王辞晓 刘文辉
摘要:新一代认知科学认为,人类高阶心智能力最先是从社会文化情境中的人际交互获得的,群体认知可以被视作小组成员协同交互的过程性表现,个体间的分布式认知系统通过群体交互实现个体认知和群体认知的联接。协作脚本作为群体交互的约束与指导,影响着小组成员的角色扮演与认知发展。协作脚本中的角色互动融合了个体特征与群体文化,能够将小组成员的认知参与充分外显,为理解和表征群体认知提供了新的视角。面向群体认知的三层级角色互动分析模型,從角色展现、角色协调和角色结构三个层级来诠释协作脚本中的角色互动。角色展现分析旨在深入描述与呈现小组协作中的多种生成性和脚本化角色;
角色协调分析主要从时间维度呈现小组成员角色转换、行为模式的形成与演化;
角色结构分析重在从空间尺度上展现不同角色在互动中发展的关系网络与认知网络。对角色互动进行深描,需要从质性与量化研究的双重视角,融合多维的分析方法,不仅分析角色的当前状态,还要呈现其协调过程与关系网络。
关键词:协作学习;
群体认知;
协作脚本;
角色互动;
学习分析
中图分类号:G434 文献标识码:A 文章编号:1009-5195(2023)02-0102-11 doi10.3969/j.issn.1009-5195.2023.02.012
基金项目:国家自然科学基金青年科学基金项目“基于社会—行为—认知—情感的在线协作角色互动分析与干预研究”(62207003)。
作者简介:王辞晓,博士,讲师,北京师范大学教育学部教育技术学院(北京 100875);
刘文辉(通讯作者),博士研究生,北京师范大学教育学部教育技术学院(北京 100875)。
一、引言
计算机支持的协作学习(Computer-Supported Collaborative Learning,CSCL)是一个综合了认知心理学、计算机科学、教育学的跨学科领域。由于各学科的理论背景不尽相同,CSCL需要发展出能够将各学科的理论和实践紧密联系在一起的独特话语体系。通过探索,CSCL领域学者发现“脚本”(Script)是一个能够连接多个学科且能够划分CSCL领域边界的术语(Fischer et al.,2007)。在认知心理学中,脚本是指导个体在特定情况下进行理解和行动的记忆结构;
在计算机科学中,设计人员使用脚本来创建和适应性地调整系统功能,并指导学习者完成复杂的工作或学习过程;
在教育学领域,脚本则是支撑小组成员学习过程的教学支架。CSCL领域学者致力于将以上三个学科的脚本进行综合,得出更为简化的专用于CSCL的概念——协作脚本(Collaboration Script),用来指代特定任务中的合作过程和行动方式(Fischer et al.,2007)。
在协作学习中,无论是小组内部自发生成的还是外部干预指派的协作脚本,均会涉及到小组成员因职责不同而呈现出的角色扮演现象。社会学家戈夫曼借用了戏剧表演领域的舞台演出艺术原理,探讨了个体在各类情境中向他人呈现自己的方式(欧文·戈夫曼,2008)。这种呈现被称为表演,而个体是角色的扮演者,群体是角色的发生场域。角色的扮演、发展、转换,不仅体现了社会文化生活中的人际互动,还能够反映出小组作为一个有机整体在执行协作任务时的系统化功能。在以往研究中,群体认知(Group Cognition)被视作认知任务的协作表现(Collaborative Performance of Cognitive Tasks),其功能在于促进集体意义建构或成果产出(Theiner,2014)。然而,群体认知该如何进行具象化表征、如何通过教学干预提升群体认知能力,还需要结合认知科学和协作学习相关理论开展探索。协作脚本中的角色互动能够将群体在资源分配、任务协调等方面的认知参与充分外显,对其进行深描将有助于人们深刻认识小组协作过程中的群体认知及其表现形式。此外,理解角色互动有助于设计更具有针对性的协作脚本,并为结构化呈现、评价协作学习过程提供理论框架。基于此,本文拟从群体认知的内涵与工作机制出发,梳理协作脚本中角色互动的相关理论和实证研究,系统论证角色互动对群体认知的可解释作用和分析模型,为理解和表征群体认知提供新的研究视角,为促进小组有效协作的脚本设计提供实践建议。
二、群体认知的内涵与工作机制
1.新一代认知科学视角下的群体认知
对个体而言,认知是指获得知识或应用知识的心理过程,包括记忆、情感、言语、思维、注意和意识等多种表现形式(Mesulam,1998)。传统认知科学主张,个体的认知是仅发生在大脑内部的信息加工过程。以具身认知、延展认知、嵌入式认知等理论为代表的新一代认知科学则更加关注超出大脑外的情境互动对认知的作用(王辞晓,2018;
张婧婧等,2021)。具身认知指出身体及其经验也是认知过程的一部分,个体能够调用过去身体经验理解外部环境或将认知卸载到大脑以外的其他身体部位;
延展认知主张个体的认知过程能够延展到其所处的环境之中(包含物理环境与社会文化环境),认知涌现于个体和环境的双向交互中;
嵌入式认知则强调认知主体嵌入在环境之中,他人与环境也是认知过程的构成成分。此外,新一代认知科学还强调了情境认知的重要性,认为人类高阶心智能力最先是从社会文化情境中的人际交互获得的(Stahl,2014);
个体在群体中的参与形式体现了其独特的社会化经验特征,这与后文谈及的人际间角色呈现密切相关。
认知实际上是一个复杂的社会现象。将认知理解为头脑中的知识序列以一种复杂的方式与头脑外的世界相对应并没有抓住其关键特征;
理解认知是以一种社会性的方式存在着,是分布式地延伸到思维、身体、活动和包括其他参与者的文化情境之中的,才是意义所在(R.基思·索耶,2021)。由于认知过程是超出个体大脑范围且是在社会化情境交互中持续发展的,多主体的群体认知被赋予了存在意义。认知民族志领域学者Shaffer(2018)指出,过往切身经验形成的惯习会影响学习者在协作活动中的表现,而群体认知正是涌现于成员间的行动、谈话、协作和制造等行动之中。因此,基于新一代认知科学的观点,群体认知可以被视作小组成员协同交互的过程性表现,其功能在于促进小组成果的产出或成员能力的提升,并且这种协作表现会受到个体先前经验、小组所在社会文化以及技术环境的影响。
