摘要：學(xué)習(xí)型社區(qū)建設(shè)有助于加快教育強(qiáng)國落地，社區(qū)中在線學(xué)習(xí)者的各種協(xié)作互動行為，促進(jìn)了學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)的生成。對該網(wǎng)絡(luò)進(jìn)行深入分析，可以挖掘其中蘊(yùn)含的社區(qū)學(xué)習(xí)的本質(zhì)特征。該研究提出從社區(qū)發(fā)現(xiàn)角度對學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)進(jìn)行分析，首先設(shè)計基于圖卷積網(wǎng)絡(luò)和非負(fù)矩陣分解，并集成學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)信息和文本內(nèi)容信息的新型學(xué)習(xí)型社區(qū)發(fā)現(xiàn)方法，提出四個社區(qū)特征度量指標(biāo)，在真實的學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)中進(jìn)行應(yīng)用分析。結(jié)果表明，所提出的分析方法能有效挖掘?qū)W習(xí)者關(guān)系網(wǎng)絡(luò)存在的學(xué)習(xí)興趣主題社區(qū)，還可以對社區(qū)整體和社區(qū)成員個體進(jìn)行特征分析，并且分析結(jié)果可為引導(dǎo)學(xué)習(xí)者的在線交互協(xié)作行為提供決策支持。最后，形成“構(gòu)建可視化學(xué)習(xí)型社區(qū)—開展社區(qū)之間知識分享—促進(jìn)各社區(qū)的互動合作—指標(biāo)反饋下的反思迭代”的學(xué)習(xí)型社區(qū)賦能策略。通過策略賦能學(xué)習(xí)型社區(qū)高質(zhì)量發(fā)展，以社區(qū)新質(zhì)生產(chǎn)力組合助推教育強(qiáng)國建設(shè)。

關(guān)鍵詞：學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)；網(wǎng)絡(luò)分析；學(xué)習(xí)型社區(qū)；社區(qū)發(fā)現(xiàn)；教育強(qiáng)國

中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A

* 本文系國家自然科學(xué)基金面上項目“社交化學(xué)習(xí)環(huán)境下面向動態(tài)異質(zhì)學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)的重疊社區(qū)發(fā)現(xiàn)方法研究”（項目編號：62077045）研究成果。

① 林曉凡為本文通訊作者。

一、引言

2023年5月29日習(xí)近平總書記主持中共中央政治局第五次集體學(xué)習(xí)，以貫徹落實黨的二十大部署為目的，探究我國建設(shè)什么樣的教育強(qiáng)國、怎樣建設(shè)教育強(qiáng)國這一重大課題，為扎實推動教育強(qiáng)國建設(shè)，強(qiáng)調(diào)“加快建設(shè)學(xué)習(xí)型社會，促進(jìn)人人皆學(xué)、處處能學(xué)、時時可學(xué)”的重點任務(wù)[1]。而在“互聯(lián)網(wǎng)+”時代，在線社區(qū)為學(xué)習(xí)者提供了相互討論交流的機(jī)會，也能促進(jìn)經(jīng)驗和資源的共享與交流[2]。同時，網(wǎng)民規(guī)模劇增的新形勢為在線學(xué)習(xí)型社區(qū)的建設(shè)提供了契機(jī)。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的第52次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2023年6月，我國網(wǎng)民規(guī)模達(dá)10.79億人[3]。如此大規(guī)模的網(wǎng)民，若能形成專業(yè)性、有貢獻(xiàn)、能服務(wù)于社會和行業(yè)的在線學(xué)習(xí)型社區(qū)，將為教育強(qiáng)國建設(shè)做出巨大貢獻(xiàn)。然而，僅僅依靠簡單的社區(qū)數(shù)量疊加并不足以支持學(xué)習(xí)型社會的構(gòu)建。因此，社區(qū)的高質(zhì)量發(fā)展還應(yīng)明確發(fā)展標(biāo)準(zhǔn)，才能為學(xué)習(xí)型社會建設(shè)提供支持，促進(jìn)個體智力轉(zhuǎn)化為實際有效成果的學(xué)習(xí)型社會建設(shè)，從而助推教育強(qiáng)國發(fā)展。

當(dāng)不同的人通過網(wǎng)絡(luò)聯(lián)系在一起，就形成了關(guān)系網(wǎng)絡(luò)。當(dāng)在線學(xué)習(xí)者通過網(wǎng)絡(luò)聯(lián)系在一起，就形成了在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)。在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)與在線學(xué)習(xí)的重要指導(dǎo)理論聯(lián)通主義密切相關(guān)[4]，它可由學(xué)習(xí)者之間的各種“聯(lián)通”行為生成，例如加好友、加關(guān)注、資源分享、答疑討論以及群組協(xié)作等行為。與大眾類社交網(wǎng)絡(luò)（如微信和微博）中用戶關(guān)系建立存在過多的隨機(jī)性和噪聲不同，學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)的關(guān)系往往由具有相同學(xué)習(xí)興趣或相同學(xué)習(xí)任務(wù)的學(xué)習(xí)者自發(fā)構(gòu)建，因此具有更好的穩(wěn)定性和真實性。由于是在學(xué)習(xí)場景中產(chǎn)生，學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)往往蘊(yùn)含著學(xué)習(xí)者的在線學(xué)習(xí)行為模式和規(guī)律，對其進(jìn)行深入分析可以了解學(xué)習(xí)者的學(xué)習(xí)興趣特征和學(xué)習(xí)狀態(tài)，為教師做出教學(xué)改進(jìn)、實行教學(xué)干預(yù)和決策提供參考[5][6]。對于在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)，已有研究強(qiáng)調(diào)要關(guān)注社區(qū)的協(xié)作質(zhì)量評價，促進(jìn)協(xié)作互動的深度，通過在線學(xué)習(xí)中建立的社會網(wǎng)絡(luò)關(guān)系矩陣，分析互動頻率來衡量社區(qū)的協(xié)作關(guān)系強(qiáng)度，并提出從在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析視角推進(jìn)學(xué)習(xí)型社區(qū)建設(shè)[7]，這為本研究提出面向教育強(qiáng)國的在線學(xué)習(xí)型社區(qū)建設(shè)提供了科學(xué)依據(jù)。

