论文部分内容阅读
摘要 在CSCL环境下如何提高个体学习的水平，同时又能发挥协作学习的优势，本文利用数学建模的方法对CSCL环境下的个体学习进行了模型设计，使用层次分析方法对个体学习进行分析，可得出优化的个体学习策略，帮助学习者更好地在CSCL环境下进行学习。
关键词 CSCL 学习策略 数学建模 层次分析法
中图分类号：G424文献标识码：A
The Design of Individual Learning Strategy under CSCL Environment
GE Guanku
(Basic Department of Guangzhou Border Command School, Guangzhou, Guangdong 510663)
AbstractFrom the perspective of individual learning under CSCL environment,how to improve the individual level, whilst collaborative learning to play the advantage, thesis uses the method of mathematical modeling for the individual learning of the model design under CSCL environment, AHP of individual learning methods for analysis, it can be optimized individual learning strategy and help learners learn better under CSCL environment.
Key wordsCSCL; learning strategy; mathematical modeling; AHP
1 CSCL环境下个体学习策略的研究现状
CSCL是从CSCW发展而来的，CSCW（Computer Support Cooperative Work）是指在计算机支持的环境（CS），特别是在网络环境下，一个群体协同完成一项共同的任务（CW）；CSCL（Computer Support Collaborative Learning）是指利用计算机技术（尤其是多媒体和网络技术）来辅助和支持协作学习。
在CSCL环境下，可以从个体性、社会性和知识建构三个层面对协作学习进行研究与探讨。在协作学习中，个体性同个体责任联系在一起，即小组成员明白必须依靠自己的努力为小组做出贡献，共同完成工作任务，而不是简单地完成自己所属的任务，强调的是协作而不是合作。
2 CSCL环境下学习者的学习活动和学习结果
2.1 CSCL环境下个体的学习活动
协作学习的基本模式主要有七种，分别是竞争、辩论、合作、问题解决、伙伴、设计和角色扮演。CSCL环境下每个人的分学习活动可能都不尽相同，影响个人活动的因素很多，如学习者的学习成绩、知识结构、认知能力、认知风格、认知方式等,对在CSCL环境下的学习活动的总结，可以发现有些基本的模式是学习者都会使用到的，在CSCL环境下，个体的学习活动可能是某一种模式，可能是某几种模式的组合。由个体的学习活动共同组成了整体的协作学习。
2.2 CSCL环境下的学习结果
加涅的ISD理论的核心思想是“为学习设计教学”，他据认知心理学原理提出了学习与记忆的信息加工模型。他从学习的内部心理加工过程九个阶段演绎出了九阶段教学事件（引起注意、告诉目标、刺激对先前学习的回忆、呈现刺激材料、提供学习指导、诱发学习表现、提供反馈、评价表现、促进记忆和迁移），同时他将学习结果分为五种类型（言语信息、智慧技能、认知策略、动作技能和态度）；梅瑞尔在此基础上总结为“九五矩阵”。
从加涅的理论中，我们对学习的结果进行分析，言语信息、智慧技能、认知策略、动作技能、态度这五种学习结果不但可以在一般的非CSCL环境下应用，也可以作为CSCL环境下的学习结果，但是在CSCL环境下学习者的特点与非CSCL环境下的有所不同。
3 设计CSCL环境下的个体学习策略数学模型
3.1 层次分析法
层次分析法（Analytic Hierarchy Process, 简记AHP）是将决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。
