劉智 康令云 劉三女牙 粟柱 孫建文

【摘要】情緒與社會(huì)化交互是構(gòu)建學(xué)習(xí)者模型的兩個(gè)重要特征，學(xué)習(xí)者的情緒特征計(jì)算與社會(huì)網(wǎng)絡(luò)分析已獲得了學(xué)習(xí)分析領(lǐng)域的廣泛關(guān)注。本研究以某高校云平臺(tái)上兩門(mén)課程的論壇發(fā)帖紀(jì)錄為研究對(duì)象，分別探究了學(xué)習(xí)群體在情緒表征（積極、消極與困惑情緒密度值）以及社會(huì)網(wǎng)絡(luò)交互（網(wǎng)絡(luò)中心性與網(wǎng)絡(luò)結(jié)構(gòu)特征）方面的差異。研究結(jié)果表明：具有網(wǎng)絡(luò)交互關(guān)系的學(xué)習(xí)者間情緒傾向趨于一致。整體網(wǎng)絡(luò)中的“子團(tuán)體”以分散型網(wǎng)絡(luò)居多，不同社區(qū)組學(xué)習(xí)者在積極和消極情緒上具有顯著性差異，而在困惑情緒上差異性并不顯著。與中、低成效組相比，高成效組學(xué)習(xí)者在信息傳遞的中介性以及協(xié)作學(xué)習(xí)中的參與性方面的表現(xiàn)更為顯著，但其積極情緒密度較低。論壇中情緒和交互特征的聯(lián)合分析有助于對(duì)學(xué)業(yè)風(fēng)險(xiǎn)個(gè)體的準(zhǔn)確干預(yù)和群體互動(dòng)質(zhì)量的提升。

【關(guān)鍵詞】? SPOC;社會(huì)網(wǎng)絡(luò)分析;情緒密度;社區(qū);交互模式;學(xué)習(xí)成效;差異性分析

【中圖分類(lèi)號(hào)】? ?G434? ? ? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】? A? ? ? ?【文章編號(hào)】? 1009-458x（2020）6-0031-10

一、引言

在慕課（Massive Open Online Courses， MOOCs）環(huán)境下，學(xué)習(xí)者可以自主瀏覽任意課程并自發(fā)開(kāi)展群體學(xué)習(xí)互動(dòng)，而在高等教育中面向在校學(xué)生的小規(guī)模限制性在線課程（Small Private Online Course， SPOC）則更受教學(xué)管理者的歡迎。論壇作為SPOC課程的重要組成模塊，為教師開(kāi)展混合式教學(xué)以及學(xué)習(xí)者之間的異步交互提供了重要渠道。在論壇中，學(xué)習(xí)者可以發(fā)表對(duì)學(xué)習(xí)內(nèi)容的主觀看法、學(xué)習(xí)心得以及對(duì)課程平臺(tái)的使用感受等，也可以自發(fā)形成學(xué)習(xí)共同體開(kāi)展協(xié)作討論、問(wèn)答互助、信息分享以及共同完成學(xué)習(xí)任務(wù)（Siemens， 2015; Al-Rahmi， et al.， 2018）。豐富的交互數(shù)據(jù)中隱含了多元化的話語(yǔ)行為模式（郁曉華， 2013），同時(shí)互動(dòng)中話語(yǔ)行為的分析也引起了來(lái)自學(xué)習(xí)分析和教育數(shù)據(jù)挖掘等領(lǐng)域?qū)W者的廣泛關(guān)注（Ghadirian， et al.， 2018; 孫雨薇，等， 2018）。部分研究已經(jīng)探測(cè)了學(xué)習(xí)者話語(yǔ)數(shù)據(jù)背后所蘊(yùn)含的個(gè)體或群體情緒狀態(tài)，并分析了學(xué)習(xí)者在學(xué)習(xí)過(guò)程中情緒演化規(guī)律及其與學(xué)習(xí)成效的關(guān)系（Pardos， et al.， 2013;Liu， Pinkwart， et al.， 2018）。但僅從文本內(nèi)容視角探究學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)易造成對(duì)話語(yǔ)情緒在學(xué)習(xí)成效上影響的片面理解，且不利于對(duì)低成效學(xué)習(xí)個(gè)體的準(zhǔn)確識(shí)別和干預(yù)。除了話語(yǔ)情緒特征以外，論壇中的社會(huì)網(wǎng)絡(luò)特征也是暗示互動(dòng)學(xué)習(xí)表現(xiàn)及預(yù)測(cè)學(xué)習(xí)成效的關(guān)鍵因素（Houston， et al.， 2017; Liu， Kirschner， et al.， 2017），相關(guān)研究已指出學(xué)習(xí)者話語(yǔ)中所表現(xiàn)出的情緒色彩往往會(huì)受同伴間關(guān)聯(lián)強(qiáng)弱的影響（Tang， et al.， 2012; Rosen， et al.， 2018）。因此，結(jié)合社會(huì)交互視角研究話語(yǔ)情緒表征對(duì)于群體學(xué)習(xí)狀態(tài)追蹤和互動(dòng)質(zhì)量分析顯得尤為重要。

本研究以某高校云平臺(tái)上開(kāi)設(shè)的“生涯心理輔導(dǎo)”和“新生研討課”兩門(mén)課程一學(xué)期內(nèi)的論壇發(fā)帖紀(jì)錄為實(shí)驗(yàn)數(shù)據(jù)，使用基于Python開(kāi)發(fā)的NetworkX網(wǎng)絡(luò)分析包計(jì)算學(xué)習(xí)者網(wǎng)絡(luò)中心性特征并標(biāo)注與其有直接聯(lián)系的節(jié)點(diǎn)，以分析具有交互關(guān)聯(lián)的學(xué)習(xí)者間情緒相關(guān)性;將整體學(xué)習(xí)者分為不同社區(qū)組以分析其情緒演化趨勢(shì)及差異性;利用Gephi網(wǎng)絡(luò)分析軟件構(gòu)建不同學(xué)習(xí)成效組學(xué)習(xí)者的網(wǎng)絡(luò)結(jié)構(gòu)圖并進(jìn)行可視化分析，以發(fā)現(xiàn)他們?cè)诰W(wǎng)絡(luò)中心性特征以及情緒密度上的差異性。

