【网络协作学习中互动网络结构分析研究】
[摘要]群组内部的交互机制是当前CSCL研究领域的焦点问题。国内外相关研究发现，互动网络结构是发现群组内部交互工作机理的有效方法之一。通过综述国内外学者的相关成果，分析协作学习中互动网络的形成过程。归纳出互动网络结构存在五个典型特征：连通性、密集性、中心性、内聚力和角色空间，介绍了每种结构特征的分析与测量方法，在此基础上提出网络协作学习中互动网络结构的分析模型，最后使用教学实验对分析模型进行验证，并获得了有意义的研究结论。
[关键词]网络协作学习；互动网络结构；社会网络分析；互动分析
[中图分类号]G434 [文献标识码]A [文章编号]1672－0008(2011)01－0049－13
一、引言
计算机支持的协作学习(CSCL)是教育技术学的一个热点研究领域。随着互联网的普及，网络协作学习(Web―basedCollaborative Learning。WebCL)已成为CSCL的一种主要应用形式。经过十多年的研究，研究者已达成共识，协作学习的研究不应泛泛地研究协作，不应把学习者的互动与协作过程看作一个“黑盒子”，而应关注网络协作学习的微观问题，深入地研究交互协作的类型及其内部发生机制。无论是支持工具研发还是应用策略设计，均需要以理解交互协作的内部发生机理为基础。但是，诚如多届CSCL国际会议的组织者和主席Kosehmanm所讲，“现在还不清楚小组学生是通过什么样的交互实现知识的共同建构”。Dillenbourg和Baker也强调，现在不应该泛泛研究协作，而应深入地研究交互协作的类型及其内部的发生机制。为了利用信息技术促进有效协作学习的发生，研究者亟需针对交互协作的内部机理构建合理的理论，选择正确的方法和采用先进的技术，以便准确地发现网络协作学习中互动与协作的内部工作机理。
二、问题的提出
刘黄玲子博士分析了近10年的网络协作学习国际会议的研究论文，结果发现，在网络协作学习研究的最初阶段，研究的焦点集中于协作学习的有效性。后来，研究者意识到只有打开“互动”这个黑盒子，才能找到网络协作学习情境中各变量所扮演的角色，逐渐把研究的焦点转移到协作学习的过程。Damon和Murray认为，决定协作学习的关键因素是学生之间围绕适宜任务所展开的交互。黄荣怀教授认为，互动分析技术主要集中探讨网络协作学习中的四个方面的问题：(1)成员个体和协作组整体的知识结构变化；(2)协作组内社交关系网络的形成；(3)协同知识建构过程的互动网络结构；(4)互动过程中的情感水平和认知加工水平。可见。网络协作学习中互动关系和互动网络结构的分析，是互动分析中的重要研究课题之一。
社会网络分析(soeial Network Analysis，SNA)是多学科领域发展起来的一种比较成熟的社会科学的研究范式，也是知识发现领域中一种对网络和图进行数据挖掘的方法与技术集合。已有的理论和实践研究表明，SNA可用来有效地分析网络协作学习中的互动关系，挖掘出互动关系模式隐藏的互动网络结构，描述、分析和测量互动网络结构的特征和变化规律。因此，通过社会网络分析的方法和技术，研究者能清晰地观察到成员间信息的流动情况、协作组的知识分布情况、协作组互动网络的型态与演变，以及协同知识建构过程中的互动网络结构然而，分析网络协作学习中互动网络结构研究的文献，笔者发现，目前这类研究课题还存在不少问题。概括说来，主要集中于三个方面：
1.缺少一个与网络协作学习中学习活动对应的互动网络结构分析的理论框架
黄荣怀教授认为网络协作学习中存在小组的协作交互结构，并通过文献分析提出几种典型的交互结构的型态。Haythornthwaite、Aviv和“Sha等学者通过教学实验已证实，成员间的互动网络结构影响协作组的协同知识建构的绩效。网络学习环境支持成员建立多种互动关系。使成员在互动协作中分享与建构知识，所以，网络学习环境中成员间互动网络结构存在多种类型。目前，多数研究者以个案研究的方式探索网络协作学习环境中常见的互动关系的分析方法，如讨论区中异步协商讨论、Email交流、QQ实时聊天等，但却没有针对网络协作学习环境中的学习活动流程，全面考察成员间的互动网络结构。因此，仅仅利用社会网络分析对网络协作学习中的互动作个案研究是不够的，我们需要从网络协作学习中的互动网络结构的客观存在出发，抽象出互动网络结构的本质特征，提出行之有效的测量和分析方法，构建一个完整的网络协作学习中互动网络结构的理论模型。
2.缺少一套有效分析互动网络结构的方法与技术
研究者已发现社会网络分析是研究互动网络结构的不二法门，尝试利用SNA的测量指标度量互动网络结构的特征，获得了一些富有启发意义的研究成果。诚然，社会网络分析是一种研究社会关系和社会网络的有效方法和技术，但是，协作学习中的群组是一种有自身特点的小型社会网络组织。因此，社会网络分析的测量指标、分析方法和计算模型未必都直接适合于分析群组成员之间的互动网络结构。另外，AvivReuven、陈向东等认为，在研究网络协作学习中的互动时，仅仅使用社会网络分析研究交流与协作的模式是不够的，对交互内容进行分析也是必不可少的。可见，如何有针对性地改进社会网络分析中的计算模型，如何结合交互的内容全面地考察成员间的互动网络结构，也是研究者必须要解决的问题之一。
3.缺少相关的教学实验研究
教师只有掌握互动网络结构特征与协作学习绩效之间的因果关系，才能找到协作学习过程中的互动与协作的“症结”，才能采取相应的教学策略调节和干预成员之间的互动协作行为。到目前为止，国内外的研究者已进行了一些相关的实验研究，并获得一些富有指导意义的结论。但是，目前，我们只是了解了在线协作学习中互动网络结构的“冰山一角”，远远不足以指导教学实践开展高质量的协作学习。另外，一个群组的生命周期存在5个发展阶段，在不同阶段中成员间的互动网络结构具有不同的特征。因此，研究者应在互动网络结构分析理论框架指导下，在协作学习支持系统和互动网络结构分析工具的支持下，深入开展这方面的教学实验，以获得更多有意义的实验结论。
三、相关文献综述
互动网络结构分析是互动分析研究中的重要课题之一。上个世纪90年代，国外学者把研究视角转移到这一课题的研究上，取得了一些富有参考价值的阶段性研究成果。其中，最具代表性的研究成果有：互动协作的管理模型、互动分析的统一框架和面向学习情境的远程教育分层框架。另外，国外许多研究团队或个人也对互动网络结构分析作了探索性的研究，他们是A.Martinez研究团队、Reuven Aviv博士、Reffay博士和“Sha博士等。在国外同类研究的影响下，国内的研究者在近五年开始探索社会网络分析在网络协作学习领域中的 应用，也取得了一些突破性的研究进展。
