关键词：
异步在线讨论
认知存在
深度学习
关联机制
实证研究
摘要：
发展高质量在线教育已经成为关系国家教育事业和经济社会发展的全局性、战略性问题。作为支持学习者开展在线学习的主要途径,异步在线讨论在促进学习者顺利开展知识互动、情感交流以及发展高阶思维等方面起到了关键作用,对促进学习者全面和个性化发展具有重要意义。近年来,随着“人工智能+”以及云计算、大数据、深度学习和智能设备的发展与普及,参与在线学习和异步在线讨论的学习者呈现爆发式增长,并逐渐成为教育信息化中的一种新常态。该背景下,现有研究多围绕基础理论建构、在线学习交互机理、情感分析等主题已做了大量工作,特别是结合互动话语数据和定性内容方法探究学习者互动模式、话语情感及其对学习成效的影响,但对讨论话语质量、知识建构尤其是认知存在模式及其过程仍缺乏有益探索。在异步在线讨论中开展基于互动话语的认知存在分析,有助于教师更好把控学习者认知加工程度和话语质量,从而为甄别学习者认知水平、协助教师制定智能化导学或激励机制、提升在线学习成效等诸多方面提供可靠参照。
异步在线讨论环境是开展在线学习的有效工具,学习者在参与讨论活动时产生的海量互动话语数据为解构认知存在及其发展规律提供了更多可能。本研究围绕异步在线讨论环境,以学习者在协作交流、问题解答和合作互助等在线学习环节中产生的互动讨论数据为切入点,针对学习者认知存在感知方法、特征及关联关系和干预方法进行了较为深入的研究,具体内容如下:
(1)提出融合预训练语言模型和领域知识的认知存在感知方法。针对现有算法多使用传统机器学习模型、依赖手动构建特征和大规模标注数据的弊端,提出一种融合预训练语言模型和领域知识的认知存在感知方法MOOC-BERT。MOOC-BERT具有包括输入层、编码层和输出层在内的三层网络结构,使用多层双向Transformer编码器构建上下文语义表征和语义关联。之后,基于包含经济、科技、人文、心理和艺术五个学科领域的800在线课程讨论数据对MOOC-BERT进行预训练,使其充分获取不同学科的领域知识。对比实验表明,相比于主流深度学习方法,融合领域知识的预训练模型MOOC-BERT在认知存在感知任务上达到最佳水平,且具有较高程度的泛化性和解释性。
(2)发现异步在线讨论中学习者认知时序特征和关联模式。在面对海量在线互动话语数据时,通过数据驱动的方式挖掘学习者认知存在规律和关联模式有助于教师把握学习状态,从而为个性化教学策略制定提供依据。针对现有研究中多从静态角度描述学习者认知存在水平变化,而较少从动态视角观察认知存在演化规律和关联模式的问题,在使用MOOC-BERT实现对异步讨论数据完成认知存在自动化编码的基础上,结合自动化编码数据,通过数据统计和可视化分析对学习者1-22周的认知水平演化趋势进行探究。其次,引入有序网络分析法对课程前期、中期和后期学习者认知节点关联模式及其定向序列进行了探究,实现了细粒度、可视化的认知存在状态追踪。同时,使用有序网络分析中的叠减网络对课程不同阶段学习认知关联和序列模式之间的差异性进行对比,实现了细粒度、可视化的学习者认知存在关联分析。
(3)揭示异步在线讨论中认知存在和学习成效之间的关联关系。认知存在是学习成效重要预测因素,探究异步在线讨论中认知存在与学习成效影响机理对促进学习者高阶思维和学习成效共同发展有重要作用。针对现有研究较少从大规模异步讨论数据探究不同层次认知存在对学习成效的影响,选择某门在线课程中6553名学习者为研究对象,使用MOOC-BERT对其产生的互动话语数据进行自动化编码,并对获得不同学习成效学习者的认知存在发生频次及其差异进行分析。其次,引入认知网络分析法对不同学习成效学习者认知存在关联模式及其差异进行解构。最后,使用相关性分析、多元线性回归和结构方程模型等方法对认知存在和学习成效的影响机制进行建模,深度探究两者之间内部关联作用,为后续研究提供了理论依据和参照。
(4)异步在线讨论中对学习者认知存在和学习成效的干预研究。在缺乏师生面对面互动和针对性教学干预下,大多数学习者难以通过自发的异步讨论实现高阶认知和学习成效的提升。针对该问题,利用MOOC-BERT认知存在感知方法设计并构建基于可视化干预的表征工具,并以122名在线学习者为研究对象开展实证研究,使用多元方差分析探究表征工具对高阶认知存在的干预效果。其次,基于协方差分析,验证表征工具对学习成效和动机的促进作用。再次,基于有序网络分析方法从细粒度角度探究表征工具如何影响学习者认知存在网络和认知加工过程,并对认知存在、学习成效及动机水平之间的关系进行了调节作用分析,实现了对表征工具干预效果全方位验证。
欢迎来到三峡大学图书馆！