二、相關(guān)理論和研究

（一）社會(huì)網(wǎng)絡(luò)分析

社會(huì)網(wǎng)絡(luò)分析（Social network analysis， SNA）是一種研究節(jié)點(diǎn)間資源交換的方法和技術(shù)，它主要關(guān)注節(jié)點(diǎn)間的資源交互模式，包括交互的方向和強(qiáng)度等，并從整體網(wǎng)絡(luò)和個(gè)體網(wǎng)絡(luò)兩方面探究節(jié)點(diǎn)成員在網(wǎng)絡(luò)中的交互規(guī)律（Haythornthwaite， 1996）。近年來(lái)，社會(huì)網(wǎng)絡(luò)分析在教育中的應(yīng)用主要集中在探究群體學(xué)習(xí)者的網(wǎng)絡(luò)結(jié)構(gòu)演化以及網(wǎng)絡(luò)中心性特征與學(xué)習(xí)成效的關(guān)系（Williams， et al.， 2017; Gitinabard， et al.， 2017）。其中，劉等（Liu， 2018a）以月為單位，通過(guò)觀察學(xué)習(xí)者的網(wǎng)絡(luò)形態(tài)演化分析群體學(xué)習(xí)者的在線交互傾向。休斯頓等（Houston， et al.， 2017）探究了學(xué)習(xí)者參與度與學(xué)習(xí)成效的相關(guān)性，結(jié)果表明學(xué)習(xí)者的交互次數(shù)與學(xué)習(xí)成效之間具有顯著正相關(guān)性。梁云真等（2016）結(jié)合內(nèi)容編碼和行為序列分析等方法深入探究學(xué)習(xí)者在線交互規(guī)律，研究發(fā)現(xiàn)大多數(shù)學(xué)習(xí)者間的交互較多停留在低層級(jí)階段（分享、比較），僅有小部分學(xué)習(xí)者達(dá)到了高層級(jí)階段（一致、應(yīng)用），而核心參與者在每個(gè)層級(jí)上的帖子數(shù)量都大于邊緣參與者。從縱向的角度分析，鄭勤華等（2016）發(fā)現(xiàn)學(xué)習(xí)者在第一周的帖子質(zhì)量層級(jí)并不會(huì)對(duì)后期幾周的交互層級(jí)產(chǎn)生影響，但第一周的帖子交互質(zhì)量會(huì)對(duì)后幾周學(xué)習(xí)者的網(wǎng)絡(luò)中心度值產(chǎn)生顯著正相關(guān)作用。劉清堂等（2018）通過(guò)分析不同社區(qū)的結(jié)構(gòu)特征參數(shù)和網(wǎng)絡(luò)位置發(fā)現(xiàn)，社區(qū)扮演“角色”的不同控制了信息流通的方向，而社區(qū)中的核心成員往往能在群體知識(shí)建構(gòu)過(guò)程中起到關(guān)鍵作用。

（二）情緒特征計(jì)算

在本研究中，情緒特征計(jì)算指的是從人們具有情感傾向的語(yǔ)義文本中挖掘出其內(nèi)隱的情緒狀態(tài)。目前情緒特征分類(lèi)方法主要有兩種，一種是基于語(yǔ)義情感詞典的無(wú)監(jiān)督分類(lèi)，另一種是基于機(jī)器學(xué)習(xí)的有監(jiān)督分類(lèi)（張冬雯， 等， 2016）。近年來(lái)，教育領(lǐng)域中的情緒研究主要關(guān)注刻畫(huà)學(xué)習(xí)者的情緒演變趨勢(shì)以及情緒對(duì)學(xué)習(xí)行為的影響（劉智， 等， 2018; Reis， et al.， 2018）。其中，劉等（Liu， Pinkwart， et al.， 2018b）以周為單位，通過(guò)情緒密度計(jì)算等方法描繪出學(xué)習(xí)者在一學(xué)期內(nèi)的情緒演化走向，并分析了高、低成就組學(xué)習(xí)者的情緒差異，實(shí)驗(yàn)結(jié)果表明，不同時(shí)段的學(xué)習(xí)者情緒表征并不一致，但總體來(lái)看學(xué)習(xí)者的態(tài)度較樂(lè)觀，且高成就組的情緒密度顯著高于低成就組。楊等（Yang， Kraut， & Rose， 2016）建立了分類(lèi)模型用于探測(cè)學(xué)習(xí)者在論壇討論中所表現(xiàn)出的困惑情緒，分析了其對(duì)學(xué)習(xí)者參與率的影響，研究發(fā)現(xiàn)，學(xué)習(xí)者表達(dá)的困惑情緒越多，其論壇參與度就越低，而對(duì)困惑情緒的及時(shí)發(fā)現(xiàn)和解決則有助于減緩這種趨勢(shì)。劉清堂等（2016）利用詞頻分析和時(shí)間序列相結(jié)合的方法從教師的討論帖中挖掘出隱含的積極和消極情感特征，并進(jìn)一步描繪其在一周的演化趨勢(shì)，用于在合適的時(shí)間采取適應(yīng)性干預(yù)措施，以助力培訓(xùn)目標(biāo)的實(shí)現(xiàn)。劉等（Liu， et al.， 2018）提出了一個(gè)情感主題模型用于發(fā)現(xiàn)學(xué)習(xí)者感興趣的主題及其情感傾向，研究發(fā)現(xiàn)學(xué)習(xí)者在課程內(nèi)容相關(guān)的主題上表現(xiàn)出了較高的積極情緒，而在課程系統(tǒng)服務(wù)相關(guān)主題上表達(dá)了較多的消極情緒。

然而，在正式教育場(chǎng)景下，將群體學(xué)習(xí)的社會(huì)網(wǎng)絡(luò)與情緒兩類(lèi)特征聯(lián)合分析的研究還較少。關(guān)于論壇社交網(wǎng)絡(luò)的研究?jī)H僅是對(duì)學(xué)習(xí)群體的網(wǎng)絡(luò)結(jié)構(gòu)特征的描述統(tǒng)計(jì)以及社會(huì)化互動(dòng)特征的差異分析，并未深入探討具有直接聯(lián)系的學(xué)習(xí)者間情緒狀態(tài)的關(guān)聯(lián)。關(guān)于互動(dòng)中話語(yǔ)情緒的研究則傾向于追蹤學(xué)習(xí)者的整體情緒演化趨勢(shì)，并未深入考慮不同類(lèi)型學(xué)習(xí)群體間的情緒差異，特別是整體網(wǎng)絡(luò)中不同“子團(tuán)體”間及其內(nèi)部的情緒演化差異還涉及較少。因此，本研究將結(jié)合社會(huì)網(wǎng)絡(luò)分析與文本情緒分析兩種方法綜合分析學(xué)習(xí)者在高校論壇中的社會(huì)網(wǎng)絡(luò)交互、情緒表征以及學(xué)習(xí)成效之間的關(guān)系。

三、研究設(shè)計(jì)