1.网络协作学习中互动协作的管理模型
Barros和Verdejo提出了一个互动协作过程管理框架，该框架区分了不同的交互协作分析的层次，并定义了一系列代表交互协作的属性。系统通过跟踪用户在界面上的互动行为，计算行为属性的值，然后系统的导师模块评价属性的值，给学生发送反馈，最后研究导师模块对学生的干预的效果。Jermann和Soller进一步发展了Barros提出的协作过程管理框架，提出了网络协作学习中互动协作管理的模型，如图1所示。
该模型把互动协作的管理看成是一个与预定目标比较交互状态的不断自我平衡过程，包含四个不断循环的阶段：(1)收集交互数据：包括跟踪并记录学生的交互行为，并将其作为日志进行保存。(2)构建互动模型，表示互动状态：主要指以某种理论模型为指导建立互动模型，使用互动模型的数据处理方法把前一阶段记录的互动数据进行处理，获得较高水平的互动指标，用这些指标表示当前的互动状态。(3)诊断交互协作的特征：通过把当前交互状态与理想交互状态进行比较，诊断当前交互状态存在的问题，如学生是否平等地参与协作。(4)矫正交互协作行为：如果当前交互状态与理想情况存在差异，采取对应的矫正措施。
根据互动干预的种类，Jermann和Soller把网络协作学习环境分为三种：反映式系统、监控式系统和指导式系统。反映式系统反映学生与系统的人机交互数据，完成系统中原始数据的基本计算。监控式系统根据构建的交互模型，用某种形式(数字、文字或图表)表示当前的互动状态，教师或学生可根据互动协作的情境去解释当前互动状态中存在的问题，并调整自己的互动行为。指导式系统能处理各种较高水平的结构化数据，并把当前互动协作的状态与理想协作的状态进行比较，进而给教师或学生提出指导。
2.网络协作学习环境中互动分析的统一框架
希腊大学进行了一个支持教师和学生自我调节的互动分析研究项目(ICALTS)。该项目收集、确定了45种互动分析的指标，根据互动指标分析的目标和层次将其分为7个不同的类别。其中，ICALTS把互动网络结构分析的指标定义为最高水平的互动分析指标，用来评估网络协作学习中成员互动协作的质量、模式、状态和结构。在此基础上，ICALTS研究者提出在网络协作学习环境中使用各种指标进行互动分析的统一框架，如图2所示。
该框架指出互动分析需要经历如下步骤：(1)根据协作学习活动的类型，确定对应的互动分析指标。(2)在设计网络协作学习支持系统时，设计用户操作界面，编写跟踪和记录用户互动行为的程序。(3)学生通过人机互动进行人际交互时，系统自动记录用户交互的原始数据。(4)通过数据分析方法，对系统收集的交互原始数据进行处理，计算交互分析指标的值。(5)依据已存在的互动分析模型中的标准和规范，网络协作学习互动分析/评估系统使用数字、文字或图表将互动分析指标的值显示给教师和学生。(6)数据分析方法能不断地修改和补充已存在的互动模型的标准和规范。
3.面向学习情境的远程教育分层框架
西班牙巴利阿多利德大学A.Martinez博士的研究团队提出了一个面向学习情境的远程教育分层框架(DELFOSFramework)。DELFOS框架以参与度分析与设计的理念为基础，强调形成性评价在系统开发过程中的重要性，设计了一种混合式评价网络协作学习方案，如图3所示。
该方案的研究者认为，SNA适合于学习的参与度和社会性方面的有效研究，描述群组成员间的互动关系模式，分析互动关系模式的结构属性，发现互动网络结构的属性对群组及其成员的影响效果。同时DELFOS框架的研究者也意识到，为了发现学生的协作学习概念的理解、协作学习态度的转变和协作学习技能的发展，仅仅使用SNA一种方法是不充分的，需要用人种学获取研究数据的方法，如观察法、焦点团体法和问卷法，捕获群组成员对协作学习情境和过程的理解，在互动分析的基础上使用质性研究方法考虑协作学习发生的情境。DELFOS框架把量的研究方法、质的研究法和SNA结合起来，形成了一种综合评价协作学习的方法。
4.Reuven Aviv博士的研究
Reuven Aviv博士在分析Johnson、Wasserman、Gunawardena和Burt等学者的研究成果的基础上，提出一个新的研究假设：群组的内聚力和角色结构是决定知识建构过程的因素。为了验证这个假设，他和他的同事在以色列开放大学的“商业道德”网络课程中进行了一项教学实验：设计了两个在线讨论区，一个在线讨论区是正式的进行良性结构设计的封闭式的在线讨论区；另一个在线讨论区是非正式的未进行结构设计的开放式在线讨论区。实验结束后，使用SNA方法对在两个在线讨论中进行协作学习的群组的内聚力和角色进行了分析。
Reuven Aviv博士开展的教学实验获得的研究结论有：(1)在结构性设计的在线讨论区中，知识建构的过程达到高阶思维阶段，学生所在的学习群体形成高内聚力的凝聚子群，学生承担了联络员和促进者的角色，教师具有比较小的中心性。(2)在非结构性设计的在线讨论社区中，知识建构的过程仅处在较低的认知活动阶段，形成很少的凝聚子群，学生所在学习群体具有较低的内聚力，大多数学生扮演了被动的教师跟随者的角色。(3)良性结构设计的在线讨论区能使其成员组成的社会网络具备明显的内聚力、角色和权力结构，从而使知识建构的过程达到高阶思维的水平。
5.Reffay博士的研究
Reffay博士认为，在改善现有的网络胁作学习学习系统时，我们遇到一些新问题：交互不应仅仅限于学习者与系统以及学习者与学习者之间，而应在群组的水平上去考虑交互。社会网络分析有许多从群体结构水平研究互动的计算模型，且已有许多为网络协作学习研究领域可以借用的软件工具。所以，Reffay博士认为研究者可使用SNA的计算模型分析和评估群组的互动网络结构，以改善网络协作学习系统。
Reffay博士在ICOGAD研究项目中进行了一项名为Simuligne的网络远程教学的实验。在实验数据分析过程中，Reffay首先使用社群图分析群组中互动关系的模式，然后使用聚类分析和c派系分析研究群组互动网络结构的内聚力的特征。Reffay认为使用社群图可以分析群组中哪些成员是主要的信息提供者和联络者，并可比较教师包含于网络和不包含于网络时群组网络的互动关系的情况。
