网络人际交互的无尺度特性与信息深度交换

版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
http://educationaltechnology.blogbus.com/logs/58305958.html


网络人际交互的无尺度特性与信息深度交换（上）
作者：胡艺文
引子：能再次看到无尺度三个字，这让我非常高兴。
一方面，在网络学习共同体特别是博客群构建起来之后，关于信息的深度交流缺乏，一直让教育技术学者们颇为头疼。似乎所有的博客群的统计分析结果表明，已有的博客圈内成员的信息交流都是浅表的，并非预想的那么好。
另一方面，08年我就注意到了无尺度理论印证了教学资源的分配现状，在当时陈向东是对于“一种新的教育网站评价方法链接分析”（中国电化教育，2007，7）取得灵感，虽然作者没有说明，可能是陈向东不知道无尺度，但是该文所取得的结论实质上就是无尺度的现象。在我的博文中有详细阐述：无尺度网络在知识挖掘中的应用
（http：//educationaltechnology.blogbus.com/logs/8226885.html）


一、在线学习者异步交互的拓扑结构研究
这是华东师范大学张超发表于《电化教育研究》09年第二期的文章。核心是基于复杂网络模型，抽象出的对节点分布和群集现象的研究发现：在弱干预条件下，交互具有无尺度结构，呈现小世界特征；在强干预条件下，交互网络分布背离幂次定律，趋于平均化。
群集函数特征的差异表明，在弱干预条件下，整个交互网络呈现出明显的层次拓扑结构，具有小世界特征。大多数节点分别依附在若干个节点上，形成若干个小网络，小网络经过选择性的互联形成大网络并产生少数几个中心节点，最后这几个中心节点互联成完整的网络。另一方面，在强干预条件下，节点群集系数分布比较均匀，
交互网络没有出现层次拓扑结构。产生这种现象的原因是由于学习干预的实施，学习者在线交流的积极性大大增加，从而使得大部分学习者的交流对象也越来越广泛。随着时间的推移，学习者之间的交互链接趋于平均化，刚开始出现的中心节点的优势也逐渐丧失，从而显示出比较均匀的非层次化的拓扑结构。
以上结论是实验取得，同时也证明，我们所关注的，诸多类似“东行记”、“海盐教师博客”、“天河部落”、“苏州教育”的虚拟社区都属于弱干预的，遵循幂次定律，具有小世界特征，符合无尺度网络结构。


二、Gunawardena的交互认识建构模型
在网络学习方面，Gunawardena在分析一个在线国际论坛的基础上，提出了一个包含五个阶段的新的交互知识建构模型，用以解决在网络学习过程中群体的知识建构，并把学习者所发布的学习信息（或者信息的一部分）归类到相应的五个关键思维阶段。这五个阶段是：
第一阶段：学员相互分享各种信息、观点，针对讨论的主题进行描述。包括：
对某个观察结果或者某个观点进行描述（PH1/A）；
对其他参与者的观点表示认同的描述（PH1/B）；
证实其他学习者所提供的例子（PH1/C）；
相互询问、回答以澄清描述的问题（PH1/D）；
详细地说明、描述、确定一个问题（PH1/E）。
第二阶段：学员发现和分析在各种思想、概念或者描述中不一致的地方，深化对问题的认识。包括：
确定并描述不一致的地方（PH2/A）；
询问、回答问题以澄清不一致的地方与差异程度（PH2/B）；
重申学习者的立场，并利用学习者的经验、文献、
收集到的正式数据或者相关的隐喻建议或者类比来
进一步阐述、支持其观点（PH2/C）；
提出替代假设（PH2/D）。
第三阶段：学员通过意义协商，进行知识的群体建构。包括：
协商或者澄清术语的意义（PH3/A）；
协商各种观点并分辨其重要性（PH3/B）；
鉴别相互冲突的概念间存在的共同之处（PH3/C）；
提出并协商体现妥协、共同建构的新描述（PH3/D）；
整合包含隐喻或者类比的建议（PH3/E）。
第四阶段：学员对新建构的观点进行检验和修改。
第五阶段：学习者达成一致，应用新建构的知识。