（一）研究對(duì)象

本研究所采用的實(shí)驗(yàn)數(shù)據(jù)來(lái)自于某高校云平臺(tái)上開(kāi)設(shè)的兩門(mén)課程“生涯心理輔導(dǎo)”和“新生研討課”，這兩門(mén)課程的持續(xù)時(shí)間均為21周。其中，論壇討論活動(dòng)從第4周開(kāi)始并于第18周結(jié)束，故以這15周的論壇發(fā)帖記錄為研究數(shù)據(jù)。這兩門(mén)課程分別有88名（68名女性和20名男性）和173名（160名女性和13名男性）學(xué)習(xí)者，其中參與人數(shù)分別為87和158人，論壇討論參與率分別為98.86%和91.33%，互動(dòng)參與率較高。總發(fā)帖量分別為4，465和6，625，人均發(fā)帖量達(dá)到51.32和41.93?！吧男睦磔o導(dǎo)”課程的學(xué)習(xí)者主要為心理學(xué)和應(yīng)用心理學(xué)專(zhuān)業(yè)的大三學(xué)生，“新生研討課”則都是英語(yǔ)（師范）專(zhuān)業(yè)的學(xué)習(xí)者（包括4名大三學(xué)生、15名大二學(xué)生和154名大一學(xué)生）。這兩門(mén)課程學(xué)習(xí)者的平均成績(jī)分別為87.38和84.88，方差是5.41。平均網(wǎng)絡(luò)圖旨在揭示來(lái)源不同但具有某一相同特性（如性別、學(xué)習(xí)成效等）的群體交互特征（Palonen & Hakkarainen， 2013）。為了更深入地探究群體網(wǎng)絡(luò)交互模式，本研究繪制了這兩門(mén)課程不同成效組學(xué)習(xí)者的平均網(wǎng)絡(luò)圖。正如Palonen和Hakkarainen（2013）對(duì)來(lái)自?xún)蓚€(gè)年級(jí)的學(xué)習(xí)者評(píng)論數(shù)據(jù)進(jìn)行社會(huì)網(wǎng)絡(luò)綜合分析以進(jìn)一步揭示不同學(xué)習(xí)成效水平和性別的學(xué)習(xí)者間話語(yǔ)互動(dòng)模式，本研究也著重于探索不同成效組學(xué)習(xí)者間交互模式差異。

（二）研究問(wèn)題

學(xué)習(xí)者在論壇討論的過(guò)程中產(chǎn)生的文本及關(guān)系數(shù)據(jù)為學(xué)習(xí)者互動(dòng)學(xué)習(xí)狀態(tài)的評(píng)價(jià)和干預(yù)提供了寶貴資源。情緒狀態(tài)的分析有助于發(fā)現(xiàn)學(xué)習(xí)者在文本中隱含的學(xué)習(xí)反饋和需求信息，社會(huì)網(wǎng)絡(luò)分析有助于深入探究學(xué)習(xí)群體中的交互模式及不同類(lèi)型的學(xué)習(xí)“子團(tuán)體”。兩者的結(jié)合可幫助教師掌握學(xué)習(xí)者目前所處的學(xué)習(xí)狀態(tài)和班級(jí)中整體互動(dòng)網(wǎng)絡(luò)的情緒傾向，并進(jìn)一步發(fā)現(xiàn)學(xué)習(xí)者的學(xué)習(xí)成效與其在網(wǎng)絡(luò)論壇中的互動(dòng)性以及情緒表征之間的關(guān)系。因此，本研究著重關(guān)注以下問(wèn)題的探討：

1. 具有網(wǎng)絡(luò)交互關(guān)系的學(xué)習(xí)者間情緒傾向存在何種相關(guān)性？

2. 不同社區(qū)組學(xué)習(xí)者的情緒演化趨勢(shì)及其差異性？

3.不同成效組學(xué)習(xí)者間的網(wǎng)絡(luò)互動(dòng)特征和情緒密度有何差異？

（三）研究方法

圍繞以上三個(gè)問(wèn)題，本研究設(shè)計(jì)了以下研究步驟：首先，計(jì)算學(xué)習(xí)者個(gè)體的情緒密度及其關(guān)聯(lián)節(jié)點(diǎn)間平均情緒密度，采用Pearson相關(guān)分析法探究學(xué)習(xí)者與其聯(lián)系節(jié)點(diǎn)間情緒密度的關(guān)系。其次，采用重復(fù)測(cè)量方差分析探究不同社區(qū)組學(xué)習(xí)者間的情緒表征特點(diǎn)及其情緒密度差異。最后，計(jì)算學(xué)習(xí)者群體網(wǎng)絡(luò)結(jié)構(gòu)特征與個(gè)體情緒密度和網(wǎng)絡(luò)中心性，借助ANOVA分析發(fā)現(xiàn)不同成效組學(xué)習(xí)者在情緒密度與網(wǎng)絡(luò)中心性特征上的差異。

1. 社會(huì)網(wǎng)絡(luò)交互指標(biāo)計(jì)算

在在線討論過(guò)程中，學(xué)習(xí)者會(huì)因?yàn)楣餐脑掝}興趣或自身需要而自發(fā)地形成一個(gè)學(xué)習(xí)網(wǎng)絡(luò)，而SNA最重要的價(jià)值在于它不僅能可視化網(wǎng)絡(luò)中學(xué)習(xí)者之間的互動(dòng)關(guān)系，還能為網(wǎng)絡(luò)中各種關(guān)聯(lián)因素的分析提供量化指標(biāo)，這有利于教師掌握網(wǎng)絡(luò)中個(gè)體行為狀態(tài)以及群體結(jié)構(gòu)特征。

（1）網(wǎng)絡(luò)中心性指標(biāo)

①度中心性（Degree Centrality）：在網(wǎng)絡(luò)中與學(xué)習(xí)者有直接聯(lián)系的節(jié)點(diǎn)數(shù)量，表示學(xué)習(xí)者的論壇活躍度。

②中間中心性（Betweeness Centrality）：學(xué)習(xí)者位于每對(duì)節(jié)點(diǎn)之間的最短路徑上的次數(shù)，表示學(xué)習(xí)者協(xié)調(diào)和傳遞信息的能力。

③接近中心性（Closeness Centrality）：學(xué)習(xí)者與其他節(jié)點(diǎn)之間最短路徑之和的倒數(shù)，表示學(xué)習(xí)者與網(wǎng)絡(luò)中其他同伴進(jìn)行交互的難易程度。

（2）網(wǎng)絡(luò)結(jié)構(gòu)指標(biāo)

①密度：網(wǎng)絡(luò)中目前存在邊的數(shù)量除以網(wǎng)絡(luò)中所有可能邊的數(shù)量。

②平均聚類(lèi)系數(shù)：聚類(lèi)系數(shù)被計(jì)算為學(xué)習(xí)者的鄰居間現(xiàn)有鏈接數(shù)量除以學(xué)習(xí)者的鄰居間潛在鏈接數(shù)量，而平均聚類(lèi)系數(shù)被計(jì)算為網(wǎng)絡(luò)中所有學(xué)習(xí)者的聚類(lèi)系數(shù)的平均值。

③平均路徑長(zhǎng)度：每對(duì)節(jié)點(diǎn)之間最短路徑的平均值，其中最長(zhǎng)的路徑為網(wǎng)絡(luò)的直徑。

④中間中心勢(shì)：描述整個(gè)網(wǎng)絡(luò)圖的中間中心性，其值越大說(shuō)明網(wǎng)絡(luò)越集中，信息的傳遞較多依賴(lài)中間中心性最高的節(jié)點(diǎn)。

⑤模塊度：衡量社區(qū)劃分優(yōu)劣的一個(gè)指標(biāo)，其值越大說(shuō)明網(wǎng)絡(luò)劃分的社區(qū)結(jié)構(gòu)準(zhǔn)確度越高。