6.Li Sha博士的研究
Li Sha博士是加拿大西蒙菲沙大学研究知识建构的学者，对如何利用KF(Knowledge Forum)评价网络协作学习中的知识建构作了深入研究。Li sha使用SNA对知识建构的协同努力的原则进行了深入研究。在综合分析了学者StahI、Pattison、Carley等的文献后，“Sha博士指出通过个体的社会位置和社 会性交互可以考察协作学习中的知识建构过程，然后确认了SNA在评价网络协作学习互动网络结构中的作用和地位，并提供了评价网络协作学习中社会网络的协同努力的SNA指标。为了证实SNA在评价知识建构的协同努力方面的作用，LiSha博士开展了两次教学实验。
在实验数据的分析中，针对成员彼此阅读帖子和回复帖子的互动关系，LiSha博士分别使用SNA中的入度、出度和中介度的平均值与标准差分析了实验的两个阶段的实验数据。在实验分析中，他比较了性别对学生的互动影响，发现在两个阶段中，女生阅读帖子的出度平均值明显高于男生阅读帖子的出度平均值，这说明女生比男生在协作学习中更倾向于阅读其他成员发布的帖子。
7.国内相关研究的起步
黄荣怀教授在2001年GCCCE会议上发表了一篇论文，该文分析了群组内存在的多种结构形态，虽然没有论及如何分析其结构特征，但是这是国内教育技术学的学者最早研究网络协作学习中互动网络结构的论文。王陆教授在2003年发表一篇关于如何设计小组结构和学习活动的论文，其中谈到了群组结构的重要性、构成要素以及结构设计的原则等。王陆教授的这项研究是国内学者对协作学习中群组结构研究的进一步深入。后来，陈丽教授在2004年发表了一篇关于如何分析学生间社会性交互质量的论文，介绍如何定量地分析学生的参与度，其中用到了社会网络分析中的程度中心性分析核心成员的参与度。以上三位教授的研究之间虽然没有必然联系，但却标志研究者逐渐重视协作学习中的群组结构，并试图寻找其中的构成要素、特征及分析方法。因此，本研究把以上三项研究作为国内研究网络协作学习中互动网络结构的开始。
8.国内研究的现状
国内相关研究的快速发展阶段是2005年至现在。从2005年开始，近10篇相关论文先后发表，其中包括博士学位和硕士学位论文。这说明，国内的教育技术学研究者对协作学习中互动关系和互动网络结构的研究进入快速发展阶段。
概括说来，这一阶段的研究主要呈现出三个特征：(1)把社会网络分析作为研究方法进行案例研究。这一类研究是目前研究中的主要形式，也是相对容易开展的研究。在这类研究过程中，收集学生间的互动数据，应用社会网络分析的测量指标，如密度、点度中心度、凝聚子群等，使用专业的社会网络分析工具处理的互动数据，如UClNET、NetVis、GRADAP、IKOW等。分析和讨论数据处理结果，最后得出研究结论。(2)将互动网络结构纳入协同知识建构理论模型的构成要素。这类研究的基本观点是：成员间的互动网络是影响群组的协同知识建构的一个重要因素。最具代表性的研究是刘黄玲子在其博士论文中提出的协同知识建构分析的TSP模型，该模型把话题空间、社会关系和过程模式作为协同知识建构的三个重要分析维度。这类研究已不仅仅把社会网络分析作为一种研究的方法，而是把协作学习中社会网络看成一种客观存在，并尝试寻求一种理论模型来描述它及其构成要素之间的关系。(3)研发能分析网络协作学习中互动网络结构的软件程序。前一类研究重在描述网络协作学习中互动网络结构的存在方式，其目的是描述、测量和评估网络协作学习中的互动网络结构，以促进协作学习和知识建构有效地发生。
因此，研发能分析网络协作学习中互动网络结构的软件程序就成为国内研究者的重任。对这类研究做出尝试的研究团队包括：北京师范大学知识科学与工程研究所的李燕艳博士领导的研究小组，华南师范大学教育技术研究所李克东教授的研究团队和浙江工业大学教育技术研究所王永固博士领导的研究小组。
9.国内外相关研究的启示
国内外研究者已打开了互动网络结构的研究之门，且取得了阶段性的研究成果，为后续研究提供了诸多启发。概括说来，这些启发体现在以下三个方面：(1)国内外的相关研究总结了多个有用的研究经验和理论模型。但是，为了研发实用的WebCL中互动网络结构特征分析工具，我们还需要系统地分析网络协作学习的互动空间，梳理其中的互动关系、描述其中的互动网络结构特征，提出互动网络结构特征的分析方法，建立一个完整的分析互动网络结构特征的理论框架。(2)相关研究的经验证明，社会网络分析中的测量指标能描述、分析和测评网络协作学习中的互动网络结构。但是，为了保证社会网络分析的测量指标分析互动网络结构特征的效度，网络协作学习支持系统需解决以下两个问题：①全面跟踪成员在网络协作学习环境中的互动行为，准确记录成员间的互动关系；②能在线半自动地分析网络协作学习中互动网络结构的特征。(3)相关的研究并没有准确地列出什么样的互动网络结构特征符合协作学习的目标。因此，我们需要进行相应的教学实验，发现和总结互动网络结构与协作学习绩效之间的因果关系。
四、在线协作学习中互动网络结构的分析模型
相关研究表明，群组结构是保证协作组从学习目标制定到生成学习成果等各项活动有效进行的基础。Tuckman、LiSha和Wortharm等学者指出，群组结构会随着协作学习活动的进程而发生变化，能反映群组及成员的协作学习过程。组织行为学的群组结构理论认为，群组结构有六种重要的结构维度：权力结构、地位结构、喜好结构、互动网络结构、角色结构和领导结构。在协作学习中，成员间的互动与协作是产生群组结构的原动力，所以，互动网络结构是群组结构的最基本、最重要的维度。
1.关键概念界定
(1)群组结构。在系统科学中，结构是指物质系统内部各组成要素之间的相互联系、相互作用的方式。在协作学习中，群组结构是群组的不同成员之间相对稳定的关系模式，是群组形成与发展的一个必然的结果。当成员聚到一起并相互影响时，个体间的差异就会出现，如掌握特定知识的多寡、解决问题的技能的高低、拥有社会资本的多少等。成员间的这些差异是形成协作组结构的基础。因为，当差异出现时，成员为消除差异而主动地与其他成员互动，成员间的联系便建立起来，群组的社会网络便可形成。