2.分布式认知系统:个体与群体的联接
群体认知涉及到多个个体的认知参与。进一步理解个体在群体中的认知协调与发展,还需要借助分布式认知这一概念。分布式认知起源于Martin和Schwartz(2005)的物理分布式学习理论,该理论也是前面提及的嵌入式认知理论的重要组成部分之一。分布式认知认为,认知分布于规则、角色、语言、关系和协调活动之中(Dubbels,2011)。在协作学习中,小组可以被视为一个分布式认知系统(Theiner,2014)。组内个体在分布式认知系统中进行信息交换,共同处理全局信息,这一过程被称为集体信息处理(Collective Information-Processing)(Theiner,2014)。集体信息处理首先根据小组成员的知识和能力进行任务分配,接着对任务相关的信息进行编码、存储、修改和回忆。基于此,小组能够建立起比个体记忆系统更强大的交互记忆系统(Transactive Memory System,TMS),成员的记忆、决策、问题解决等能力得以提升(Theiner,2014)。TMS的形成受到两个驱动因素影响:一个是认知互赖(Cognitive Interdependence),指个体的贡献取决于其他人的贡献;
另一个是汇聚期望(Convergent Expectations),指每个成员都希望取得积极的小组成果(Theiner,2014)。在这两个驱动因素的作用下,分布式认知系统得以有效运行。良好的分布式认知系统能够建立共享的社交空间和话语语境,将个体的知识汇聚起来,供小组成员辩论、协商、综合、提炼(Stahl,2014)。在这样的知识建构共享过程中,小组成员通过共同活动(Joint Activiy)来引发社会认知过程(Socio-Cognitive Processes)(King,2007)。社会认知过程的产出(知识与意义的共同建构)最终会或多或少地被成员个体内化;
同样地,协作过程涉及的技能、策略最终也会被个体内化(King,2007)。换言之,个体认知与群体认知通过分布式认知系统建立起联接并进行相应的信息交互和知识建构。随后,个体将带着内化的知识和经验与其他分布式认知系统进行意义建构。
3.群体认知负荷:集体工作记忆的限度
个体在进行信息加工时的工作记忆容量是有限的,同样地,集体信息处理也有一定的能力限度。对个体而言,认知负荷是特定时间内施加于个体认知系统的心理活动总量(Sweller et al.,1998)。认知负荷理论能够解释和预测教学方法和教学材料对学习者工作记忆的需求(Sweller et al.,1998;
Van Merrienboer et al.,2005)。Kirschner 等人(2011)提出了群体认知负荷理论这一概念,用以强调协作学习过程中集体工作记忆(Collective Working Memory)的有限性以及相关教学干预的重要性。在协作活动中,小组成员能够通过共享部分工作记忆来相互分担认知工作,因而群体认知负荷要低于个体认知负荷的总和(Kirschner et al.,2018)。在理想情况下,成员之间通过共享的心智模型(Mental Model)来进行个体任务分配和集体知识建构,充分地利用集体工作记忆来提高认知参与质量(Kirschner et al.,2018)。在实际的协作活动中,群体认知负荷会受到多种因素的影响,例如,任务复杂度、领域专业知识、小组规模、成员角色、协作技能、先前任务经验、先前协作经验等(Kirschner et al.,2018)。其中,成员角色体现着个体间的任务分工和职责,适宜的角色分配能够高效地利用个体间的先前知识经验,降低交互活动所引起的外在认知负荷。此外,相比于先前知识、经验、技能,成员角色是更易于在协作过程中被外部教学所干预的。这种干预在CSCL领域具体可表述为后文所提及的协作脚本。教学实施方通过对角色分配和协调进行指导(外部),帮助小组成员积累任务经验、提升协作技能(内部)。换言之,对于组内个体所构成的分布式认知系统,我们可以通过角色相关的设计和干预来调节群体认知负荷,提升集体工作记忆效能,进而提升群体认知表现。
三、协作脚本及其作用下的群体角色
协作脚本影响着小组任务进程中的群体认知表现,不仅与外部的教学干预相关,还与小组内部的行动规范有关。通过作用于小组成员的角色互动,协作脚本能够提升群体的工作记忆调节和认知负荷管理能力进而影响群体认知表现。
1.协作脚本:群体交互的约束与指导
在日常生活中,个体在群体规范和文化价值观下进行交互(杨开城,2018)。交互是一种以多模态交流为中介的群体行为,其中,多模态交流包括通过语言、手势、注视、姿势、动作等进行的互动(Dillenbourg et al.,2011)。在协作学习中,有效交互指能够正向促进学习效果的群体行为,如解释、论证、协商等(Dillenbourg et al.,2008)。在没有外部约束的情况下,学生很少能自发地在协作活动中产生有效交互(King,2007;
Dillenbourg et al.,2008)。协作脚本可以被视为这样一种约束手段——能够用来指导群体在特定任务中的活动序列和协作方式(Kollar et al.,2006),进而促进有效交互的发生。通过有效交互,协作脚本能够推动合作过程并促进合作过程所带来的个体学习(Fischer et al.,2007)。协作脚本有助于引发预期的学习行为,进而促进特定领域的个体认知、社会认知和元认知发展(King,2007)。