在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析已有不少相關(guān)研究，并取得了一定成效。總的來說，現(xiàn)有研究較少從學(xué)習(xí)型社區(qū)發(fā)現(xiàn)的角度提出解決方法[8]。本研究從在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析視角出發(fā)，識別具有相同學(xué)習(xí)興趣和目標(biāo)的學(xué)習(xí)型社區(qū)。此外，還設(shè)計了四個社區(qū)特征度量指標(biāo)（如從學(xué)習(xí)型社區(qū)高質(zhì)量發(fā)展關(guān)鍵指標(biāo)的杠桿效應(yīng)來撬動學(xué)習(xí)型社會和教育強(qiáng)國的建設(shè)，可以衡量學(xué)生的社區(qū)活動參與度[9]），基于此，探究社區(qū)整體和成員之間的關(guān)系，并提出促進(jìn)教育強(qiáng)國建設(shè)的學(xué)習(xí)型社區(qū)深度協(xié)作互動賦能策略。

二、相關(guān)研究

（一）學(xué)習(xí)型社區(qū)

社區(qū)被看作是促進(jìn)學(xué)習(xí)型社會建設(shè)的重要單位/突破口[10]。社區(qū)（Community）概念最早源于德國社會學(xué)家T nnies的著作《社區(qū)與社會》，T nnies認(rèn)為社區(qū)是由具有相同價值觀念、相互合作以及關(guān)系密切的人組成的社會群體。后來該概念被進(jìn)一步擴(kuò)展并推廣到多個領(lǐng)域，其中包括復(fù)雜網(wǎng)絡(luò)領(lǐng)域。在復(fù)雜網(wǎng)絡(luò)中，如果一組網(wǎng)絡(luò)節(jié)點內(nèi)部連接緊密，外部連接稀疏，那么這組節(jié)點被稱為一個社區(qū)[11]。已有研究強(qiáng)調(diào)驅(qū)動學(xué)習(xí)型社會形成的過程中要重視在線社區(qū)的作用，促進(jìn)“人人皆學(xué)、處處能學(xué)、時時可學(xué)”的理念[12]。2023年9月教育部印發(fā)的《學(xué)習(xí)型社會建設(shè)重點任務(wù)》中強(qiáng)調(diào)要“推進(jìn)學(xué)習(xí)型社區(qū)”“把建設(shè)學(xué)習(xí)型社會、學(xué)習(xí)型大國作為建設(shè)教育強(qiáng)國的戰(zhàn)略舉措”。社區(qū)中的互動與學(xué)習(xí)是密不可分的，不同的學(xué)習(xí)者相互協(xié)作，便形成了一個個小型的學(xué)習(xí)社區(qū)。因此，要深刻理解學(xué)習(xí)型社區(qū)對教育強(qiáng)國的內(nèi)涵意義。學(xué)習(xí)型社區(qū)，是指通過學(xué)習(xí)促進(jìn)社區(qū)的發(fā)展，以社區(qū)教育體系和學(xué)習(xí)組織為基礎(chǔ)，通過設(shè)置多樣化的社區(qū)學(xué)習(xí)活動，讓社區(qū)居民參與其中，從而有效地提高社區(qū)居民的素質(zhì)和生活質(zhì)量，發(fā)展成一個可持續(xù)發(fā)展的學(xué)習(xí)型社區(qū)[13]。基于社區(qū)視角，已有研究強(qiáng)調(diào)了促進(jìn)教育強(qiáng)國的進(jìn)程中建設(shè)學(xué)習(xí)型社會的必要性，并且嘗試洞察在線學(xué)習(xí)型社區(qū)學(xué)習(xí)者的特征[14]。

（二）在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析

在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析主要應(yīng)用社會網(wǎng)絡(luò)分析方法來揭示網(wǎng)絡(luò)存在的特征，進(jìn)而發(fā)現(xiàn)學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，可以為后續(xù)學(xué)習(xí)預(yù)測、資源推薦以及教師干預(yù)等功能提供支持。近年來，在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析的相關(guān)研究日益增多，其中主要包括網(wǎng)絡(luò)特征測量，與學(xué)習(xí)行為、認(rèn)知發(fā)展以及學(xué)習(xí)成效關(guān)系等不同分析主題的研究。網(wǎng)絡(luò)特征測量更多關(guān)注于測量指標(biāo)的設(shè)計，例如，對于學(xué)習(xí)行為關(guān)系的分析，于玻等人[15]結(jié)合社會網(wǎng)絡(luò)分析法和內(nèi)容分析方法對cMOOC學(xué)習(xí)者進(jìn)行分類，識別出了8類具有不同參與度的學(xué)習(xí)者。石月鳳等人[16]則分析了在線學(xué)習(xí)者社會網(wǎng)絡(luò)位置信息與學(xué)習(xí)行為之間的相關(guān)性，認(rèn)為兩者之間是正相關(guān)的。為分析在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)和認(rèn)知發(fā)展之間的相互作用關(guān)系，王慧敏等人[17]和徐亞倩等人[18]均以cMOOC的學(xué)習(xí)者交互關(guān)系網(wǎng)絡(luò)作為分析對象，對個體社會網(wǎng)絡(luò)地位與其認(rèn)知概念網(wǎng)絡(luò)特征水平之間的關(guān)系進(jìn)行了可視化分析，結(jié)果發(fā)現(xiàn)學(xué)習(xí)者的網(wǎng)絡(luò)中心性與其認(rèn)知發(fā)展水平是顯著正相關(guān)的。為探究學(xué)習(xí)成效的影響因素，劉三女牙等人[19]從在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析的角度出發(fā)，對學(xué)習(xí)者的典型網(wǎng)絡(luò)特征與學(xué)習(xí)成效的關(guān)系進(jìn)行了實證分析，取得了顯著效果。

總的來說，已有的相關(guān)工作均在不同程度上證明了在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析的研究價值，然而大部分工作都從學(xué)習(xí)者個體角度出發(fā)進(jìn)行相關(guān)分析，從學(xué)習(xí)型社區(qū)發(fā)現(xiàn)視角進(jìn)行相關(guān)分析仍有待進(jìn)一步研究。

