張文蘭 劉君玲 劉斌

[摘? ?要] 情緒交互可以在一定程度上決定在線學習者協(xié)作知識建構的成效。為了探究情緒交互的網絡結構特征及其對在線學習者協(xié)作知識建構的影響程度，研究綜合采用社會網絡分析法和內容分析法，從整體網絡視角分析在線協(xié)作討論中情緒交互的網絡結構特征，并依據Gunawardena提出的知識建構模型對在線學習者協(xié)作知識建構水平進行了分析。研究發(fā)現(xiàn)，情緒交互的連通性較低、密度整體不高、中心勢偏高，而且在線學習者的協(xié)作知識建構總體水平也不高，主要集中于知識分享和知識分析層次。其次，情緒交互密度和中心勢不僅與知識協(xié)商和知識修改之間存在顯著相關關系，而且在一定程度上可以預測在線協(xié)作知識建構水平。鑒于此，文章從情緒交互視角提出了提升在線學習者協(xié)作知識建構水平的策略。

[關鍵詞] 情緒交互; 情緒存在; 網絡結構特征; 在線協(xié)作學習; 協(xié)作知識建構

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 張文蘭（1967—），女，浙江東陽人。教授，博士，主要從事信息技術教育應用研究。 E-mail：wenlan19@163.com。劉君玲為通訊作者，E-mail：ljl611516@163.com。

一、引? ?言

在線學習環(huán)境的改變與發(fā)展，為學習者進行協(xié)作知識建構提供了良好的環(huán)境。在線協(xié)作知識建構是學習者與他人基于在線學習平臺、各種移動終端，通過觀點的碰撞交流、意義協(xié)商等達成共識[1]的過程，是體現(xiàn)在線協(xié)作學習中學習者從知識產生到運用等變化過程的主要載體，因此，常被作為考察在線學習者協(xié)作學習質量的重要指標。但是目前在線協(xié)作學習中普遍存在“有協(xié)作無建構、建構低水平”的現(xiàn)象[2]，而情緒對于辯論、協(xié)商、推理等過程有重要影響作用[3]，交互是協(xié)作學習的基礎，因此，學習者之間的情緒交互將有利于提升在線協(xié)作知識建構的成效，然而目前相關研究對情緒交互的關注不足。為了充分發(fā)揮情緒交互的作用，還需要首先了解其過程及其影響效果，因此，本研究重點考察在線協(xié)作學習中的情緒交互特征及其影響程度。

二、文獻綜述及問題的提出

（一）情緒交互對在線協(xié)作學習的影響研究

情緒廣泛存在于人類經驗中，與學習經驗密切相關。有關情緒交互與在線協(xié)作學習相關的研究較少，已有文獻主要集中于情緒交互理論研究、相關性研究、影響因素、提升策略等方面。根據相關研究可知，情緒存在是一個獨立于社會存在的因素[4]，在線協(xié)作學習中主要體現(xiàn)為情緒交互，情緒交互是在線協(xié)作學習環(huán)境下為了更好地實現(xiàn)協(xié)作學習目標，學習者與學習者、教師之間針對學習相關內容進行有意識的情緒交流與溝通的過程，宗旨是產生共鳴，主要包括情緒回應、情緒評價和情緒表達等三個類別，這也是衡量情緒交互文本內容質量的三個主要方面[5];情緒交互過程主要包括相互了解、形成社會關系、建立信任和歸屬感等方面[6]，與知識交互之間基于領域活動和元認知活動相互轉換[7]，根據情緒動態(tài)變化的特征、規(guī)律和趨勢，可以將情緒交互建構成產生、碰撞與融合、改善、穩(wěn)定等四階段模型[8];情緒交互與社區(qū)意識[9]及合作滿意度[10]等密切相關，與協(xié)作學習效果之間存在顯著正相關關系[11]，主要通過情緒狀態(tài)和社會情緒氛圍、反饋方式[12]、團隊成員領導力[13]、群體調節(jié)方式[14]等因素影響在線協(xié)作學習效果。