2. 情緒密度計(jì)算

情緒密度是學(xué)習(xí)者在一段時(shí)間內(nèi)情緒表達(dá)強(qiáng)度的重要表征，它已在學(xué)習(xí)論壇中的情緒分析與MOOC輟學(xué)預(yù)測(cè)研究中廣泛使用（Yang， et al.， 2015）。如公式1所示，[EDte]表示第t段時(shí)間內(nèi)第n條討論帖中的e類(lèi)情緒密度，為了計(jì)算該值，本研究首先構(gòu)建了一套情緒詞典，其中包含9，586條積極情緒詞匯、12，871條消極情緒詞匯和934條困惑情緒詞匯。其次，采用張華平博士開(kāi)發(fā)的中文分詞系統(tǒng)①將帖子內(nèi)容分割為詞匯序列[WordNum（Posttn）]，并將這些詞匯序列與上述情緒詞典中的情緒詞匯進(jìn)行匹配，這樣便可得到這個(gè)帖子中所包括的情緒詞[EmoWordNum（Posttn）]。最后，對(duì)情緒詞與詞匯序列的比率進(jìn)行求和再除以這段時(shí)間的總發(fā)帖量[PostNum（t）]，以計(jì)算出這段時(shí)間內(nèi)的積極（Positive Emotional Density， PED）、消極（Negative Emotional Density， NED）和困惑（Confusion Emotional Density， CED）三類(lèi)情緒的情緒密度值。

[EDte=1PostNum（t）?n=1PostNum（t）EmoWordNum（Posttn）WordNum（Posttn）] （1）

3. 學(xué)習(xí)成效水平以及社區(qū)組的劃分依據(jù)

為了檢驗(yàn)不同成效組學(xué)習(xí)者間網(wǎng)絡(luò)中心性與情緒特征的差異，本研究根據(jù)Kelly（1939）所提出的基于分?jǐn)?shù)排序的前后27%來(lái)劃分高低水平組，兩門(mén)課程共有245人，其中高成效組74人，中成效組109人，低成效組62人。在社區(qū)組劃分方面，首先利用Louvain算法充分劃分社區(qū)，移除孤立節(jié)點(diǎn)，將剩下83.27%的學(xué)習(xí)者劃分為8個(gè)社區(qū)。其次根據(jù)Bidart等提出的網(wǎng)絡(luò)類(lèi)型劃分方法（Bidart， et al.， 2018），分別將各個(gè)社區(qū)的中間中心勢(shì)、模塊度、密度和直徑與分類(lèi)臨界值進(jìn)行比對(duì)以實(shí)現(xiàn)不同社區(qū)網(wǎng)絡(luò)類(lèi)型的標(biāo)注，最后將整體網(wǎng)絡(luò)中的“子團(tuán)體”分為7個(gè)分散型網(wǎng)絡(luò)和1個(gè)細(xì)長(zhǎng)型網(wǎng)絡(luò)（見(jiàn)表1）。其中，分散型網(wǎng)絡(luò)表示網(wǎng)絡(luò)結(jié)構(gòu)比較破碎并且存在一些孤立節(jié)點(diǎn)的團(tuán)體，細(xì)長(zhǎng)型網(wǎng)絡(luò)表示直徑較長(zhǎng)但其他特征并不顯著的團(tuán)體。如表1所示，社區(qū)14擁有最長(zhǎng)的直徑、較小的密度和最大的中間中心勢(shì)，這充分表明其內(nèi)部成員交流較少，信息的傳遞較多依賴(lài)“中間人”，也就是中間中心性最高的節(jié)點(diǎn)。社區(qū)密度都小于0.1，說(shuō)明社區(qū)具有低密度、低凝聚力的特點(diǎn)，均屬于稀疏網(wǎng)絡(luò)。

四、研究結(jié)果及分析

（一）學(xué)習(xí)者與其鄰居間的情緒傾向相關(guān)性分析

社會(huì)網(wǎng)絡(luò)中的鄰居指的是與學(xué)習(xí)者有直接連接的節(jié)點(diǎn)（Adamic & Adar， 2003），為了發(fā)現(xiàn)學(xué)習(xí)者與其鄰居在同種情緒間的關(guān)聯(lián)性，將學(xué)習(xí)者與其鄰居的平均積極、消極和困惑情緒密度進(jìn)行相關(guān)性分析，結(jié)果如圖1所示。其中，橫軸表示學(xué)習(xí)者個(gè)體與其鄰居的情緒密度相關(guān)系數(shù)，縱軸表示學(xué)習(xí)者個(gè)體的不同類(lèi)型情緒密度。結(jié)果顯示：在互動(dòng)網(wǎng)絡(luò)中，學(xué)習(xí)者與其鄰居在同種情緒類(lèi)型上具有顯著正相關(guān)性，其中積極情緒最強(qiáng)（r=0.273，p<0.01），消極情緒次之（r=0.188，p<0.01），困惑情緒最弱（r=0.151，p<0.01）。也就是說(shuō)，在討論內(nèi)容中體現(xiàn)出更多積極態(tài)度的學(xué)習(xí)者們更傾向于一起交流與協(xié)作，反之亦然。但學(xué)習(xí)者與其鄰居在不同情緒類(lèi)型上并未表現(xiàn)出顯著相關(guān)性。

為了更好地理解學(xué)習(xí)者與其鄰居間的情緒相關(guān)性，部分學(xué)習(xí)者間的交互關(guān)系及其情緒密度值如圖2所示。其中，節(jié)點(diǎn)代表學(xué)習(xí)者，箭頭代表學(xué)習(xí)者發(fā)帖和回帖的方向。以節(jié)點(diǎn)23為例，節(jié)點(diǎn)18、38分別與節(jié)點(diǎn)23具有發(fā)帖或回帖的交互行為，而節(jié)點(diǎn)19、25與節(jié)點(diǎn)23不具有發(fā)帖或回帖的交互行為，因此節(jié)點(diǎn)18、38為節(jié)點(diǎn)23的鄰居，而節(jié)點(diǎn)19、25則不是其鄰居。學(xué)習(xí)者的鄰居（節(jié)點(diǎn)18和38）與學(xué)習(xí)者（節(jié)點(diǎn)23）之間在積極情緒方面差值最小，消極情緒方面次之，而在困惑情緒方面學(xué)習(xí)者的鄰居（節(jié)點(diǎn)18和38）與其非鄰居（節(jié)點(diǎn)19和25）之間并未表現(xiàn)出較大差異。這也符合學(xué)習(xí)者與其鄰居在積極、消極和困惑同種情緒類(lèi)型上相關(guān)性依次減小的趨勢(shì)，同時(shí)也在一定程度上表明學(xué)習(xí)者與其鄰居在同種話語(yǔ)情緒表征上較為相似。