群组成员之间的差异表现在多个不同方面，导致群组结构具有不同的维度。组织行为学的群组结构理论认为，群组结构具有六个重要维度，每种维度的结构表现成员之间的不同关系。这些结构在群组中同时出现，并且相互间紧密相关。在协作学习中，成员间的交流与协作不断地改变成员间的互动关系，引起群组的互动网络结构发生变化，而互动网络结构的变化又会引起其它结构发生改变。因此，在群组的六种维度的结构中，互动网络结构是最基本、最核心的结构形式。
(2)互动网络结构。在群组的互动与协作中，成员间的互动关系随着时间的积累会呈现出某种特定的有序组合方式和存在方式，我们把这种互动关系的存在方式称为互动网络结构，简称互动结构。研究者可以根据成员间互动的源泉、频次和方向等信息画出互动模式图，根据互动模式图定性分析互动网络结构的特征。
为了检验互动网络结构对群组绩效的影响，组织行为学 和社会心理学的研究者作了大量的研究，获得了一些富有指导意义的研究结论。在上个世纪的50－80年代，Bavela、Barret和Shaw等进行了多项实验研究。在实验中，他们创设了链条型、Y型、轮型、环型和全方位型等五种典型的互动网络结构，验证这五种互动网络结构在信息传播速度、信息传播准确性、领导者的出现以及成员满意度水平等方面的差异，研究结果如表1所示。
可见，全方位型互动网络结构虽然信息传播的准确性为中等，但具有较高的成员满意度。GreenBerg和Barron在Bavela等人的研究基础上，将这五种典型的互动网络结构分为集中式和分散式两种类型，验证这两种互动网络结构在解决“简单”任务和“复杂”任务时的区别。研究结果发现，在解决简单任务时，集中式网络优于分散式网络，在解决复杂任务时，分散式网络则明显优于集中式网络。
互动网络结构仅考察成员间的互动关系模式对群组绩效的影响，没有考虑成员间互动的内容。毋庸置疑，互动内容也是影响协作学习绩效重要因素。社会心理学的研究者开发出了一种交流过程分析技术(Interchange Process Analysis，IPA)，对群组成员言语行为的内容进行分类。到目前为止，哈佛大学社会关系实验室的罗伯特・弗里德-贝尔斯教授的IPA是最精确、最详细的研究方法。贝尔斯把群组中成员的言语行为分为任务言论、社会情感言论和言语言论三个大类，细化为12个子类，表2是简化后的贝尔斯IPA言语分类体系。
另外，魁克哈特教授从社会网络的角度把人们间的互动关系分为情感关系、咨询关系和情报关系。罗家德博士在多项社会网络分析的实证研究中，根据人们交流的内容把互动网络分为咨询、情感、情报和信任四种网络，然后使用社会网络分析分别分析每一种互动网络的特征。
2.网络协作学习中互动网络结构
在网络协作学习中，成员间交流与协作的过程被称为互动过程。例如，在群组讨论区中，成员相互阅读、回复或引用其他成员的帖子交流知识，通过在线实时交流。成员相互发送在线消息协调学习事务、交流学习心得等。互动过程使成员彼此建立起相对稳定的互动关系，这些相互交织的互动关系形成互动网络。一般说来，互动过程包含五个要素：互动方向、互动数量、互动类型、互动内容和协作学习活动的组织方式。
下面，笔者重点介绍互动过程中的互动内容和协作学习活动组织形式两个关键要素。(1)互动内容。互动中传递不同的信息内容导致成员间互动关系存在多种类型。综合多种互动内容分析框架，笔者认为，成员在协作学习中的互动关系，可分为三种类型：知识互动、学习事务互动和情感互动。因此，网络协作学习中存在三种互动网络：知识互动网络、学习事务互动网络和情感互动网络。(2)协作学习活动的组织方式。协作学习活动是指为了达到特定的学习目标，群组成员完成的学习任务及其所有行为的总和。在不同协作学习活动中，协作学习的目标和任务不同，成员间的互动行为也存在较大的差异，成员间的互动倾向于不同的互动维度，如表3。因此，对协作学习中互动进行分析时，研究者需要考虑协作学习活动的组织形式。
在学习资源共享活动中，成员主要执行发布、阅读、评论、收藏和推荐学习资源等行为，因此，成员之间的互动主要表现在知识互动。另外，成员对学习资源的评论也能产生一定的情感互动。
在群组协商讨论活动中，成员通过异步交流讨论学习内容，进行个体的意义建构和群组的知识建构。另外，在协作学习的早期阶段，成员会讨论群组的学习任务、个人责任和角色分配等学习事务；在协作学习的中后期，成员会进行适量的情感交流。因此，在群组协商讨论学习活动中，成员间的互动方式主要是知识互动，同时进行适度的学习事务互动和少量的情感互动。
在线实时交流会话活动的目标主要有两个：督促成员参与学习活动和协调成员间的冲突。因此，学习事务互动是成员间互动的主要方式。在成果共创与展示学习活动中，成员主要共享、下载、修改、合成和评论学习成果。因此，成员间的互动主要表现在知识互动方式。另外，因为成员间对学习成果的相互评论，也能促进成员间的积极或消极的情感发展，因此，情感互动也是其中的一种互动方式。
3.网络协作学习中互动网络结构的特征及其分析方法
在网络协作学习的互动网络中，互动关系的有序组合方式和存在方式形成互动网络的结构。互动网络结构是成员互动过程的产物，且随着互动过程的发展变化而改变。那么，研究者该怎样描述网络协作学习中的互动网络结构?或者说，网络协作学习中互动网络结构有哪些特征，采用什么方法来分析它们呢?对此，社会网络分析和图论等领域的研究者已作了大量的研究，提出许多概念来描述社会网络、图和网络的特征。发现许多有效的方法来测量和分析的它们的特征。
在以上两个研究领域的成果基础上，本研究认为，网络协作学习中互动网络结构有五个特征：连通性、密集性、中心性、内聚力和角色空间，如图4所示。
(1)连通性。在互动网络中，通过删除一些成员或互动关系，可将互动网络分解成几个连通子网络。对任何一个互动网络，只要删除的成员或互动关系足够多，总可以把互动网络分解成几个互不相通的连通子网络，互动网络的这种特性被称为连通性。连通性反映了互动网络的脆弱程度和内聚程度。从信息与知识流动的角度来看，互动网络的连通性是影响信息和知识在互动网络中流动畅通性一个关键因素。如果互动网络结构的连通性越好，信息和知识在互动网络中传播的速度就越快、准确性越高。因此，在分析互动网络结构的特征时，连通性往往是研究者首先分析的一个特征。
互动网络结构的连通性分析一般从整体连通性和内部连通性两个层次展开。与人类认识事物“先整体后局部”的规律相一致，研究者一般先分析它的整体连通性，然后再通过内部连通性对互动网络结构进行细节的分析。