（二）問題的提出

不同交互內容形成的網絡結構特征有所不同[15]，并對在線協(xié)作知識建構產生不同影響;在線協(xié)作交互既有認知方面的交流，也有情緒方面的溝通，然而從整體網絡視角考察情緒交互網絡結構特征及其對在線協(xié)作知識建構影響的研究比較缺乏。整體社會網絡分析重點分析網絡結構帶來的影響，主要探討中心勢、密度、凝聚子群、結構同等性等特征，分析整體互動網絡結構是了解情緒交互行為特征、反映協(xié)作學習過程進而改善協(xié)作知識建構效果的基礎[15]。然而目前對于在線協(xié)作學習中學習者的情緒交互網絡結構特征與知識建構之間是否存在相關關系，是否能預測在線學習者協(xié)作知識建構水平的變化，以及影響程度如何等問題尚不明確。鑒于此，本研究嘗試從整體網絡視角，綜合采用社會網絡分析和內容分析法，探討情緒交互的連通性、內聚力、密度、中心性等網絡結構特征及其對在線學習者協(xié)作知識建構的影響。

三、研究設計與結果

（一）研究對象及課程簡介

本研究以《大學生職業(yè)生涯規(guī)劃》通識課中學習者之間的在線協(xié)作學習交互為研究對象。參加該課程的學習者共有43人，其中男生19人，女生24人，年齡介于18～20歲之間，專業(yè)涉及教育學（12人）、心理學（5人）、政治學（3人）、藝術學（3人）、管理學（10人）、經濟學（7人）、數(shù)學（3人）等，他們來自同一個學校，均為大二學生，具有較為相似的教育背景，對課程內容的熟悉程度較為一致，表明其先前知識水平無明顯差別。根據異質分組原則，參與者被分配到8個協(xié)作組中，每個協(xié)作組由6～7名成員組成（包括教師）。

該課程基于超星在線學習平臺，于2019年10月至12月期間圍繞求職相關內容開展了5個模塊的在線協(xié)作學習活動，每次活動持續(xù)10天左右，學習者在活動開展之前接受了相關培訓，他們每天在課程論壇中以協(xié)作組為單位討論的時間約1小時。另外，在活動過程中，教師為學習者提供情緒交互支架，以及在線協(xié)作交互活動目標、方式、資源和評價標準等。

（二）研究方法

由Gunawardena等人提出的知識建構模型，既可以了解學習者的知識建構階段，又可以分析其深度，是目前研究者使用、改進較多的在線協(xié)作知識建構編碼體系[16];鑒于此，為了考察在線學習者的協(xié)作知識建構水平，并了解情緒交互的分布情況及內容范圍，以便于后面情緒交互關系數(shù)據的統(tǒng)計和分析，本研究采用內容分析法，分別依據Gunawardena的知識建構模型和前期研究提出的情緒交互編碼框架[5]，使用NVIVO對在線學習者的協(xié)作交互文本內容進行分析。其次，為了了解協(xié)作組的不同情緒交互網絡結構特征，本研究采用社會網絡分析法，主要基于情緒交互關系數(shù)據，通過UCINET考察協(xié)作組的連通性、內聚力特征和密度、中心性等指標;最后，為了探討情緒交互對在線協(xié)作知識建構的影響，通過SPSS進行了相關性和回歸分析。

（三）數(shù)據統(tǒng)計與處理

本研究采用隨機抽樣方法抽取3個協(xié)作組，并收集其在第2、3、4次活動中產生的協(xié)作交互文本作為數(shù)據來源，3個協(xié)作組共涉及19名成員，除了一組由7人組成之外，其他兩組均由6人組成，最終在3次活動中共獲取了57個樣本。另外，協(xié)作組以“x-y”方式命名，其中x代表活動次數(shù)，y表示協(xié)作組。

首先，剔除重復、無關討論帖后，依據相關編碼框架以意義單元為分析單位，針對涉及知識和情緒內容的交互文本，基于NVIVO進行內容分析，最終分別形成了849個協(xié)作知識建構和301個情緒交互意義單元;內容分析過程由兩位教育技術專業(yè)學者獨立完成，當編碼進行到30%時進行信度系數(shù)檢驗，通過統(tǒng)一意見并修改后，得出一致性百分比分別為86%、88%，Cohen's kappa系數(shù)分別為0.85、0.87，說明兩位編碼者的分析結果一致性較高、信度較好。其次，基于情緒交互編碼內容，通過EXCEL依據情緒交互中回復關系的方向和頻次等屬性，收集和統(tǒng)計協(xié)作組內情緒交互關系數(shù)據，并按照社會網絡分析工具的數(shù)據建構要求，建立不同協(xié)作組的情緒交互網絡賦值鄰接矩陣，然后利用UCINET分析協(xié)作組情緒交互的不同網絡結構特征。