（三）相關(guān)現(xiàn)狀的總結(jié)與啟示

為了尋求解決方案，本文嘗試從已有的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的研究工作中獲取啟示。已有研究提出社區(qū)發(fā)現(xiàn)具有重要的應(yīng)用價值，例如可以從社會網(wǎng)絡(luò)挖掘派系或團(tuán)體，從合著關(guān)系網(wǎng)絡(luò)中挖掘研究團(tuán)隊以及從通信網(wǎng)絡(luò)中挖掘欺詐團(tuán)伙等。目前研究人員對社區(qū)發(fā)現(xiàn)的研究更多集中在模型和應(yīng)用層面。首先在模型層面，由于社區(qū)發(fā)現(xiàn)本身屬于一個交叉學(xué)科研究問題，社會學(xué)、物理學(xué)、數(shù)學(xué)以及信息科學(xué)等多個學(xué)科領(lǐng)域都提出了許多有效方法，其中包括基于模塊度最大化的方法[20]、基于標(biāo)簽傳播的方法[21]、基于矩陣分解的方法[22]以及基于深度學(xué)習(xí)的方法[23]等。各種類型的方法都各具優(yōu)勢，但基于深度學(xué)習(xí)的方法具有強(qiáng)大的網(wǎng)絡(luò)特征學(xué)習(xí)能力，因此常?？梢垣@得更好的社區(qū)發(fā)現(xiàn)結(jié)果。在應(yīng)用層面，社區(qū)發(fā)現(xiàn)在社交網(wǎng)絡(luò)、作者合著關(guān)系網(wǎng)絡(luò)、生物信息網(wǎng)絡(luò)以及通信網(wǎng)絡(luò)等各類型網(wǎng)絡(luò)上都有大量應(yīng)用，但在學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)上的應(yīng)用較少?？偟膩碚f，目前國內(nèi)外的研究都很少專注于學(xué)習(xí)型社區(qū)發(fā)現(xiàn)的研究，并且更缺乏從社區(qū)發(fā)現(xiàn)視角對在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)進(jìn)行深入分析的研究。要明確構(gòu)建什么樣的學(xué)習(xí)型社區(qū)，就需要探究學(xué)習(xí)型社區(qū)的發(fā)現(xiàn)。本研究基于已有的社區(qū)發(fā)現(xiàn)算法，基于在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析視角進(jìn)行學(xué)習(xí)型社區(qū)發(fā)現(xiàn)，以識別具有相同學(xué)習(xí)興趣且聯(lián)系緊密的學(xué)習(xí)群體，這有助于理解學(xué)習(xí)者的群體學(xué)習(xí)行為模式，明晰如何通過組合多個有貢獻(xiàn)的在線學(xué)習(xí)型社區(qū)，賦能教育強(qiáng)國建設(shè)。

三、基于學(xué)習(xí)型社區(qū)發(fā)現(xiàn)的學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析方法

（一）學(xué)習(xí)型社區(qū)發(fā)現(xiàn)方法設(shè)計

現(xiàn)有的社區(qū)發(fā)現(xiàn)方法研究表明，集成更多類型的數(shù)據(jù)，不僅能夠更準(zhǔn)確地挖掘潛在社區(qū)，而且有利于對社區(qū)進(jìn)行特征分析與語義描述[24]?；谝延械纳鐓^(qū)發(fā)現(xiàn)算法，本研究設(shè)計的在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析視角下的學(xué)習(xí)型社區(qū)發(fā)現(xiàn)方法，不僅利用學(xué)習(xí)者之間的關(guān)系信息（如好友關(guān)系或關(guān)注關(guān)系），而且還利用學(xué)習(xí)者在學(xué)習(xí)過程中產(chǎn)生的文本內(nèi)容信息進(jìn)行挖掘，其中主要包括所學(xué)課程的基本信息（如課程簡介和教學(xué)大綱）、學(xué)習(xí)者發(fā)表的評論以及留言等。

為充分集成利用學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)信息和文本內(nèi)容信息進(jìn)行學(xué)習(xí)型社區(qū)發(fā)現(xiàn)，首先把學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)信息轉(zhuǎn)換為用二值表示的學(xué)習(xí)者關(guān)系矩陣A（A中的元素值為1表示對應(yīng)學(xué)習(xí)者之間存在連接，0則表示沒有連接），學(xué)習(xí)者文本內(nèi)容信息則利用詞袋模型轉(zhuǎn)換為學(xué)習(xí)者特征詞矩陣X（X中的元素值表示為相應(yīng)的特征詞在學(xué)習(xí)者文本內(nèi)容中出現(xiàn)的頻次），然后使用目前在網(wǎng)絡(luò)表示學(xué)習(xí)中廣泛使用的圖卷積網(wǎng)絡(luò)Graph Convolutional Network （GCN） [25]把A和X作為輸入獲得學(xué)習(xí)者的特征表示矩陣Z，最后采用非負(fù)矩陣分解（Non-negative Matrix Factorization，NMF）聚類模型[26]對Z進(jìn)行分解從而獲得學(xué)習(xí)者社區(qū)隸屬關(guān)系矩陣W和社區(qū)表示矩陣H。本研究設(shè)計的學(xué)習(xí)型社區(qū)發(fā)現(xiàn)方法整體框架如圖1所示，其中圖卷積神經(jīng)網(wǎng)絡(luò)GCN和NMF聚類模型這兩個核心組成部分的具體實現(xiàn)分別介紹如下：

其中W可以用來判斷每一個學(xué)習(xí)者的社區(qū)歸屬。具體而言，對于某個學(xué)習(xí)者i，W的第i行元素中最大值對應(yīng)的列值即可作為其隸屬的社區(qū)編號。

