网络学习行为系统概念模型构建研究.pdf
《网络学习行为系统概念模型构建研究.pdf》由会员分享，可在线阅读，更多相关《网络学习行为系统概念模型构建研究.pdf（8页珍藏版）》请在冰点文库上搜索。
文章编号：
1006__9860（2013）090039__08网络学习行为系统概念模型构建研究彭文辉1，杨宗凯2，刘清堂1（1华中师范大学信息与新闻传播学院，湖北武汉430079；2华中师范大学国家数字化学习工程技术中心，湖北武汉430079）冰摘要：
网络学习行为系统概念模型以形式化的方法揭示了在该系统中人们关注的主要概念、主要要素以及它们之间的关系。
建立网络学习行为系统的概念模型的意义在于在该领域构建研究的框架及奠定研究的基础。
该文讨论了构建网络学习行为系统概念模型的策略，并使用概念图的方法，构建了一个较为严密和完整的网络学习行为系统概念模型，探论了概念模型中的一些相关要素的意义。
文章最后简要对该概念模型的有效性校验进行了论述。
关键词：
网络学习行为系统；概念模型；概念图中图分类号：
G434文献标志码：
A一、引言网络学习行为，指发生于eLearning环境中的、与学习相关的网络学习者的各种行为。
网络学习者、网络学习环境、网络学习行为等各种要素组成一个复杂的系统，可以将其命名为网络学习行为系统。
eLearning发生于该系统中，该系统中的各要素之间具有复杂的关联，这些要素之间的静态结构与动态演变关系，对eLearning实施效果具有决定性的影响，因此，研究网络学习行为系统对于改善ek锄ing学习质量具有重要意义。
研究网络学习行为系统，首先需要明确该系统领域里有哪些主要概念、这些概念之间的关系如何，并将这些知识以清晰而准确的方法表示出来。
为此，本文采用概念模型（C叩ceptIla】M0del）的方法。
在科学研究过程中构建研究对象的各种模型，是一种行之有效的研究方法。
模型依据其使用的领域、建模方法、描述形式、描述内容及抽象层次等可以分为不同的类型。
概念模型是对真实世界和问题空间的第一次抽象，它是一种借助形式化的方法，对问题空间的概念及其关系进行描述的技术。
它将零散的、非结构化的领域知识转换为系统的、结构化的、可读性强的概念模型文档，为后续的建模和仿真奠定良好的知识表示基础【1】。
有文献指出，“概念建模是信息建模最重要的一个子领域，它通过概念的构思和概念的形成，使得我们能够构建问题的概念”【2】。
可以说，概念模型是构建后续模型的必要过程和工作基础。
有关网络学习行为的建模研究，国外文献上发表了一些采用严格形式化、量化方法和工具的过程模型，例如Petri网模型【3】【4】、贝叶斯网络模型【5】、以及自动机等建模工具构建的模型【61等，这些模型基于一些经验概率数据，试图达到分析学习者风格、预测学习者行为的目标。
国内文献则主要采用维果斯基的活动理论架构或使用一些要素描述或过程描述方法来建立一些质性的描述模型，这种建模方法及其建立的模型较为注重网络学习行为的教育学意义f701。
另一种比较普遍采用的研究思路是试图通过统计分析或结构方程法验证各种学习行为与影响因素之间的关联关系【1115】。
本文认为，网络学习行为系统是一个复杂的系统，试图使用某一种特定模型来描述其全体特征是不可能的。
不管怎样，建立各种应用模型的前提是首先明确网络学习行为系统中存在哪些要素，这些要素之间具有何种关系。
这意味着要详细梳理网络学习行为系统中所存在的核心概念和命题，并构建网络学习行为系统概念模型，如此将为网络学习行为的研究构建一个明确的框架，为网络学习行为研究和应用打下一个牢固的基础，然而到目前为止，相关工作还未见文献报告。
+本文系20lo年度教育部文人社科研究规划基金项目“网络学习行为建模及应用研究”（项目编号：
10YJA880llo）、青少年网络心理与行为教育部重点实验室201l一2012开放课题“网络问题学习行为的归因、评测及改善与矫正研究”（项目编号：
2012cl2）成果。
万方数据二、网络学习行为系统概念模型构建策略在构建网络学习行为概念模型时，本文考虑采用了以下策略：
（一）构建目标构建网络学习行为系统概念模型的目的是明确本系统所涉及的各种要素及其关系，并以一种清晰而又规范的形式表示出来，从而为进一步的研究奠定基础。
