联通主义学习中学习者学习路径挖掘及表征

doi:10.16382/j.cnki.1000-5560.2025.10.006

摘要/Abstract

摘要：

揭示联通主义学习的内在机理，能为建设以联通主义学习为核心的课程新形态提供支撑，从而有效回应新时代拔尖创新人才培养的需求，而联通主义学习路径挖掘及表征是其中重要且前沿的研究方向。当前研究缺乏对联通主义学习路径连续且完整的追踪与挖掘，以及对其组织结构的表征，这制约了课程实践的深入发展。为了解决这一问题，本研究立足国内首门联通主义在线课程情境，聚焦56名联通主义学习者，采用聚类分析、序列分析、网络分析等方法展开实证研究。分析发现：（1）学习者产生了三类学习路径，分别为主路径——问题导向型、学习支持路径——社群导向型、新手路径——路径依赖型，经验不同的学习者具有差异化的路径偏好，线性课程运行规则影响主题选择空间；（2）联通主义学习路径的拓扑结构具有时序与网络的双重特点；（3）学习者展现出三类学习模式，分别是问题驱动式、策展联通式、知识重组式。未来联通主义课程及相关在线学习实践需强化对学习资源的分层分类设计与个性化供给；设计引发协同知识创生的活动链；强化在线学习实践的动态运维管理；优化课程组织模式，从资源、活动、管理等方面系统优化课程建设方案。

关键词: 联通主义, cMOOC, 学习路径

Abstract:

Revealing the intrinsic mechanisms of connectivist learning is a crucial focus for supporting the construction of a new curriculum model centered on connectivist learning, in response to the new propositions of cultivating top-notch innovative talents in the current era. The mining and representation of connectivist learning paths is the essential and cutting-edge research direction within this context. Current research lacks continuous and complete tracking and structural representation of connectivist learning paths, which is hindering the depth of curriculum practice. To solve this problem, based on the first domestic connectivist online course, and focusing on 56 connectivist learners, empirical research was conducted using methods such as cluster analysis, sequence analysis, and network analysis. The study found that, first, learners produced three types of learning paths, namely, main route—problem-oriented, learning support route—community-oriented, and novice route—path-dependent; learners with different experiences have differentiated path preferences, and linear course operation rules affect the space for topic selection. Second, the topological structure of connectivist learning paths has dual characteristics of temporality and networking. Third, learners exhibited three types of learning modes, namely problem-driven, curated connectivity, and knowledge restructuring. Future construction of connectivist online courses and related online learning practices should emphasize the hierarchical classification design and personalized provision of learning resources; design activity chains that stimulate collaborative knowledge creation; enhance dynamic operation and management of online learning practices; and optimize course organizational models, ultimately systematically improving course development strategies across resources, activities, and management dimensions.

Key words: connectivism, cMOOC, learning path

杨阳, 陈丽. 联通主义学习中学习者学习路径挖掘及表征[J]. 华东师范大学学报(教育科学版), 2025, 43(10): 84-98.

Yang Yang, Li Chen. Mining and Representation of Learner’s Learning Path in Connectivist Learning[J]. Journal of East China Normal University(Educationa, 2025, 43(10): 84-98.

图/表 7

表 1

表 2

联通主义学习路径节点表征框架（杨阳，2024）"

