基于塊模型的大學生學習網(wǎng)絡子群研究*

徐 萱徐 峰

（1．江西財經(jīng)大學 信息學院，江西南昌 330003；2．江西省教育管理信息中心，江西南昌 330038）

基于塊模型的大學生學習網(wǎng)絡子群研究*

徐 萱1徐 峰2

（1．江西財經(jīng)大學 信息學院，江西南昌 330003；2．江西省教育管理信息中心，江西南昌 330038）

當代大學生的學習依賴于學習網(wǎng)絡的構建，利用社會網(wǎng)絡結構解釋具體學習行為是一種有意義的探索。文章從社會網(wǎng)絡結構對等性出發(fā)，利用塊模型方法對兩個大學班級的學習網(wǎng)絡子群進行量化分析，從個人屬性、位置層次和整體層次三個層面對量化結果進行質性分析，發(fā)現(xiàn)大學生學習網(wǎng)絡子群內部聯(lián)系非常緊密，個體的性別屬性和寢室屬性在子群內部表現(xiàn)出很強的系統(tǒng)性，塊模型可以有效地解釋大學生學習網(wǎng)絡子群的位置及其間的關系。

塊模型；大學生；學習網(wǎng)絡；子群

一 引言

數(shù)字技術和互聯(lián)網(wǎng)的高速發(fā)展，改變了人類的認知方式，也改變了人們的學習行為，伴隨著這些改變，學者們對傳統(tǒng)學習理論不斷進行反思，提出了學習的網(wǎng)絡化理論[1]。2005年，美國學者西蒙斯（George Siemens）[2]提出了一個新的學習理論——關聯(lián)主義。與行為主義、認知主義不同，關聯(lián)主義把學習置于網(wǎng)絡社會結構的變遷中，認為學習是在知識網(wǎng)絡結構中一種關系和節(jié)點的重構與建立。學習不僅是個人內在認知結構與外顯行為的持久改變，也是個人建立外部學習節(jié)點、形成知識網(wǎng)絡結構的過程。我國學者余勝泉等[3]也提出，學習不再是僅僅接受知識，而更多的意味著能夠發(fā)現(xiàn)問題并解決問題，完成學習需要的是具有好的“鏈接”，包括人力“鏈接”和網(wǎng)絡（資源）“鏈接”。當代大學生的學習已不再是“一個人的活動”，學習的過程就是構建學習網(wǎng)絡的過程。鑒于此觀點，本文將大學生學習網(wǎng)絡作為研究對象，嘗試利用社會網(wǎng)絡分析方法對大學生學習網(wǎng)絡中的分群現(xiàn)象進行量化研究，并輔以質性分析。

二 若干概念

1 網(wǎng)絡邊界

在社會網(wǎng)絡研究中，首先需要確定行動者集合的邊界。在數(shù)字時代，大學生學習的途徑多樣，學習網(wǎng)絡中的行動者難以窮舉。為便于研究，作者以班級為單位，認為同班同學是一類行動者，稱之為“內部學習節(jié)點”；將班級之外的其他行動者稱之為“外部學習節(jié)點”，如教師、親人、學習論壇、搜索引擎等。本研究聚焦于內部學習節(jié)點。

2 凝聚子群

揭示人類社會的“群分”現(xiàn)象是社會網(wǎng)絡研究的重要任務之一，即探究社會網(wǎng)絡的內部結構。通過分析網(wǎng)絡中的凝聚子群，可以簡化復雜的整體社會網(wǎng)絡結構，使研究者能夠尋找到蘊涵在網(wǎng)絡中的子結構及其相互關系，從而得到更深刻、更簡潔的可視化表征網(wǎng)絡結構[4]。對“凝聚子群”較為常用的表述是:“凝聚子群”是滿足如下條件的一個行動者集合，即在此集合中的行動者之間具有相對較強、直接、緊密、經(jīng)?；蛘叻e極的關系[5]。

