應(yīng)用ＨＭＭ識(shí)別在線協(xié)作交互模式

【摘要】協(xié)作學(xué)習(xí)的本質(zhì)是協(xié)同建構(gòu)知識(shí)的過程，實(shí)現(xiàn)該過程主要有三類交互模式：分享信息、協(xié)商沖突和共同創(chuàng)造?；陔[馬爾可夫模型，以實(shí)時(shí)交互言論的行為類型為觀察序列，以小組討論狀態(tài)為狀態(tài)集合，該論文嘗試了上述三類協(xié)作交互模式的識(shí)別研究。

【關(guān)鍵詞】協(xié)作學(xué)習(xí)；實(shí)時(shí)交互；交互模式；隱馬爾可夫（HMM）

【中圖分類號(hào)】G420 【文獻(xiàn)標(biāo)識(shí)碼】A【論文編號(hào)】1009—8097 (2008) 07—0073—05

一 協(xié)作學(xué)習(xí)中的交互模式

隨著網(wǎng)絡(luò)通信技術(shù)的飛速發(fā)展，新的人際交流環(huán)境已經(jīng)形成。以計(jì)算機(jī)為媒介的交流（Computer Mediated Communication，簡稱CMC）成為遠(yuǎn)程教學(xué)和網(wǎng)絡(luò)化學(xué)習(xí)的重要途徑。本文所探討的在線學(xué)習(xí)中的交互是指學(xué)習(xí)者之間以信息為中介進(jìn)行知識(shí)意義建構(gòu)的過程，主要發(fā)生在協(xié)作學(xué)習(xí)的過程中。

很多研究者認(rèn)為學(xué)習(xí)者之所以可以通過相互協(xié)作實(shí)現(xiàn)個(gè)體認(rèn)知的發(fā)展，是因?yàn)樵趨f(xié)作中，不同的觀點(diǎn)通過共享、比較、論證、綜合、修改調(diào)整等過程達(dá)成了共同的理解（shared understanding）[1]。協(xié)作學(xué)習(xí)的本質(zhì)就是協(xié)同建構(gòu)知識(shí)的過程，而此過程主要包括三類核心環(huán)節(jié)：

● 分享信息

Stahl[1]（2003）認(rèn)為基于社會(huì)互動(dòng)的協(xié)同知識(shí)建構(gòu)過程開始于個(gè)體知識(shí)（personal knowing）的共享。Gunawardena[2]（1995）也認(rèn)為成員之間共享和比較信息，交流看法，描述討論主題是協(xié)同知識(shí)建構(gòu)的最初階段。

● 協(xié)商沖突

來自不同個(gè)體的觀點(diǎn)或知識(shí)在討論過程中會(huì)發(fā)生沖突，如果這些觀點(diǎn)或知識(shí)通過協(xié)商達(dá)成了一致，那么一致的結(jié)果便是共同的理解（shared understanding）。在協(xié)商沖突的過程中，學(xué)生高度關(guān)注其他人所提供的信息的意義，那些不完全的、沖突的、模棱兩可的信息被協(xié)作小組成員不斷過濾和再加工，直至共同方案的建立。很多CSCL（Computer Supported Collaborative Learning，簡稱CSCL）研究者都認(rèn)為當(dāng)參與協(xié)作學(xué)習(xí)的學(xué)生面臨沖突進(jìn)行爭論，并通過協(xié)商嘗試獲得共同解決方案時(shí)，協(xié)作學(xué)習(xí)就會(huì)有效得多[3] [4]。

● 共同創(chuàng)造

群體決策或共同解決問題是協(xié)作交互的常見任務(wù)。為保證群體問題解決的質(zhì)量，需要參與成員各抒己見，集思廣益，盡可能多地提出自己的意見，并對(duì)他人的設(shè)想進(jìn)行補(bǔ)充、改進(jìn)和綜合。共同創(chuàng)造意味著成員積極提出新建議、新方案，最后通過綜合、調(diào)整實(shí)現(xiàn)問題的解決或作品的創(chuàng)建。

上述三類交互過程各有特點(diǎn)，共同構(gòu)成了協(xié)作學(xué)習(xí)的三類基本交互模式。本研究將協(xié)作小組成員圍繞特定目標(biāo)而展開的實(shí)時(shí)交互行為的序列結(jié)構(gòu)定義為交互模式。目標(biāo)/任務(wù)、交互行為、小組成員、時(shí)間共同構(gòu)成了交互模式的四個(gè)基本要素。顯然，本研究中交互模式的劃分主要基于目標(biāo)/任務(wù)維度。