协作脚本有内部脚本(Internal Script)与外部脚本(External Script)之分。内部脚本指学习者对协作脚本的内在心理表征,或小组内部在长期合作中发展而来的与协作方式、流程相关的规则范式(Dillenbourg et al.,2007)。个体所掌握的内部脚本包括活动过程的相关知识和对合作情境的理解,如什么時候行动,负责什么工作等,具有明显的个体间差异(Kollar et al.,2005)。外部脚本则是从外部对协作学习进行结构化干预或为其提供的支架,通常由教师或其他教学促进者设计并提供(King,2007)。换言之,外部脚本存在于外部环境中,通常出现在协作学习情境的初始阶段。外部脚本能够使学生将注意力分配在能够促进合作的交互上,即将交互管理(Interaction Management)部分地卸载给外部脚本,从而减轻认知负荷(King,2007)。
内外部脚本的相互作用共同影响群体互动行为。一方面,先前知识和合作经验会影响群体对外部脚本的应用(Wang et al.,2017)。另一方面,适配性好的外部脚本能够逐渐被成员内化为内部脚本,进而影响小组在新情境中的行动(King,2007)。外部脚本期望和群体实际表现的一致性取决于脚本的四个特性(Dillenbourg et al.,2007;
Goodyear et al.,2015):强制性、可理解性、颗粒度以及与协作小组的适合度。强制性低的脚本,会使群体实际行为与预期表现有较大差异,而过高的强制性容易引起“过度脚本化”(Over-Scripting)风险,不利于成员间协调能力的培养。脚本的可理解性有助于发展小组内部脚本,而难理解、过于复杂的外部脚本不利于学生构建出清晰的内部脚本,也会加剧期望与结果的差异。颗粒度是指脚本的阶段划分以及各阶段持续的时间,脚本的颗粒度与任务本来属性相匹配有助于缩小差异,例如根据探究学习的步骤来分阶段设计脚本具有较好的匹配性。适合度指外部脚本中的角色需要与小组成员技能与倾向相匹配,低适合度不利于脚本化角色的采用及长期坚持。
2.角色扮演:个体在群体中的自我呈现
角色理论作为社会心理学的重要理论之一,被广泛应用于人的心理和社会行为探讨(章志光,1998)。每个角色都是在特定时间、空间、情境和需要中定位和实现的,反映着个体在社会活动中的行动特征与职能(Biddle,1986)。群体由各不相同的角色构成。角色反映了群体中与个体身份相一致的一整套权利、义务的规范和行为模式,代表了群体对他们的行为期望(郑杭生,2009)。角色扮演的过程,是个体按照群体的角色期待和规范要求完成角色行为的过程,也是个体在群体中呈现自我的过程(杨开城,2018)。CSCL领域中,角色是备受关注的研究话题之一,角色体现着小组成员的行动倾向,是反映小组合作模式(如任务分配、资源协调等)的重要指标(Durán et al.,2011)。
关于协作学习小组中的成员角色类型,前人基于不同的情境从多种视角进行了划分与解释(见表1)。协作(合作)学习领域著名学者Johnson兄弟,从小组功能运行的角度,将成员角色划分为形成型、功能型、总结型、促进型,并将同类角色按照表现程度划分为三个等级(Johnson et al.,1987)。Johnson兄弟的分类适用于传统课堂的面对面合作学习,但还缺少对成员个性化特征的表述。Belbin(1981)则将角色与个体的性格特征联系了起来,提出了9种更为丰富的个性化角色类型,如塑造者(Shaper)、包揽者(Completer/Finisher)、实干者(Team Worker)等,有助于解释基于复杂问题或开放性项目的团队协作。随着信息技术在教学中的应用,技术支持的混合式协作学习情境下的角色也受到研究者的关注。比如Cesareni等(2016)将线上与线下混合式知识建构活动中的角色分为了概念图制作者、整合者、质疑者、社交促进者;
再如Wang(2021)探索了虚拟教具支持的科学探究活动中的角色,将角色分为了组长、检查员、实验员、记录员等。此外,在线学习中的协作角色也是研究者关注的重点。针对线上协作小组,De Wever等人(2010)将异步讨论中出现的角色分为发起者、总结者、主持人、理论家、资源搜索者五类;
针对大规模虚拟社区,王哲等(2018)对多种角色类型及具体形式进行了划分。Strijbos等(2010a)从更加综合的角度提出了包括宏观、中观、微观三个层次的角色框架,微观角色涉及单一的功能,比如提问者;
中观角色涉及对某种职业或社会角色的扮演;
而宏观角色代表了参与的立场(Stance),受影响于学习者对协作任务的态度、观点以及所体会到的价值和意义。针对宏观角色,Strijbos等(2010a)进一步从小组规模(小组或社群)、目标定向(个体或团体)和努力程度(低或高)3个维度定义了8种角色立场,为角色分析提供了一个较为全面的理论框架。此外,协作小组的成员角色还可以分为面向内容的或面向过程的(Strijbos et al.,2010b)。前者直接关注学习内容,比如总结者、提问者,可以促进更高层次的知识构建;
后者旨在促进组内协调以及提升成员的责任感,比如协调员、主持人。
总而言之,个体在群体中的角色受合作情境、任务类型、社会文化以及知识技能、兴趣、立场等自身个性特征的综合影响。
3.脚本作用:生成性角色与脚本化角色
在CSCL领域,协作脚本主要包括四个层次:剧本、场景、角色和小脚本(欧阳嘉煜等,2021)。其中角色指学习者在一个场景中承担特定角色所需的知识。内外协作脚本作用于小组成员的角色扮演,使其有生成性角色(Emerging Roles)和脚本化角色(Scripted Roles)之分(Strijbos et al.,2010b)。生成性角色受到小组内部脚本的影响,由小组成员自发形成,体现了学习者在协作过程的内部协调。生成性角色关乎小组的主体结构和学习活动的调节,并受到小组所呈现的不同行动导向、社会文化、合作经验等因素的影响。脚本化角色则是由于外部脚本的介入而出现的。具有一定职责或责任的功能型角色,旨在协调群体互动、提升合作效果。
外部脚本作为教学干预所设计的脚本化角色,会影响小组成员的心理和行为。在心理层面,研究发现脚本化角色可以提升团队凝聚力和责任感,進而促进积极互赖和个体责任的形成(Strijbos et al.,2007),激发小组成员意识到团队整体表现和每个人贡献之间的关系(Mudrack et al.,1995)。在行为层面,脚本化角色能够改善成员不参与或过度参与(主导)的问题(De Wever et al,2010),并且被指派脚本化角色的小组比未被分配脚本化角色的小组有更高的群体效能感和有更多的协调类行为(Strijbos et al.,2007)。
