虚拟学习社区中凝聚子群对知识转移的影响

周智勇

西华师范大学实验中心 四川南充 637009

1 引言

当前，随着信息技术的迅猛发展，以及学习者自主学习的需要，学习者利用互联网相互沟通，彼此交流思想，共享知识，协作学习，通过互动形成了网络虚拟学习社区。基于虚拟学习社区的以学习者为中心的教学模式，无论是在提高教学质量和效率、增进学生学习兴趣和爱好、有效促进学习者对知识的理解和内化等方面，还是在提高学生发现问题、解决问题和探索问题的能力，促进学生的协作精神和共同完成任务的能力的形成和发展等方面，以及在培养学生获取信息、传递信息、加工处理和发布信息的能力等方面，都比传统教学模式具有极大优势。

虚拟学习社区内成员间的互动构成了一个信息传播的网络，在这个网络中，伴随着成员之间交互的频次的不同，必然会形成一些如现实环境中的凝聚子群（小团体），这些凝聚子群对于信息在网络中的流动有什么样的影响，以及不同凝聚子群成员之间的关系是怎样的，这些问题都是值得深入探讨的。文章运用社会网络分析方法，使用UCINET软件量化地分析了社区内凝聚子群之间的互动关系，探讨了这种关系对信息传播的影响，以期促进网络虚拟学习社区的良性发展。

2 研究对象和方法

虚拟社区是由具有共同兴趣或需要的社会中的人，通过网上互动满足某种需要而构筑的网络空间，参与者积极地交流和互动，并且在参与者之间将形成一种社会关系[1]。虚拟学习社区是多种多样的虚拟社区中的一类，它是指在网络环境下，通过获取、产生、分析和合作建构知识的对话与被指导的学习过程所形成的人际团体与学习环境[2]。在这个环境中，社区的每个成员通过交互工具，以合作或协作的方式共同完成学习任务，交流分享彼此的观点，相互促进，共同构筑一个良好的网络学习空间。从社会学的角度看，虚拟学习社区是一个学习型的组织，具有社会性；从计算机网络技术的角度看，虚拟学习社区是一个网络学习平台和网络交互工具的混合体，具有技术性；从教学/学习的角度看，虚拟学习社区既可以看作一种学习策略，也可以看作一种教学/学习模式，具有学习性[3]。虚拟学习社区改变了传统的教育、教学方式，它使得以教师、教材、课堂为中心的传统教学模式改变为以学习者为中心的教学模式。教师不再是知识的灌输者，而是教学工作的组织者、管理者，同时还是帮助学习者进行有效学习的辅导者、促进者和助学者。在虚拟学习社区中，学生还可以在学习工具的帮助下展开多种形式的学习，如自主学习、探究学习和合作学习等[4]。更为重要的是，学生在开展这些活动的同时，不仅可以提高学习积极性，充分发挥主动性，而且对于培养自己的元认知能力也有重要作用。

在社会科学中，以对社会行动者之间的互动研究为基础的结构性方法被称为社会网络分析[5]。社会网络分析所研究的关系通常是那些将个人或群体联系起来的关系。社会网络方法基于一个直觉性的观念，即行动者嵌入在其中的社会关系的模式对于它们的行动结果有着重要的影响。社会网络分析力求揭示不同类别的模式，同时试图确定这些模式在何种条件下会出现以及会导致何种后果。它关注的是行动者之间的关系，而非行动者的属性。

图1 Lambda集合

本文以一个34名学习者组成的虚拟学习社区为研究对象，跟踪并记录了他们在社区内针对相关专业进行讨论和交流的学习过程，对收集的数据运用UCINET软件从建立在子群内外关系基础上的凝聚子群方面进行分析。

3 凝聚子群分析

广义地说，凝聚子群研究是一种社会结构研究。多数网络研究者认为，社会结构是在社会行动者之间实存或者潜在的关系模式。因此，结构分析者的一个重要关注点是分析出网络中存在的“子结构”，即整体结构如何由小群体结构组成，以及这些小群体和小群内成员之间的关系，这就引出对凝聚子群的分析。

当关注和研究凝聚子群时，除了重点关注子群内部的关系外，一般还涉及比较子群内部成员之间的关系强度或频次相对于子群内、外部成员之间的关系强度或频次。从研究的角度，一般将建立在子群内外关系基础上的凝聚子群分为成分、块、LS集合、Lambda集合等。文章从本研究的角度，主要测量Lambda集合。

从关联性来看，一个凝聚子群应该是相对稳健的，不会因为从中拿掉几条线就变为不关联图。而一般通过点对的“边关联度”指数来进行定量测量。一对点i和j的“边关联度”指数标记为λ（i，j），它等于为了使得这两个点之间不存在任何路径，必须从图中去掉的线的最小数目[6]。λ（i，j）的值越大，i和j之间的关系越稳健。一个Lambda集是指：如果一个拥有点集Ns的子图Gs中，Ns自身内部的任何一对点的边关联度都比任何一个由Ns内部的一个点和Ns外部的一个点构成的点对的边关联度要大，则Ns为一个Lambda集。样本社区的Lambda集合测量结果如图1所示。

通过对样本社区“Lambda集合”的测量发现：Lambda的最大值是18，其成员包括1号和8号，表明这两点之间的关系最为紧密，至少需要去掉18个关系连接才能使他们分隔；Lambda的值达到10以上的包括2号、18号、10号和14号等8位成员，充分证明这些成员之间关系的稳健性和他们在社区成员连接上的重要作用；在样本社区数据中存在的Lambda集合中Lambda最小值为3，成员包括全体成员，即任意两个成员之间至少存在3个关系连接，表明整个社区关系网络是较稳健的，社区内的知识和信息能够通过多条途径传递；9号成员应该引起更多的关注，相对其他成员而言，他与其他成员的关联性更脆弱一些，也表明他与其他成员的交流和沟通应该加强，需要更多地融入社区的学习交互过程中。

4 结束语

本文应用社会网络分析方法和UCINET软件对样本虚拟学习社区社会网络的凝聚子群进行探讨，主要进行“Lambda集合”的测量，发现Lambda值越大的成员越是网络中的核心成员，与其他成员的关系越紧密，获取知识与与信息越容易，且是网络中知识与信息传播与扩散的重要人物；Lambda的最小值越大的网络，网络关联性越大，网络中知识和信息的转移越快速有效，能为学习交互活动创造更好的环境。

笔者谨对虚拟学习社区的学习交互关系的研究，以期促进网络学习社区集体智慧的发展，进一步促进虚拟学习社区在教育中的应用，创造更有利的远程学习环境。

[1]马池珠,任剑锋.现代教育技术前沿概论[M].北京：北京师范大学出版社,2009.8.

[2]王陆.虚拟学习社区的社会网络结构研究[D].兰州：西北师范大学,2009.

[3]谭敬德.网络学习社区人际传播特征及对NLC的作用[J].衡阳师范学院学报,2006(4)：110-113.

[4]王陆.虚拟学习社区原理与应用[M].北京：高等教育出版社,2004.

[5]弗里曼.社会网络分析发展史：一项科学社会学的研究[M].张文宏,等,译.北京：中国人民大学出版社,2008.

[6]刘军.整体网分析讲义：UCINET软件实用指南[M].上海：格致出版社,2009.