二 交互模式的HMM模型

給協(xié)作小組的成員提供一個(gè)實(shí)時(shí)交流平臺(tái)，并且安排一個(gè)學(xué)習(xí)任務(wù)，仍然無法保證分享、協(xié)商、共同創(chuàng)造的順利發(fā)生。我們常常會(huì)發(fā)現(xiàn)：個(gè)別成員控制或主導(dǎo)討論過程，而小組中大部分成員的意見沒有充分表達(dá)或沒有充分投入到交互過程中，原本應(yīng)該是來自不同個(gè)體的觀點(diǎn)經(jīng)過充分比較、論證、爭辯、補(bǔ)充、調(diào)整等獲得共同理解，卻常常演變成了“任務(wù)分工＋個(gè)人觀點(diǎn)簡單合并”。

對(duì)此，國外已有研究者試圖引入自動(dòng)監(jiān)控機(jī)制來識(shí)別協(xié)作小組當(dāng)前的討論狀態(tài)。Amy Soller等[5]人開發(fā)的EPSILON協(xié)作學(xué)習(xí)環(huán)境就采用隱馬爾科夫模型（HMM）來識(shí)別協(xié)作小組成員在討論過程中的角色（比如知識(shí)分享者等），并根據(jù)識(shí)別結(jié)果給出相應(yīng)的反饋指導(dǎo)。McManus 和Aiken（1995）[6]的Group Leader System就通過有限狀態(tài)機(jī)來監(jiān)控學(xué)生討論中的評(píng)論、請(qǐng)求、許諾和爭論行為，通過動(dòng)態(tài)分析學(xué)生的言論類型序列就學(xué)生的信任程度、領(lǐng)導(dǎo)能力、創(chuàng)造能力和交流能力等四個(gè)方面的協(xié)作能力給出評(píng)價(jià)和指導(dǎo)。但國內(nèi)的相關(guān)研究卻很少。

本論文將聚焦在線協(xié)作學(xué)習(xí)中的生生實(shí)時(shí)交互過程，嘗試基于隱馬爾可夫（Hidden Markov Model，簡稱HMM）模型從小組成員圍繞特定目標(biāo)而展開的實(shí)時(shí)交互行為的序列結(jié)構(gòu)中判定上述三類模式的發(fā)生。

隱馬爾可夫模型是一種用參數(shù)表示的用于描述隨機(jī)過程統(tǒng)計(jì)特性的概率模型，它包括狀態(tài)轉(zhuǎn)移概率的馬爾可夫鏈和輸出觀測值的隨機(jī)過程，其狀態(tài)是不確定或不可見的，只有通過觀測序列的隨機(jī)過程才能表現(xiàn)出來。一個(gè)HMM可以用五元組描述（S，K，∏，A，B），其中：

在協(xié)作交互過程中，為了保證交互的持續(xù)進(jìn)行和討論任務(wù)的完成，學(xué)生的交互言行不是隨意的。這種非隨意性主要體現(xiàn)在兩個(gè)方面：第一，學(xué)生所發(fā)表的言論受當(dāng)前交互意圖的制約；第二，學(xué)生當(dāng)前的交互意圖受協(xié)作小組當(dāng)前的討論狀態(tài)制約。因此，學(xué)生的言行（Speech Act）可以作為HMM的輸出序列集合，而討論狀態(tài)可以作為HMM的狀態(tài)集合。

言語行為理論（Speech Act Theory）的代表塞爾[7]將言語行為劃分為五類：陳述、祈使、承諾、表態(tài)、宣告等。但在具體編碼時(shí)，我們發(fā)現(xiàn)難以用上述五類概括所有學(xué)生交互言論的“行事”特征。為此，我們采用了從下至上法即由原始語料歸納出相應(yīng)的類別體系。言論類型的確定標(biāo)準(zhǔn)是：以言語行為理論為基礎(chǔ)，抽象出能反映交流意圖的類型體系。分析者選定為兩位北師大教育技術(shù)學(xué)院的研究生?；镜姆治鲞^程是：兩位分析者首先分別對(duì)聊天室上的原始語料逐個(gè)進(jìn)行編碼分類，在分類的過程中歸納合并相同項(xiàng)或類似項(xiàng)，逐步形成言論類別體系；大約分析至抽樣言論的40%時(shí)，兩位分析者核對(duì)類別體系和編碼結(jié)果，重新明確編碼類別和分類標(biāo)準(zhǔn)；然后按照新確定的編碼體系對(duì)后續(xù)言論內(nèi)容進(jìn)行編碼，結(jié)束后再進(jìn)行編碼結(jié)果一致性的總結(jié)性評(píng)價(jià)；分析結(jié)束后計(jì)算兩個(gè)分析者編碼結(jié)果的Kappa系數(shù)（在SPSS里用CrossTab分析），結(jié)果為0.86，大于0.7，說明分析結(jié)果基本一致。最終編碼結(jié)果取兩位分析者協(xié)商后的一致意見（言論類型體系詳見表1）。