通?？梢詮乃膫€方面考察凝聚子群:關系的互惠性，子群成員之間的接近性或者可達性，子群內部成員之間關系的頻次（點的度數(shù)），子群內部成員之間的關系密度相對于內、外成員之間的關系密度。本研究從子群內部成員之間的關系密度相對于內、外成員之間的關系密度這一角度，利用塊模型方法對矩陣數(shù)據(jù)進行分析。

3 塊模型

塊模型依據(jù)“結構對等性”對行動者進行分類，它從行動者的地位而不是每個行動者來關注社會關系矩陣中的關系結構，關注的是網(wǎng)絡總體結構，是一種研究網(wǎng)絡位置模型的方法，是對社會角色的描述性代數(shù)分析。

塊模型的構建方法主要涉及兩個步驟:一是對行動者進行分區(qū)，即把行動者劃入到各個位置中，常用的方法是 CONCOR以及層次聚類方法；二是根據(jù)一些標準確定各個塊的取值，是1-塊，還是0-塊。目前有6種標準被認為是有用的準則:完全擬合法、0-塊標準法、1-塊標準法、α-密度指標法、最大值標準法和平均值標準法[5]。其中α-密度指標法是最常用的方法，α值一般采用整個網(wǎng)絡的平均密度值作為臨界值[6]。

三 數(shù)據(jù)分析

1 數(shù)據(jù)獲取

本研究采用問卷調查法中的“花名冊”方式，選擇某一地方綜合性大學軟件學院2012級（以下簡稱“軟件121班”）、2013級（以下簡稱“軟件132班”）兩個班級的全體學生作為調查對象。事先收集了被調查班級所有學生的姓名，編制了基于B/S方式的問卷調查程序，在實際調查時請被訪問者通過軟件選擇在學習過程中與自己保持密切學習關系的“核心學習對象”。

網(wǎng)絡規(guī)模是研究中必須考慮的問題，即是否限定在問卷中可被選擇的“核心學習對象”人數(shù)。美國大多數(shù)學者都將“核心討論網(wǎng)”的規(guī)模限定在5人，國內部分大部分學者都沿襲了美國學者對網(wǎng)絡規(guī)模的限定，如黎賠肆在社會網(wǎng)絡視角的企業(yè)家學習模式研究中將企業(yè)家社會網(wǎng)絡規(guī)模限定在5人，左晶晶[7]在其研究大學生創(chuàng)業(yè)的博士論文中將網(wǎng)絡規(guī)模設定為10人。本研究在前期對部分大學生的訪談中，發(fā)現(xiàn)訪談者“核心學習網(wǎng)”成員都是在5至7人之間，所以在正式的調查問卷中限定“核心學習對象”最多不能超過7人，但不要求必須選滿7人。

2 網(wǎng)絡的基本屬性

利用Ucinet軟件，對兩個班級的學習網(wǎng)絡矩陣分別進行計算，繪制出網(wǎng)絡社群圖，見圖1。

軟件121班有學生60人，共形成了264個學習連接，網(wǎng)絡密度為0.074。軟件132班有學生58人，共形成了251個連接，網(wǎng)絡密度為0.076。從圖1可以發(fā)現(xiàn)，兩個班級的學習網(wǎng)絡都比較復雜，難以直接做出有意義的分析，有必要對其進行凝聚子群研究。

圖1 兩個班級的學習網(wǎng)絡社群圖

3 子群分析

利用Ucinet軟件的CONCOR方法對軟件121班的數(shù)據(jù)進行塊模型分析，得到軟件121班的子群分布圖。軟件121班可以劃分為8個子群，對8個子群分別計算其子群網(wǎng)絡密度，得出軟件121班子群密度矩陣，如表1所示。

表1 軟件121班子群密度矩陣

表1的結果反映出，軟件121班可以分成8個子群，各子群成員數(shù)量差異較大——子群6最大，有12個成員；子群5最小，僅有3位同學。8個子群的密度都可以接受，子群5、子群7和子群8的密度比較大，分別為0.833、0.700和0.600，表明這三個子群的成員之間在學習上聯(lián)系緊密；子群2、子群3和子群6的密度相對較小，表明其成員之間的聯(lián)系比較少。

