论文部分内容阅读
[摘要]协作学习在教育中广泛应用并备受关注。最近几年的研究重心已经转移到如何分析协作学习的交互过程。研究者也为此提出了不同的方法来分析复杂的交互现象。从复杂系统的视角提出了基于信息流的协作学习交互分析方法，并采用该方法分析协作学习系统中信息流的时间和空间特征。研究中采用准实验法搜集了121个样本的数据。结果发现，聚焦点随着时间呈现回溯和转移的特征，知识点随着时间的激活序列具有非线性的特征。不同交互效果协作组的信息流映射而成的知识图之间具有明显的差异性，但就信息类型和表征方式方面，不同交互效果的小组却没有显著性差异。
[关键词]协作学习；复杂系统；信息流；时空特征
[中图分类号] G434[文献标识码] A[文章编号] 1672—0008（2013）05—0051—07
一、引言
人类社会正处于信息爆炸的时代，我们必须及时更新、发展并创造知识才能紧跟时代的步伐。教育的重要使命就是传承、发展并创造知识。在建构主义思潮的影响下，当今的教育理念已经发生了改变，即从个体知识建构转向群体知识建构。协作学习就是一种群体建构的方式。交互是协作学习研究的核心。交互的一般意义是指相互作用。而从传播学的视角看，交互则是传者与受者双方的信息交流。为了研究协作学习中复杂的交互现象，揭示交互的规律，研究者采用各种各样的方法进行交互分析，比如定性地分析话语的结构、功能和意义的话语分析法，定量地分析成员关系和交互模式的社会网络分析法，采用形式化的方法对交互言行建模的系统建模法，还有采用一定的编码体系对交互脚本进行编码的内容分析法。
纵观各种分析方法，整体的取向侧重于从行为的视角分析交互过程。比如，Dazhi， Jennifer， French & James[1]在分析协作学习过程中知识的获取和认知机能时，把交互脚本编码为共享信息、解释、澄清、得出结论、应用、创造；Lee & Tsai[2]在研究学习者协同探索知识时，把交互言语编码为细化、挑战、修正、辩论。事实上，仅仅关注交互过程中的言行存在如下问题。
第一，单纯分析交互言行会忽略小组成员的关系，无法考虑到语境，即言论对谁说，什么时候说的，谁说的以及双方共有的知识基础。协作学习的代表人物Gerry Stahl[3]主张在小组层次上分析交互并考虑小组成员的关系，同时把语言与情境相结合，他认为交互分析的单元不仅仅是孤立的句子，而是问题与答案的配对组合。
第二，只分析话语中的言行不仅很主观，而且也很难与交互效果建立直接的联系。因为当某一话语被认为是一种行为时，还要考虑行为的执行者、行为动机、意图及社会文化等语境条件。仅仅编码为行为难以考量行为背后的很多因素。更何况人类的行为具有强烈的内隐性，因此，判断行为的动机就很主观，由此得出的结论也令人质疑。
本研究从另外一个视角研究协作学习的交互现象，即从复杂系统的视角来探究协作学习的交互过程和效果。黄荣怀教授认为教育系统是一个复杂系统，从复杂系统的角度研究教育教学系统的演化规律，是教育技术领域的一个重要研究方向[4]。协作学习系统是教育系统的子系统，充满着复杂性，因此，笔者把协作学习系统也看成是复杂系统来研究。而要研究各种复杂的教育现象及其效应，就需要关注系统内部的信息流动以及信息流与系统功能间的关系[5]。因此，本研究侧重分析协作学习系统中的信息流及其与协作学习效果的关系。
我们知道，信息是事物之间相互作用的关于方向、作用性质和作用大小的表征，信息是支配系统的关键[6]。协作学习是小组成员个人拥有的私有信息与小组成员的共享信息产生和流动的过程，研究的对象应该是信息流，这里的信息流指的是多个协作者在交互过程中创生的信息序列。
事实上，从信息流的视角分析协作学习过程，最早的要属美国学者Smith， J.B.。他认为小组在实现协作学习目标的整个过程中，涉及三类信息：（1）具体的信息，包括目标性的成果和长期存在的人工制品；（2）非具体的信息包括共享信息和私有信息，是存在于小组成员头脑中的信息；（3）短暂的信息，是仅仅为目标提供服务后就丢失的具体信息[7]。这三类信息的流动和转换构成了协作学习过程。可是Smith， J.B.并没有提出具体的可操作性的分析信息流的方法。本文提出的基于信息流的协作学习交互分析方法站在复杂系统理论的立场上对协作学习系统进行深入分析，对协作学习交互过程中的信息流切分之后，深入分析信息流动的时间和空间特征，从而了解交互效果好与差的小组信息流的差异，目的是为教师进一步指导协作学习提供参考。