根据CSCL环境下的个体学习想达到的学习的结果和效果，使用不同的学习活动策略，而这些学习的活动对学习的结果有什么样的影响，或者说有多大的影响，需要建立数学模型，利用层次分析法进行分析，得出优化的个体学习策略。
对应的AHP算法为以下五个步骤：（1）建立系统的递阶层次结构；（2）构造两两比较判断矩阵；（正互反矩阵）（3）针对某一个标准，计算各备选元素的权重；（4）计算当前一层元素关于总目标的排序权重；（5）进行一致性检验。
3.2 CSCL环境下的个休学习的层次模型
利用层次分析法提供的思想，将CSCL环境下个体的学习设计成一个分三层的层次结构，并一步对此层次结构进行分析，得出个体学习的最优方案。
3.3 构造比较判断矩阵
设某层有n个因素，X = {x1,x 2,…,xn}
要比较它们对上一层某一准则（或目标）的影响程度，确定在该层中相对于某一准则所占的比重。（即把n个因素对上层某一目标的影响程度排序）上述比较是两两因素之间进行的比较，比较时取1到9尺度。用aij表示第 i 因素相对于第j 个因素的比较结果，则
A 则称为成对比较矩阵。
比较尺度：（1到9尺度的含义）：
2,4,6,8表示第i个因素相对于第j个因素的影响介于上述两个相邻等级之间。根据aij = 不难定义以上各尺度倒数的含义。
在此文中，我们把CSCL环境下的个体学习分为三个层次模型，设置语言信息、智慧技能、认知策略、动作技能、态度为A层，它们分别为A1，A2，A3，A4，A5。学习结果层A的各因素对个体学习目标层Z的影响两两比较结果如下（其中数据为模拟数据）：
3.4 计算个体学习活动模式元素关于总目标的排序权重
层次单排序是根据判断矩阵计算对上一层某元素而言本层次与之有联系的元素的重要性次序的权值，可以通过计算判断矩阵的特征根和特征向量来求得。个体学习活动模式元素关于总目标的排序权重代表了某个学习者采用何种学习活动模式效果更好，对学习者有指导的作用。
对于不同的学习课题，个体学习的模式可能有所不同。对于学习活动关于总目标的排序权重可以指导个体学习的方法和步骤。
3.5 进行一致性检验
定义随机一致性指标，构造500个成对比较矩阵A1,A2,…,A500可得一致性指标
随机一致性指标RI的数值：
当n＞2时，计算一致性比例CR：
CR = CI/RI
若CR＜0.1时，认为判断矩阵具有满意的一致性，否则就要对判断矩阵进行调整。
4 设计的个体学习策略的优缺点
从层次分析法的原理、方法和步骤等方面的应用不难看出，它是一种定量兼定性数学方法，在CSCL个体学习的策略选择过程中具有独特的优点，而且它具有系统性、实用性和简洁性的特点，可以帮助个体学习时选择不同的学习活动模式。但是，层次分析法有自身的局限性，主要表现在：第一，它只能从原有方案中选优，而不能生成新的方案。第二，它的比较、判断以及结果都是粗糙的，不适合精度要求很高的问题。第三，从建立层次模型到给出成对比较矩阵，人的主观因素作用很大，这就使决策结果很难让人接受，采用专家群体判断的办法是克服这个缺点的一种途径，还可以采用群体判断的方式。
5 小结
本文给出了使用层次分析法在CSCL环境下建立个体学习数学模型的一般方法，使用此方法可以对个体学习活动模式给出系统分析，得出适合在CSCL环境下个体学习的活动模式，更好地发挥个体因素在协作学习中的作用，但是此方法也存在一些缺点，没有考虑到社会情感因素，需要在以后进一步研究。
参考文献
[1]贾艳平.Intel未来教育模式下网络课件的开发策略[J].山西广播电视大学学报,2005(2).
[2]刘萍.学习的迁移规律研究[J].哈尔滨学院学报,2003(4).
[3]王文钰.教学中学习迁移策略的初探[J].陕西师范大学学报(哲学社会科学版),2006(S1).
[4]李克东,赵建华.混合学习的原理与应用模式[J].电化教育研究,2004(7).
[5]黄荣杯.CSCL的理论与方法[J].电化教育研究,1999(6).
[6]赵建华,李克东.CSCL的原理与基本结构(上)[J].电化教育研究,2003(5).
[7]任剑锋,李克东.分布式认知理论及其在CSCL系统设计中的应用[J].电化教育研究,2004(8).
[8]岳平,王治国.基于Web的协同学习策略及其应用[J].信息技术,2005(7).