(2)密集性。密集性常用来分析、判断成员间的总体互动水平。密集性是成员间互动关系紧密程度的整体体现，反映成员的整体聚合性，以及行动者可获得的直接或间接的社会性支持。一般说来，互动关系密集的群组合作行为较多，信息流通较容易，群组的学习绩效也会较好，而关系十分疏远的群组则常有信息不通、情感支持太少、学习满意程度较低等问题”。互动网络结构的密集性主要通过互动网络的密度和内含度两个指标来度量。
密度是为了汇总互动网络中互动关系的总分布，以便发现该分布与完备性互动网络的差距。在成员数目一定的互动网络中，互动关系的数目越多，该互动网络的密度就越大。互动网络的密度能表示互动网络中各个成员之间交流与协作的紧密程度。
在网络协作学习的互动网络中，互动关系具有方向性和互惠性，密度指标应表示互动网络中往返方向的互动关系与最大可能存在互动关系的差距。互动网络拥有的最大可能的互动关系条数等于n(n―1)，互动网络的密度指数的计算使 用如下公式：D=I/n(n－1)。在互动网络的密度计算中，互动关系的个数应该根据成员间实际发生互动的次数，而不应仅仅考虑成员间是否存在互动关系。图5是赋值互动网络的邻接矩阵和社群图，互动网络中实际拥有的互动关系总数等于所有成员相互之间交流在线消息的数目之和，图中互动网络所有成员的出度值之和等于132(12＋58＋33＋15＋14＝132)，它的密度指标的计算方法：
(3)中心性。中心性是互动网络结构的一个基本特征，反映成员在互动网络中具有怎样的影响力和支配力，以及成员居于怎样的中心地位。个体成员的中心性越高。他/她就越处于互动网络的中心位置，其对伙伴的影响力和支配力就越大。
笔者认为，互动网络结构的中心性可分成两种形式：程度中心性和中介中心性。程度中心性主要测量成员与学习伙伴建立交互与协作关系的能力，而中介中心性主要反映成员控制互动网络中其他成员之间互动与协作的能力。每种形式的中心性又可分为两个层次：个体成员中心度和互动网络中心势。个体成员中心度描述成员居于互动网络的绝对或相对中心位置的程度，而互动网络中心势则考察互动网络是否存在结构上的整体性中心。
第一，互动网络的程度中心性及其测量方法。程度中心性有时被称为局部中心性，衡量成员与其邻接的成员问的互动与协作的程度，反映成员对其学习伙伴的重要性。程度中心性常用来发现谁是互动网络中的中心人物、边缘人物和孤立人物。它主要体现在个体成员点度中心度和互动网络点度中心势两个测度。
个体成员点度中心度使用点度中心度作为测度指标，衡量成员与其学习伙伴间的互动强度，反映成员与伙伴交互的能力。成员的点度中心度越高，说明成员对其伙伴产生的互动强度越大，越有可能成为互动网络的中心人物；相反，成员的点度中心度越低，说明成员对其伙伴产生的互动强度越小，越有可能成为互动网络的边缘人物，甚至是孤立人物。
互动网络点度中心势以网络点度中心势作为测度指标，描述互动网络中点度中心度最高的成员与其他成员的点度中心度的差异情况，以此来判断互动网络的互动否存在过分集中。互动网络的点度中心势越大，说明点度中心度最高的成员与其他成员之间的差异越大，互动网络的互动越有可能集中在少数特定成员之间；相反，互动网络的点度中心势越小，说明点度中心度最高的成员与其他成员之间的差异越小，互动网络中的互动越不可能存在集中，即成员间互动分布比较均匀，不存在互动的中心人物。点度中心度用栗衡量成员与其学习伙伴间的互动强度，一般使用社会网络分析中的“度数”来计算。所谓度数是指与当前行动者直接相连的其他行动者的个数。一个行动者的度数高，这说明他与其周围的行动者有紧密的关联，是社会网络中的中心人物。
第二，互动网络的点度中心势及其测量方法。与点度中心度不同，互动网络点度中心势通过考察成员之间的点度中心度的差异情况，刻画网络是否存在整体性的互动中心，描述互动网络的中心性在多大程度上依赖某些特定成员。例如。在星型互动网络中，核心成员的点度中心度最大，其他成员的点度中心度最小，该互动网络中的成员点度中心度的差异很大，因此，互动网络的点度中心势比较高；而在环形和全连通的互动网络中，每个所以的点度中心度都相等，差异为零。所以这两种互动网络的点度中心势最低。
互动网络点度中心势的计算过程：①找到网络中的最大点度中心度的数值；②计算该值与网络中其他每个成员的点度中心度的差值，并计算这些差值的总和；③用②中差值的总和除以各个差值总和的最大可能值。
第三，中介中心性及其测量方法。与程度中介性测量成员与其伙伴互动的强度不同，中介中心性衡量个体成员作为“媒介者”的能力，考察成员是否具有控制其他成员间的互动与协作的能力。社会网络分析的学者认为，如果一个行动者处于许多交往网络路径上，可以认为此人居于重要的地位，因为它具有控制其他两人之间的交往的能力。弗里曼认为，处于这样的位置的个人可以控制或者曲解信息的传递而影响群组绩效。博特的结构洞理论指出，如果一个人在两个分离的成员中间形成连带的话，这个人就扮演了“桥”的角色，而两个分离的成员中成员要交流信息、沟通意见、协调行动时，都要经过这个人的中介作用。由此可见，中介中心性能反映成员对信息、知识等资源的控制程度。
与程度中心性相似，中介中心性也体现在成员中介中心度和互动网络中介中心势两个方面。中介中心度测量的一个成员在多大程度上位于互动网络中其他成员的中间。如果一个成员处于许多其他成员的测地线上，即使其点度中心度指数值较低，该成员也具有较高的中介中心度，扮演着传递信息的“掮客”、“经纪人”或“中介者”的角色。与点度中心势的相似，中介中心势考察中介中心度最高的那个成员与其他成员中介中心度的差距，以判断互动网络是否具有较强的整体性中介中心。如果互动网络中介中心势的值越大，表示互动网络越有可能被分成数个小团体而依靠某个成员的中介作用，互动网络中流动的信息被少数成员“垄断”的可能性越大，互动网络的协作绩效就会越差。
(4)内聚力。在群组内部存在一种力量，这种力量使群组成员紧密团结在协作学习目标之下，使群组具有高度的整合性和自治性，社会心理学家把这种力量称为群组的内聚力。黄荣怀把内聚力定义为：“群组组对其成员的吸引力和群组各成员间的吸引力，以及群组成员的满意程度”。
内聚力对于协作学习活动有着重要影响。首先，内聚力会使成员紧密团结在学习活动的学习目标之下，激发成员完成学习活动中预定的学习任务，使成员具有高度的整合性。其次，内聚力对协作组的学习效率有着重要影响。较高的内聚力会使成员明确学习活动的目标，感受到个体身份和协作组的共同价值，从而积极主动地参与协作学习活动，自觉地完成学习活动的任务。