（二）學(xué)習(xí)型社區(qū)特征度量指標(biāo)設(shè)計

要以社區(qū)為突破口助力“人人皆學(xué)、處處能學(xué)、時時可學(xué)”的學(xué)習(xí)型社會建設(shè)，促進(jìn)教育強(qiáng)國逐級落地，必須明確教育質(zhì)量評價體系，以教育質(zhì)量作為衡量教育成果的重要指標(biāo)。為了促進(jìn)在線學(xué)習(xí)者可以不受時間和地域阻礙的時時學(xué)習(xí)，已有研究強(qiáng)調(diào)在線學(xué)習(xí)中要衡量在線參與度評價指標(biāo)，關(guān)注參與數(shù)量（如輸入信息頻率）和質(zhì)量，以分析互動學(xué)生的參與積極性，對學(xué)習(xí)型社區(qū)的互動學(xué)習(xí)和知識傳播做出貢獻(xiàn)[28]。為了建成高質(zhì)量的學(xué)習(xí)型社區(qū)，需要評價真正的質(zhì)量而不僅僅是認(rèn)知，評價所涵蓋的范圍包括學(xué)習(xí)績效、學(xué)習(xí)興趣、學(xué)習(xí)氛圍等等[29]?；谏鲜鰧逃|(zhì)量評價的理解，才能為優(yōu)質(zhì)學(xué)習(xí)型社區(qū)樹立標(biāo)準(zhǔn)，剖析學(xué)習(xí)型社會建設(shè)重點任務(wù)，有效地對在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)進(jìn)行分析。在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)視角下的學(xué)習(xí)型社區(qū)成員既包含關(guān)系網(wǎng)絡(luò)信息，也包含文本內(nèi)容特征信息，同時也可以進(jìn)一步關(guān)聯(lián)其他學(xué)習(xí)行為信息（如視頻觀看、互動交流、習(xí)題測試等），這些都能為學(xué)習(xí)型社區(qū)特征的分析提供數(shù)據(jù)來源。為對學(xué)習(xí)型社區(qū)整體和成員個體進(jìn)行特征分析，研究設(shè)計了連接密度（Density）、文本內(nèi)容特征平均相似度（Avgsim）、學(xué)習(xí)者成員重要度（Importance）以及活躍度（Activity）這四個特征度量指標(biāo)，其中連接密度和平均相似度可以對學(xué)習(xí)型社區(qū)進(jìn)行整體特征分析。學(xué)習(xí)者成員重要度和活躍度可以對學(xué)習(xí)型社區(qū)中的學(xué)習(xí)者成員個體進(jìn)行特征分析。各度量指標(biāo)的定義分別說明如下：

四、在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析結(jié)果

為應(yīng)用上述在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析視角下的學(xué)習(xí)型社區(qū)發(fā)現(xiàn)方法，本研究選取國家高等教育智慧教育平臺成員學(xué)堂在線的開放數(shù)據(jù)集MOOCCubeX[30]作為數(shù)據(jù)來源，包括關(guān)系網(wǎng)絡(luò)數(shù)據(jù)、文本內(nèi)容數(shù)據(jù)（課程簡介和用戶評論）以及學(xué)習(xí)行為數(shù)據(jù)（視頻觀看、習(xí)題測試和問題評論）等，其中樣本主要來自C++語言程序設(shè)計、軟件工程、大學(xué)計算機(jī)基礎(chǔ)等與計算機(jī)專業(yè)相關(guān)的課程。然后應(yīng)用設(shè)計的學(xué)習(xí)型社區(qū)發(fā)現(xiàn)方法挖掘潛在社區(qū)，最后基于學(xué)習(xí)型社區(qū)特征度量指標(biāo)進(jìn)行相關(guān)分析。

（一）關(guān)系網(wǎng)絡(luò)的統(tǒng)計特征及可視化。構(gòu)建的關(guān)系網(wǎng)絡(luò)為反映學(xué)習(xí)者之間的問題討論交互網(wǎng)絡(luò)，實際建模為無向網(wǎng)絡(luò)，其基本的統(tǒng)計特征如表1所示。從表1可以發(fā)現(xiàn)學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)的聚類系數(shù)為0.46，說明該網(wǎng)絡(luò)具有較好的節(jié)點聚集結(jié)構(gòu)（即社區(qū)）。采用力導(dǎo)引布局對該網(wǎng)絡(luò)進(jìn)行可視化分析（如圖2所示），也可以明顯地看出其中存在的節(jié)點聚集結(jié)構(gòu)。應(yīng)用本研究提出的學(xué)習(xí)型社區(qū)發(fā)現(xiàn)方法挖掘該學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)潛在學(xué)習(xí)型社區(qū)，采用模塊度（Modularity）作為方法性能的評價指標(biāo)[31]，最終獲得最優(yōu)模塊度為0.68，社區(qū)數(shù)為79，最大社區(qū)的成員數(shù)為1040，最小社區(qū)的成員數(shù)為3，社區(qū)的平均成員數(shù)為141.1。

（二）學(xué)習(xí)型社區(qū)整體特征度量分析。對獲得的各個學(xué)習(xí)型社區(qū)進(jìn)行整體特征的度量，包括連接密度Density和文本內(nèi)容特征平均相似度Avgsim，并在二維坐標(biāo)系中繪制各社區(qū)的Density和Avgsim分布（如下頁圖3所示）。從圖3可以看出，大部分?jǐn)?shù)據(jù)都分布在線性擬合線上或其周圍，說明Density和Avgsim具有相關(guān)性。通過進(jìn)一步計算兩者的協(xié)方差相關(guān)系數(shù)，結(jié)果為0.78，表明兩者具有很強(qiáng)的正相關(guān)性。Density和Avgsim的關(guān)系說明連接越緊密的社區(qū)，其成員的文本內(nèi)容特征越相似，其原因在于：同一社區(qū)的成員往往學(xué)習(xí)興趣更相似，如果成員間連接越緊密，協(xié)作學(xué)習(xí)交互行為會越頻繁，從而會產(chǎn)生和傳播更多相似的與學(xué)習(xí)相關(guān)的文本內(nèi)容信息，如學(xué)習(xí)課程的基本信息、問題回答、留言評論等。

學(xué)習(xí)型社區(qū)中的每一個成員都關(guān)聯(lián)相應(yīng)的文本內(nèi)容特征詞向量，如果某個特征詞在社區(qū)所有成員中出現(xiàn)越頻繁，那么該特征詞越能用于描述社區(qū)的學(xué)習(xí)興趣主題。表2給出了具有代表性的4個學(xué)習(xí)興趣主題社區(qū)，描述指標(biāo)包括Density、Avgsim以及社區(qū)中出現(xiàn)的前10個高頻特征詞。從表2可以看出，高頻特征詞與相應(yīng)社區(qū)的學(xué)習(xí)興趣主題都是密切相關(guān)的。