三、无尺度结构现状与深度学习要求的矛盾
通过将学习者交流的内容分成这五类，我们可以清楚的了解学习者之间交互的性质，清楚知识建构的互动过程和深度。可以说，这种分类方式为我们提供了一种先进的工具来给社会网络做内容分析。结合传统的两种社会网络分析方法（图式与矩阵），对社会网络的研究将会跟更加的深入和全面。
基于这五个阶段的理论，我们可以很容易的发现，现在的具有无尺度结构小世界特性的松散虚拟社区中的信息交互式浅层的，并非深度学习，交流仅存在于PH1/A、PH1/B、PH1/C；甚至于连PH1/D和PH1/E都比较少见。至于PH2层面的交流，几乎没有，更不谈PH3\PH4\PH5了。
在《中国远程教育》2009年12期的文章《基于博客的深度学习研究》中就对苏州博客社区进行了统计分析，能达到PH3\PH4\PH5层面的仅有3条，占样本的1.7%，这是多么恐怖的结果，这表明之前我们所说的利用博客，促进个人和群体显性/隐形知识的相互转换效率不到1.7%——也就是说，这个美好的愿望几乎从未实现过。
原因分析：
1、异步交流不符合深入学习和认知的基本规律。之所以头脑风暴效果好是因为大家坐在一起，在较短的时间（半个小时之内），集中精力去思考和解决问题。而异步交流需要对一个问题间隔很长时间而在一个人独立思考的情况下再度发生深层次的思辨和认知构建，这对于一个正常人来说很难。在往复交换信息两次或者三次以上，有足够多的了解和思考交互之后，才可能有深层次的检验和应用，而这在异步交互中需要很长时间。
2、异步交互极难有持续的强干预产生。因此不可避免的向无尺度结构发展，而非趋于平均化。导致中心节点的产生（意见领袖），于是中心节点（意见领袖）的观点，极易主导问题的发展方向，不利与问题的横向发展。


四、我的假设：在弱干预环境下，深度学习较多的发生于无尺度网络的中心节点
以上凸显了无尺度结构和深入学习之间的内在联系。那么，我假设：深度学习较多的发生于网络的中心节点呢？如果成立，则中心节点的价值被证实，如果不成立，那么在无尺度网络结构的虚拟社区中，深度学习的产生又有什么规律？
这个实验目前未曾见到相关研究。我所设想的如下：
1、选取弱干预环境下的实验样本；
2、利用图式与矩阵方法，分离出该样本中的中心节点，标记为逻辑核心A；（占样本比例的5%甚至更低）
3、语义分析该样本的学习产生点，分离出该样本中的深度学习产生点，标记为行为核心B；
4、比对逻辑核心A和行为核心B，若两个核心群不具有显著差异，则假设成立；若两个核心具有显著差异，则假设不成立，猜想被推翻。
当然，样本尽可能大为好，小样本往往容易受到干扰。而大样本进行人工的语义分析显然不可能，而采用计算机程序的非人工语义分析手段又不具有较高的准确率，造成新的干扰。


五、参考文献
1、王丽、谈云兵，《基于博客的深度学习研究》，《中国远程教育》，2009，12
2、陈向东，《一种新的教育网站评价方法链接分析》，《中国电化教育》，2007，07
3、王运峰，《对社会网络做内容分析》http://wyf19831.blogbus.com/logs/16776432.html
4、张超，祝智庭，《在线学习者异步交互的拓扑结构研究》，《电化教育研究》，2009，02
5、胡勇，王陆，《异步网络协作学习中知识建构的内容分析和社会网络分析》，《电化教育研究》，2006，11
6、胡艺文，无尺度网络在知识挖掘中的应用
（http：//educationaltechnology.blogbus.com/logs/8226885.html）