[9]John B.Best著.认知心理学[M].黄希庭,主译.北京:中国轻工出版社,2002.
[10]姜启源,谢金星,叶俊编.数学模型(第三版)[M].北京:高等教育出版社,2003.
关键词 CSCL 学习策略 数学建模 层次分析法
中图分类号：G424文献标识码：A
The Design of Individual Learning Strategy under CSCL Environment
GE Guanku
(Basic Department of Guangzhou Border Command School, Guangzhou, Guangdong 510663)
AbstractFrom the perspective of individual learning under CSCL environment,how to improve the individual level, whilst collaborative learning to play the advantage, thesis uses the method of mathematical modeling for the individual learning of the model design under CSCL environment, AHP of individual learning methods for analysis, it can be optimized individual learning strategy and help learners learn better under CSCL environment.
Key wordsCSCL; learning strategy; mathematical modeling; AHP
1 CSCL环境下个体学习策略的研究现状
CSCL是从CSCW发展而来的，CSCW（Computer Support Cooperative Work）是指在计算机支持的环境（CS），特别是在网络环境下，一个群体协同完成一项共同的任务（CW）；CSCL（Computer Support Collaborative Learning）是指利用计算机技术（尤其是多媒体和网络技术）来辅助和支持协作学习。
在CSCL环境下，可以从个体性、社会性和知识建构三个层面对协作学习进行研究与探讨。在协作学习中，个体性同个体责任联系在一起，即小组成员明白必须依靠自己的努力为小组做出贡献，共同完成工作任务，而不是简单地完成自己所属的任务，强调的是协作而不是合作。
2 CSCL环境下学习者的学习活动和学习结果
2.1 CSCL环境下个体的学习活动
协作学习的基本模式主要有七种，分别是竞争、辩论、合作、问题解决、伙伴、设计和角色扮演。CSCL环境下每个人的分学习活动可能都不尽相同，影响个人活动的因素很多，如学习者的学习成绩、知识结构、认知能力、认知风格、认知方式等,对在CSCL环境下的学习活动的总结，可以发现有些基本的模式是学习者都会使用到的，在CSCL环境下，个体的学习活动可能是某一种模式，可能是某几种模式的组合。由个体的学习活动共同组成了整体的协作学习。
2.2 CSCL环境下的学习结果
加涅的ISD理论的核心思想是“为学习设计教学”，他据认知心理学原理提出了学习与记忆的信息加工模型。他从学习的内部心理加工过程九个阶段演绎出了九阶段教学事件（引起注意、告诉目标、刺激对先前学习的回忆、呈现刺激材料、提供学习指导、诱发学习表现、提供反馈、评价表现、促进记忆和迁移），同时他将学习结果分为五种类型（言语信息、智慧技能、认知策略、动作技能和态度）；梅瑞尔在此基础上总结为“九五矩阵”。
从加涅的理论中，我们对学习的结果进行分析，言语信息、智慧技能、认知策略、动作技能、态度这五种学习结果不但可以在一般的非CSCL环境下应用，也可以作为CSCL环境下的学习结果，但是在CSCL环境下学习者的特点与非CSCL环境下的有所不同。
3 设计CSCL环境下的个体学习策略数学模型
3.1 层次分析法
层次分析法（Analytic Hierarchy Process, 简记AHP）是将决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。