（二）不同社區(qū)組的情緒演化趨勢(shì)及其差異性分析

為了進(jìn)一步分析不同社區(qū)間學(xué)習(xí)者情緒演化差異，本研究繪制了不同社區(qū)組學(xué)習(xí)者在討論期內(nèi)的積極、消極和困惑情緒演化趨勢(shì)圖（見(jiàn)圖3），并將這15周劃分為初期（1～5周）、中期（5～10周）和末期三個(gè)階段（10～15周）。從整體角度而言，本研究發(fā)現(xiàn)學(xué)習(xí)者的平均情緒密度大小依次為積極>消極>困惑，而且學(xué)習(xí)者的情緒一直處于動(dòng)態(tài)變化之中并表現(xiàn)出較大的波動(dòng)性。就不同討論階段而言，學(xué)習(xí)者的積極和消極情緒在初期和末期波動(dòng)幅度較大，在中期波動(dòng)幅度較小，主要表現(xiàn)為第2、8、11、14周時(shí)積極和消極情緒密度較高，而第1、7、9，10周時(shí)積極和消極情緒密度較低。困惑情緒則是在中期和末期波動(dòng)幅度較大，在初期較小，主要表現(xiàn)為第8、11、13周時(shí)困惑情緒密度較高，第3、7、10周時(shí)困惑情緒密度較低。從不同社區(qū)角度而言，最明顯的差異在于第15周時(shí)社區(qū)11、13、14呈總體情緒上升趨勢(shì)，且社區(qū)13在該周的情緒參與度（具有情緒傾向的討論行為）達(dá)到最高值，而社區(qū)31、33、36、38、40在第15周時(shí)呈下降趨勢(shì)，并達(dá)到了其討論期中積極、消極和困惑情緒的最低值。

基于上述不同社區(qū)組學(xué)習(xí)者的情緒演化趨勢(shì)，本研究通過(guò)重復(fù)測(cè)量方差分析進(jìn)一步探究不同社區(qū)組學(xué)習(xí)者情緒密度之間的交互作用及差異性，結(jié)果如表2所示。在第1到15周內(nèi)同一社區(qū)的學(xué)習(xí)者在不同時(shí)間點(diǎn)的積極、消極和困惑情緒密度均值差異均有統(tǒng)計(jì)學(xué)意義（p<0.001）。不同社區(qū)組與時(shí)間點(diǎn)之間存在交互作用（p<0.001），也就是說(shuō)不同的社區(qū)在不同時(shí)間點(diǎn)上的積極、消極和困惑情緒變化趨勢(shì)不一致（見(jiàn)圖3）。不同社區(qū)組之間在積極和消極情緒間的差異有統(tǒng)計(jì)學(xué)意義（p<0.01），而在困惑情緒方面的差異不具有顯著性（p=0.168>0.05）。時(shí)間因素對(duì)學(xué)習(xí)者積極情緒密度變化的影響較大（偏[η2=0.606]），消極情緒次之（偏[η2=0.491]），對(duì)困惑情緒的影響最?。ㄆ玔η2=0.422]）。進(jìn)一步的事后檢驗(yàn)表明，社區(qū)14分別與社區(qū)13和社區(qū)33間存在顯著性差異（p<0.05），主要表現(xiàn)為社區(qū)14的消極情緒密度均值大于社區(qū)13和社區(qū)33，而社區(qū)13和社區(qū)33間差異性并不顯著。以上數(shù)據(jù)表明不同社區(qū)組學(xué)習(xí)者的積極、消極和困惑情緒都會(huì)隨時(shí)間的變化而顯示出不同的走向，不同社區(qū)組學(xué)習(xí)者在積極和消極情緒表現(xiàn)上存在顯著差異。不同社區(qū)組學(xué)習(xí)者的表現(xiàn)模式和情緒表征將會(huì)為教師設(shè)計(jì)教學(xué)方案提供新的思路。

（三）不同成效組學(xué)習(xí)者的網(wǎng)絡(luò)特征與情緒密度分析

1. 不同成效組的網(wǎng)絡(luò)結(jié)構(gòu)特征比較

為了進(jìn)一步量化分析不同成效組學(xué)習(xí)者及其在互動(dòng)過(guò)程中所形成的網(wǎng)絡(luò)結(jié)構(gòu)，本研究采用Fruchterman-Reingold網(wǎng)絡(luò)布局算法可視化不同學(xué)習(xí)成效群體間的網(wǎng)絡(luò)互動(dòng)關(guān)系，結(jié)果如圖4所示。節(jié)點(diǎn)的大小代表了學(xué)習(xí)者的度中心性，節(jié)點(diǎn)越大說(shuō)明學(xué)習(xí)者的度中心性越大，即參與論壇討論活動(dòng)的積極性越高;連線的粗細(xì)代表了學(xué)習(xí)者間交互行為的頻繁程度。從圖4可以看出，不同成效組聯(lián)系較多的學(xué)習(xí)者分別有1、12和4對(duì)，例如高成效組的節(jié)點(diǎn)5和節(jié)點(diǎn)33，而大多數(shù)學(xué)習(xí)者的聯(lián)系頻率并不高，并以單向連接居多，雙向?qū)υ捿^少，這表明網(wǎng)絡(luò)不具備良好的互惠性，學(xué)習(xí)者間的會(huì)話互動(dòng)程度不高。

網(wǎng)絡(luò)圖可初步揭示不同成效組學(xué)習(xí)者的關(guān)系互動(dòng)網(wǎng)絡(luò)，為進(jìn)一步深入分析其網(wǎng)絡(luò)結(jié)構(gòu)特征差異，本研究采用Gephi中的統(tǒng)計(jì)模塊計(jì)算出不同成效組群體的網(wǎng)絡(luò)結(jié)構(gòu)特征值（見(jiàn)表3），主要分析節(jié)點(diǎn)、邊、密度、平均聚類(lèi)系數(shù)、平均路徑長(zhǎng)度和直徑共6個(gè)變量值。由表3可知，網(wǎng)絡(luò)整體密度偏低，最高值僅為0.016，從高成效組到低成效組依次呈遞減趨勢(shì)，可見(jiàn)各個(gè)成效組內(nèi)部成員之間互動(dòng)較少，不利于資源的快速傳播和共享。從圖4c也可以看出，孤立節(jié)點(diǎn)的存在使得低成效組網(wǎng)絡(luò)圖顯得更加稀疏和分散，更出現(xiàn)了邊少于節(jié)點(diǎn)的情況。平均聚類(lèi)系數(shù)低至0表明低成效組的學(xué)習(xí)者間尚未形成小團(tuán)體，說(shuō)明學(xué)習(xí)者互動(dòng)的缺乏是導(dǎo)致學(xué)習(xí)者間合作較少的重要原因。此外，平均路徑長(zhǎng)度和網(wǎng)絡(luò)直徑較小，主要是由低成效組網(wǎng)絡(luò)過(guò)于稀疏而存在大量孤立節(jié)點(diǎn)導(dǎo)致的。