之所以要关注信息流的时间和空间特征，是因为时间和空间是事物发展的两个重要坐标和参照。从时间维度研究协作学习系统中信息流的特征，可以探究随着时间信息流的变化路径、小组成员协同建构知识的进化过程，有哪些知识经过小组成员深入地交互改进了，哪些仍然需要深入研究。从空间维度可以研究不同个体输出信息流的差异性。
综观已有的协作学习的研究中，从时间和空间角度研究交互过程的仍然偏少，事实上，研究者可以通过时间和空间维度挖掘出很多有价值的信息。因此，本文即在时间和空间的框架下探索协作学习系统中信息流的特征，以期洞察复杂的交互现象。下面将详细阐述本文所采用的研究方法、研究样本和数据分析方法。
二、研究设计
（一）研究问题
协作学习交互过程中产生的信息流的特征有哪些？交互效果好的小组与较差的小组的信息流有哪些差异？基于对这两个问题的研究兴趣，本文主要解决的核心研究问题是：不同交互效果协作组的信息流的时间和空间特征如何？
（二）研究方法和流程
本研究采用准实验法搜集数据。在实验过程中，针对同一种知识类型开展协作学习的所有小组的任务相同。研究的流程如下：（1）根据不同课程的学习目标，笔者选择不同的知识类型如概念、原理、过程步骤、综合类知识等精心设计协作学习任务。（2）招募被试并分组，然后所有小组围绕相同任务展开面对面的协作学习，实验开始前进行前测，为了避免干扰因素的影响，实验结束后马上进行后测，笔者拍摄协作学习的全过程。（3）分析协作学习交互过程中信息流的时间和空间特征。 （三）数据的分析方法
本研究采用基于信息流的协作学习交互分析方法分析协作学习交互过程中信息流的时间和空间特征。笔者开发了专门的分析工具进行分析。这种方法的操作步骤是这样的：首先，根据协作学习的目标绘制初始的知识图，如图1所示，该知识图主要反映的是知识点和知识点之间的关系，也代表了教师期望协作者交互的主要内容。
然后，按照时间顺序由多人独立切分每个小组交互过程中产生的信息流（如图2所示），并计算评分者信度。由于多人切分信息流会存在个别地方的不一致性，对于所有不一致的信息项目，信息切分者都经过协商，最终结果为协商后的结果，本研究所有样本的评分者信度都在0.9以上，达到了统计学上的要求，说明信息流的切分可靠。
最后，通过计算信息流的属性进而分析信息流的特征及其与交互效果的关系。图3显示的带有激活量标记的知识图。本文直接参用杨开城教授设计的单个知识点激活量的计算方法来计算[8]。
（四）研究样本
由于本研究的研究对象确定为协作学习系统中的信息流，因此，研究样本是协作学习交互过程中小组成员输出的信息流映射而成的知识图。本研究最终选取了121个有效样本进行研究，这些样本来自大学本科的四门课程：课程论、教育心理学、数据结构、微观经济学，涉及的知识类型包含概念、原理、过程步骤和综合类型的知识，平均每种知识类型的样本为30-31个。
（五）目标知识
本研究选取的概念类样本的目标知识包括课程目标的概念、表征方式，确定课程目标的模式和依据，以及如何确定课程目标的方法；原理类样本的目标知识包括学习迁移的各种理论及其在立体几何中的应用；过程步骤类样本的目标知识包括数据结构中图论部分的内容；综合知识类型样本的目标知识包括消费者行为理论方面的相关知识。
下面将详细阐述运用基于信息流的协作学习交互分析方法分析信息流的时间和空间特征的结果。
笔者通过对121个样本局部聚焦点的深入分析，发现局部聚焦点转移通常发生在下列两种情况：情况一，当前交互的问题至少有两个到三个小组成员达成一致，局部聚焦点会转移到新的焦点；情况二，当某个小组成员理解了而其他成员并没有达成共识，也会发生局部聚焦点的转移。
而局部聚焦点的回溯通常发生在下列两种情况：情况一，当某个小组成员没有理解前面的焦点返回去修补完善时局部聚焦点会呈现回溯的现象，这取决于对先前焦点的理解水平和共享程度；情况二，当小组成员在解决当前问题时会用到前面的知识时也会发生局部聚焦点的回溯。