（四）數(shù)據分析結果

1. 在線協(xié)作學習中學習者知識建構的總體特征

Gunawardena提出的交互知識建構模型包括知識分享、知識分析、知識協(xié)商、知識修改和知識應用等五個層次，研究以此模型為編碼框架并采用NVIVO對在線協(xié)作知識建構交互文本數(shù)據進行內容分析，然后結合SPSS的頻率描述方法得出在線協(xié)作學習中學習者知識建構的整體情況，見表1。

整體來看，在線協(xié)作學習中學習者的發(fā)帖沒有涉及在線協(xié)作知識建構第五層次的內容，而且大部分內容主要集中在知識分享、知識分析等層次，說明學習者的整體在線協(xié)作知識建構水平偏低。其中，知識分享占30.4%、知識分析占40.5%、知識協(xié)商占15.8%、知識修改占13.3%，可以看出學習者在線協(xié)作知識建構的層次整體處于中下層。

2. 在線協(xié)作學習中協(xié)作組的情緒交互網絡結構特征

一般研究通過定性分析和定量分析相結合的方式整體描述交互網絡結構特征。其中，定性分析的主要特征有連通性和內聚力等[17]，定量分析的指標主要有密度、中心性等。為了全面描述情緒交互網絡結構特征，本研究通過定性和定量分析，對構建的情緒交互網絡賦值鄰接矩陣進行分析。在線協(xié)作交互行為主要發(fā)生在協(xié)作組范圍內，因此，情緒交互網絡結構特征以成員為分析單位，以協(xié)作組為網絡邊界。

（1）協(xié)作組情緒交互連通性

互動網絡的脆弱和內聚程度常用連通性來表示，一般通過社群圖反映。社群圖可以直觀、形象地展示交互網絡結構。根據協(xié)作組的情緒交互關系生成的社群圖如圖1所示。

可以看出，各協(xié)作組整體的情緒交互頻次不高、連通性相對較差，甚至個別協(xié)作組內有孤立學習者。與其他協(xié)作組相比，1-2、2-1、2-3、3-1和3-2具有較高的情緒交互強度，其交互頻次比較高，說明這5組的情緒交互相對比較充分和深入;1-1、1-3、2-2、3-3的情緒交互連通性相對較差，尤其是1-3的情緒交互關系以近似星狀形式存在，說明這4組的情緒交互較少;另外，2-1、2-2和3-3都存在孤立學習者，說明在不同活動中有個別在線學習者未參與情緒交流。

（2）協(xié)作組情緒交互密度及中心性

首先，情緒交互密度表示的是情緒交互關系總分布與完備交互網絡的差距，可以體現(xiàn)學習者之間交互的緊密程度，常用來分析學習者的總體交互水平。利用UCINET可計算出其密度值，也可以用公式表示計算原理：D=l/n（n-1）[15]，其中l(wèi)是賦值網絡中協(xié)作組內學習者之間實際發(fā)生的交互次數(shù)，n是交互網絡的行動者總數(shù)，一般可通過情緒交互矩陣中學習者的出度值之和或入度值之和來計算實際交互頻次。

其次，中心勢是指網絡的整體中心性，情緒交互中心勢是指協(xié)作組的總體中心性，一般用來考察情緒交互的分布情況。中心勢的計算方法主要有三個步驟，先確定交互網絡中最大中心度的數(shù)值，然后與交互網絡中每個學習者的中心度值相減并求和，再除以各個差值總和的最大可能值，其計算公式為：CAD=（CADmax-CADi）/（n-1）（n-2）[18]。各協(xié)作組的情緒交互密度及中心勢見表2。

表2結果顯示，協(xié)作組的情緒交互密度值整體不高。其中，1-2、2-1、2-3和3-2的密度值相對偏高（均達到1.0以上），說明這3組在線學習者之間的緊密程度相對較好，交互水平較高;1-1、1-3和3-1的密度值居中（在0.7-1之間），而2-2和3-3的密度值偏低（均為0.6），說明這兩組的情緒交互頻率相對較低，緊密程度最低。