應(yīng)用同樣的方法，討論的狀態(tài)確定為以下五類：

● 組織（Or）：試圖控制、協(xié)調(diào)討論過程

● 社交（Sg）：交流情感，影響組內(nèi)交流氛圍

● 建構(gòu)（Bu）：產(chǎn)生新信息或更多信息，促進(jìn)問題解決或討論過程的結(jié)束

● 一致（Ag）：核實(shí)、明確、應(yīng)用達(dá)成的共識(shí)

● 沖突（Co）：小組內(nèi)成員觀點(diǎn)出現(xiàn)分歧，組員之間相互挑戰(zhàn)、質(zhì)疑或辯駁

三 實(shí)驗(yàn)設(shè)計(jì)

為建立三類交互模式的HMM模型，需要一批可靠的訓(xùn)練數(shù)據(jù)。我們圍繞三類交互模式的特點(diǎn)，針對(duì)性地設(shè)計(jì)了六個(gè)兩人在線協(xié)作討論（非面對(duì)面討論）的任務(wù)（任務(wù)內(nèi)容見表2）。

剔除討論失敗或不正常的小組實(shí)時(shí)交流數(shù)據(jù)后，共獲得了43組訓(xùn)練文檔，其中分享信息模式的有15組，協(xié)商沖突的20組，共同創(chuàng)造的8組。

四 三類交互模式的識(shí)別

三類交互模式識(shí)別的基本過程是：

，

對(duì)#61537;和#61538;做了上述處理之后，用尺度變換后的前向后向變量重寫B(tài)aum-Welch算法公式。

初始模型#61549;經(jīng)過多次訓(xùn)練重估以后，其值也相應(yīng)被一一修改。但在實(shí)際運(yùn)行中，我們發(fā)現(xiàn)，輸出觀察序列的概率矩陣有可能出現(xiàn)某一列全為零的情況，從而導(dǎo)致尺度轉(zhuǎn)換因子下溢。對(duì)此我們進(jìn)一步采用數(shù)據(jù)平滑的方法解決某個(gè)言論類型在所有討論狀態(tài)下出現(xiàn)概率均為零值的情況。修改方法如下：

（1）為第 組訓(xùn)練序列處于狀態(tài) ，輸出為 的概率值； 為第 組訓(xùn)練序列的序列長度； 表示言論類型的總數(shù)。

（2） 記錄在所有狀態(tài)下輸出概率均為零的言論類型：

（3） 依據(jù)言論類型在第 組出現(xiàn)的歷史情況，修改零值：

，

（4） 保證各狀態(tài)下輸出各言論類型的概率總和為1的條件，按照“劫富濟(jì)貧”的原則修改其他概率值：

其中， ，修改零值產(chǎn)生的增量

實(shí)驗(yàn)表明，上述修改方法不但能解決尺度轉(zhuǎn)換因子下溢的問題，而且通過歷史值修改輸出概率（即前一個(gè)訓(xùn)練文檔的言論類型輸出概率），能使數(shù)據(jù)得到比較好的平滑效果。

3 應(yīng)用HMM模型識(shí)別交互模式

已知三類交互模式的HMM模型 （分享信息）、 （協(xié)商沖突）和 （共同創(chuàng)造），對(duì)于一個(gè)言論類型序列O，可以分別計(jì)算出由該三種模式產(chǎn)生出該觀測序列的概率P(O| )、P(O| )和P(O| )。因此識(shí)別某個(gè)言論類型序列O所屬的交互模式的問題可以通過比較P(O| )、P(O| )和P(O| )的大小得到解決：輸出概率值越大，則表明越符合該類交互模式。

用上述6個(gè)任務(wù)的2人被試實(shí)驗(yàn)數(shù)據(jù)（共30組，每類模式10組實(shí)驗(yàn)數(shù)據(jù)）驗(yàn)證HMM識(shí)別交互模式的方法，結(jié)果表明，每類模式的正確識(shí)別率均是90%。

五 討論

本論文基于HMM模型的學(xué)習(xí)算法，將交互過程映射為一個(gè)統(tǒng)計(jì)模型，通過訓(xùn)練樣本的獲取和學(xué)習(xí)，估計(jì)模型參數(shù)，并以此為依據(jù)判斷特定交互行為序列所對(duì)應(yīng)的交互模式。但是該方法具體應(yīng)用于實(shí)時(shí)協(xié)作交互的監(jiān)控和指導(dǎo)還需要進(jìn)一步解決以下三個(gè)方面的問題：