在该模型中，不仅要描述网络学习行为的主要概念及其关系，还应描述研究网络学习行为的目的、内容、研究方法等“元研究”信息。
依据如图l所示的网络学习行为概念体系“q，可以从心理学和行为科学、学习理论、信息技术三大领域关于行为的研究视角人手，来构建该概念模型的概念体系。
图1网络学习行为的概念体系
（二）概念组织策略一般而言，对系统进行需求分析或者结构分析，可以采用“自顶向下”或“自底向上”的方法。
对网络学习行为系统而言，“自顶向下”要求我们找出最顶层的概念，然后逐级分解至底层概念；“自底向上”则要求我们先找到最底层的概念，再逐级向上，归纳上层的概念。
在本系统中使用这两种方法比较困难，为此本文采用了一种新的方法。
在本概念体系中，我们最明确的概念是“网络学习行为”，这是一个中级层次的概念，向下，有行为要素概念，向上则有行为模式等概念。
从此概念出发，可以较为容易地展开概念与关系的识别，因此，本文采取从中心概念出发，向上及向下，或者说向四周扩散的方法，进行概念的组织。
可以将这种方法称为“中心扩散”方法。
（三）概念模型的描述工具概念模型应该以适当的方法进行描述，常用的描述工具包括自然语言、半形式化语言、形式化语割171。
1自然语言描述主要使用日常文字语言的一种描述方式，优点是简单、易理解；缺点是有二义性，不利于捕获模型的语义。
自然语言描述只适用于要求不高的概念模型构建。
2半形式化语言描述采用一定格式的文档、图型、表格并结合自然语言进行的描述，这种方法是在表达能力、严格性、方便性等方面进行的一种折中处理。
3形式化语言描述采用严格定义的数学或逻辑工具与语言进行的描述，这种描述方法严格而无歧义，可进行计算机自动推理和一致性检查。
常用的形式化描述工具包括XML、UML（面向对象的建模语言）、集合论的方法、ER（实体一关系模型）、基于本体的知识表示、语义网络、一阶谓词逻辑等。
考虑到直观性、方便性等因素，本文采用概念图（ConceptMap）作为网络学习行为系统概念模型的描述工具。
这是一种半形式化的工具。
概念图是康乃尔大学的诺瓦克（JDNovak）博士首先于1984年提出的一种知识表示图示法II8】【l91，是一种表示概念和概念之间相互关系的空间网络结构图，它由节点（概念，用方框表示）和连接节点的有向或无向弧组成，弧中间可以标注表示概念之间关系的标签。
它能形象化地表达某一论域中各概念节点间的内在逻辑关系。
关联的概念及关联关系构成一个命题，而知识就是概念和命题的集合。
概念图可以有多种结构形式【201，例如Kinchin提出的三种概念图结构类型：
轮辐式、链式和网络式【21】等。
仔细比较后，可发现本文构建的概念图模型样式，类似于nchin的轮辐式概念图。
（四）表达形式由于本系统很多概念关联的层级较多，难以在一张图上完整描绘，因此可以采用分层嵌套的方法，用多层次的概念图进行表达，可将这些不同层级的概念图称为主图及子图，主图又可称为0级图，子图可分为一级子图、二级子图、三级子图等。
这里我们将各级层图称为“级”而不是“层”，以区别层次化的“自顶向下”或“自底向上”结构。
三、概念模型图
（一）主图（0级图）本级概念图是围绕“网络学习行为”这个中心概念展开的，它是表达与“网络学习行为”联系最紧密的概念及其关系的。
根据构建目标，网络学习行为主要内容及要素包括：
网络学习行为的构成要素、描述法、分类模型、受影响因素、数据获取方法、数据的分析与应用、分析意义等。
各内容要素下具体的内容，分别用a、b、c、d、e、f、g指向，在后续子图中表示。
采用“中心扩散”的思想，以万方数据
（二）网络学习行为的构成要素a网络学习行为的构成要素a和SFT分类模型c通过描述法b联系起来，如图3所示：
点，网络学习行为的构成要素包括主体、客体、环境、工具与手段、结果、过程要素和强度要素。
网络学习行为的主体是网络学习者，客体为网络学习资源与平台（网络课程、文献资料、问题解答、媒体素材等），环境是网络学习系统，工具与手段是互联网和网络操作，结果是操作响应和行为的后续成果，过程是网络学习行为的时间序列，强度是网络学习行为的激烈程度。
（三）网络学习行为的SFT分类模型c对于网络学习行为的分类，本文采用一种独特的分类模型SFT分类模型221，这种分类模型按三种维度；结构维度（s）、功能维度（F）和方式维度对网络学习行为进行分类。