一级维度	二级维度	三级指标及表现细则	编码
行为策略	提问定向	提出一般性问题：（1）提出平台/工具类操作问题；（2）对感兴趣的信息源提出获取的需求；（3）针对疑惑发出的简单询问（如是什么？）。	A1
	提问定向	确定主题/方向，主动提出劣构类问题：（1）针对已知，提出无直接答案的复杂问题；（2）针对已有观点提出反问、质疑；（3）发起新话题，提出待讨论的新问题。	A2
	选择互动	简单分享互动：（1）分享操作指导；（2）分享个人网址、课程信息、推送等，向他人引荐（直接分享，不必说理由）；（3）分享连接期待；（4）分享学习目标、经验、不足等。	B1
		社会化交往：（1）通过关注、点赞、评论等方式表达感谢、赞赏、欢迎等正反馈，与相关资源/人建立简单连接。	B2
		针对劣构问题，推荐资源，分享理解：（1）推荐他处资源、案例等有价值信息源（说明理由）；（2）推荐他者已经发表的观点（说明推荐理由）；（3）分享阐述个人理解（不必系统深入）；（4）反思实践现象/问题，提出新建议或新观点。	B3
		针对认知冲突，辩论互动，协商调节：（1）针对问题分歧或冲突进行解释、调节与澄清；（2）评价冲突观点并提供论据；（3）针对分歧达成共识，调整自身言论。	B4
	聚合整理	标记感兴趣信息源，汇聚形成资源集合：（1）通过收藏等，汇聚信息源，形成资源集合；（2）选择有价值信息源，以集中文档等形式进行汇聚合并，形成策展集。	C1
	聚合整理	多方聚合，整理分类：（1）整合重组碎片化内容，进行再分类。	C2
	生成创造	重新合成，二次创作：（1）在汇聚整合的基础上，融入新的观点与认识，系统阐述形成新的成果（如问题解决方案、实践案例、新思想新认识等）。	D1
	生成创造	完全原创：（1）生成系统、深入、观点与论据丰富的原创成果（如问题解决方案、实践案例、新认识新思想等）。	D2
交互对象	与内容交互	与支架类内容交互：（1）期待与建议类；（2）经验与收获类；（3）策展寻径类。	E1
		与主题内容交互：（1）与学习者所在的分主题下的相关内容交互。	F1
		与超主题内容交互：（1）超越现运行主题的讨论范畴，与跨主题内容进行交互。	G1
	与人交互	与促进者交互：（1）与课程促进者（课程组织者、引导促进者）交互。	H1
	与人交互	与普通学习者交互：（1）与同质学习者交互；（2）与异质学习者交互。	I1 I2