另外，協(xié)作組的情緒交互中心勢整體偏高，說明協(xié)作組情緒交互的積極性差異和影響力差異較大。其中，1-2、2-2、3-1的出度中心勢及入度中心勢都相對較低，均低于2.0，說明這3組在線學習者之間的相互影響程度相當，沒有明顯差異;1-3、2-1、3-2和3-3的出度中心勢和入度中心勢值相對居中，均低于3.0，說明在線學習者的學習積極性、激發(fā)他人進行情緒交互的影響程度和受歡迎程度等不存在較大差異;1-1的入度中心勢和2-3的出度中心勢都相對較高，均高于3.0，說明這兩組的情緒交互影響程度和貢獻程度存在較為集中的現(xiàn)象。

（3）協(xié)作組情緒交互內聚力分析

內聚力反映的是協(xié)作組對成員的吸引力和成員之間的吸引力，以及其滿意程度。當內聚力高時密度也高，但密度高時內聚力卻不一定也高?；谝陨戏治隹芍?，1-2、2-1、2-3和3-2的情緒交互密度值偏高，最有可能具備較高內聚力，但是否具有較高內聚力還需進一步聚類分析，才能確定協(xié)作組是否存在分簇現(xiàn)象。

本研究采用平均值法，分別對4個協(xié)作組情緒交互網絡的賦值鄰接非對稱矩陣進行對稱化處理，然后進行聚類分析，結果如圖2所示。

整體來看，4個協(xié)作組的情緒交互關系強度變化比較均勻、差異不大，均沒有出現(xiàn)分簇，說明協(xié)作組內均有較高的內聚力，在線學習者相互之間有吸引力，而且協(xié)作組的情緒交互行為對在線學習者個人也有一定的吸引力。這四個協(xié)作組分別有兩個核心學習者，其中1-2 中N4和N5是核心學習者，其情緒交互強度最高，簇系數(shù)高達8.0，學習者N3的互動強度最低，簇系數(shù)只有0.5，學習者N4與N5之間、N2與N1之間的情緒交互具有較高的相似度;2-1中N1和教師是核心人物，具有最大情緒交互強度，簇系數(shù)為4.5，學習者N4互動強度最低，簇系數(shù)為2.0，N5為孤立學習者沒有參與情緒交互，學習者N2與N3之間情緒交互相似度較高;2-3中核心學習者也有兩位，分別是學習者N2和N5，簇系數(shù)為6.5，而教師的交互強度最低，簇系數(shù)為0.5，其他學習者N3與N4之間的相似度較高;3-2內的兩位核心學習者分別是N2和N6，簇系數(shù)為3.0，教師的情緒交互強度最低，簇系數(shù)只有1.0，學習者N3、N4和N5之間具有相似的情緒交互關系。

3. 協(xié)作組情緒交互網絡結構特征對在線學習者協(xié)作知識建構的影響

（1）協(xié)作組情緒交互密度、中心勢特征與在線學習者協(xié)作知識建構的相關性分析

為了進一步了解情緒交互網絡結構特征與在線協(xié)作知識建構之間的相互關系，本研究通過斯皮爾曼等級相關性分析，重點考察情緒交互量化指標（包括情緒交互密度和中心勢）與知識分享、知識分析、知識協(xié)商、知識修改四個分變量的共變關系，見表3。

表3顯示，情緒交互密度與知識協(xié)商、知識修改之間的顯著性概率P值均小于0.05，且為正值;情緒交互出度中心勢與知識修改之間顯著性概率P值也小于0.05，說明情緒交互密度、中心勢與知識協(xié)商、知識修改之間均存在顯著正相關關系，存在共變趨勢。其中情緒交互密度與知識修改的相關性最強（r=0.504），其次是情緒交互密度與知識協(xié)商的相關性（r=0.380），情緒交互出度中心勢與知識修改的相關性（r=0.371）最弱。

