種研究學習共同體組成結構特征與動態(tài)演化的分析方法，即已經吸引越來越多教育研究者的關注。高校教育中可以將社交網絡與課程學習合理、有效、適度地結合與應用，為教學資源的共享、師生的互動以及學生管理等各方面提供支持和便利，實現(xiàn)傳統(tǒng)教學與互聯(lián)網教學的有效融合。

3.1 社交媒體的選擇

從當前微信的用戶數和月活躍數可以看出，在我國的互聯(lián)網社交領域，微信是最受用戶歡迎及使用人數最多的社交平臺。通過對大學生使用社交網絡的現(xiàn)狀和社交媒體接受模型進行調查發(fā)現(xiàn)，微信不僅是具有強大吸引力的社交媒體，同時也可以成為一個更靈活、更愉快的學習工具。尤其是在近些年，微信對教育等的信息化建設領域的滲透與影響，為教育教學創(chuàng)新提供了很多新的思路。

3.2 平臺構建

（1）知識維度。傳統(tǒng)的網絡學習平臺大多采用非線性結構，利用標題分類手段整合資源，有利于知識間的相互鏈接和跳轉。但是基于點對面的信息傳播方式，忽略了學生的主體地位；知識主頁的內容多且凌亂，無法按照學習者的個體特點進行情境建構等。對此，新的平臺在保留知識非線性結構的基礎上，采用分支結構與網狀結構相結合的方式，平臺大的框架是分支結構，具體的知識單元之間采用網狀結構，通過超鏈接的任意跳轉實現(xiàn)知識的有效擴展和深度學習。平臺提供的知識類型包括概念類、原理類、技術技能類、案例類和問題解決類等，支持學習者建立個人知識空間，對各類知識進行管理，建構適合自身學習特點的學習情境，提升研究型、問題解決型的學習技能。平臺的社交功能使得學習者可以在空間內分享學習體會、提出問題，通過互動交流展示自我，促進創(chuàng)新思維。

（2）學習維度。學習資源的靈活性是學習平臺的突出特點，主要向學習者提供信息獲取、情境創(chuàng)設、通信交流等學習工具，幫助其創(chuàng)建個性化的學習情境。例如，學生可邀請其朋友自行組建團隊；允許學生自行發(fā)起學習問題討論，分享學習文檔、參考資料，并接收他人的評論和反饋。

（3）交互維度。平臺允許學生邀請朋友加入，擴大了學習圈和朋友圈，滿足學生在互動中學習、在娛樂中學習的需要。學生們充分利用這個學習平臺相互鼓勵，體現(xiàn)了社交媒體接受模型的社會影響因素。在學習者、任課教師、好友圈、校外導師之間建立強弱關系交叉的“差序”格局，為學生提供廣泛的智力支持，提高學習效能，培養(yǎng)創(chuàng)新思維。

（4）技術維度。該學習平臺的目的是使其成為一個簡單的社交媒體工具，可以鼓勵學生隨時隨地進行學習，最終達到課程所規(guī)定的學習效果。平臺采用分布式認知的去中心化結構，支持手機移動終端訪問，方便隨時接受學習資訊和資源共享。

4 結 語

國外學者已開始運用學習分析技術研究社交網絡學習平臺，分析學習者的交互行為有助于學習者的協(xié)同學習過程。通過社交網絡來互動分享、協(xié)同學習將成為未來一種新的學習常態(tài)?；谏缃幻襟w的網絡學習平臺充分利用網絡的便捷性和大學生的自主能動性，將“社交網絡”這種學生更容易接受的學習方式，融入高校課程教學中。大學生通過社交網絡尋求更廣泛的學習支持，增加了學生間的溝通交流和互動，能夠提升大學生自主學習的興趣，促進知識共享和知識創(chuàng)新，進而實現(xiàn)個性化發(fā)展的目的。

主要參考文獻

[1]王虎.基于社交網絡的影視創(chuàng)作課程協(xié)作平臺研究[J].中國電化教育，2014（10）.

[2]吳忠良，趙磊.基于網絡學習空間的翻轉課堂教學模式初探[J].中國電化教育，2014（4）.

[3]楊詠，馮銳，李亞嬌.大學生網絡社交現(xiàn)狀與學習方式的變化探索[J].遠程教育雜志，2014（4）.

[4]石月鳳.基于SPOC論壇的學習社交網絡分析[D].武漢：華中師范大學，2017.

[5]李陽輝，謝明，易陽.基于深度學習的社交網絡平臺細粒度情感分析[J].計算機應用研究，2017（3）.