这三个维度均具有相c2图3网络学习行为一级子图a构成要素、b描述法、cSFT分类模型万方数据对的完备性和独立性，因而具有较强的合理性口31。
1结构维度OCCPforEle锄ing（c1）在SFT分类模型中，我们将网络学习行为按结构层次的不同，划分为由低层到高层的四个类别，如图4所示，分别是操作行为（OperationalBehavior）、认知行为（CognitiveBehavior）、协作行为（CollaborativeBehavior）和问题解决行为（ProblemSolvingBehavior）。
这种对学习行为的层次划分方法，简称为OCCP模型。
（3）协作行为（c13）指个体建立在操作行为和认知行为基础之上的、与伙伴协作交流的一系列学习交流互动行为。
协作行为是第三层次的行为，图7显示了在网络环境中常见的协作行为。
操作行为层oB0认知行为层cogBl协作行为层问题解决行为层PSBl燃卜嘶tiv部如叫c僦警8Pmblem鲥vingBeh、rior络括系知圈6网络学习行为三级子图c12网络学习行为SFT分类模型结构维度之认知行为量，现今测量认知行为的方法有：
眼动实验、反应行为实验、口述报告法和计算机模拟法。
结构维度之问题解决行为2功能维度信息操作（c2）万方数据我们将网络学习行为的功能泛化为信息操作，也称信息行为。
网络学习行为SFT分类模型中的第二个维度是功能维度，即按照信息操作的功能进行网络学习行为的分类。
如图9所示，按照网络学习的一般过程，可将网络学习中的信息行为分为以下几种类型：
信息查询行为、信息组织与加工行为、信息运用行为和信息发布行为。
陋查询行为l徽卜运用行为怍息发布行为图9网络学习行为二级子图c2SFT分类模型之F功能维度（信息操作）3方式维度交互方式（c3）学习的外显表现形式即交互，中国远程教育技术标准中的体系架构与参考模型规范（CELTS一1）将学习系统最高抽象为学习者之间及与环境的交互。
所以，网络学习行为sFT分类模型中的第三个维度以交互方式进行网络学习行为的分类（称为方式维度）。
如图10所示，按交互的参与对象不同，可将交互分为人一人交互和人一机交互嗍。
人一人交互又可分为师一生交互、生一生交互，以及不具身份的Xx交互（X为匿名者）；人一机交互按交互的性质也可分为个体和网络平台的交互（例如搜索操作等）、个体和学习资源的交互（例如浏览数字学习内容等）。
c3人人交互L师一生交互、生一生交互、Xx交互炒鼐人一机交互个体丰湖耋爵平台的rIll交互、个体和学习喙对点嘛对点眵对多多对多资源的交互lli实时酾异步酌实时的异步I交流I交流l交流交流图10网络学习行为二级子图c3SF一1分类模型之T方式维度（交互方式）按交互的对象确定性及交互的实时性，又可将交互分为：
（1）点对点的实时交流，如使用QQ、MSN等交流工具；
（2）点对点的异步交流，如用eMail请教教师、专家，登录教师、专家的Blog等；（3）多对多的实时交流，如聊天室、集体答疑等；（4）多对多的异步交流，如BBS论坛等。
（四）网络学习行为的描述法b如图3所示，网络学习行为的描述分为要素描述和类型描述两种方式。
某次网络学习行为中的主体、客体、环境、手段、结果、过程和强度要素，通过参数化与形式化，得到要素描述模型，要素描述是要素描述模型的一次具体实现。
类型描述方式是通过对网络学习行为进行合理分类来实现的，通过归类法来描述发生的网络学习行为属于哪一类型的行为，这由SF_T分类模型来处理。
（五）影响网络学习行为的因素d图11至图14给出了影响网络学习行为的因素组成。
班杜拉指出，人类行为、环境、个体内在特质，三方互为决定因素，相互起作用，此即所谓三元交互决定论模型【2刨仃riadicRecipmcalDete瑚inismModel）。
这种观点显著有别于行为主义心理学、心理动力学（精神分析学说）和传统认知心理学的心理特质论。
基于此，本文给出图11所示的影响因素一层子图。
以下更低层次的影响因素，在许多文献中均有讨谢271，本文不作过多讨论。
dI社会环境学习者特征ll网络学习技术环境Id1d2d3图11霸络学习行为一级子图1dI肜响网络学习行为的因素图12网络学习行为二级子图_d1社会环境万方数据图13网络学习行为二级子图-d2学习者特征（七）网络学习行为数据的分析及应用f、研究网络学习行为的意义g（见下页图16、图17）对网络学习行为数据进行分析的总体作用，一是发掘学习者的个性特征，二是发掘学习资源与平台的使用特性。