2. 不同成效組學(xué)習(xí)者的網(wǎng)絡(luò)中心性與情緒特征的差異

學(xué)習(xí)者的網(wǎng)絡(luò)中心性以及情緒密度特征值已被證實(shí)與其學(xué)習(xí)成效間具有顯著相關(guān)性（Romero， et al.， 2013; Gitinabard， et al.， 2017），表4展示了不同成效組間學(xué)習(xí)者情緒密度及網(wǎng)絡(luò)中心性的差異性分析結(jié)果。從表4可以看出，高、中和低成效組在負(fù)面和困惑情緒上的差異性并不顯著（p>0.05），但在中間中心性、度中心性、接近中心性和積極情緒層次上均體現(xiàn)出顯著差異性（p<0.05），主要表現(xiàn)為高成效組的中間中心性高于中成效組，度中心性高于低成效組，而接近中心性顯著高于中、低成效組，積極情緒顯著低于中、低成效組，但中、低成效組之間并未表現(xiàn)出顯著差異。以上結(jié)果說(shuō)明高成效組學(xué)習(xí)者在網(wǎng)絡(luò)中承擔(dān)了更多的傳遞信息以及連接其他學(xué)習(xí)者間對(duì)話的作用，同時(shí)也能夠以較高的活躍度投入到與同伴交流和討論的過(guò)程中來(lái)，但其對(duì)話內(nèi)容則表現(xiàn)出較低的積極情緒。

五、結(jié)論與建議

隨著SPOC在高等教育中的普及，教師可利用該平臺(tái)發(fā)布教學(xué)資源、指導(dǎo)學(xué)習(xí)者以及創(chuàng)設(shè)互動(dòng)討論情境，學(xué)習(xí)者也可以在這里汲取知識(shí)和展開(kāi)討論。其中涌現(xiàn)出的大量學(xué)習(xí)者生成式交互數(shù)據(jù)支持著教育研究者從中挖掘出有價(jià)值的信息（如目前班級(jí)的群體交互形態(tài)及個(gè)體情緒特征），以幫助教師洞察學(xué)習(xí)者在群體學(xué)習(xí)中的狀態(tài)以改進(jìn)教學(xué)策略，促進(jìn)學(xué)習(xí)者了解自身學(xué)習(xí)狀態(tài)以開(kāi)展反思性學(xué)習(xí)。本研究結(jié)合社會(huì)網(wǎng)絡(luò)分析和情緒特征計(jì)算方法深入剖析高校課程論壇中學(xué)習(xí)者的網(wǎng)絡(luò)交互特征和情緒表現(xiàn)，以三個(gè)問(wèn)題為基線探究了整體學(xué)習(xí)者與其鄰居的情緒傾向相關(guān)性，分析了不同群體組學(xué)習(xí)者的網(wǎng)絡(luò)結(jié)構(gòu)特征及情緒密度差異。研究主要結(jié)論如下：

（一）學(xué)習(xí)者與其鄰居之間的情緒傾向具有一致性

通過(guò)探索學(xué)習(xí)者與其鄰居間的情緒密度相關(guān)性，本研究發(fā)現(xiàn)學(xué)習(xí)者與其鄰居在同種情緒類(lèi)型上具有一致性。該結(jié)論與王雷博士的研究結(jié)果類(lèi)似（王雷， 2013）。該研究認(rèn)為，個(gè)體與其同伴間存在情緒分享行為，而情緒在親密與信任關(guān)系中更易傳播，情緒傳播的速度與其關(guān)系的強(qiáng)弱有關(guān)。社會(huì)心理學(xué)家也曾發(fā)現(xiàn)過(guò)類(lèi)似的情緒感染現(xiàn)象：在社會(huì)交互中，情緒在人與人之間互相傳遞，一個(gè)人發(fā)送的帶有情緒色彩的信息會(huì)對(duì)其他人回復(fù)信息中所帶的情緒色彩產(chǎn)生影響（Neumann & Strack， 2000）。因此，一個(gè)可能的解釋是，在討論的初始階段學(xué)習(xí)者與其鄰居間的情緒傾向并不總是一致的，但在不斷的協(xié)作對(duì)話中個(gè)體情緒成分不斷發(fā)生整合進(jìn)而形成集體情緒基調(diào)。學(xué)習(xí)者與其鄰居在不同情緒類(lèi)型上并未表現(xiàn)出顯著相關(guān)性，根據(jù)情緒感染理論，一個(gè)可能的解釋是當(dāng)鄰居感知到學(xué)習(xí)者所表達(dá)的情緒時(shí)鄰居會(huì)產(chǎn)生與學(xué)習(xí)者相似的情緒。也就是說(shuō)，鄰居情緒的最終狀態(tài)會(huì)與學(xué)習(xí)者大致相同（Hoffman， 2002）。因此，教師應(yīng)及時(shí)感知學(xué)習(xí)者與其鄰居在協(xié)作交互過(guò)程中的情緒表現(xiàn)，并采取基于群體目前情緒狀態(tài)的自適應(yīng)調(diào)節(jié)策略，即通過(guò)實(shí)施時(shí)間調(diào)整、資源匹配、互動(dòng)交流等措施來(lái)調(diào)節(jié)高消極或困惑情緒群體的不良情緒，采用獎(jiǎng)勵(lì)機(jī)制、信息提示等方式維持高積極情緒群體的正面情緒（黎孟雄， 等， 2015）。

（二）不同社區(qū)組學(xué)習(xí)者在積極和消極情緒密度上存在顯著差異

通過(guò)比較論壇互動(dòng)中不同社區(qū)組學(xué)習(xí)者的情緒演化趨勢(shì)及其情緒密度差異，本研究發(fā)現(xiàn)不同社區(qū)組學(xué)習(xí)者達(dá)到其積極、消極和困惑情緒密度峰值的時(shí)間點(diǎn)不同，整體上其積極和消極情緒在討論初期和末期波動(dòng)范圍較大，而困惑情緒在中期和末期階段波動(dòng)幅度較大。該現(xiàn)象可能與課程內(nèi)容編排遵循從易到難的順序有關(guān)，在討論初期學(xué)習(xí)者對(duì)基礎(chǔ)性知識(shí)的理解和掌握程度較高，并未表現(xiàn)出較高的困惑情緒，但隨著課程的不斷推進(jìn)學(xué)習(xí)者也積累了一定的問(wèn)題和疑惑，從而導(dǎo)致其在末期的話語(yǔ)內(nèi)容中困惑情緒增加。例如，其中一個(gè)帖子內(nèi)容為“課程難度逐漸增加，而我對(duì)一些重難點(diǎn)還有些疑惑和困擾，有時(shí)候我會(huì)覺(jué)得手忙腳亂或者束手無(wú)策”，因此教師需多關(guān)注此階段學(xué)習(xí)者的情緒狀態(tài)變化并給予及時(shí)的幫助和引導(dǎo)，以維持其良好的學(xué)習(xí)動(dòng)機(jī)和論壇參與度（VanLehn， et al.， 2003）。不同社區(qū)組在困惑情緒上并不存在顯著差異，這可能是因?yàn)椴煌鐓^(qū)組學(xué)習(xí)者在相同或重疊的內(nèi)容上產(chǎn)生了困惑或疑問(wèn)，因此其言論上的困惑情緒并未表現(xiàn)出較大差別（楊重陽(yáng)， 2019）。另外，社團(tuán)14消極密度較高，可能與其網(wǎng)絡(luò)類(lèi)型有關(guān)（細(xì)長(zhǎng)型），成員間交互路徑較長(zhǎng)，交流的缺少可能會(huì)影響學(xué)習(xí)者自身問(wèn)題或障礙的解決，從而導(dǎo)致其帖子內(nèi)容中包含較多的消極詞匯（Ramirez-Arellano， et al.， 2019）。因此，教師應(yīng)重點(diǎn)關(guān)注網(wǎng)絡(luò)中的某個(gè)“子團(tuán)體”在協(xié)作學(xué)習(xí)過(guò)程中的不良情緒表達(dá)，采取相應(yīng)的適應(yīng)性干預(yù)措施（如學(xué)習(xí)路徑規(guī)劃、激發(fā)積極情緒的智能對(duì)話等），以幫助具有不良情緒表征的學(xué)習(xí)者獲得良好的學(xué)習(xí)體驗(yàn)。