（三）學(xué)習(xí)型社區(qū)成員個體特征度量分析。對學(xué)習(xí)型社區(qū)的各成員根據(jù)式（7）和式（8）分別計算重要度和活躍度（選擇視頻觀看、習(xí)題測試及問題評論行為，權(quán)重分別設(shè)置為0.3，0.3和0.4），并繪制各成員的重要度和活躍度分布。圖4展示了表2所示四個社區(qū)的計算結(jié)果，可以看出學(xué)習(xí)者成員的重要度Importance和活躍度Activity是密切相關(guān)的，且越活躍的成員往往重要度越大。該現(xiàn)象可以解釋為：學(xué)習(xí)者越活躍，如提問及評論等互動交流行為越頻繁，越能增加其曝光率及影響力，這容易吸引更多學(xué)習(xí)者與其進(jìn)行直接交流互動，從而增加其在關(guān)系網(wǎng)絡(luò)中的連接數(shù)并提高重要度。

通過對成員的重要度或活躍度進(jìn)行度量并排序，可以直接了解學(xué)習(xí)型社區(qū)的活躍成員，這方便在線教學(xué)的教師或管理者了解學(xué)習(xí)者個體乃至全體的學(xué)習(xí)狀態(tài)，并輔助決策是否需要對消極的學(xué)習(xí)者采取干預(yù)措施。

（四）學(xué)習(xí)型社區(qū)特征與學(xué)習(xí)績效的關(guān)系分析。為探索學(xué)習(xí)型社區(qū)特征與學(xué)習(xí)績效的關(guān)系，選取數(shù)據(jù)結(jié)構(gòu)課程按不同學(xué)期所形成的兩個社區(qū)（社區(qū)A和社區(qū)B）作為分析對象，并結(jié)合兩個學(xué)習(xí)型社區(qū)各成員的習(xí)題平均成績進(jìn)行分析。在學(xué)習(xí)型社區(qū)成員個體特征方面，考慮到如前所述各成員的Importance和Activity特征是正相關(guān)的，因此只采用Activity特征作為代表匯總分析兩個社區(qū)成員個體特征與其習(xí)題平均成績（已進(jìn)行歸一化處理表示為Score）的關(guān)系，結(jié)果如圖5所示。從中可以看出Activity與Score是正相關(guān)的（協(xié)方差相關(guān)系數(shù)為0.53），越活躍的成員普遍成績越好，這說明學(xué)習(xí)型社區(qū)成員的活躍度對于成績的提高是有一定促進(jìn)作用的。

在學(xué)習(xí)型社區(qū)整體特征方面，社區(qū)A的Density和平均Activity值分別為0.66和0.51，社區(qū)B的Density和平均Activity值分別為0.34和0.32，可見社區(qū)A明顯優(yōu)于社區(qū)B：社區(qū)A的成員連接更緊密，學(xué)習(xí)活躍度更高。兩個社區(qū)成員的習(xí)題平均成績進(jìn)一步分別按五個等級（0—59，60—69，70—79，80—89，90—100）進(jìn)行劃分統(tǒng)計對比，結(jié)果如圖6所示。從圖6可以看出，社區(qū)A的課程成績優(yōu)良率（>=80分）明顯高于社區(qū)B，此外不及格率（<60分）也遠(yuǎn)低于社區(qū)B，這說明社區(qū)整體表現(xiàn)的特征對成員的學(xué)習(xí)成績也有一定影響。可以認(rèn)為如果社區(qū)連接越緊密，成員交流、傳播分享課程知識會更快速、更廣泛，學(xué)習(xí)型社區(qū)群體學(xué)習(xí)氛圍會更濃厚，這有利于加快成員的課程知識分享和建構(gòu)過程，并最終有利于成員的學(xué)習(xí)成績整體提高。反之連接稀疏的社區(qū)，成員之間的交流互動匱乏，則不利于形成學(xué)習(xí)型社區(qū)的群體學(xué)習(xí)氛圍，最終會對學(xué)習(xí)成績造成一定的不良影響。

五、形成在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析視角下的學(xué)習(xí)型社區(qū)賦能教育強(qiáng)國建設(shè)策略

（一）討論

本文以學(xué)習(xí)型社區(qū)為突破口，運(yùn)用在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析的視角，提出了四個學(xué)習(xí)型社區(qū)特征度量指標(biāo)：連接密度、文本內(nèi)容特征平均相似度、學(xué)習(xí)者成員重要度以及活躍度，并分別對學(xué)習(xí)型社區(qū)進(jìn)行整體特征分析和學(xué)習(xí)者成員個體進(jìn)行特征分析，深入探討其賦能教育強(qiáng)國建設(shè)的具體路徑。研究結(jié)果表明，學(xué)習(xí)型社區(qū)中大部分學(xué)習(xí)者活躍度較高，能夠依據(jù)個人興趣選擇并高效利用學(xué)習(xí)資源，通過小組協(xié)作和互動交流等模式，推動集體學(xué)習(xí)，并在度量指標(biāo)反饋的基礎(chǔ)上進(jìn)行反思與持續(xù)改進(jìn)。學(xué)習(xí)者的活躍度對學(xué)習(xí)成績有顯著影響，然而也存在部分成員表現(xiàn)出消極狀態(tài)，因此，有必要對其進(jìn)行問題診斷、評價、干預(yù)、跟蹤和監(jiān)督，以提升整體的學(xué)習(xí)活躍度和參與度，從而提高學(xué)習(xí)型社區(qū)的質(zhì)量，以構(gòu)建高質(zhì)量的學(xué)習(xí)型社區(qū)助力教育強(qiáng)國建設(shè)。綜合前期研究和現(xiàn)有研究成果，本文從關(guān)系網(wǎng)絡(luò)的角度分析社區(qū)高質(zhì)量發(fā)展的關(guān)鍵互動模式特征，識別出影響學(xué)習(xí)者活躍度的關(guān)鍵因素，并驗證了在線學(xué)習(xí)型社區(qū)的互動策略是否滿足新任務(wù)的要求，以及是否能夠適應(yīng)新的教育形勢。