在外部脚本中设计面向内容和过程的脚本化角色有助于提升群体认知表现。例如,王智颖等(2021)面向在线异步讨论情境设计了包括提问者、回答者、评价者和总结者四种内容角色的轮换脚本,发现角色轮换脚本的应用能够有效促进学生的高阶认知、复杂问题解决、元认知和团队合作能力。Kay(2007)探讨了面向过程的脚本化角色主持人对异步讨论的影响,发现有主持人的小组学生参与回帖更积极且回应质量更高,原因在于主持人以建设性和有意义的方式为他们提供了分享想法的指导。再如,Kollar等(2006)在学习者之间分配结构化的互惠辅导角色(提问者与解释者),并在这些角色上附加特定的活动,同时采用提示卡的方式对提问与回答的规范进行了说明以及设计了轮换规则,提升了群体认知表现。
综上,在协作脚本的作用下,个体在群体中以不同功能属性的角色呈现,共同围绕任务进行互动协调和协同工作,进而实现小组这一有机整体的系统化功能。
四、角色互动何以展现群体认知发展
1.角色互动对群体认知的可解释性探讨
在协作学习研究领域中,协作可以被视为实现近期或远期学习目标的教学手段,但也有研究者强调协作具有“内生性”,认为协作本身就是学习的目标与结果(R.基思·索耶,2021)。当我们更加关注对协作本身的理解时,便会将研究视角转向群体认知是如何在社会化互动过程中发展的,而不是仅仅关注静态的学习结果。协作学习领域著名学者Stahl曾指出认知离不开人际间的互动(Stahl,2014)。互动是学习的重要维度,包括个体与其所处社会和物理环境之间的互动,例如活动、对话、合作等(克努兹·伊列雷斯,2017)。活动理论将活动分为内部活动和外部活动,当活动需要多个协作者交互协调时,通常需要經历内部活动的外化过程(杨开城,2018)。这一外化过程,正是群体协作脚本中角色的意义建构过程。角色隐含在协作学习的多维度交互中,包括协作主体与环境、工具、资源、任务等的交互,以及为了完成任务主体之间的多模态信息交互。换言之,角色互动能够反映小组所在社会文化以及技术环境影响下的群体任务分配、资源协调、合作模式等,而这些过程性表现,正是群体认知的内涵所指。此外,角色互动是一个融合了个体特质与群体文化的动态社会交互过程,也能够反映出一个群体鲜活、动态、立体的社会关系结构,有助于我们将群体认知具象化。对角色互动进行分析,有助于展现协作者的内部脚本与外部脚本相适应的认知过程,揭示协作学习的机制和群体认知的发展。
2.面向群体认知的三层级角色互动分析模型
个体之间通过分布式认知系统建立联接,在社会化交互过程中发展群体认知。这一过程与个体和群体对认知负荷的管理相关。基于文献梳理和理论辨析,本文提出了面向群体认知的三层级角色互动分析模型(见图1):角色展现、角色协调和角色结构,旨在通过协作脚本中的角色互动来表征群体认知的发展。
(1)第一层级:角色展现
角色展现,指在社会性和物理性环境中,在给定任务和技术的情境约束下,小组成员所表现出的角色类型。对小组成员角色类型的分析,是角色互动第一层级的关注要点。对个体所扮演的角色及其所属类型进行研究,有助于理解特定个体对群体认知发展的功能与作用。一般来说,合作小组有三种类型:非正式合作学习小组、正式合作学习小组和长期合作的小组(Johnson et al.,1987)。相比于其他两种类型,长期合作的小组具有长期的、异质的、稳定的合作关系,已经形成了一定的内部脚本。在这种情况下,小组的内部脚本会快速作用于成员的角色扮演。相反,那些为了临时任务组建的小组,则需要一定的协商才能够逐渐展现出各类角色。如果教学实施方设计了与角色扮演相关的外部脚本干预,那么已有内部脚本的小组将会投入一定认知资源,考虑如何将外部脚本与内部脚本相适应,并在应用外部脚本的过程中发展出适合所在情境的角色。
(2)第二层级:角色协调
角色协调,指随着时间推移和任务进展,小组成员角色类型的变化情况以及相应的行为模式。在角色展现的基础上,加入时间尺度的分析,是角色互动第二层级的关注要点。在给定任务和技术的情境约束下,群体在交互过程中逐渐表现出高阶认知,例如阐释、争论、调节认识差异等(King,2007)。不同的小组交互模式反映着不同的群体认知表现。Lin等人(2012)根据前人研究总结了5种小组交互模式:理想型、主导型、小团体型、碎片型、无参与型。小组的交互模式也会随着外部干预与内部协调发生变化,这一变化主要受到元认知的调节。元认知过程涉及对小组协作的监督、调控和评估。对协作的反思,将会引起角色分配的协调,例如现有角色的轮换、关键角色的引入等。在角色协调的过程中,不同角色有着不同的行为模式,也体现着不同的话语权力。例如,能力较强的小组成员通常会有较高的社会地位,相应地在协调成员角色分配方面有更多的主动权。
(3)第三层级:角色结构
角色结构,对于个体而言,指在社会关系网络中所占据的位置和角色关系总和(邓伟志,2009);
对于群体而言,指群体中多种角色所形成的社会网络及认知网络特征。在角色协调的基础上,加入空间尺度的分析,是角色互动第三层级的关注要点。传统的社会网络分析,关注小组的出度、入度、中心度、密度等指标,对小组交互特征的描述不够立体。引入角色理论,能够将个体特征与群体文化建立联系,形成对群体结构的立体分析。根据不同角色在小组网络中的交互特点,研究者可以根据经验和兴趣,利用社会网络的子图分析小组的行动导向。此外,对小组交互内容的认知特征分析,也有助于发现角色结构的成因与发展规律。对于长期合作的小组,当某一情境中的角色结构达到稳定状态时,内部脚本将被更新和重构;
当遇到新的任务情境或外部脚本时,角色协调将再次发生,进而在内部脚本中建构多种情境与角色结构的映射关系。
五、角色互动的多维分析方法