使用以上同樣的方法對軟件132班進行分析，發(fā)現(xiàn):（1）軟件132班也可以劃分為8個子群；（2）子群成員分布總體看較為平均，子群4有11個成員，是成員最多的群，子群7有4個成員，是最小的子群；（3）由于班級內部聯(lián)系較為緊密，且沒有孤立節(jié)點，所以各個子群的密度都較好，子群8密度最大（為0.750），表明其內部的5個成員聯(lián)系緊密。

四 結果討論

對塊模型分析結果的解釋一般分三個層次:

（1)個體層次:由于個體屬性往往與網(wǎng)絡結構關系密切，因此常常利用行動者屬性考察地位內的成員屬性是否有系統(tǒng)性的不同。本研究關注大學生的性別屬性、寢室屬性和城鄉(xiāng)屬性。

（2）位置層次:考察塊模型中位置如何發(fā)送和接受信息，從而對塊模型結果進行描述性分析。具體分析時，可以借鑒社會網(wǎng)絡中節(jié)點類型點入度和點出度的研究，以考察各個子群發(fā)送和接收信息的趨勢。Burt[8]根據(jù)位置成員的接受關系和發(fā)送關系區(qū)分了四種位置——孤立者位置，其成員與外界沒有任何聯(lián)系；諂媚人位置，其成員與其他位置成員之間的關系比與自己成員之間的關系多，并且沒有接收到多少外來的關系；經(jīng)紀人位置，其成員既發(fā)送也接受外部關系，其內部成員之間的聯(lián)系比較少；首屬人位置，其成員既接受來自外部成員的關系也有來自自身成員的關系。

（3）整體層次:考察位置之間聯(lián)系的整體構造，常用的方法是利用像矩陣（image matrix）對總體的塊進行分析。

1 個人屬性分析

通過數(shù)據(jù)分析發(fā)現(xiàn):（1）兩個班級中寢室關系對于分塊的影響明顯，大部分同寢室的同學都在一個塊中，僅有極少數(shù)同學游離在其他子群中；（2）性別屬性的影響也比較明顯，幾乎所有的女生都在同一子群中，唯一游離之外的是軟件121班編號為36號的女同學，通過該班班長了解到，該女生非常專注于專業(yè)學習，專業(yè)水平也比較高，正與子群1內的幾位男同學共同開發(fā)一個軟件，這可能是她游離于女生子群之外的原因，此點啟示我們對于大學生學習網(wǎng)絡的個人屬性因素還應包括“協(xié)作學習”；（3）在軟件132班的子群2中的5位同學全部來自不同的寢室，通過第三方側面了解到，出現(xiàn)這一現(xiàn)象是因為以上5位同學性格都比較內向，因此“性格”屬性也有可能是影響分群的因素之一；（4）城鄉(xiāng)屬性表現(xiàn)不明顯。

2 位置分析

位置分析有助于總結各個子群發(fā)送和接收信息的趨勢，利用UCINET軟件得出軟件121班和軟件132班的塊矩陣。

發(fā)現(xiàn)軟件121班:（1）所有子群內部的聯(lián)系都比較緊密，完全具有自反性，呈現(xiàn)明顯的幫派性；（2）子群之間的學習連接不多，子群7和子群8、子群3和子群5之間的連接相對稍微多些；（3）所有子群不僅有內部連接，同時都和其他子群有接受和發(fā)生關系，均屬于“首屬位置”。

發(fā)現(xiàn)軟件132班:（1）子群內部成員之間的交流明顯多于外部的交流，即子群的凝聚性比較高；（2）子群1對外發(fā)送的關系幾乎為0，表明該群成員很少主動與其他群進行學習交流，該群成員為班上所有的女生，通過訪談得知，該班女生與男生之間的學習交流的確非常少，班上只有3位男性班干部與女生主動交流，因此子群1屬于“接受型位置”；（3）子群8對外發(fā)送和接受的關系都比較少，屬于“孤立位置”，其他子群均既有接受關系也有發(fā)生關系，且兩種關系之間較為平均，因此都屬于“首屬位置”。