1 人工編碼交互言論費(fèi)時(shí)費(fèi)力

交互言論的內(nèi)容紛繁蕪雜，逐條言論予以人工分析和編碼，一方面主觀性強(qiáng)，存在一定程度的信度問題，另一方面，費(fèi)時(shí)費(fèi)力，效率不高。因此，有必要實(shí)現(xiàn)交互言論類型的自動(dòng)或半自動(dòng)識(shí)別，這必然涉及自然語言理解的問題。為了避開這一技術(shù)難題，目前國際上通用的方法是：提供一個(gè)類型體系的腳手架，比如映射某一類型的句首詞（sentence opener），讓實(shí)時(shí)交互的用戶自主選擇。

2 訓(xùn)練文檔數(shù)量不夠

由于初次嘗試應(yīng)用HMM識(shí)別在線協(xié)作交互模式，訓(xùn)練文檔不多，模型參數(shù)尚未達(dá)到收斂，還需后續(xù)進(jìn)一步增加訓(xùn)練文檔的數(shù)量，使模型達(dá)到穩(wěn)定。

3 交互模式的類別需要進(jìn)一步明確

由于目前三類交互模式的HMM模型尚未穩(wěn)定，因此難以直接根據(jù)評(píng)估概率P(O|μ)的大小判斷是否屬于某類交互模式，另外交互言論序列的長度對(duì)P(O|μ)也有明顯的影響。為了解決這一問題，本論文采用了比較三類模型的輸出概率P(O|μ)的方法來識(shí)別2人小組的交互模式。但是交互模式的類別是否合適，是否需要進(jìn)一步細(xì)化各類別，以提高模式識(shí)別的正確率和增強(qiáng)教學(xué)指導(dǎo)功能，尚需進(jìn)一步研究。

———————

參考文獻(xiàn)

[1] Stahl， G. Building collaborative knowing: Elements of a social theory of learning[A]. J.-W. Strijbos， P. Kirschner R. Martens (Eds.)[C]， What we know about CSCL in higher education. Amsterdam， NL: Kluwer. 2003.53-86.

[2] Gunawardena， Social Presence Theory and Implications for Interaction and Collaborative Learning in Computer Conferences [J]. International Journal of Educational Telecommunications， 1995，1. 147 – 166.

[3] Baker， M.J. Lund， K. (1996). Flexibly structuring the interaction in a CSCL environment. In Proceedings of the EuroAIED Conference (eds. P. Brna， A. Paiva J. Self) pp. 401-407， Ediccedil;otilde;es Colibri， Lisbon.

[4] Savery， J.， Duffy， T. (1996). Problem based learning: An instructional model and its constructivist framework. In B. Wilson (Ed.)， Constructivist learning environments: Case studies in instructional design (pp. 135-148). Englewood Cliffs， NJ: Educational Technology Publications.

[5] Amy Soller and Alan Lesgold. Modeling the Process Of Collaborative Learning. Proceeding of the International Workshop on New Technologies in Collaborative Learning. waji-Yumebutai，Japan.

[6] McManus，M.and Aiken，R.Monitoring Computer-based Problem Solving .Journal of Artificial Intelligence in Education，1995，6(4):307-336.

[7] 孫淑芳，塞爾言語行為理論綜述，解放軍外國語學(xué)院學(xué)報(bào)， [N].1999-1.

[8] 李志鵬，陳善廣，薛亮，解決Baum-Welch算法下溢問題的參數(shù)重估公式中存在的問題及其更正，聲學(xué)學(xué)報(bào)， [N].2001-5.

Recognition of Interaction Pattern in Web-based Collaborative Learning

ZHAO Dong-lun1HUANG Rong-huai2LIU Huang-ling-zi3 LENG Jing2ZHU Ling-li4

(1.Department of Computer Science and Technology， Beijing Normal University， Beijing 100875， China;

2.School of Education Technology， Beijing Normal University， Beijing 100875，China; 3.Nokia Research Center， Beijing 100080，China;

4. Network Education Institute of PEKING University， Beijing 100871，China)

Abstract: The essence of collaborative learning is collaborative knowledge building， which mainly has three interaction patterns: information sharing， conflicts negotiation and joint creation. Based on Hidden Markov Model (HMM)， taking the speech acts of online discussion as observation sequences and the discussion states as state set，this paper tried to recognize the three interaction patterns mentioned above.

Keywords: Collaborative Learning; Synchronous Interaction; Interaction Pattern; Hidden Markov Model

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文?！?/p>