具体来说，分析网络学习行为可以实现：
（1）学习风格的甄别与挖掘。
通过网络学习者的操作行为、协作行为及解决问题的行为，可以统计分析，总结出他们各自的学习风格类型，从而为不同学习风格的学习者提供不同的学习方法与内容。
（2）学习问题的诊断与干预。
从数据分析中诊断出学习者的学习问题，对存在问题学习行为的学生进行干预，促使其行为得到改善和矫正。
（3）学习结果的评价。
对学习者的行为、学习效果进行过程性图14网络学习行为二级子图_d3网络学习技术环境（六）获取网络学习行为数据的方法e如图15所示，获取网络学习行为数据的方法有心理及行为科学的方法如实地观察法、问卷调查法，以及信息技术领域的方法，如web日志分析法、代理服务器、客户端Javascript等。
评价和总结性评价；（4）学习行为的预测，从而能实现学习系统的适应性调整。
上述四点有益于：
（1）网络教育资源的开发。
能够帮助教育资源设计者开发出更符合学习学习方式和习惯的教育资源。
（2）网络学习模式的设计。
如果教师能够更多地了解学生在远程学习中的行为特点和规律，就能够更好地引导和服务学生，进而改进课程设计和学习模式。
（3）网络学习平台的构建。
能够帮助平台设计者开发出更丰富、易用、合理的网络教育平台。
（4）学习者问题学习行为的纠正。
（5）学习者的评价。
（6）个性化学习系统的设计。
四、概念模型校验概念模型构建以后，可以从两个方面校验其有效性：
一是考察构建过程是否规范，是否使用了标准和规范的方法体系；二是验证模型在何种程度上真实描述了论域问题。
以下仅就第二个方面的标准，简要讨论以上网络学习行为概念模型的有效性。
图15网络学习行为一级子图咱网络学习行为数据获取的方法验证网络学习行为概念模型是否真实地描述论域问题，可以从以下三个维度进行考察：
一是模型内容维度：
本概念模型是否真实而又全面地反映了本论域的核心概念和关系?
二是模型形式维度：
本概念模型是否使用了严格的描述方法、是否简洁而又清晰?
是否使用了一致的术语?
三是模型管理维度：
模型是否具有可维护性?
是否可扩充、可修改等等。
以下就此三个维度作简要分析。
1内容维度本文构建的网络学习行为概念模型，万方数据学习风格睁习问题的I学习结果I学习行为的甄别弘断与干预I的评价的预测心乡彩蕊I鬻I鬻降阵粥器一葬咔群自4g图16网络学习行为一级子图f网络学习行为数据的分析与应用、g研究网络学习行为的意义lf2l学习者特征资源特征l数据库数据库图17网络学习行为二级于图-f1、f2已涉及到心理学和行为科学关于行为的核心概念行为及其与相关影响因素的相互影响，它们在网络学习行为的要素子图、网络学习行为描述法、影响网络学习行为的因素等子图中表达。
而行为在学习领域的概念表达，可以用学习行为的分类模型以及网络学习行为的分类模型子图、研究网络学习行为意义等子图实现。
信息技术领域中行为概念，可以以网络学习行为的SFT分类模型、网络学习行为数据获取方法、网络学习行为数据分析等子图表达。
依据图1所示的网络学习行为概念体系，本文构建的网络学习行为概念模型反映了本论域最核心的概念。
从另一个角度来分析，心理学认为，对人行为研究的目标是：
描述行为一理解行“1为一预测行为一控制行为【281【291，因此，研究的主题也应沿着这一主轴，展开。
在本文给出的概念模型中，描述行为由网络学习行为描述模型（OCCP、SFn相关的概念群表达；理解行为由网络学习行为分析中的评价、风格甄别、问题学习行为诊断等概念群表达；预测行为在网络学习行为分析概念群中出现；控制行为在网络学习行为影响因素概念群、网络学习行为分析作用与意义概念群中表达。
因此，我们构建的概念模型涵盖了心理学关于行为研究的主轴。
当然，网络学习行为的概念模型不可能穷尽本论域中所有的概念及关系。
所谓“核心”的说法也是相对的，随着研究的深入，可能会有更多的概念被人们所认识并成为核心概念。
因此，概念模型应具有可扩充的功能。
2形式维度上述概念模型使用的描述工具是概念图。
概念图是一种半形式化的成熟的工具，值得注意的是，概念图既可以是图形的形式，又可以很容易地转化为文本语言（如XML语言）的形式。
概念图的文本语言形式称为线性化概念图【301，适合于计算机软件处理。