（三）不同成效組學(xué)習(xí)者在網(wǎng)絡(luò)中心性和積極情緒密度上存在顯著差異

通過(guò)分析不同成效組學(xué)習(xí)者間的網(wǎng)絡(luò)中心性特征及情緒密度差異，本研究發(fā)現(xiàn)，相對(duì)于中、低成效組而言，高成效組學(xué)習(xí)者在互動(dòng)網(wǎng)絡(luò)中表現(xiàn)出了較高的信息傳遞能力和活動(dòng)參與度。該結(jié)論與之前的相關(guān)研究類(lèi)似（Cho， et al.， 2007; Wise & Cui， 2018）?；顒?dòng)參與度較高的學(xué)習(xí)者往往能接觸到更多的信息，在與同伴交互的過(guò)程中能夠有效地表達(dá)自己的觀點(diǎn)，梳理自身思路并不斷加深對(duì)課程內(nèi)容的理解，從而獲得更優(yōu)異的學(xué)習(xí)表現(xiàn)。高成效組積極情緒顯著低于中、低成效組，與現(xiàn)有研究結(jié)論相一致（劉智， 等， 2018），雖然Carmona等認(rèn)為積極情緒與學(xué)習(xí)成效間存在正相關(guān)關(guān)系（Carmona-Halty， et al.， 2019），但也有研究者指出研究場(chǎng)景的不同可能會(huì)導(dǎo)致結(jié)論的差異（Molinillo， et al.， 2018）。在本研究中，教師發(fā)布的主題大多為案例分析，在交流的過(guò)程中高成效組學(xué)習(xí)者更傾向于對(duì)案例中的某一問(wèn)題進(jìn)行批判性反思或論述，帖子中可能會(huì)包含一些負(fù)面或困惑詞（沖突、無(wú)興趣和疑慮等），因而使得該群體呈現(xiàn)出了較低的積極情緒密度以及較高的消極和困惑情緒密度。另外，不同成效組的網(wǎng)絡(luò)結(jié)構(gòu)并不具備較好的稠密性和較高的凝聚性，說(shuō)明學(xué)習(xí)者之間的聯(lián)系并不緊密，該態(tài)勢(shì)不利于群體協(xié)作學(xué)習(xí)和高階思維能力發(fā)展。因此，教師需采取適合主題討論活動(dòng)的學(xué)習(xí)共同體組間策略。例如，通過(guò)興趣社區(qū)的構(gòu)建與分組來(lái)幫助學(xué)習(xí)者建立穩(wěn)固的社交網(wǎng)絡(luò)關(guān)系以促進(jìn)其有效合作（鄭勤華， 等， 2016），設(shè)置有梯度的問(wèn)題并提供幫助和引導(dǎo)（如與任務(wù)相關(guān)的知識(shí)點(diǎn)提示、學(xué)習(xí)資源推送等），以鼓勵(lì)學(xué)習(xí)者積極思考并一起參與到整個(gè)討論過(guò)程中來(lái)，從而使整體參與度得以提升。

綜上所述，本研究為學(xué)習(xí)者在社會(huì)網(wǎng)絡(luò)交互和情緒表征方面的研究提供了一定參考，但仍存在一些不足，因僅選取了兩門(mén)課程數(shù)據(jù)，數(shù)據(jù)規(guī)模的限制可能導(dǎo)致本研究結(jié)論難以推廣到其他學(xué)習(xí)情境中。在后續(xù)的研究中，將考慮擴(kuò)大實(shí)驗(yàn)數(shù)據(jù)規(guī)模并豐富課程類(lèi)型，深入開(kāi)展大規(guī)模學(xué)習(xí)場(chǎng)景下學(xué)習(xí)者情緒表征與學(xué)習(xí)成效的關(guān)系研究，并進(jìn)一步細(xì)致分析位于不同社區(qū)核心位置中的“意見(jiàn)領(lǐng)袖”，以鼓勵(lì)積極情緒的傳播并阻止不良情緒的擴(kuò)散，同時(shí)結(jié)合學(xué)習(xí)者性別、年齡和學(xué)習(xí)興趣等特征變量進(jìn)行更全面、深入的網(wǎng)絡(luò)交互性比較研究。

[參考文獻(xiàn)]

黎孟雄，郭鵬飛，黎知秋. 2015. 基于情緒識(shí)別的遠(yuǎn)程教學(xué)自適應(yīng)調(diào)節(jié)策略研究[J]. 中國(guó)遠(yuǎn)程教育（11）：18-24.

梁云真，趙呈領(lǐng)，阮玉嬌，等. 2016. 網(wǎng)絡(luò)學(xué)習(xí)空間中交互行為的實(shí)證研究——基于社會(huì)網(wǎng)絡(luò)分析的視角[J]. 中國(guó)電化教育（7）：22-28.

劉清堂，武鵬，張思，等. 2016. 教師工作坊中的用戶(hù)參與行為研究[J]. 中國(guó)電化教育（01）：103-108.

劉清堂，張妮，朱姣姣. 2018. 教師工作坊中協(xié)作知識(shí)建構(gòu)的社會(huì)網(wǎng)絡(luò)分析[J]. 中國(guó)遠(yuǎn)程教育（11）：61-69.

劉智，楊重陽(yáng)，彭晛，等. 2018. SPOC 論壇互動(dòng)中學(xué)習(xí)者情緒特征及其與學(xué)習(xí)效果的關(guān)系研究[J]. 中國(guó)電化教育（4）：102-110.

孫雨薇，馮曉英，王瑞雪. 2018. 混合式教師研修課程中教師問(wèn)題解決行為的研究[J]. 中國(guó)遠(yuǎn)程教育（11）：50-60.

王雷. 2013. 基于系統(tǒng)動(dòng)力學(xué)的群體情緒傳播機(jī)制與影響因素研究[D]. 北京：首都師范大學(xué)教育學(xué)院.

楊重陽(yáng). 2019. SPOC論壇中學(xué)習(xí)者情緒-話題的聯(lián)合建模研究[D]. 武漢：華中師范大學(xué)國(guó)家數(shù)字化學(xué)習(xí)工程技術(shù)研究中心.

郁曉華，顧小清. 2013. 學(xué)習(xí)活動(dòng)流： 一個(gè)學(xué)習(xí)分析的行為模型[J]. 遠(yuǎn)程教育雜志，31（4）：20-28.

張冬雯，楊鵬飛，許云峰. 2016. 基于 word2vec 和SVMperf的中文評(píng)論情感分類(lèi)研究[J]. 計(jì)算機(jī)科學(xué)，43（S1）：418-421.