根据CSCL环境下的个体学习想达到的学习的结果和效果，使用不同的学习活动策略，而这些学习的活动对学习的结果有什么样的影响，或者说有多大的影响，需要建立数学模型，利用层次分析法进行分析，得出优化的个体学习策略。
对应的AHP算法为以下五个步骤：（1）建立系统的递阶层次结构；（2）构造两两比较判断矩阵；（正互反矩阵）（3）针对某一个标准，计算各备选元素的权重；（4）计算当前一层元素关于总目标的排序权重；（5）进行一致性检验。
3.2 CSCL环境下的个休学习的层次模型
利用层次分析法提供的思想，将CSCL环境下个体的学习设计成一个分三层的层次结构，并一步对此层次结构进行分析，得出个体学习的最优方案。
3.3 构造比较判断矩阵
设某层有n个因素，X = {x1,x 2,…,xn}
要比较它们对上一层某一准则（或目标）的影响程度，确定在该层中相对于某一准则所占的比重。（即把n个因素对上层某一目标的影响程度排序）上述比较是两两因素之间进行的比较，比较时取1到9尺度。用aij表示第 i 因素相对于第j 个因素的比较结果，则
A 则称为成对比较矩阵。
比较尺度：（1到9尺度的含义）：
2,4,6,8表示第i个因素相对于第j个因素的影响介于上述两个相邻等级之间。根据aij = 不难定义以上各尺度倒数的含义。
在此文中，我们把CSCL环境下的个体学习分为三个层次模型，设置语言信息、智慧技能、认知策略、动作技能、态度为A层，它们分别为A1，A2，A3，A4，A5。学习结果层A的各因素对个体学习目标层Z的影响两两比较结果如下（其中数据为模拟数据）：
3.4 计算个体学习活动模式元素关于总目标的排序权重
层次单排序是根据判断矩阵计算对上一层某元素而言本层次与之有联系的元素的重要性次序的权值，可以通过计算判断矩阵的特征根和特征向量来求得。个体学习活动模式元素关于总目标的排序权重代表了某个学习者采用何种学习活动模式效果更好，对学习者有指导的作用。
对于不同的学习课题，个体学习的模式可能有所不同。对于学习活动关于总目标的排序权重可以指导个体学习的方法和步骤。
3.5 进行一致性检验
定义随机一致性指标，构造500个成对比较矩阵A1,A2,…,A500可得一致性指标
随机一致性指标RI的数值：
当n＞2时，计算一致性比例CR：
CR = CI/RI
若CR＜0.1时，认为判断矩阵具有满意的一致性，否则就要对判断矩阵进行调整。
4 设计的个体学习策略的优缺点
从层次分析法的原理、方法和步骤等方面的应用不难看出，它是一种定量兼定性数学方法，在CSCL个体学习的策略选择过程中具有独特的优点，而且它具有系统性、实用性和简洁性的特点，可以帮助个体学习时选择不同的学习活动模式。但是，层次分析法有自身的局限性，主要表现在：第一，它只能从原有方案中选优，而不能生成新的方案。第二，它的比较、判断以及结果都是粗糙的，不适合精度要求很高的问题。第三，从建立层次模型到给出成对比较矩阵，人的主观因素作用很大，这就使决策结果很难让人接受，采用专家群体判断的办法是克服这个缺点的一种途径，还可以采用群体判断的方式。
5 小结
本文给出了使用层次分析法在CSCL环境下建立个体学习数学模型的一般方法，使用此方法可以对个体学习活动模式给出系统分析，得出适合在CSCL环境下个体学习的活动模式，更好地发挥个体因素在协作学习中的作用，但是此方法也存在一些缺点，没有考虑到社会情感因素，需要在以后进一步研究。
参考文献
[1]贾艳平.Intel未来教育模式下网络课件的开发策略[J].山西广播电视大学学报,2005(2).
[2]刘萍.学习的迁移规律研究[J].哈尔滨学院学报,2003(4).
[3]王文钰.教学中学习迁移策略的初探[J].陕西师范大学学报(哲学社会科学版),2006(S1).
[4]李克东,赵建华.混合学习的原理与应用模式[J].电化教育研究,2004(7).
[5]黄荣杯.CSCL的理论与方法[J].电化教育研究,1999(6).
[6]赵建华,李克东.CSCL的原理与基本结构(上)[J].电化教育研究,2003(5).
[7]任剑锋,李克东.分布式认知理论及其在CSCL系统设计中的应用[J].电化教育研究,2004(8).
[8]岳平,王治国.基于Web的协同学习策略及其应用[J].信息技术,2005(7).
[9]John B.Best著.认知心理学[M].黄希庭,主译.北京:中国轻工出版社,2002.
[10]姜启源,谢金星,叶俊编.数学模型(第三版)[M].北京:高等教育出版社,2003.