（2）協(xié)作組情緒交互密度、中心勢特征對在線學習者協(xié)作知識建構的預測

相關分析主要揭示協(xié)作組情緒交互密度、中心勢特征與在線學習者協(xié)作知識建構之間的共變關系和方向，但不能數(shù)值化表示其影響程度。鑒于此，本研究通過SPSS回歸分析方法以獲取其相互之間的預測程度。

本研究在構建回歸模型時以情緒交互密度、情緒交互出度中心勢為自變量，以知識協(xié)商和知識修改為因變量，分別進行回歸分析，結果見表4。

表4結果顯示，協(xié)作組情緒交互密度、出度中心勢對在線學習者協(xié)作知識建構可以起到預測作用。首先，以情緒交互密度為自變量，以知識協(xié)商為因變量，通過輸入變量法進行一元線性回歸分析。顯著性檢驗結果顯示，模型復相關系數(shù)為0.323（決定系數(shù)R方為0.104），回歸方程對應的F值為6.386，對應的顯著性為0.014，小于0.05，回歸模型達到顯著性水平，說明有效。構建的回歸方程為：知識協(xié)商=-1.935+4.344×情緒交互密度（非標準化），說明情緒交互密度值越高的協(xié)作組，其知識協(xié)商的程度越高。其次，以情緒交互密度和情緒交互出度中心勢為解釋變量，以知識修改為因變量，通過逐步回歸方法進行多元線性回歸分析。結果顯示，在檢驗過程中情緒交互出度中心度變量被排除，因此，再次以情緒交互密度為自變量、知識修改為因變量進行一元回歸分析，發(fā)現(xiàn)模型復相關系數(shù)為0.439（R方為0.192），回歸方程對應的F值為13.095，對應的顯著性為0.001，小于0.05，說明回歸模型達到顯著性水平且有效。依據回歸系數(shù)及其顯著性結果，建立回歸方程：知識修改=-2.561+4.605 ×情緒交互密度（非標準化），表示在線協(xié)作學習中協(xié)作組的情緒交互密度值越高，學習者知識修改效果越好。

四、研究討論與分析

（一）研究討論

1. 在線學習者的協(xié)作知識建構水平

研究結果發(fā)現(xiàn)，在線學習者的協(xié)作知識建構水平整體不高，而且內容主要集中于知識分享、知識分析等低水平協(xié)作知識建構層次，高層次協(xié)作知識建構（知識協(xié)商、知識修改和知識應用）的交互頻率偏低，沒有涉及知識應用的內容。這與已有研究結果類似，在線學習者的協(xié)作知識建構層次多集中于知識分享和知識分析層次[19]。主要原因有兩方面，一方面是在線學習者相互之間不熟悉，信任程度和歸屬感較低;另一方面是異步交互方式使在線學習者的交互意愿和效果大打折扣。

2. 協(xié)作組情緒交互的網絡結構特征

分析結果顯示，情緒交互整體具有一定的內聚力，說明情緒交互對成員有一定的吸引力，但是其連通性一般，頻次較低、密度值不高，中心勢偏高，說明協(xié)作組內情緒交互行為差異較大、分布不均勻。主要原因包括，第一，情緒意識[20]和交互技能的發(fā)展影響在線協(xié)作學習的效果[21]，然而目前學習者未能充分認識到情緒交互對在線協(xié)作知識建構的重要性，缺乏情緒交互的意識和能力，因此，阻礙了其情緒交互水平的提升;第二，團隊成員如果不具備指導團隊工作的適當技能，將會影響協(xié)作效果[22]，有些協(xié)作組組長不清楚自己的角色及作用、未掌握情緒交互的引導策略和技巧，因此，影響了整體在線協(xié)作學習效果;第三，信任氣氛下通過互動產生的人際關系有助于群體歸屬感的發(fā)展，有利于學生的參與和學習結果的提高[14]，然而協(xié)作組內學習者之間相互影響力偏低、歸屬感低，沒有形成較好的情緒交互氛圍。