这样，概念图就具有既直观、又严谨且便于信息化处理的特点。
此外，上述概念模型总体结构采用了一种“中心扩散”形式，中心以外的概念表示则采用了层次化的结构，这种结构既能突出“网络学习行为”核心概念的作用，又能清晰地反映各个层级的概念之间的关系。
经检验，上述网络学习行为概念模型，使用了本论域一致的术语。
3概念模型的可扩充性随着研究的深人，领域新的知识会被逐渐挖掘，这时就需要在已有的概念模型中增加新的概念和命题。
本文建立的网络学习行为概念模型，是一个质性模型，采用“中心扩散”加“层次化”的结构及概念图形式，这几点属性保证了概念模型的可修改性和扩充性。
例如，如果需要扩充网络学习风格甄别的方法，可在图16中的相应概念框下，增加万方数据新的子图，以新的关系连接线以及新的关系“采用方法”连接新增加的方法概念框即可，不需要修改概念图其他已存在的部分。
五、结束语网络学习行为系统的概念模型揭示了在这个系统中我们关注的主要概念、主要因素以及它们之间的关系。
本文构建了网络学习行为系统概念模型，以概念图的形式来表达上述内容，具有直观易懂、较为严谨和易于扩充等优点。
按照本体理论，构建本概念模型也是构建关于网络学习行为系统的一个轻量级本体模型，它将搭建一个网络学习行为研究与应用的基本框架，为后续研究奠定基础。
参考文献：
【l17】【30】王杏林概念建模【M】北京：
国防工业出版社，2007【2】H粕肌K蚰g酗saloAppDchestotheActiveC0nceptualM0deUingofk姗ing【R】ActiveConceptualM0deling0fLe帆ing，2006【3】YiChunCh肌g，eta1B2model：
Abmwsingbeha“ormodelbasedonHigIkVelPe啊Ne协t0generatebehaviomlpattemsf曲elearrIin郾】ExpertSystemswithApplications，2009，（4）：
2一18f4】YiChunChang，ChihPingChuApplyinglearningbehaVioralPetrinetst0the姐alysisofle锄irIgbeha“orinweb“edle帆ingenvironments【EB，OL】hnp：
nmrsciencedirectcom，science，afticlepii，S0020025509004927，2009一l122【5】MichalisXenosPredictionandassessmentofstudentbehaviourinopen肌ddistanceeducationincompute糟usingBayiannetworks田Compute玛Education，2004，（43）：
345359【6】Milani，Aeta1ModeIingonlineuserbehavio玎R】http：
，ieeexplo弛ieeeorg，xpl，loginj8p?
tp=amumber=4690697url=http3A2F2Fieeexplo弛ieeeorg2Fxpls2Fabsa11j叩3Famumbef3D小i9069720130828【7】【25】彭文辉，杨宗凯网络学习行为分析及其模型研究【J】中国电化教育，2006，（10）：
3l一35【8】王佑镁网络学习环境中学习反思行为的交互分析【J】远程教育杂志，2008，（5）：
5558f9】庄科君，贺宝勋网络自主学习行为系统框架和自主学习行为层次塔【J】中国电化教育，2009，（3）：
41椰【lO】周岩基于TRA和TAM的大学生网络学习行为模型构建【J】中国电化教育，2009，（11）：
58-62【ll】朱祖林成人在线学习心理与行为的四因素关联模型【J】远程教育杂志，2013，
（1）：
2937【12】马凌等课程网站使用意向的影响因素研究叨中国电化教育，2013，
（2）：
7278【13】魏顺平在线学习行为特点及其影响因素分析研究【J】开放教育研究，2012，（4）：
8l一90【14】李玉斌网络学习行为模型的建构与实证基于在校大学生的调查肌电化教育研究，2012，
（2）：
39-43【15】杨丽娜信息技术采纳视角下的网络学习行为实证研究【J】中国远程教育，20ll，（4）
升级会员 