表 2

表 3

图 1

表 4

图 2

表 5

参考文献

	陈丽, 逯行, 郑勤华. (2019). “互联网+教育”的知识观: 知识回归与知识进化. 中国远程教育, (07), 10- 18+92.
	崔萌, 穆肃, 黄晓地. (2020). 基于过程数据及分析的在线学习路径研究: 规律与规划. 开放教育研究, (03), 58- 70.
	蔡旻君, 张筱兰. (2007). 大学生认知风格、学习方式与学习策略的关系研究. 电化教育研究, (08), 52- 57.
	胡丹妮, 章梦瑶, 郑勤华. (2019). 基于滞后序列分析法的在线学习者活动路径可视化分析. 电化教育研究, (05), 55- 63.
	黄洛颖, 陈丽, 骆舒寒. (2022). cMOOC学习者教学交互转化的特征及演化研究. 中国远程教育, (05), 18- 25+55+76.
	江波, 高明, 陈志翰等. (2018). 基于行为序列的学习过程分析与学习效果预测. 现代远程教育研究, (02), 103- 112.
	刘智, 王亚妮, 郑年亨等. (2017). 高校SPOC环境下学习者行为序列的差异性分析研究. 中国电化教育, (07), 88- 94+106.
	李爽, 钟瑶, 喻忱等. (2017). 基于行为序列分析对在线学习参与模式的探索. 中国电化教育, (03), 88- 95.
	刘桐, 顾小清. (2022). 以学习分析技术理解学习失败——基于在线课程退课行为的视角. 开放教育研究, (03), 93- 101.
	乐惠骁, 范逸洲, 贾积有等. (2019). 优秀的慕课学习者如何学习——慕课学习行为模式挖掘. 中国电化教育, (02), 72- 79.
	牟智佳, 张勤娜, 陈思睿. (2020). 基于行为序列的学习行为模式识别与教学干预. 现代教育技术, (05), 74- 80.
	德龙, 肖俊洪. (2024). 在线学习环境: 隐喻问题与系统改进. 开放学习研究, (01), 1- 14+62.
	彭绍东. (2010). 基于SCORM标准的“学习路径”设计. 现代教育技术, (08), 114- 119.
	孙萌, 唐雪萍, 郑勤华. (2019). 基于日行为模式的学生行为序列分析. 开放学习研究, (02), 39- 45.
	邬大光, 李文. (2020). 我国高校大规模线上教学的阶段性特征——基于对学生、教师、教务人员问卷调查的实证研究. 华东师范大学学报(教育科学版), (07), 1- 30.
	王志军. (2014). 联通主义学习情境中的教学交互特征与规律研究.北京: 北京师范大学博士论文.
	王志军, 陈丽. (2014). 联通主义学习理论及其最新进展. 开放教育研究, (05), 11- 28.
	王志军, 陈丽. (2015). 联通主义学习的教学交互理论模型建构研究. 开放教育研究, (05), 25- 34.
	王志军, 刘璐, 杨阳. (2019). 联通主义学习行为分析方法体系研究. 开放教育研究, (04), 18- 30.
	王志军, 李爽, 赵宏等. (2022). 联通主义学习的联通支架设计与促进者角色转换. 开放学习研究, (05), 17- 26.
	吴斓, 陈丽. (2019). 基于扎根理论的cMOOC学习者学习过程的研究. 中国远程教育, (12), 1- 11+92.
	徐亚倩, 陈丽, 肖建军. (2022). 联通主义在线课程设计策略研究——基于五轮cMOOC设计迭代. 中国远程教育, (06), 67- 75.
	徐亚倩, 陈丽. (2024). 联通主义课程观: 课程即生成式知识社区. 远程教育杂志, (05), 43- 52+76.
	肖琴, 夏南强, 赵富红. (2012). 实践社区成员交流效果量化研究. 情报科学, (09), 1357- 1360+1430.
	杨现民, 王怀波, 李冀红. (2016). 滞后序列分析法在学习行为分析中的应用. 中国电化教育, (02), 17- 23+32.
	杨阳. (2024). cMOOC中联通主义学习者学习路径构建与特征挖掘研究. 北京: 北京师范大学博士论文.
	赵蔚, 李士平. (2018). 基于学习分析的自我调节学习路径挖掘与反馈研究. 中国电化教育, (10), 15- 21.
	宗阳, 孙洪涛, 张亨国等. (2016). MOOCs学习行为与学习效果的逻辑回归分析. 中国远程教育, (05), 14- 22+79.
	张海, 崔宇路, 余露瑶等. (2020). 基于数据挖掘的智慧课堂教学行为事理图谱研究. 远程教育杂志, (02), 80- 88.
	藏润强, 孙红光, 杨凤芹等. (2018). 基于Levenshtein和TFRSF的文本相似度计算方法. 计算机与现代化, (04), 84- 89.
	AlDahdouh, A. A. (2018). Jumping from one resource to another: how do students navigate learning networks?. International Journal of Educational Technology in Higher Education, 15 (1), 1- 17.
	Emond B. , & Buffett S. (2015). Analyzing student inquiry data using process discovery and sequence classification. In Proceedings of the 8th International Conference on Educational Data Mining (pp. 412–415). Madrid: Spain.
	Hu, D., Zhang, M., Zheng, Q. (2018). A Study of Online Learners' Activity Paths Based on Lag Sequence Analysis. In 2018 Seventh International Conference of Educational Innovation through Technology (EITT) (pp. 229-233). IEEE.
	Nielsen, J. (2006). The 90-9-1 Rule for Participation Inequality in Social Media and Online Communities. Retrieved October 8 from https://www.nngroup.com/articles/participation-inequality/.
	Pohl, M., Wallner, G., & Kriglstein, S. (2016). Using lag-sequential analysis for understanding interaction sequences in visualizations. International Journal of Human-Computer Studies, 96, 54- 66.
	Taub, M., Banzon, A. M., Zhang, T., & Chen, Z. (2022). Tracking changes in students’ online self-regulated learning behaviors and achievement goals using trace clustering and process mining. Frontiers in psychology, 13, 813514.
	Vista, A., Awwal, N., & Care, E. (2016). Sequential actions as markers of behavioural and cognitive processes: Extracting empirical pathways from data streams of complex tasks. Computers & Education, 92, 15- 36.
	Wang, Z., Chen, L., & Anderson, T. (2014). A framework for interaction and cognitive engagement in connectivist learning contexts. International Review of Research in Open and Distributed Learning, 15 (2), 121- 141.
	Xu, Y., & Yang, Y. (2024). Research on the patterns of the organic growth knowledge production based on a dual perspective of content and behaviour. British Journal of Educational Technology, 55 (3), 1145- 1166.
	Zimmerman, B. J. (2008). Investigating Self-Regulation and Motivation: Historical Background, Methodological Developments, and Future Prospects. American Educational Research Journal, 45 (1), 166- 183.

三类数据及数据量	操作行为类	交互内容类	人员信息类	数据量（项）
	发布	博客文章	无具体对象（面向全部学习者）	377
	发布	话题帖	无具体对象（面向全部学习者）	2
	评论	评论内容	被评论的对象	1366
	回帖	回帖内容	被回帖的对象	495
	点赞	点赞内容	被点赞的对象	1624
	收藏	收藏内容	被收藏的对象	343
	关注	/	被关注的对象	541
数据总量（项）	4748	4150（共657947字）	4748	4748（共657947字）