3. 協(xié)作組的情緒交互網絡結構特征影響在線學習者的協(xié)作知識建構水平

研究結果顯示，協(xié)作組情緒交互密度和情緒交互出度中心勢與知識協(xié)商和知識修改有顯著正相關關系，這與已有研究結果[11，23]相似，小組內的情緒支持與在線協(xié)作學習之間存在顯著正相關關系，且影響程度較高，說明情緒交互特征越明顯，產生高水平協(xié)作知識建構的可能性越大。另外，情緒交互密度對知識協(xié)商和知識修改等高層次協(xié)作知識建構有預測作用，這一研究結果支持了Rogat等人[24]的研究結果，高水平認知過程（如協(xié)商、推理）取決于協(xié)作學習中團隊維持凝聚力和相互尊重社會互動的情緒過程。因此，提高協(xié)作組的情緒交互密度和出度中心勢，對促進在線學習者高水平協(xié)作知識建構的發(fā)展有重要意義。

（二）啟示與建議

研究結果發(fā)現(xiàn)，情緒交互網絡結構特征不僅與在線學習者協(xié)作知識建構水平之間存在密切的關系，而且可以預測其變化趨勢。不同情緒交互網絡結構特征對不同層次的在線協(xié)作知識建構產生影響。其中，情緒交互密度促進知識協(xié)商和知識修改，情緒交互出度中心勢影響知識修改。但目前在線協(xié)作學習中情緒交互存在連通性較差、密度不高、中心勢差異較大的現(xiàn)象，因此，需要結合以下措施來提高情緒交互的整體水平，從而有效促進在線學習者的協(xié)作知識建構效果。

1. 激發(fā)在線學習者的情緒交互意識，完善情緒交互規(guī)則和評價機制

在線協(xié)作學習中情緒交互密度越高，越能促進知識交互層次和程度的發(fā)展。然而目前研究者對情緒交互還沒有引起足夠的關注，情緒交互的評價機制也不健全。因此，教師可以通過視頻講解或文本說明方式適時向在線學習者普及情緒交互的意義和價值，以提升其情緒交互意識;另外，可以從情緒交互內容、方式、頻次等方面進一步完善情緒交互激勵規(guī)則、評價方法等機制，以引導在線學習者的情緒交互行為。

2. 提高在線學習者的歸屬感，增強組長對情緒交互的引導作用

歸屬感一般是學習者對學習共同體的認同，前提是學習共同體對學習者要有包容之心并相互尊重。另外，研究者認為，信任表示他人態(tài)度、能力和行為等方面是可預期、可依靠的，是人際關系的前提和基礎[25]。因此，在線學習者在相互尊重的基礎上表現(xiàn)合理、可預測的情緒交互行為，可以增強其歸屬感和信任感，進而提升其參與程度并降低情緒交互差異;其次，教師可以為組長提供情緒交互引導策略、協(xié)作任務計劃表等，同時制定組長選拔、獎評辦法來激勵其發(fā)揮積極影響作用。

3. 采用情緒交互方式和語言創(chuàng)造氛圍

在缺乏傳統(tǒng)非語言線索的文本協(xié)作交互中，在線學習者之間需要用文本語言來交流情緒信息[14]?；谖谋菊Z言的情緒交互方式是激發(fā)情緒狀態(tài)、營造情緒氛圍、建立社會關系、增強凝聚力的主要渠道。在線學習者可以采用情緒反應（如同意、接受、理解等語言）、情緒評價（如感謝、贊賞、鼓勵等語言）和情緒表達（如高興、希望、自豪等語言）等方式進行情緒交互，以提高在線學習者的情緒交互能力。研究表明，積極的情緒交互可以促進良好的情緒過程，其中積極情緒反應方式可以創(chuàng)造良好的交流氛圍，從而更好地相互了解。積極情緒評價方式可以使交互對象產生認同感，逐漸建立起社會關系并提升信任感。情緒感染理論觀點認為，情緒表達具有信號功能，對他人的情緒和行為具有感染作用，因此，通過積極情緒表達，可以增強對其他學習者的感染效果并提升相互之間的吸引力。

五、結? ?語

整體來看，本研究驗證了情緒交互對在線學習者協(xié)作知識建構水平的影響，而且不同情緒交互網絡結構特征對不同層次的在線協(xié)作知識建構有不同影響，但相互之間的轉換規(guī)律尚不清楚，因此，還需要結合質性研究進一步探討，而且該結論是否適用于其他課程，也需要進一步拓展研究。

[參考文獻]

[1] 甘永成.論虛擬學習社區(qū)中的知識建構[J].中國遠程教育，2006（2）：17-21.