密集性分析、聚类分析和凝聚子群分析是评估互动网络结构的内聚力的三种关键方法。图6显示了互动网络结构内聚力的分析步骤。
第一，分析互动网络结构的密集性。密集性是评估互动网络结构的第一个标准。密集性好的互动网络结构可能具有比较高的内聚力，密集性差的互动网络结构一定不具备较强的内聚力。我们一般通过计算互动网络的密度，判断互动网络结构是否具有较高的密集性。
第二，凝聚的层次聚类分析，查看互动网络结构的分簇情况。如果要对互动网络结构进行聚类分析，我们需要把互动网络的非对称社群矩阵转换成对称社群矩阵。非对称赋值社群矩阵转换为对称社群矩阵的方法有三种：最小值、最大值、平均值。前两种数据转换方式具有易消除互动关系单向性特征的局限性，因此，互动网络分析一般采取求平均值的方式。然后，对称赋值矩阵进行凝聚的层次聚类分析，簇间距离采用单链接方法。凝聚的层次聚类分析将获得不同粒度水平的簇。如何从层次聚类分析的不同粒度水平确定凝聚子群的分析的阈值k呢?Ayiv博士给出选定阈值的一个原则，即选择 一个导致簇出现较大分歧的粒度水平，这个粒度水平具有较强的敏感性。
第三，K－plex凝聚子群分析，根据凝聚子群的数目、大小和重叠情况，综合评估互动网络结构的内聚力。首先，使用阈值c对求解的对称赋值矩阵进行“二分值”处理。二分值处理将把高于阈值c的矩阵元素值重新编码为“1”，否则为“O”。然后，使用k－丛对获得的对称二分值矩阵进行凝聚子群分析。在使用k－丛进行凝聚子群分析时，一定要选择恰当的k值和最小凝聚子群的规模，不然，分析的结果将包含太多或太少的子群，导致无法进行内聚力的判断。最后，根据获取的凝聚子群的分布及其内部结构的情况，综合评估互动网络的内聚力的高低程度。如果互动网络的凝聚子群的数目较少、子群的成员数比较多，且子群间成员重复程度比较大，那么该互动网络的具有较强的内聚力，反之，具有较弱的内聚力。
4.网络协作学习中互动网络结构分析的模型
在分别介绍了每种结构特征的概念与测量方法后，笔者认为，网络协作学习中互动网络结构分析的一般流程包含六个基本的步骤，如图7所示。
(1)收集网络协作学习中互动网络的数据。收集互动网络的数据是分析互动网络结构的第一步。一般说来，研究者可经过以下四个过程完成互动网络数据的收集工作：
第一，确定互动网络分析的单位。互动阿络中的节点是互动网络分析的基本单位。在网络协作学习中，互动网络分析的单位有两种：成员和群组。选择成员还是群组作为分析单位，这需要由研究的目标来决定：如果研究的目标是发现成员间的互动特征，那么单个成员需作为互动网络分析的单位；如果研究的目标是发现群组间的互动特征，那么须把群组作为互动网络分析的单位。
第二，确定互动网络的边界。互动网络边界的确定方法有三种：一是把群组作为网络分析的边界，例如，为了考察一个群组的成员在协商讨论活动中的知识互动情况，研究者需要把这个群组作为互动网络的边界；二是把组织协作学习的虚拟班级作为互动网络的边界，例如，为了考察成员在班级内情况，研究者需要把虚拟班级作为网络分析的边界；最后，研究者根据研究的需要自定义互动网络的边界，例如，为考察课程辅导教师与某两个群组的成员的互动情况，研究者就需要把两个群组的成员和课程辅导教师共同组成的互动网络作为分析的边界。
第三，确定成员间互动关系的类型。根据成员间互动内容的类型，成员间互动关系的类型可分为三种：知识互动、学习事务互动和情感交流互动。
第四，收集成员间互动关系的数据。成员间互动关系数据的收集方法有两种：系统日志自动收集和问卷手动收集。其中，系统日志自动收集的过程是：网络协作学习支持系统自动跟踪成员的互动与协作行为，记录互动的发起者、接收者、互动的频次以及互动内容的类型。这种方法具有自动和高效优点。但是，由于语词的多义性和文本分析技术的缺陷，计算机程序还不能准确地判断互动内容的类型。问卷调查法能比较真实反映成员对其互动网络的主观判断，但是不能真实地反映成员互动行为随时间的变化情况，不能反映出在群组生命周期内互动网络结构的演化过程。
鉴于以上两种方法的优点和缺点，研究者需要综合运用上述两种数据收集方法。具体做法是：先使用网络协作学习支持系统通过日志自动收集成员间的互动数据，然后使用问卷法手动收集成员间互动关系数据，最后参照问卷法收集的数据判断日志自动收集数据的信度。
(2)建立互动网络的社群矩阵。根据成员间互动关系的属性，包括发出者、接收者、方向、频次、权重等，建立互动网络的社群矩阵。互动网络的社群矩阵有多种，如邻接矩阵、距离矩阵、相似性矩阵等，不过其它类型的矩阵都可以通过社群邻接矩阵的计算和转换得到。这一步一般通过软件自动完成，尤其是大型互动网络的社群矩阵。
(3)生成互动网络的社群图，定性分析互动网络结构的特征。目前专业化的SNA分析软件，如UCINet、NetMiner、GraphViz等，都提供生成社群图的功能。与互动网络结构特征的测量指标相比，社群图能形象地表示互动网络结构的特征。因此，社群图可以有效地支持研究者定性地分析互动网络结构的连通性和密集性，以及网络中是否存在明显的中心人物、边缘人物和孤立人物。
社群图能从一定程度上说明互动网络结构的内聚力和网络角色，但是，不能准确地衡量内聚力达到何种程度，也不能精确地描述角色与角色之间关系。为了准确地分析互动网络结构的特征，研究者需要在定性分析社群图的基础上，使用多种测量指标定量地分析它的结构特征。
(4)测量指标定量分析互动网络结构的特征。按照人类“先整体后局部”认识事物的规律，研究者需要先分析互动网络结构的整体特征，然后分析它的内在特征。一般说来，互动网络结构的整体性特征表现在三个方面：第一，整体连通性和主成分的内部连通性。连通性是影响信息和知识在互动网络中流动畅通性一个关键因素，反映了互动网络结构的脆弱程度和内聚程度。如果互动网络结构的连通性越好。信息和知识在互动网络中传播的速度就越快、准确性越高，协作学习的绩效会越高。第二，达到何种程度的密集性。密集性反映成员间的总体互动水平和整体聚合性，以及成员可获得的直接或间接的社会性支持的程度。互动网络结构密集性好的群组具有较多地合作行为，信息流通较容易，协作学习绩效也会较好，而互动网络结构密集性较差的协作组则常有信息不通、情感支持太少、工作满意程度较低等问题。第三，达到何种程度的网络中心势。互动网络结构的中心势反映成员间的互动是否存在明显的集中趋势，即互动是否集中发生在少数成员之间。中心势指标值越小，说明成员间的互动分布比较均匀，相反，中心势指标值越高，说明成员间互动存在较大差异，互动往往发生在少数成员之间。