由三层级角色互动分析模型可知,对角色互动进行深描,不仅需要分析角色的当前展现状态,还要从时间维度、空间维度呈现其协调过程与关系网络。同时,角色互动的分析方法需要具有质性与量化研究的双重视角,融合多维的分析方法。具体而言,质性研究具有直接、具象和整体性的特点(陈向明,2000),能够将互动行为与文化境脉联系起来,为诠释角色互动提供方法论基础。而量化研究具有系统、客观、可靠、可泛化的优势(叶浩生,2008),能够从行为数据中发现以往难以察觉的关联模式。图2展示了能够用于三层级角色互动分析的工具方法。
1.角色展现分析方法
角色展现分析旨在深入描述与呈现小组协作中的多种生成性和脚本化角色,具体包括对角色功能特征和所属类型的分析。常用的分析方法包括内容分析法、主题分析法、关键事件回忆法、特征聚类法等。角色展现分析的关键是获取小组成员的角色扮演相关信息,并采用已有角色框架自上而下或从数据中开放式编码自下而上地分析成员角色。例如,Wang(2021)通过自陈式问卷获取学生在合作探究中扮演的角色及承担的任务等信息,并采用内容分析与主题分析法提取学生的角色特征及类属。具体过程为先通过文本内容分析方法,采用开放式编码的方式对学生报告的角色信息贴标签,再通过主题分析法将具有相似特征的工作内容归纳至抽象的11个角色标签中,之后根据角色职能情况进一步将成员角色划分为五大类属(协调类、整合类、探究类、辅助类、边缘类)。De Laat等(2004)则采用了内容分析方法与关键事件回忆法,首先采用已有会话编码框架对异步讨论文本进行编码,根据编码统计结果识别出三类典型学员;
之后通过代表性成员的关键事件回忆,分析出了协作角色的浮现过程及其在协作过程中的功能。Lehmann-Willenbrock
等人(2016)对成员的发言类型进行编码和统计分析,并采用Ward系统聚类法得出5种协作角色。Dowell 等(2019)基于学习者的参与度、社会影响、表达密度等表现情况,采用K-Means算法聚类出6种协作角色,并将其进一步分为高产出型和低产出型两类。
2.角色协调分析方法
在时间尺度上,小组成员知识与技能的发展也伴随着成員间的角色协调,比如角色转换、行为模式的形成与演化等。因此,对角色的分析应该分阶段、动态开展。角色随时间的发展可以通过相关统计方法呈现,比如描述统计分析、时间序列分析、滞后序列分析等。具体来说,描述统计方法可以将不同阶段各角色的占比、转换率呈现出来,比如桑基图能够直观地展现某一群体不同阶段的角色流动情况。时间序列分析是应用数理统计方法对以时间顺序排列的、动态的数据进行分析处理的统计分析方法(苟斌娥,2012),有助于揭示角色协调的变化规律。如张瑞等(2020)采用时间序列分析法分析了在知识建构的四个阶段中,五类生成性角色及其行为模式的演变规律,研究发现问题发起者、质疑者和建议者的人员比例随时间呈现下降趋势,理论建构者和总结者的人员比例随时间呈现上升趋势。滞后序列分析是用来检验两个行动时序关系的统计学显著性方法(Bakeman et al.,1997),旨在评估特定行为转换在某时间段内的发生概率,能够揭示不同角色在时序上的行为模式。如王智颖等(2021)采用滞后序列分析方法分析了不同角色在异步互动中的认知序列模式,研究发现受角色功能的影响,提问者、回答者、评价者的认知变化特征存在明显差异。综上所述,角色协调的分析过程可以概括为:采用适切的角色及其行为编码表在任务开展的不同阶段进行编码,之后对编码结果进行相关统计分析与数据可视化处理,以揭示角色随时间变化的规律。
为了更便利地、动态地分析协作角色,还有研究探索了自动化的角色协调分析方法。比如Marcos-García等(2015)提出了融合Role-AdaptIA系统的DESPRO方法。Role-AdaptIA系统嵌入了捕捉和分析互动数据的技术,可以半自动化识别在线协作学习中浮现的角色,并根据预先的脚本设计,为多种角色提供协作支持。DESPRO方法的使用可分为四个阶段:在设计阶段,基于研究者定义的结构化角色框架,教学设计者或教师提供相关信息,比如协作的背景、涉及的角色、协作支持的信息与类型等;
在实例化阶段,教师输入每一个参与者的数据,为参与者分配初始角色,并制定角色轮换等的规则;
在实施阶段,参与者根据规则基于协作工具进行协作,Role-AdaptIA系统会半自动化地检测社会网络中的领导者和边缘者角色及角色转换情况,并为教师提供反馈信息,教师可以根据反馈信息对角色的支持配置进行修改,从而促进角色的协调发展和协作质量的提升;
最后是评价阶段,评价者(设计师或教师等)根据最初的目标对协作实施的情况进行评估,以确定可能的教学干预改进。Marcos-García等的研究为线上协作情境的角色协调分析提供了应用范例。然而,目前线下教学情境的自动化学习行为分析还集中于个体或班级群体层面,面对面小组协作情境的角色自动化分析技术还有待探索。
3.角色结构分析方法
在空间尺度上,不同角色在互动中发展了一定的关系网络与认知网络,使得小组在行为和认知层面形成了特定的角色结构。社会网络分析(Social Network Analysis,SNA)被广泛地应用于分析角色之间的关系网络(如:胡勇等,2012;
Xie et al.,2014)。社会网络分析是社会学家根据图论、数学方法等发展起来的定量分析方法,旨在研究社会网络中相互作用的行动者或其他要素之间的关系(Cela et al.,2015)。在协作学习中,SNA不仅能够直观呈现角色之间的关系网络,对关系网络的特征进行提取,还能够展现角色之间的交互密切程度、交互模式、话语地位差异等。此外,由于角色网络结构还受到共享的信息类型、交流的内容以及参与者在协作时激活的社会认知过程等的影响(Ga?evi? et al.,2019),为了更好地对SNA的研究发现进行解释分析,其他研究方法也逐渐被引入到角色结构分析中。比如Xie等(2014)采用学习行为数据(发帖数量、平均发帖长度、非发帖登录时长等)、SNA指标、质性分析方法探析了主持人角色对异步讨论社区互动网络的影响。在Xie等人的研究中,学习行为数据代表了个体及小组的参与质量,SNA的网络密度、节点出度、节点入度指标代表了小组内聚力、个体向外参与的多样性以及个体的交互吸引力,对这些变量相关关系的分析揭示出特定角色对个体及群体互动的影响。最后,该研究还对最高、最低网络密度的两个典型小组的讨论文本进行了质性分析,对小组网络中特定角色的有效协调行为进行了溯源。