（三）知识点随时间的激活序列分析
知识像溪流，有其源泉和路径。知识子图被信息流激活的时间序列最能反映出协作学习交互系统中信息流动的非线性。
笔者把交互过程中形成的知识网络图的激活生成树按照时间顺序展示出来，进而考察信息流的路径和走向，如图5所示，其中知识点之间的连线代表其关系，出弧结点代表从该知识点出发，入弧结点代表到该知识点收尾，虚线是引导性的路径线，两个知识点之间并没有实质性关系，连线上的数字代表知识点激活的顺序，云图部分代表并列的知识点。
从图5中每条弧线上的数字可以明显看出，知识子图激活的顺序是非线性的，很多知识是通过多次交互建构完成的，箭头上的数字越多，表示这些知识建构和回溯的越多。另外还发现，交互效果好的小组所建构的知识之间的联系是正确的，而交互效果差的小组往往会把根本就没有关系的知识联系在一起，结果形成错误的认识或结论。
（四）不同小组主题分布的特征分析
从空间视角分析信息流的特征，笔者还进一步探索了不同小组交互主题的分布特征。这里对于主题的规模和分布给出如下定义：（1）主题i的规模：主题i内包含的信息项的数目Ni；（2）主题i的分布：主题i内包含的信息项的数目占所有信息项的百分比。
我们分析了数据结构中以“图的操作”为交互主题的十个小组的主题分布情况和课程论中“课程目标”为交互主题的十个小组的主题分布情况，如图7和图8所示。由于每个小组成员的已有知识水平不同，通常对于熟悉的主题交互较少，对于疑难问题交互的信息流较多，因此，不同小组主题分布不同。比如，在以“图的操作”为目标的协作学习过程中，有的小组集中围绕图的存储结构进行交互，有的却围绕旅行商问题或次短路径进行交互；在课程论的交互过程中，有的小组集中围绕课程目标的表征方式进行交互，有的却分析确定课程目标的具体步骤。但是分布程度与交互效果没有必然关系。
（五）所有小组共同的关注点分析
由于本研究中30个小组围绕相同的协作学习任务进行交互，因此，笔者非常感兴趣所有小组共同关注的知识点有哪些。本文采用最大频繁子图的算法来挖掘对于围绕相同主题进行交互的所有小组共同关注的话题。教师可以纵观整个交互过程中所有小组都提到的知识网络图，进而分析这些知识是否符合教师期望。
笔者根据自己设计的算法，得出每个协作学习任务交互所形成的最大频繁子图，如图9所示。从图中可以看出，所有小组都基本能够围绕教师事先设计好的协作学习任务进行深入交流，但个别主题与教师预期的有差距，比如，“以图的操作”为主题的交互过程中，教师期望深入对“求从起点出发且通过所有给定点再回到原点的最短路径”这部分知识深入展开，但结果并不理想，有小组没有涉及到这部分内容。
五、不同效果的协作学习小组产生的信息类型和表征方式的差异性分析
本研究将交互过程中的信息流类型分为目标描述、情境、事实和范例（包括现象、问题和任务）、知识语义、答案、管理指令（反馈、评价、指导、惩罚、训斥等）、其他相关信息、不相关信息。
笔者抽取121个样本中交互效果好的24个样本和差的24个样本的信息类型进行比较，发现：在目标描述（t（48）=-1.729，p=0.091）、情境（t（48）=-0.249，p=0.804）、事实和范例（t（48）=-0.04，p=0.969）、知识语义（t（48）=1.014，p=0.316）、答案（t（48）= 0.441，p=0.661）、管理指令（t（48）=-1.146，p=0.258）、其他相关信息（t（48）=0.237，p=0.814）、不相关信息（t（48）=.591，p=0.557）没有显著性差异。因此可以得出，交互效果好与差的小组在信息类型方面没有显著性差异，即信息类型并不能决定交互效果的好坏。
对于信息流的表征方式而言，可以分为：文本、声音、图形、图像、图表、动画、视频、实物和肢体语言。抽取24个交互效果好的样本与24个交互效果差的样本，计算信息表征方式的比例，结果发现，不同交互效果的样本在使用一种表征方式（t（48）=-1.215，p=0.231）和多种表征方式上没有显著性差异（t（48）=1.206，p=0.234）。因此可以得出，交互效果好与差的小组在信息的表征方式方面没有显著性差异。