3 像矩陣分析

采用α-密度指標法獲得像矩陣，通過將子群密度與整體網(wǎng)絡的密度作比較，大于替換為1，否則替換為0，得出兩個班級的像矩陣，并繪制出網(wǎng)絡結構簡化圖，如圖2和圖3所示。

圖2 軟件121班子群簡化圖

圖3 軟件132班子群簡化圖

從圖2發(fā)現(xiàn):（1）子群上面帶箭頭的小圓圈表明從該點出發(fā)關系又回到該點，為首屬位置的特點；（2）子群7和子群8、子群5和子群3之間具有互惠性，說明這兩對子群不僅內部交流頻繁，同時子群之間的互動也比較多，子群成員間關系較密切；（3）8個子群中有4個子群處于孤立位置，表明軟件121班子群之間的交流總體比較少，各子群之間雖然內部聯(lián)系緊密，但班級內部幫派現(xiàn)象嚴重，應該說不利于班級內部的學習交流。

從圖3發(fā)現(xiàn):（1）網(wǎng)絡整體呈現(xiàn)明顯的核心-邊緣結構，子群2、子群3和子群6處于網(wǎng)絡的核心位置，子群1、子群4、子群5和子群7處于邊緣位置，子群8為孤立點；（2）子群2、子群3和子群6作為切點，形成了多個橋，包括2-1、3-4、6-5和6-7，而橋往往是信息的通道，所以說這三個子群控制了班級內學習的資源交換；（3）子群2、子群3和子群6之間為傳遞關系，傳遞趨勢為子群6到子群3、子群3到子群2；（4）子群5、子群6和子群7形成了結構洞，且為層級關系，子群5和子群7向子群6發(fā)送關系，同理，網(wǎng)絡中還存在著多個結構洞；（5）子群3和子群6的關系接受能力明顯大于關系發(fā)布能力，它們像是整個網(wǎng)絡的信息接收中心，映射到大學生學習網(wǎng)絡中，這兩個子群內的成員雖然沒有主動與外部聯(lián)系，但卻能吸引其他成員的關注；（6）子群2則相反，關系發(fā)布能力大于關系接受能力，是網(wǎng)絡的信息發(fā)布中心，表明位于子群2位置的大學生雖積極關注其他學習者，但自己卻很少被關注，應該說他們的學習態(tài)度是積極的，但學習效果不一定好。

五 研究結論

總結以上研究，可以得出:

（1）大學生在學習過程中產(chǎn)生了學習網(wǎng)絡，且包含多個子網(wǎng)絡，通過考察結構對等性，將軟件121班和軟件132班的復雜學習網(wǎng)絡結構被簡化為由8個凝聚子群所組成的簡化視圖。

（2）從位置分析和像矩陣分析中可以發(fā)現(xiàn)，軟件121班的子群分布屬于零散型，子群與子群之間的聯(lián)系較少；而軟件132班的學習網(wǎng)絡整體呈現(xiàn)出明顯的核心—邊緣化趨勢，有3個子群牢牢占據(jù)著學習網(wǎng)絡的核心地位，掌控著班級內部的學習網(wǎng)絡資源。說明大學生在學習過程中構建的學習網(wǎng)絡類型多樣，研究者可以進一步歸納總結，進而發(fā)現(xiàn)其規(guī)律性。

（3）性別屬性是凝聚子群內部成員的系統(tǒng)屬性。幾乎所有女生都集中在一個子群中，反映出女同學在學習網(wǎng)絡構建的過程中，有著相似的學習行為、聯(lián)系或互動，處于相同的地位。

（4）寢室屬性與凝聚子群有著明顯的相關性，住在同一寢室的同學大多在學習網(wǎng)絡中具有相同的地位，他們接受和發(fā)出的學習關系也比較接近。可能的解釋是同一寢室內的同學每天一起生活導致大家在情感上十分依賴[9]，而情感因素對學習網(wǎng)絡的構建又有著明顯的影響。本研究還發(fā)現(xiàn)“性格”和“協(xié)作學習”可能也是子群成員的系統(tǒng)屬性。