[2] 李海峰，王煒.面向問題解決的在線協(xié)作知識建構[J].電化教育研究，2018，39（1）：36-41.

[3] ISOHTL?J，NYKKI P，JRVEL?S，et al.Striking a balance：socio-emotional processes during argumentation in collaborative learning interaction[J].Learning，culture and social interaction，2018，16（3）：1-19.

[4] CLEVELAND-INNES M，CAMPBELL P.Emotional presence，learning，and the online learning environment[J].International review of research in open & distance learning，2012，13（4）：269-292.

[5] 劉君玲，張文蘭，劉斌.在線協(xié)作交互文本編碼體系的設計與應用——基于情緒交互視角的研究[J].電化教育研究，2020，41（6）：53-59.

[6] KREIJINS K，KRISCHNER P A，JOCHEMS W.Identifying the pitfalls for social interaction in computer-supported collaborative learning environments：a review of the research[J].Computers in human behavior，2003，19（3）：335-353.

[7] ISOHTL?J，NYKKI P，JRVEL?S.Cognitive and socio-emotional interaction in collaborative Learning：exploring fluctuations in students participation[J].Scandinavian journal of educational research，2019（5）：1-12.

[8] HUANG C Q， HAN Z M， LI M X，et al.Investigating students' interaction patterns and dynamic learning sentiments in online discussions[J].Computers & education，2019，140（10）：1-18.

[9] MCMILLAN D W.Sense of community[J].Journal of community psychology，1996，24（4）：315-325.

[10] BULU S T.Place presence，social presence，co-presence，and satisfaction in virtual worlds[J].Computers & education，2012，58（1）：154-161.

[11] NURIA H S，PABLO C，MUNOZ C，et al.Computer-supported collaborative learning：an analysis of the relationship between interaction，emotional support and online collaborative tools[J].Computers & education， 2019，138（9）：1-12.

[12] 張康英.在線協(xié)作學習中情緒反饋對交互質量的影響研究[D].寧波：寧波大學，2015.

[13] LANCELLOTTI，MATTHEW P，BOYD，et al.The effects of team personality awareness exercises on team satisfaction and performance： the context of marketing course projects[J].Journal of marketing education， 2008，30（3）：244-254.

[14] KWON K，LIU Y H，JOHNSON L S P.Group regulation and social-emotional interactions observed in computer supported collaborative learning：comparison between good vs.poor collaborators[J].Computers & education，2014，78（9）：185-200.

[15] 王永固.在線協(xié)作學習中的互動分析：基于社會網絡分析的視角[M].北京：科學出版社，2014.

[16] 郭炯，霍秀爽.網絡教學研討中教師協(xié)同知識建構研究[J].中國電化教育，2014（3）：101-109.

[17] 胡勇，王陸.網絡協(xié)作學習中的社會網絡分析個案研究[J].開放教育研究，2006（5）：56-61.

[18] 劉軍.社會網絡分析導論[M].北京：社會科學文獻出版社，2004.

[19] GUNAWARDENA C N，LOWE C A，ANDERSON T.Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing[J].Journal of educational computing research，1997，17（4）：397-431.

[20] PICARD R W，KLEIN J.Computers that recognise and respond to user emotion： theoretical and practical implications[J].Interacting with computers，2002，14（2）：141-169.

[21] JONES A，ISSROFF K.Learning technologies：affective and social issues in computer-supported collaborative learning[J].Computers & education，2005，44（4）：395-408.

[22] JARVENOJA H，JARVELA S.Emotion control in collaborative learning situations：do students regulate emotions evoked by social challenges？[J].British journal of educational psychology，2009，79（3）：463-481.

[23] MOLINEILLO S，ROCIO A I，RAFAEL A S，et al.Exploring the impacts of interactions，social presence and emotional engagement on active collaborative learning in a social web-based environment[J].Computers & education，2018，123（8）：41-52.

[24] ROGAT T K，ADAMS W K R.Interrelation between regulatory and socio emotional processes within collaborative groups characterized by facilitative and directive other-regulation[J].Computers in human behavior，2015，52（2）：589-600.

[25] MAYER R C，DAVIS J H，SCHOORMAN F D.An integrative model of organizational trust[J].Academy of management re-view，1995，20（3）：709-734.