社会网络分析构建了个体间互动关系的网络,而认知网络分析(Epistemic Network Analysis,ENA)则能够构建个体间话语互动的网络。作为一种量化民族志方法,ENA能够揭示个体或群体的认知网络特征,其具体操作为通过预先设计的认知框架,将个体或小组的互动内容进行编码,之后对编码进行关联结构的建模(Shaffer,2017)。ENA能够用来分析群体中不同角色所形成的认知网络及其差异。将SNA与ENA融合起来,能够对角色结构进行更全面的分析与解释。Ga?evi?等(2019)进行了一项综合研究,提出了融合SNA和ENA的社会认知网络模型(Social Epistemic Network Signature,SENS),并利用该方法分析了MOOC课程中的角色互动。在SNA层次,研究分析了MOOC社群中形成的小群体(根据网络节点的关系强度对节点进行分组)、个体在网络中扮演的角色(基于加权度中心性、接近中心性、中介中心性三个指标)、社会网络的形成过程(基于指数随机图ERGM模型,从选择性混合、互惠性、受欢迎程度、扩展程度、循环关系、三元闭包等方面展开分析)。在ENA层次,Ga?evi?等人首先对会话数据进行了自动化编码,根据编码结果建立了认知网络模型,在二维空间分析了每个参与者的认知网络;
之后对参与者的质心进行聚类分析,识别出了不同认知网络倾向的学生群体。最后在融合层次,研究者对SNA和ENA的分析结果展开了多维度相关分析,从而揭示了角色结构中社会网络和认知网络的相关关系。
六、结语
协作学习被广泛应用于课堂与线上学习中,但仍存在协作者的不均衡参与、缺乏有效交互、协作过程质量模糊化、评价标准不清晰等实践问题。本文基于具身认知、分布式认知等新一代认知科学理论将群体认知表征为小组成员协同交互的过程性表现。在协作过程中,个体间的分布式认知系统通过群体交互实现了个体认知和群体认知的联接。协作脚本作为群体交互的约束与指导,影响着小组成员的角色扮演与认知发展。角色互动是一个融合了个体特质与群体文化的动态社会交互过程,对理解协作学习的机制和群体认知的发展具有重要作用。为了深入诠释协作脚本中的角色互动,本文基于时空尺度的动态分析视角,提出了面向群体认知的三层级角色互动分析模型,并对角色互动的分析方法与工具进行了系统梳理。本研究提出的角色互动模型能够为协作学习的设计与评价提供新的视角与实践意义。
第一,在设计方面,三层级角色互动模型能够为协作脚本的设计提供理论框架。具体而言,在角色展现层面,根据学习目标与协作任务类型,可以设计角色提示脚本,指导协作小组进行合理的任务分配、资源协调,避免出现“搭便车者”,促进每个个体的认知参与。例如知识建构社区的角色脚本(Cesareni et al.,2016)、异步讨论社区的角色脚本(De Wever et al.,2010)等,在先前的研究中都得到了有效应用。在角色协调层面,教学设计者可以根据角色的发展规律,提供包括角色行为规范及其演变、轮换规则等提示信息以及强制性较低的外部脚本,以促进协作小组成员之间的高效互动。在角色结构层面,外部脚本设计应从小组合作技能与经验内化的角度出发,为促成较为均衡的社交与认知参与结构提供相关建议与指导。此外,理想的外部脚本设计应该具有自适应性,随着角色在时间与空间尺度上的变化与发展而动态调整,与内部脚本相适配、融合。
第二,在评价方面,多维分析方法展现的角色互动,为协作学习的过程性评价提供了新思路。在以往的协作学习实践中,一般采用观察、同伴互评量表等方法进行过程性评价,难以结构化呈现具体的协作过程。基于角色互动模型收集与分析多模态数据,将能够较为清晰地展现个体在协作过程中的功能职责、行为模式、認知发展、交互程度,以及小组的协作模式、行动导向、结构特征、社会文化等。与此同时,随着大数据、人工智能等技术的发展,线上协作学习情境下,借助自动化的评价工具,实现动态、自适应的外部脚本干预已成为现实。综合运用角色互动模型和协作脚本技术将角色互动的三个维度可视化,有助于实践者根据过程性评价信息及时发现并干预协作问题。比如,在协作学习开始阶段,根据角色展现情况为不同的角色提供针对性协作技巧;
在协作中期,根据小组角色协调情况,对呈现反常角色转换现象的小组提供及时干预;
或根据小组角色结构所反映的协作紧密度、角色工作重心,为小组提供进一步的行动建议。
总的来说,为了揭示更加鲜活、动态、立体的群体认知过程,协作学习领域的角色互动分析呈现出多维分析方法融合的趋势,研究者也在积极探索自动化的角色分析与脚本干预技术。相比于在线协作情境,课堂面对面的协作情境中适应性的外部脚本设计成为难点。如何及时获取、分析、可视化角色互动数据,为教师决策与干预提供评价依据,是进一步的研究重点。同时,神经科学领域研究者对于群体认知也进行了探索,例如基于脑电、皮电等信号的生理耦合指标所反映的生理同步。综合多学科领域的工具方法将有助于实现包括线上、线下、混合式等多种教学情境中的角色互动分析与教学干预设计。
参考文献:
[1][丹]克努兹·伊列雷斯(2017).我们如何学习:全视角学习理论[M].孙玫璐.北京:教育科学出版社:27.
[2][美]R.基思·索耶(2021).剑桥学习科学手册(第2版)[M].徐晓东,杨刚,阮高峰等.北京:教育科学出版社:161,189-199.
[3][美]欧文·戈夫曼(2008).日常生活中的自我呈现[M].冯钢.北京:北京大学出版社:15-28.
[4]陈向明(2000).质的研究方法与社会科学研究[M].北京:教育科学出版社:22.
[5]邓伟志(2009).社会学辞典[M].上海:上海辞书出版社:13.
[6]苟斌娥(2012).时间序列分析法在教育研究中的应用[D].成都:四川师范大学.