首先，學(xué)習(xí)者的學(xué)習(xí)態(tài)度是影響其活躍度的核心因素。研究發(fā)現(xiàn)，活躍的學(xué)習(xí)者將吸引更多的學(xué)習(xí)者與其交流互動，提高其在學(xué)習(xí)型社區(qū)中的重要性。這些活躍的學(xué)習(xí)者能夠組成高質(zhì)量的學(xué)習(xí)型社區(qū)，而多個活躍的高質(zhì)量學(xué)習(xí)型社區(qū)將匯聚成為巨大的力量。以前的研究表明，社區(qū)特征與學(xué)習(xí)績效的關(guān)系密切，學(xué)習(xí)者之間的積極互動能增強(qiáng)效能感、促進(jìn)獲得集體知識[32]。其次，教師是否鼓勵學(xué)生也是關(guān)鍵因素之一。在教師給予一定鼓勵的前提下，學(xué)習(xí)者的學(xué)習(xí)積極性會更高。并且，學(xué)習(xí)者的學(xué)習(xí)積極性會影響課堂參與度，課堂投入度將影響學(xué)習(xí)成績。本文的研究結(jié)果也驗證了Luo等人的發(fā)現(xiàn)[33]，證明同一社區(qū)的成員往往學(xué)習(xí)興趣更相似，若成員間連接緊密，協(xié)作學(xué)習(xí)交互行為會越頻繁，社區(qū)中成員將互相建立信任、共同交流分享知識[34]。這說明為了加深社區(qū)成員之間的聯(lián)系，需要構(gòu)建優(yōu)質(zhì)學(xué)習(xí)型社區(qū)，加快知識分享、傳播的速度，營造濃厚學(xué)習(xí)氛圍，這些都有利于成員學(xué)習(xí)績效的提高，賦能教育強(qiáng)國建設(shè)。已有研究提出促進(jìn)混合學(xué)習(xí)社區(qū)協(xié)作與互動的策略，強(qiáng)調(diào)要關(guān)注社區(qū)中的協(xié)作質(zhì)量評價，促進(jìn)協(xié)作互動的深度，通過在線學(xué)習(xí)中建立的社會關(guān)系網(wǎng)絡(luò)，分析互動頻率來衡量社區(qū)中協(xié)作關(guān)系強(qiáng)度[35]，這一研究與本研究所使用的方法是類似的。

在此之外，雖然已有研究也強(qiáng)調(diào)了，在構(gòu)建學(xué)習(xí)型社會的過程中，對在線學(xué)習(xí)領(lǐng)域進(jìn)行社會網(wǎng)絡(luò)分析的重要性不容忽視[36]，但是他們主要基于文獻(xiàn)計量分析，缺乏實證數(shù)據(jù)，與已有研究相比，本文基于實證數(shù)據(jù)將網(wǎng)絡(luò)分析方法應(yīng)用于在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)的研究中，揭示面向教育強(qiáng)國建設(shè)的學(xué)習(xí)型社會目標(biāo)、在線學(xué)習(xí)社區(qū)中學(xué)習(xí)者的具體特點及行為模式。本文研究結(jié)果發(fā)展了這些觀點，通過學(xué)習(xí)型社區(qū)特征與學(xué)習(xí)績效的關(guān)系分析，本文認(rèn)為學(xué)習(xí)者的成績與活躍度呈正相關(guān)，即越活躍的成員普遍成績越好。本文突破了已有研究的局限性，揭示了在學(xué)習(xí)型社會的建設(shè)中分析關(guān)系網(wǎng)絡(luò)的重要性。一方面，對學(xué)習(xí)興趣主題的學(xué)習(xí)型社區(qū)關(guān)系網(wǎng)絡(luò)按活躍度形成了可視化分析結(jié)果，以幫助管理人員直觀地識別社區(qū)的活躍成員，干預(yù)不活躍成員的學(xué)習(xí)表現(xiàn)。另一方面，通過對社區(qū)成員個體特征進(jìn)行度量分析，將學(xué)習(xí)者活躍度、聯(lián)系緊密度等指標(biāo)與建設(shè)學(xué)習(xí)型社會建立關(guān)聯(lián)，促進(jìn)社區(qū)的分享交流，進(jìn)一步促進(jìn)教育強(qiáng)國戰(zhàn)略的落地。

（二）在線學(xué)習(xí)型社區(qū)賦能教育強(qiáng)國建設(shè)策略

為了助力教育強(qiáng)國在數(shù)字化轉(zhuǎn)型下的教育情境逐級落地，以學(xué)習(xí)型社區(qū)為單位，基于在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析視角分析賦能教育強(qiáng)國建設(shè)，結(jié)合研究結(jié)果，本研究提出了“構(gòu)建可視化學(xué)習(xí)型社區(qū)—開展社區(qū)之間知識分享—促進(jìn)各社區(qū)的互動合作—指標(biāo)反饋下的反思迭代”的在線學(xué)習(xí)型社區(qū)賦能教育強(qiáng)國建設(shè)策略。首先，在構(gòu)建可視化學(xué)習(xí)型社區(qū)方面，借助力導(dǎo)引布局，本研究構(gòu)建的關(guān)系網(wǎng)絡(luò)能反映學(xué)習(xí)者之間的交互關(guān)系。將可視化技術(shù)融入課堂，構(gòu)建可視化學(xué)習(xí)型社區(qū)對整個教育強(qiáng)國建設(shè)起到了重要作用。有效的學(xué)習(xí)型社區(qū)賦能教育強(qiáng)國建設(shè)策略強(qiáng)調(diào)要在課堂上充分利用可視化技術(shù)，促進(jìn)學(xué)習(xí)者對自身知識掌握水平的理解。其次，在開展社區(qū)之間的知識分享方面，優(yōu)質(zhì)數(shù)字資源的傳播效率與成員聯(lián)系的密切度有很大關(guān)系。合理推薦學(xué)習(xí)資源能提高在線學(xué)習(xí)成員的學(xué)習(xí)資源獲取質(zhì)量和效率，并提高學(xué)習(xí)的積極性和主動性。這種學(xué)習(xí)型社區(qū)對教育強(qiáng)國建設(shè)起到了積極的推動作用，是促進(jìn)教育強(qiáng)國建設(shè)的重要途徑之一。再次，在促進(jìn)各社區(qū)的互動合作方面，能夠提高學(xué)習(xí)型社會的連接度、活躍度和互動次數(shù)，加強(qiáng)團(tuán)體成員之間的聯(lián)系。在線學(xué)習(xí)型社區(qū)將提供優(yōu)質(zhì)的學(xué)習(xí)資源，讓學(xué)習(xí)者不僅在課上能學(xué)習(xí)，在課后也能進(jìn)行學(xué)習(xí)。在線學(xué)習(xí)型社區(qū)發(fā)揮了極其重要的作用，使得學(xué)習(xí)者不受時間、空間的限制，隨時隨地都能參與討論、學(xué)習(xí)。在未來，應(yīng)加快構(gòu)建高質(zhì)量的學(xué)習(xí)型社區(qū)賦能教育強(qiáng)國建設(shè)，為學(xué)習(xí)者提供更多的便利。最后，在指標(biāo)反饋下的反思迭代方面，基于學(xué)習(xí)者活躍度、與其他成員的聯(lián)系緊密度等指標(biāo)的反饋，反思在線社區(qū)是否達(dá)到高質(zhì)量發(fā)展的標(biāo)準(zhǔn)，通過多聽取學(xué)習(xí)者的意見，不斷地優(yōu)化和改進(jìn)在線學(xué)習(xí)社區(qū)發(fā)展質(zhì)量，以提升在線學(xué)習(xí)社區(qū)的質(zhì)量和效果；并在社區(qū)實踐過程中，根據(jù)實際情況對教育成果相關(guān)指標(biāo)進(jìn)行多輪的迭代改進(jìn)，及時解決制約學(xué)習(xí)型社區(qū)整體質(zhì)量提升的問題，通過多個高質(zhì)量學(xué)習(xí)型社區(qū)的疊加促進(jìn)教育強(qiáng)國建設(shè)。在線學(xué)習(xí)過程中，對討論區(qū)的有效運(yùn)用往往被忽視。因此，未來應(yīng)該更加關(guān)注學(xué)習(xí)者的活躍度，可以從重視討論區(qū)的建設(shè)、合理設(shè)置學(xué)習(xí)任務(wù)、樹立學(xué)習(xí)榜樣、設(shè)置獎懲機(jī)制等方面著手，同時借助在線課程平臺統(tǒng)計學(xué)習(xí)者活躍度，給予活躍度較低的學(xué)習(xí)者一定的關(guān)注和引導(dǎo)。以此建設(shè)在線學(xué)習(xí)社區(qū)共同體，通過學(xué)習(xí)型社區(qū)促進(jìn)師生互動和問題解決，賦能教育強(qiáng)國建設(shè)。