（5）在社會網(wǎng)絡中，地位對等的行動者彼此之間并不一定需要有直接或間接的關系[4]，但在本研究中，兩個班級的凝聚子群中內部連接都非常緊密，具有自反性，說明在大學生學習網(wǎng)絡中結構對等的同學之間的學習聯(lián)系也非常緊密。

在一個內部擁有良好社會關系網(wǎng)絡的組織中，組織智慧大于組織中所有個體智慧的加總[10]。通過了解大學生學習網(wǎng)絡的子群分布、成員屬性、子群位置和關系簡化圖，可以獲知班級內知識分享的實際傳播途徑；教學管理者和教師可以通過總結不同群體的特征，設計有效的知識傳播模式和機制，例如協(xié)作學習小組的分組，學習共同體的構建等，有效提高知識在學習網(wǎng)絡中的傳播速度和傳播范圍，進而提升班級的整體學習效果。

當然，雖然塊模型方法可以運用在大學生學習網(wǎng)絡的凝聚子群分析中，但相關一些現(xiàn)象的理論分析還比較困難，很多像矩陣并沒有什么理論意義[11]。對于這種情況，可以嘗試利用其他三種標準對網(wǎng)絡進行凝聚子群分析。

參考文獻

[1]Gonzalez C. The Role of Blended Learning in the World of Technology.[OL].〈http://www.unt.edu/benehrnarks/archives/2004/september04/eis.htm.〉

[2]Siemens G. A learning theory for the digital age[J]. International Journal of Instructional Technology and Distance Education, 2005,2(1):3-10.

[3]余勝泉,毛芳.非正式學習——E-Learning研究與實踐的新領域[J].電化教育研究,2005,(10):19-24.

[4]王陸.虛擬學習社區(qū)社會網(wǎng)絡中的凝聚子群[J].中國電化教育,2009,(8):22-28.

[5]Wasserman S, Faust K. Social Network Analysis: Methods and Applications[M].Cambridge: Cambridge University Press.1994.

[6]劉軍.法村社會支持網(wǎng)絡——一個整體研究的視角[M].北京:社會科學文獻出版社,2006.

[7]左晶晶.大學生社會網(wǎng)絡對科技型創(chuàng)業(yè)績效的影響機制研究[D].上海:復旦大學,2011:193.

[8]Burt R S. Positions in Networks [J]. Social Forces, 1976,(1):93-122.

[9]李文昊,祝智庭.班級社會網(wǎng)分析:一種觀察課堂學習的新技術[J].中國電化教育,2009,(6):10-13.

[10]張樹人,劉穎,陳禹.社會網(wǎng)絡分析在組織管理中的應用[J].中國人民大學學報,2006,(3):74-80.

[11]劉軍.整體網(wǎng)分析講義[M].上海:格致出版社,2009.

Study on College Students’ Subgroups of Learning Networks Based on Block Model Method

XU Xuan1XU Feng2
(1. Information Institute, Jiangxi University of Finance and Economics, Nanchang, JiangXi, China 330003; 2. Information Center of Education Administration of JiangXi Province, Nanchang, JiangXi, China 330038)

In the digital era, connectivism learning theory is a more effective learning guidance strategy, college students' learning is more dependent on the construction of the learning network, to explain specific learning behavior with social network structure is a meaningful exploration. From the perspective of the structure equivalence of social network, block model method was used for quantitative data analysis of learning network subgroups of two college classes, then this paper implemented the qualitative analysis from the three levels of personal attribute, position level and whole levels, found that internal links was very close in the subgroups of learning networks and bedroom property reflected the strong system in the subgroups, and the block model method can be effectively used to explain nodes' location and relationship in the subgroups of learning networks in some ways.

block model; college students; learning network; subgroup

G40-057

A【論文編號】1009—8097（2015）06—0096—06【DOI】10.3969/j.issn.1009-8097.2015.06.015

編輯:小西

本文為江西省教育廳科技項目“高校數(shù)字化校園用戶滿意度測評體系研究”（項目編號：GJJ11423）的階段性研究成果。

徐萱，碩士，研究方向為教育信息化、高等教育管理，郵箱為xuxuan@jxufe.edu.cn。

2014年9月18日