[7]胡勇,李美鳳(2012).基于协作脚本的角色设计及其对协作学习网络的影响初探[J]. 电化教育研究,33(1):54-58.
[8]欧阳嘉煜,汪琼(2021).塑造CSCL情境下的学习者交互:脚本理论及其研究综述[J]. 现代远程教育研究,33(6),64-72.
[9]王辞晓(2018).具身认知的理论落地:技术支持下的情境交互[J].电化教育研究,(7):20-26.
[10]王哲,张鹏翼(2018).学习小组在线知识协作中的用户角色与行为[J].图书情报工作,62(7):77-87.
[11]王智颖,翟芸,吴娟(2021).在线异步讨论中角色轮换脚本对大学生深度学习的影响[J].现代远程教育研究,33(3):100-112.
[12]杨开城(2018).课程开发:一种技术学的视角[M].北京:北京师范大学出版社:42-45.
[13]叶浩生(2008).量化研究与质化研究:对立及其超越[J].自然辩证法研究,24(9):7-11.
[14]张婧婧,牛晓杰,刘杨等(2021).学习科学中“4E+S”认知理论模型的内涵与应用[J].现代教育技术,31(8)23-31.
[15]张瑞,生蕾,张义兵(2020).知识建构社区中生成性角色的演变过程分析[J].电化教育研究,41(2):53-59.
[16]章志光(1998).社会心理学[M].北京:人民教育出版社:64.
[17]郑杭生(2009).社会学概论新修[M].北京:中国人民大学出版社:118.
[18]Bakeman, R., & Gottman, J. M. (1997). Observing Interaction:
An Introduction to Sequential Analysis (2nd Ed.)[M]. Cambridge:
Cambridge University Press:111-116.
[19]Belbin, R. M. (1981). Management Teams:
Why They Succeed or Fail[M]. New York:
Wiley:65-74.
[20]Biddle, B. J. (1986). Recent Developments in Role Theory[J]. Annual Review of Sociology, 12:67-92.
[21]Cela, K. L., Sicilia, M. ?., & Sánchez, S. (2015). Social Network Analysis in E-Learning Environments:
A Preliminary Systematic Review[J]. Educational Psychology Review, 27(1):219-246.
[22]Cesareni, D., Cacciamani, S., & Fujita, N. (2016). Role Taking and Knowledge Building in a Blended University Course[J]. International Journal of Computer-Supported Collaborative Learning, 11:9-39.
[23]De Laat, M., & Lally, V. (2004). Its Not So Easy:
Researching the Complexity of Emergent Participant Roles and Awareness in Asynchronous Networked Learning Discussions[J]. Journal of Computer Assisted Learning, 20(3):165-171.
[24]De Wever, B., Van Keer, H., & Schellens, T. et al. (2010). Roles as a Structuring Tool in Online Discussion Groups:
The Differential Impact of Different Roles on Social Knowledge Construction[J]. Computers in Human Behavior, 26(4):516-523.
[25]Dillenbourg, P., & Evans, M. (2011). Interactive Tabletops in Education[J]. International Journal of Computer-Supported Collaborative Learning, 6(4):491-514.
[26]Dillenbourg, P., & Hong, F. (2008). The Mechanics of CSCL Macro Scripts[J]. International Journal of Computer-Supported Collaborative Learning, 3(1):5-23.
[27]Dillenbourg, P., & Jermann, P. (2007). Designing Integrative Scripts[M]// Fisher, F., Kollar, I., & Mandl, H. et al. (Eds.). Scripting Computer-Supported Collaborative Learning:
Cognitive, Computational and Educational Perspectives. New York:
Springer:275-301.
[28]Dowell, N. M. M., Nixon, T. M., & Graesser, A. C. (2019). Group Communication Analysis:
A Computational Linguistics Approach for Detecting Sociocognitive Roles in Multiparty Interactions[J]. Behavior Research Methods, 51(3):1007-1041.
[29]Dubbels, B. (2011). Cognitive Ethnography:
A Methodology for Measure and Analysis of Learning for Game Studies[J]. International Journal of Gaming and Computer-Mediated Simulations, 3(1):68-78.
[30]Durán, E. B., & Amandi, A. (2011). Personalised Collaborative Skills for Student Models[J]. Interactive Learning Environments, 19(2):143-162.
[31]Fischer, F., Kollar, I., & Haake, J. M. et al. (2007). Perspectives on Collaboration Scripts[M]// Fisher, F., Kollar, I., & Mandl, H. et al. (Eds.). Scripting Computer-Supported Collaborative Learning:
Cognitive, Computational and Educational Perspectives. New York:
Springer:1-10.
[32]Ga?evi?, D., Joksimovi?, S., & Eagan, B. R., et al. (2019). SENS:
Network Analytics to Combine Social and Cognitive Perspectives of Collaborative Learning[J]. Computers in Human Behavior, 92:562-577.
[33]Goodyear, P., Jones, C., & Thompson, K. (2015). Computer-Supported Collaborative Learning:
Instructional Approaches, Group Processes and Educational Designs[M]// Spector, J. M., Merrill, M. D., & Elen, J. et al. (Eds.). Handbook of Research on Educational Communications and Technology (4th Ed.). New York:
Springer:439-447.
[34]Johnson, D. W., & Johnson, R. T. (1987). Learning Together and Alone:
Cooperative, Competitive, and Individualistic Learning (2nd Ed.)[M]. NJ:
Prentice-Hall Inc:28-29.
[35]Kay, K. S. (2007). Utilizing Peer Moderating in Online Discussions:
Addressing the Controversy between Teacher Moderation and Nonmoderation[J]. The American Journal of Distance Education, 21(1):21-36.
[36]King, A. (2007). Scripting Collaborative Learning Processes:
A Cognitive Perspective[M]// Fisher, F., Kollar, I., & Mandl, H. et al. (Eds.). Scripting Computer-Supported Collaborative Learning:
Cognitive, Computational and Educational Perspectives. New York:
Springer:13-37.
[37]Kirschner, F., Paas, F., & Kirschner, P. A. (2011). Task Complexity as a Driver for Collaborative Learning Efficiency:
The Collective Working-Memory Effect[J]. Applied Cognitive Psychology, 25(4):615-624.