与互动网络结构的整体性特征相比，互动网络结构的内在特征注重描述组成互动网络的成分的特征，其主要表现以下三个方面：第一，点度中心度。当互动网络结构中心势较大时，研究者根据每个成员的点度中心度发现成员间的互动主要集中于哪些成员身上，从而鉴定哪些成员是互动网络的中心人物，哪些成员是互动网络的边缘人物，哪些成员是互动网络的孤立人物。第二，内聚力。内聚力主要考察互动网络中成员间相互吸引的程度。判断一个互动网络结构的内聚力的强弱，除了依据密度做出初步的判断外，研究者还需要根据互动网络是否出现明显的分簇，以及凝聚子群的个数、大小和重叠程度等指标进行综合分析，以做出正确的评估。第三，角色空间。角色空间描述互动网络中存在哪几类的网络角色，以及网络角色之间的互动关系。根据协作学习发生情境，研究者可把网络角色映射到群组成立时定义的成员角色，即考察成员在互动过程中所扮演的角色，是否与协作组分配给他/她的角色相符合。因此，角色空间能帮助研究者鉴定互动网络的角色结构是否合理，以及扮演角色的成员在互动中是否达到了预定的期望。
(5)分析互动网络结构特征对协作学习绩效影响，总结互 动网络结构特征与协作学习绩效之间的因果关系。从网络的嵌入性观点来看，互动网络结构对其成员的互动行为、兴趣、情感和态度等产生影响，进而影响协作学习的绩效。但是，目前，网络协作学习互动研究领域缺少这方面的因果关系，即什么样互动网络结构特征促进协作学习绩效的提升，什么样的互动网络结构特征阻碍协作学习绩效的改善。因此，研究者需要在教学实践中开展相关教学实验，发现互动网络结构特征与协作学习绩效之间的因果关系。
(6)采取恰当的教学策略干预成员的协作学习活动。分析教学干预的效果。分析互动网络结构特征的最终目标是为了改善协作学习的绩效。在掌握了互动网络结构特征与协作学习绩效之间的因果关系之后，教师可根据协作学习中成员间的互动网络结构特征，采取恰当的教学策略，干预和调节成员间的互动与协作，提高成员协作学习的绩效。
虽然互动网络结构的分析流程一般由以上六个步骤组成，但正如有些学者所强调，“社会网络分析的应用是一种艺术，而不单纯是一种技术”。因此，研究者在使用本研究介绍的理论模型分析互动网络结构特征时，需要根据协作学习的背景，重复以上流程中某些步骤，以便不断地修正分析的结果，提高分析的准确度，丰富研究的经验。
五、案例研究
1.实验对象
实验对象是浙江工业大学教育技术学专业2007级29名大学四年级本科。本次实验采用教师指定分组的方式实现异质分组，即每个协作组由好生和差生组成，并对实验对象的性别也进行了合理的搭配。分组的结果是：共建立6个协作组，除第二组有4名成员外，其他协作组均由5名成员组成。另外，实验对象是教育技术学专业的高年级本科生，具有较高的信息素养水平，能熟练应用信息技术开展网络环境下的自主、探究和协作学习。而且，在实验开始之前，教师讲解了网络协作学习的背景、好处、方法、原则以及相关技巧，因此，实验对象都易于且乐于接受本次实验所采用的学习方式。
2.实验设计
本次实验在“网络教育应用”课程中进行，持续8周时间(2010年3月20日至2010年5月20日)，采用网络协作学习和课堂教学相结合的混合学习方式。学习主题的内容是“网络课程的设计与开发”。本次教学实验过程的设计如图8所示。概括地说，主要有以下四个阶段：(1)实验对象熟悉网络协作学习支持系统；(2)课程主讲教师建立协作组、分配主题学习任务；(3)协作组参加网络协作学习活动，开展网络协作学习；(4)班级课堂讨论促进实验对象对主题知识的深化，扩大学习成果的受益面。
3.实验数据分析与讨论
由于篇幅所限，笔者仅介绍实验对象在学习资源共享学习活动中的互动网络结构的数据分析。在学习资源共享学习活动中，成员收集与学习主题相关的学习资源，将其发布为协作组私有学习资源或班级公共学习资源。协作组的其他成员阅读和下载学习伙伴发布的学习资源，对学习资源进行自主的探究学习，以形成对主题知识的深度认知。可见，成员通过“发布――访问”资源的协作学习行为，产生相互之间的知识互动。这种知识互动是学习资源共享中一种最基本的互动形式，我们重点分析在这种知识互动中的互动网络结构特征。
(1)社群图定性分析互动网络结构的特征。笔者分别以成员和协作组为分析单位，生成实验对象在资源共享中知识互动网络的社群图。图9是以成员为分析单位生成的互动网络社群图，图10是以协作组为分析单位生成的资源共享知识互动网络的社群图。其中，社群图的节点表示参与资源共享的协作组成员或辅导教师，节点间的连线表示成员之间存在的知识互动，连线的箭头表示互动的方向，连线中靠近箭头的数字是成员问互动的频次，表示互动强度。
通过观察图9和图10中的社群图，笔者发现，资源共享知识互动网络有以下四个特征：
第一，以班级为边界的互动网络具有脆弱的整体连通性，但协作组内部具有较高的内部连通性。从图9中的节点及其连线的分布，我们看到，协作组内成员间具有密集、强度较高的互动关系，而协作组之间的互动关系较少，且强度较低。因此，互动网络具有较脆弱的整体连通性，但协作组内部具有较高的内部连通性。这说明，成员在协作组范围内进行了较充分的资源共享，但协作组之间的资源共享知识互动较少。结合学习活动发生的情境，我们认为，这种状况是由于不同协作组承担不同主题学习任务所导致。
第二，协作组至少有一位成员与其它协作组的成员存在互动关系，起到“信息中介者”的作用。通过图9和10的社群图可以看到，虽然协作组之间存在较弱的资源共享互动关系，但是。每个协作组至少有一位成员与其它协作组的成员存在互动关系。这说明，有些成员还是比较关注其它协作组的学习进程，或者对其它协作组的学习主题的感兴趣，主动去访问相关的学习资源。
第三，辅导教师起到了非常重要的“信息中介者”和“信息提供者”作用。观察图9和10中的社群图，我们发现，代表辅导教师的节点与多个协作组之间存在较强的互动关系。这说明，辅导教师在资源共享学习活动中起到非常重要的“信息中介者”的作用，尤其在主题学习的早期阶段。