分析维度	具体指标	情境含义	计算规则
行为选择的倾向性	相对出度	通过计算某一行为的出现对其他行为的触发程度，识别学习者倾向选择的起点行为或发挥关键驱动作用的行为	$ {RD}_{\left(i\right)}=\dfrac{{D}_{\left(i\right)}^{out}}{\mathrm{max}{D}_{\left(n\right)}^{out}} $ （1）
	相对入度	通过计算某一行为作为“落脚点”行为的程度，识别学习者倾向选择的终点行为	$ {RD'}_{\left(i\right)}=\dfrac{{D}_{\left(i\right)}^{in}}{\mathrm{max}{D}_{\left(n\right)}^{in}} $ （2）
	特征向量中心度	通过识别占据路径关键“桥梁”位置的行为，评估学习者倾向选择的关键行为	$ {\mathrm{E}\mathrm{C}}_{\left(\mathrm{i}\right)}=\dfrac{1}{\mathrm{\lambda }}{\displaystyle\sum }_{\mathrm{j}=1}^{\mathrm{n}}{\mathrm{A}}_{\mathrm{i}\mathrm{j}}\mathrm{*}{\mathrm{E}\mathrm{C}}_{\left(\mathrm{j}\right)} $ （3）
行为递进（或序列关系）的依赖性	小世界网络	评估学习者对联合部分交互行为组建“组块式”序列关系，由此形成稳态化学习模式的倾向性和依赖程度	平均聚集系数与平均路径长度的比值

*路径1：主学习路径（7171）**
	A1E1I2	A1E1H1	A2F1I2	A2F1H1	…	D2G1I2
A1E1I2	15.45^*	−0.05	−0.22	−0.18		−0.16
A1E1H1	−0.05	−0.02	−0.09	−0.07		−0.06
A2F1I2	−0.22	−0.09	4.83^*	−0.3		−0.27
…	…	…	…	…		…
D2G1I2	−0.16	−0.06	−0.27	−0.21		5^*
*路径2：学习支持路径（6464）**
	B2F1H1	B2F1I1	B2F1I2	B2G1H1	…	D2G1I2
B2F1H1	0.09	−0.43	−0.54	−0.74		−0.16
B2F1I1	−0.43	−0.17	−0.22	−0.3		−0.06
B2F1I2	2.13^*	0.66^*	2.45^*	−1.28		−0.27
…	…	…	…	…		…
D2G1I2	−0.16	−0.06	−0.27	−0.21		5^*
*路径3：新手学习路径（7272）**
	B2E1H1	B2E1I1	B2E1I2	B2F1H1	…	D2G1I2
B2E1H1	−0.48	−0.27	−0.31	0.31		−0.24
B2E1I2	5.08^*	−0.11	−0.13	−0.38		−0.1
B2F1H1	−1.04	−0.59	−0.66	2.02^*		−0.51
…	…	…	…	…		…
D2G1I2	−0.24	−0.19	−0.1	−0.51		5.68^*

路径	行为选择倾向性						行为递进依赖性
路径	相对出度		相对入度		特征向量中心度		平均聚集系数/ 平均路径长度
主路径（问题导向型）	A2G1I1	1	A1E1I2	0.082798842	A1E1I2	9.145202637	0.263
	B2E1I2	0.820207138	A1F1I2	0.274635413	A1F1I2	7.977015018
	B2F1I1	0.57461116	A2G1I1	0.084548126	A2G1I1	10.55412865
	A1F1I1	0.552849652	A2G1I2	0.107871729	A2G1I2	18.82024384
	B2I2	0.527979068	B1E1H1	0.922448862	B1E1H1	3.508162022
学习支持路径（社群导向型）	B2E1H1	1	B1G1I2	1	B1G1I2	24.31814194	0.262
	B2E1I2	0.820207138	B3E1H1	0.991253332	B3E1H1	21.2931385
	B2F1I1	0.57461116	B4F1I2	0.646064444	B4F1I2	11.27455997
	A2G1I1	0.552849652	B3F1I2	0.386588952	B3F1I2	33.51661682
	B2I2	0.527979068	D2E1I2	0.320699723	D2E1I2	11.30627441
新手路径（路径依赖型）	C1F1I2	1	A2G1I1	1	A2G1I1	17.46080971	0.232
	B2F1H1	0.838007994	B4G1I1	0.987640486	B4G1I1	15.24551105
	A2G1I1	0.771036082	B1G1H1	0.956179944	B1G1H1	18.14762306
	D2E1I2	0.744132964	B3F1H1	0.802809268	B3F1H1	26.00093842
	B1E1I2	0.669719717	A1E1H1	0.665730351	A1E1H1	9.976407051