六、結(jié)語

本研究提出從社區(qū)發(fā)現(xiàn)視角進(jìn)行學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析，設(shè)計了相應(yīng)的社區(qū)發(fā)現(xiàn)方法和社區(qū)特征度量指標(biāo)，并以國家高等教育智慧教育平臺的數(shù)據(jù)集為例，在真實的學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)中進(jìn)行了應(yīng)用分析。應(yīng)用結(jié)果表明所提出的分析方法不僅可以對社區(qū)整體特征進(jìn)行分析，而且可以對社區(qū)成員個體特征進(jìn)行分析，同時可以提供一種直觀了解學(xué)習(xí)者群體或個體學(xué)習(xí)興趣特征和學(xué)習(xí)活躍度的路徑。更有意義的是，社區(qū)特征與學(xué)習(xí)績效關(guān)系的分析結(jié)果，可以啟發(fā)在線課程教師加強(qiáng)引導(dǎo)在線學(xué)習(xí)者的交互協(xié)作行為，不斷促進(jìn)高質(zhì)量學(xué)習(xí)社區(qū)的形成。本研究基于此提出在線學(xué)習(xí)者關(guān)系網(wǎng)絡(luò)分析視角下的四步驟學(xué)習(xí)型社區(qū)賦能教育強(qiáng)國建設(shè)策略，助力我國從教育大國向教育強(qiáng)國的轉(zhuǎn)變。

在后續(xù)的研究工作中，將探索通過社區(qū)演變分析的方式，從而對學(xué)習(xí)者的學(xué)習(xí)興趣變化進(jìn)行持續(xù)追蹤，培養(yǎng)德智體美勞全面發(fā)展的人才。為了響應(yīng)教育強(qiáng)國戰(zhàn)略所提出來的新要求，解決培養(yǎng)人才的目標(biāo)還比較泛化、處于初始階段的問題，未來可以對社區(qū)進(jìn)行持續(xù)跟蹤、挖掘所需要的人才。同時應(yīng)給予更多社區(qū)以策略支持，通過觀測某些指標(biāo)評判社區(qū)的質(zhì)量，使得更多優(yōu)質(zhì)學(xué)習(xí)型社區(qū)生根發(fā)芽，壓茬推進(jìn)形成教育強(qiáng)國。

參考文獻(xiàn)：

[1] 新華社.習(xí)近平：扎實推動教育強(qiáng)國建設(shè)[J].中國人才，2023，（10）：5.

[2] 王小根，謝興.教師研修數(shù)字化轉(zhuǎn)型：基于技術(shù)支持教師研修的分析[J].當(dāng)代教育與文化，2023，15（5）：40-47.

[3]中國互聯(lián)網(wǎng)絡(luò)信息中心.第52次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》[EB/OL].https：//www.cnnic.net.cn/n4/2023/0828/c88-10829.html，2023-08-28.

[4] Siemens G.Connectivism：a learning theory for the digital age [J]. International Journal of Instructional Technology and Distance Learning，2005，（1）：3-10.

[5] 秦婷，徐亞倩等.網(wǎng)絡(luò)分析方法在網(wǎng)絡(luò)教育中的應(yīng)用研究綜述[J].開放學(xué)習(xí)研究，2020，（2）：55-62.

[6] 劉三女牙，石月鳳等.網(wǎng)絡(luò)環(huán)境下群體互動學(xué)習(xí)分析的應(yīng)用研究——基于社會網(wǎng)絡(luò)分析的視角[J].中國電化教育，2017，361（2）：5-12.

[7][35] 林曉凡，胡欽太.社會網(wǎng)絡(luò)分析視角下的混合學(xué)習(xí)社群協(xié)作策略研究[J].現(xiàn)代教育技術(shù)，2014，24（10）：73-80.

[8] 張海濤，周紅磊等.在線社交網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)研究進(jìn)展[J].圖書情報工作，2020，64（9）：142-152.

[9] 劉復(fù)興，董昕怡.論教育強(qiáng)國指標(biāo)體系建構(gòu)[J].新疆師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2024，45（1）：118-126.