第四，第五组和第六组内部的互动网络结构具有较高的密集性，成员间具有较强的内聚力。如果把协作组作为班级互动网络的一个“成分”，我们不难发现，图9中第五组和第六组代表的局部网络具有较好的内部连通性和较高的密集性。这说明，与其它协作组相比，第五组和第六组的成员进行更充分的资源共享知识互动，成员间存在较强的内聚力。
(2)测量指标定量分析互动网络结构的特征。
①密集性分析。表4是协作组的资源共享知识互动网络的密度指标值。据此，我们可以推断，第6组的互动网络的密集性最高，其次是第五组，相反，第四组和第三组的互动网络的密集性最差。
②中心性分析。互动网络的中心性有两种测度：网络中心势和点度中心度。对于互动网络中心性来说，我们都需要从内、外两个方向分析网络中心势和成员点度中心度。
在资源共享知识互动中，网络中心势能考察互动是否集中于少数协作组成员之间。协作组互动网络的中心势指标值越大，说明当前协作组的互动主要集中于少数几个成员之间；反之，网络中心势指标值越小，说明互动越平均地分布于协作组全体成员之间。表5列出协作组的出度中心势和人度中心势。其中，第五组和第六组的出度中心势和入度中心势都比较低，均小于或等于0.400；而第一组和第二组的出度中心势和人度中心势的值都比较高，均大于0.550。据此，我们可以推断，第一组和第二组的资源共享的知识互动主要集中于少数几个成员之间，成员间的劳动分布不均；相反，第五和第六组成员间互动分布比较平均，符合协作学习的“互动均匀化”原则。
根据每个协作组成员的点度中心，笔者发现以下三个明显的中心性特征：第一组的Buyx的出度中心度(Cout＝24)和第二组的Caoy的出度中心度(cout＝16)，远高于所在协作组 的其他成员的出度中心度。这说明，在这两个协作组中，他们在资源共享活动中具有较高影响力，对协作组资源共享活动的贡献最大。第五组和第六组成员的点度中心度数值均比较高，而且协作组的网络中心势比较低。这说明。这两个协作组的成员都积极参与资源共享学习恬动，协作组的互动水平较高。第一组的Wulw、第三组的Jiangdq、第五组的Houxx和第六组的Xiefj，虽然他们的出度中心度比较小，但是他们的人度中心度比较大。这说明，他们虽然没有对共享学习资源做出较大贡献，但主动访问资源的协作学习行为，对协作组的知识流动起了很好的拉动作用。
③内聚力分析。密度高是互动网络具有强内聚力的必要条件。也就是说，成员间互动网络如果具有比较高的内聚力，那么一定具有较高的密度值。但反过来，命题不一定成立，因为即时互动网络具有较高的密度，但互动网络如果分解为多个小派系，就不会具有较强得内聚力。根据表4密度计算结果，我们认为，只有第五组和第六组有可能具备较高的内聚力。为了查看这两个协作是否具有较强的内聚力，我们需要对他们的互动网络进行聚类分析，以发现互动网络是否在某个互动水平上出现明显的分簇。
在聚类分析之前，我们首先把两个协作组互动网络的赋值邻接非对称矩阵进行了对称化处理。为了尽可能多地反映协作组成员间的互动水平，对称化方法采取平均值方法(average)，即任意两个成员间互动关系的强度，等于往返互动方向的强度的平均值。
然后，我们对这两个协作组的互动关系数据进行层次聚类分析。图11是基于协作组对称社群矩阵层次聚类分折的结果。其中。level是聚类分析的簇系数，可表示成员间的互动强度水平。在聚类分析中，根据簇系数(level)的值及其变化，研究者可以做出如下判断：根据level值，判断处于某一特定互动水平上有哪些协作组成员；通过level的变化，判断协作组成员之间互动强度的差异大小。通过协作组成员在特定level水平上分簇和走势，从而判断协作组内部是否出现凝聚子群。
另外，通过聚类分析的生成的柱状图，我们也可以判断协作组内部是否出现分簇，判断协作组内部是否出现凝聚子群，从而对协作组的内聚力高低做出判断。
根据图11的分析结果，我们可以得到，第五组的互动强度的变化速度比较均匀，且协作组内部没有出现分簇现象，协作组以Chenhm和Houxx为互动的核心成员，所以，协作组具有较高的内聚力；与第五组相比，第六组的互动强度存在较大变化差异，Huangjl和Zhanghx之间的互动强度显著高于其他协作组成员间互动，二者是协作组的核心成员，但是，协作组内部也没有出现明显的分组现象，因此，第六组也具有较高的内聚力。
4.实验结论
综合前面的数据分析与讨论，我们得出协商讨论中知识互动网络结构特征的分析结果，如表6所示。其中，由于第三组和第四组的互动网络结构特征比较明显，通过社群图的定性分析，我们就能发现，这两个协作组的成员几乎没有参加协作组协商讨论学习活动，互动网络不具备阿络中心势和中心人物，因此，表中对应的表格单元数据被置空。另外，第一组的出度中心势和人度中心势、第五组的人度中心势和第六组的出度中心势都比较低，因此，对应的互动网络中不存在中心人物，表中对应的单元格数据被置空。
表6中互动网络结构特征的数据表明，在协商讨论的知识互动中，第五组和第六组的互动网络的连通性、密集性和内聚力都高于其他协作组；相反，第三组和第四组的互动网络的连通性、密集性和内聚力都特别低。因此，我们断定，在协作组协商讨论学习活动中，第五组和第六组的互动状况明显好于其他四个协作组，第三组和第四组的互动水平最低。互动状况最差，而第一组和第二组的互动状况介于他们之间。
六、研究结论
我们认为，通过分析成员间的互动网络结构特征，研究者可以深入研究协作学习过程中交互的类型及其发生的内部机制。鉴于此，本研究从“理论、方法和实践”三个层面对互动网络结构作了深入地研究和探索，得出以下两个研究结论：(I)网络协作学习中的互动网络结构具有五个特征：连通性、密集性、中心性、内聚力和角色空间。本研究提出的互动网络结构分析模型能有效地获取、描述和分析互动网络结构的以上五个特征。(2)互动网络结构特征与网络协作学习绩效的关系体现在：①互动网络结构的密集性、内聚力和连通性是衡量成员间互动状况的主要指标，中心性是描述互动网络结构的补充指标；②在成员间平均互动强度一定的前提下，成员间的互动分布均匀程度对协作学习绩效有着显著影响作用；③具有理想的互动网络结构特征的协作组能产生较高的协作学习绩效。
本文所做的研究工作是探索网络协作学习中互动网络结构分析的理论、方法和实践，未来需要完善和进一步研究的方面还很多。随着这一研究课题的深入，相信协作学习研究领域中的研究者逐步看到交互这个“黑盒子”中越来越多的“秘密”。