鄭勤華，李秋劼，陳麗. 2016. MOOCs中學(xué)習(xí)者論壇交互中心度與交互質(zhì)量的關(guān)系實(shí)證研究[J]. 中國(guó)電化教育（02）：58-63.

Adamic， L. A.， & Adar， E. （2003）. Friends and neighbors on the Web. Social Networks， 25（3）， 211-230.

Al-Rahmi， W. M.， Alias， N.， Othman， M. S.， Marin， V. I.， & Tur， G. （2018）. A model of factors affecting learning performance through the use of social media in Malaysian higher education. Computers & Education， 121， 59-72.

Bidart， C.， Degenne， A.， & Grossetti， M. （2018）. Personal networks typologies： A structural approach. Social Networks， 54， 1-11.

Carmona-Halty， M.， Salanova， M.， Llorens， S.， & Schaufeli， W. B. （2019）. How psychological capital mediates between study-related positive emotions and academic performance. Journal of Happiness Studies， 20（2）， 605-617.

Cho， H.， Gay， G.， Davidson， B.， & Ingraffea， A. （2007）. Social networks， communication styles， and learning performance in a CSCL community. Computers and Education， 49（2）， 309-329.

Ghadirian， H.， Salehi， K.， &Ayub， A. F. M. （2018）. Analyzing the social networks of high-and low-performing students in online discussion forums. American Journal of Distance Education， 32（1）， 27-42.

Gitinabard， N.， Xue， L.， Lynch， C. F.， Heckman， S.， & Barnes， T. （2017）. A social network analysis on blended courses. arXiv preprint arXiv：1709.10215.

Haythornthwaite， C. （1996）. Social network analysis： An approach and technique for the study of information exchange. Library & information science research， 18（4）， 323-342.

Hoffman， M. L. （2002）. How automatic and representational is empathy， and why. Behavioral and Brain Sciences.

Houston II， S. L.， Brady， K.， Narasimham， G.， & Fisher， D. （2017）. Pass the idea please： The relationship between network position， direct engagement， and course performance in MOOCs. In Proceedings of the Fourth （2017） ACM Conference on Learning@ Scale （pp. 295-298）， ACM.

Kelley， T. L. （1939）. The selection of upper and lower groups for the validation of test items. Journal of educational psychology， 30（1）， 17-24.

Liu， D.， Kirschner， P. A.， & Karpinski， A. C. （2017）. A meta-analysis of the relationship of academic performance and Social Network Site use among adolescents and young adults. Computers in Human Behavior， 77， 148-157.

Liu， S.， Peng， X.， Cheng， H. N.， Liu， Z.， Sun， J.， & Yang， C. （2018）. Unfolding sentimental and behavioral tendencies of learners concerned topics from course reviews in a MOOC. Journal of Educational Computing Research， 0（0）， 1-27.

Liu， Z.， Kang， L.， Domanska， M， Liu， S.， Sun， J.， & Fang， C. （2018a）. Social network characteristics of learners in a course forum and their relationship to learning outcomes. International Conference on Computer Supported Education （pp. 15-21）， Madrid： Scitepress.

Liu， Z.， Pinkwart， N.， Liu， H.， Liu， S.， & Zhang， G. （2018b）. Exploring students engagement patterns in SPOC forums and their association with course performance. EURASIA Journal of Mathematics， Science and Technology Education， 14（7）， 3143-3158.

Molinillo， S.， Aguilar-Illescas， R.， Anaya-Sánchez， R.， & Vallespín-Arán， M. （2018）. Exploring the impacts of interactions， social presence and emotional engagement on active collaborative learning in a social web-based environment. Computers and Education， 123， 41-52.

Neumann， R.， & Strack， F. （2000）. "Mood contagion"： the automatic transfer of mood between persons. Journal of personality and social psychology， 79（2）， 211-223.

Palonen， T.， & Hakkarainen， K. （2013）. Patterns of interaction in computer supported learning： A social network analysis. In Fourth International Conference of the Learning Sciences （pp. 334-339）.

Pardos， Z. A.， Baker， R. S. J. D.， San Pedro， M. O. C. Z.， Gowda， S. M.， & Gowda， S. M. （2013）. Affective states and state tests： Investigating how affect and engagement during the school year predict end of year learning outcomes. Proceedings of the Third International Conference on Learning Analytics and Knowledge （pp. 117-124）， ACM.

Ramirez-Arellano， A.， Bory-Reyes， J.， & Hernández-Simón， L. M. （2019）. Emotions， motivation， cognitive-metacognitive strategies， and behavior as predictors of learning performance in blended learning. Journal of Educational Computing Research， 57（2）， 491-512.

Reis， R. C. D.， Isotani， S.， Rodriguez， C. L.， Lyra， K. T.， Jaques， P. A.， & Bittencourt， I. I. （2018）. Affective states in computer-supported collaborative learning： Studying the past to drive the future. Computers & Education， 120， 29-50.

Romero， C.， López， M. I.， Luna， J. M.， & Ventura， S. （2013）. Predicting students final performance from participation in on-line discussion forums. Computers & Education， 68， 458-472.

Rosen， M. L.， Sheridan， M. A.， Sambrook， K. A.， Dennison， M. J.， Jenness， J. L.， Askren， M. K.， et al. （2018）. Salience network response to changes in emotional expressions of others is heightened during early adolescence： relevance for social functioning. Developmental science， 21（3）， e12571.

Siemens， G. （2015）. Connectivism： A Learning Theory for the Digital Age. International Journal of Instructional Technology and Distance Learning， 2（1）， 3-10.

Tang， J.， Zhang， Y.， Sun， J.， Rao， J.， Yu， W.， Chen， Y.， et al. （2012）. Quantitative study of individual emotional states in social networks. IEEE Transactions on Affective Computing， 3（2）， 132-144.

VanLehn， K.， Siler， S.， Murray， C.， Yamauchi， T.， & Baggett， W. B. （2003）. Why do only some events cause learning during human tutoring？ Cognition and Instruction.

Vrasidas， C.， & McIsaac， M. S. （1999）. Factors influencing interaction in an online course. American Journal of Distance Education， 13（3）， 22-36.

Williams， E. A.， Zwolak， J. P.， Dou， R.， & Brewe， E. （2017）. Engagement， integration， involvement： supporting academic performance and developing a classroom social network. arXiv preprint arXiv：1706.04121.

Wise， A. F.， & Cui， Y. （2018）. Unpacking the relationship between discussion forum participation and learning in MOOCs： Content is key. In Proceedings of the 8th International Conference on Learning Analytics and Knowledge （pp. 330-339）. ACM.

Yang， D.， Kraut， R.， & Rose， C. P. （2016）. Exploring the effect of student confusion in massive open online courses. Journal of Educational Data Mining， 8（1）， 52-83.

Yang， D.， Wen， M.， Howley， I.， Kraut， R.， & Rose， C. （2015）. Exploring the effect of confusion in discussion forums of massive open online courses. In Proceedings of the second （2015） ACM conference on learning@ scale （pp. 121-130）， ACM.

責(zé)任編輯 張志禎 劉 莉