[10][14] 伍清玲.“互聯(lián)網(wǎng)+”視角下社區(qū)教育多媒體輔助教學(xué)方法創(chuàng)新模式研究[J].繼續(xù)教育研究，2023，（11）：56-60.

[11] Girvan M.，Newman M.E.J.Community structure in social and biological networks [J].Proceedings of the National Academy of the Sciences，2002，（99）：7821-7826.

[12] Lin，X.-F.，Chiu，T.K.F.，et al.Teacher learning community for ARintegrated STEM education [J].Teaching and Teacher Education，2024， 141：104490.

[13] 張小迎，戴晴.高校圖書館助力學(xué)習(xí)型社區(qū)建設(shè)的新吳模式實踐研究[J].黑龍江教師發(fā)展學(xué)院學(xué)報，2023，42（2）：151-153.

[15] 于玻，徐珺巖等.基于社會網(wǎng)絡(luò)和話題相似度的cMOOC學(xué)習(xí)者聚類研究[J].開放學(xué)習(xí)研究，2020，25（1）：10-21.

[16] 石月鳳，劉三女牙等.基于社會網(wǎng)絡(luò)分析的在線學(xué)習(xí)行為分析實證研究[J].中國教育信息化，2019，（1）：5-10.

[17] 王慧敏，陳麗.cMOOC微信群社會網(wǎng)絡(luò)特征及其對學(xué)習(xí)者認(rèn)知發(fā)展的影響[J].中國遠(yuǎn)程教育，2019，（11）：15-23+92.

[18] 徐亞倩，陳麗.聯(lián)通主義學(xué)習(xí)中個體網(wǎng)絡(luò)地位與其概念網(wǎng)絡(luò)特征的關(guān)系探究——基于cMOOC第1期課程部分交互內(nèi)容的分析[J].中國遠(yuǎn)程教育，2019，（10）：9-19+51+92.

[19] 劉三女牙，郭美伶等.不同關(guān)系定義下在線交互網(wǎng)絡(luò)特點及其與學(xué)習(xí)績效關(guān)系——以SPOC論壇為例[J].開放教育研究，2020，（3）：80-90.

[20][31] Newman M.E.J.Modularity and community structure in networks [J].Proceedings of the National Academy of the Sciences，2006，（23）：8577-8582.

[21] Garza E.S.，Schaeffer E.S.Community detection with the label propagation algorithm：A survey [J].Physica A：Statistical Mechanics and its Applications，2019，534：122058.

[22][27] He C.B.，F(xiàn)ei X.，et al.A survey of community detection in complex networks using nonnegative matrix factorization [J].IEEE Transactions on Computational Social Systems，2022，9（2）：440-457.

[23][25] Jin D.，Yu Z. Z.，et al.A survey of community detection approaches：from statistical modeling to deep learning [J].IEEE Transactions on Knowledge and Data Engineering，2023，35（2）：1149-1170.

[24] Fortunato S.，Hric D.Community detection in networks：A user guide [J]. Physics Reports，2016，（659）；1-44.

[26] Lee D.D.，Seung H.S..Learning the parts of objects by non-negative matrix factorization [J].Nature，1999，（401）：788-791.

[28] 李文昊，白文倩.反思型異步學(xué)習(xí)模式中的學(xué)生參與度研究[J].遠(yuǎn)程教育雜志，2011，29（3）：14-20.

[29] 吳文濤，劉和海等.建設(shè)學(xué)習(xí)型大國：以教育數(shù)字化踐行中國式現(xiàn)代化[J].中國電化教育，2023，（3）：17-24+45.

[30] Yu J.F.，Lu M.Y.，et al.MoocRadar：A fine-grained and multi-aspect knowledge repository for improving cognitive student modeling in MOOCs [A].Proceedings of the 46th International ACM SIGIR Conference on Research and Development in Information Retrieval [C].New York：Association for Computing Machinery，2023.2924-2934.

[32] Vossen，T.E.，Henze，I.，et al.Finding the connection between research and design：The knowledge development of STEM teachers in a professional learning community [J].International Journal of Technology and Design Education，2020，30：295-320.

[33] Luo，T.，F(xiàn)reeman，C.，et al.“Like，comment，and share”-professional development through social media in higher education：A systematic review [J].Educational Technology Research and Development，2020，68：1659-1683.

[34][36] 吳濤，張子石等.網(wǎng)絡(luò)學(xué)習(xí)領(lǐng)域作者合作的社會網(wǎng)絡(luò)分析——基于CSSCI的文獻(xiàn)計量研究[J].中國電化教育，2017，（2）：96-102.

作者簡介：

賀超波：教授，博士，研究方向為圖數(shù)據(jù)挖掘與智能教育。

林曉凡：副教授，博士，研究方向為智慧教育、數(shù)字化學(xué)習(xí)應(yīng)用。

Empowering the Construction of Education Power with the Learning Community： Based on the Analysis of Online Learner Relationship Networks

He Chaobo1， Lin Xiaofan2， Cheng Junwei1， Tang Yong1， Zhang Yinuo2

1.School of Computer Science， South China Normal University， Guangzhou 510631， Guangdong 2.School of Information Technology in Education， South China Normal University， Guangzhou 510631， Guangdong

Abstract： The building of learning communities contributes significantly to the realization of education power. Various collaborative and interactive behaviors of online learners in the community facilitate the formation of learner relationship networks. A deep analysis of these networks can uncover intrinsic characteristics of community learning. This study proposes to analyze the learner relationship networks from the perspective of community discovery. It starts by designing a novel method for discovering learning communities based on graph convolution networks and nonnegative matrix factorization， integrating information from the learner’s relational network and textual content. It introduces four community feature measurement metrics for applications in read-world learner relationship networks. The results show that the proposed analysis method can effectively uncover interest-themed communities within the learner relationship networks. It also allows for the characterization of the community as a whole and individual member， providing the decision support to guide the online interaction and collaborative behaviors of learners. Finally， it develops an online learning community enabling strategy， comprising “building visual learning communities， facilitating knowledge sharing among communities， promoting interaction and cooperation between communities， and reflecting and iterating under the feedback of indicators”. Through the strategy to enable the high-quality development of learning communities， with the combination of community new quality productivity to foster a learning community， which will boost the development of education powerhouse.

Keywords： learner relationship networks； network analysis； learning community； community discovery； education power

責(zé)任編輯：李雅瑄