[38]Kirschner, P. A., Sweller, J., & Kirschner, F. et al. (2018). From Cognitive Load Theory to Collaborative Cognitive Load Theory[J]. International Journal of Computer-Supported Collaborative Learning, 13(2):213-233.
[39]Kollar, I., Fischer, F., & Hesse, F. W. (2006). Collaboration Scripts-A Conceptual Analysis[J]. Educational Psychology Review, 18(2):159-185.
[40]Kollar, I., Fischer, F., & Slotta, J. (2005). Internal and External Collaboration Scripts in Web-Based Science Learning at Schools[C]// Koschmann, T. (Ed.). Proceedings of the International Conference on Computer Supported Collaborative 2005:
The Next 10 Years. Mahwah:
NJ:331-340.
[41]Lehmann-Willenbrock, N., Beck, S. J., & Kauffeld, S. (2016). Emergent Team Roles in Organizational Meetings:
Identifying Communication Patterns via Cluster Analysis[J]. Communication Studies, 67(1):37-57.
[42]Lin, C. P., Wong, L. H., & Shao, Y. J. (2012). Comparison of 1:1 and 1:m CSCL Environment for Collaborative Concept Mapping[J]. Journal of Computer Assisted Learning, 28(2):99-113.
[43]Marcos-García, J., Martínez-Monés, A., & Dimitriadis, Y. (2015). DESPRO:
A Method Based on Roles to Provide Collaboration Analysis Support Adapted to The Participants in CSCL Situations[J]. Computers & Education, 82:335-353.
[44]Martin, T., & Schwartz, D. L. (2005). Physically Distributed Learning:
Adapting and Reinterpreting Physical Environments in the Development of Fraction Concepts[J]. Cognitive Science, 29(4):587-625.
[45]Mesulam, M. M. (1998). From Sensation to Cognition[J]. Brain, 121(6):1013-1052.
[46]Mudrack, P. E., & Farrell, G. M. (1995). An Examination of Functional Role Behaviour and Its Consequences for Individuals in Group Settings[J]. Small Group Research, 26:542-571.
[47]Shaffer, D. (2018). Epistemic Network Analysis:
Understanding Learning by Using Big Data for Thick Description[M]// Fischer, F., Hmelo-Silver, C. E., & Goldman, S. R. et al. (Eds.). International Handbook of the Learning Sciences. New York:
Routledge:520-531
[48]Shaffer, D. W. (2017). Quantitative Ethnography[M]. Madison, WI:
Cathcart Press:25-37.
[49]Stahl, G. (2014). The Constitution of Group Cognition[M]// Shapiro, L. (Ed.). The Routledge Handbook of Embodied Cognition. London & New York:
Routledge:335-346.
[50]Strijbos, J.-W., & De Laat, M. F. (2010a). Developing the Role Concept for Computer-Supported Collaborative Learning:
An Explorative Synthesis[J]. Computers in Human Behavior, 26(4):495-505.
[51]Strijbos, J.-W., & Weinberger, A. (2010b). Emerging and Scripted Roles in Computer-Supported Collaborative Learning[J]. Computers in Human Behavior, 26(4):491-494.
[52]Strijbos, J.-W., Martens, R. L., & Jochems, W. M. G. et al. (2007). The Effect of Functional Roles on Perceived Group Efficiency During Computer-Supported Collaborative Learning:
A Matter of Triangulation[J]. Computers in Human Behavior, 23(1):353-380.
[53]Sweller, J., Merrienboer, J., & Paas, F. (1998). Cognitive Architecture and Instructional Design[J]. Educational Psychology Review, 10(3):251-296.
[54]Theiner, G. (2014). Varieties of Group Cognition[M]// Shapiro, L. (Ed.). The Routledge Handbook of Embodied Cognition. London & New York:
Routledge:349-354.
[55]Van Merrienboer, J. J., & Sweller, J. (2005). Cognitive Load Theory and Complex Learning:
Recent Developments and Future Directions[J]. Educational Psychology Review, 17(2):147-177.
[56]Wang, C. (2021). Roles Interaction During Mobile-Blended
Collaborative Learning:
The Impact of External Scripts[C]// Li, R. et al. (Eds.). Blended Learning:
Re-Thinking and Re-Defining the Learning Process. Switzerland:
Springer:191-213.
[57]Wang, X., Kollar, I., & Stegmann, K. (2017). Adaptable Scripting to Foster Regulation Processes and Skills in Computer-Supported Collaborative Learning[J]. International Journal of Computer-Supported Collaborative Learning, 12(2):153-172.
[58]Xie, K., Yu, C., & Bradshaw, A. C. (2014). Impacts of Role Assignment and Participation in Asynchronous Discussions in College-Level Online Classes[J]. The Internet and Higher Education, 20:10-19.
收稿日期2022-07-08責任编辑 汪燕
A New Perspective of Understanding and Representing Group Cognition:
The Role Interaction in Collaboration Scripts
WANG Cixiao, LIU Wenhui
Abstract:
The new generation of cognitive science holds that high-level mental ability of human is first obtained from interpersonal interaction in social and cultural situations. Group cognition can be seen as the process performance of group members during collaborative interaction. The distributed cognitive system between individuals realizes the connection between individual cognition and group cognition through group interaction. As the constraint and guidance of group interaction, the collaboration script affects the role playing and the cognitive development of group members. The role interaction in the collaboration script integrates individual characteristics and group culture, which can fully reveal the cognitive participation of group members, providing a new perspective for understanding and representing group cognition. The three-level role interaction analysis model for group cognition interprets the role interaction in the collaboration script from three levels:
role representation, role coordination and role structure. Role presentation analysis aims to deeply describe and present various generative and scripted roles in group collaboration; role coordination analysis presents the transformation of team members roles and the formation and evolution of team members behavior patterns from the time dimension; role structure analysis focuses on showing the social network and cognitive network of different roles during the interaction from a spatial scale. To deeply describe the role interaction, we need to not only analyze the current display state of the role, but also present its coordination process and relationship network with the method of multi-dimensional analysis from both qualitative and quantitative perspectives.
Keywords:
Collaborative Learning; Group Cognition; Collaboration Script; Role Interaction; Learning Analytics