研究结果表明，随着时间聚焦点呈现转移和回溯的特征。另外，知识建构的过程具有非线性特征，学习者对于知识的建构往往是通过多次反复、螺旋式地发展并建构而成的。交互效果好的小组的局部聚焦点更加符合教师的预期，并且与交互效果差的小组之间具有显著性差异，交互效果差的小组常常偏离聚焦点而分析那些细枝末节的下位概念。
不同交互效果的小组信息流映射而成的知识图具有差异性，交互效果好的小组和较差的小组在知识误建构的比例方面存在显著性差异，并且知识误建构的比例与交互效果呈负相关。交互效果好的样本与初始图的相似度显著高于交互效果较差的样本。个体的贡献程度可以通过其激活子图的总激活量衡量，而且交互效果好的个体的贡献度显著高于效果差的个体。
另外，通过挖掘最大频繁子图可以发现围绕相同主题进行交互的所有小组共同关注点。通过分析主题的覆盖程度可以分析不同主题的分布情况。研究还发现，交互效果好与差的小组在信息类型和信息的表征方式方面，都没有显著性差异。
[关键词]协作学习；复杂系统；信息流；时空特征
[中图分类号] G434[文献标识码] A[文章编号] 1672—0008（2013）05—0051—07
一、引言
人类社会正处于信息爆炸的时代，我们必须及时更新、发展并创造知识才能紧跟时代的步伐。教育的重要使命就是传承、发展并创造知识。在建构主义思潮的影响下，当今的教育理念已经发生了改变，即从个体知识建构转向群体知识建构。协作学习就是一种群体建构的方式。交互是协作学习研究的核心。交互的一般意义是指相互作用。而从传播学的视角看，交互则是传者与受者双方的信息交流。为了研究协作学习中复杂的交互现象，揭示交互的规律，研究者采用各种各样的方法进行交互分析，比如定性地分析话语的结构、功能和意义的话语分析法，定量地分析成员关系和交互模式的社会网络分析法，采用形式化的方法对交互言行建模的系统建模法，还有采用一定的编码体系对交互脚本进行编码的内容分析法。
纵观各种分析方法，整体的取向侧重于从行为的视角分析交互过程。比如，Dazhi， Jennifer， French & James[1]在分析协作学习过程中知识的获取和认知机能时，把交互脚本编码为共享信息、解释、澄清、得出结论、应用、创造；Lee & Tsai[2]在研究学习者协同探索知识时，把交互言语编码为细化、挑战、修正、辩论。事实上，仅仅关注交互过程中的言行存在如下问题。
第一，单纯分析交互言行会忽略小组成员的关系，无法考虑到语境，即言论对谁说，什么时候说的，谁说的以及双方共有的知识基础。协作学习的代表人物Gerry Stahl[3]主张在小组层次上分析交互并考虑小组成员的关系，同时把语言与情境相结合，他认为交互分析的单元不仅仅是孤立的句子，而是问题与答案的配对组合。
第二，只分析话语中的言行不仅很主观，而且也很难与交互效果建立直接的联系。因为当某一话语被认为是一种行为时，还要考虑行为的执行者、行为动机、意图及社会文化等语境条件。仅仅编码为行为难以考量行为背后的很多因素。更何况人类的行为具有强烈的内隐性，因此，判断行为的动机就很主观，由此得出的结论也令人质疑。
本研究从另外一个视角研究协作学习的交互现象，即从复杂系统的视角来探究协作学习的交互过程和效果。黄荣怀教授认为教育系统是一个复杂系统，从复杂系统的角度研究教育教学系统的演化规律，是教育技术领域的一个重要研究方向[4]。协作学习系统是教育系统的子系统，充满着复杂性，因此，笔者把协作学习系统也看成是复杂系统来研究。而要研究各种复杂的教育现象及其效应，就需要关注系统内部的信息流动以及信息流与系统功能间的关系[5]。因此，本研究侧重分析协作学习系统中的信息流及其与协作学习效果的关系。
我们知道，信息是事物之间相互作用的关于方向、作用性质和作用大小的表征，信息是支配系统的关键[6]。协作学习是小组成员个人拥有的私有信息与小组成员的共享信息产生和流动的过程，研究的对象应该是信息流，这里的信息流指的是多个协作者在交互过程中创生的信息序列。
事实上，从信息流的视角分析协作学习过程，最早的要属美国学者Smith， J.B.。他认为小组在实现协作学习目标的整个过程中，涉及三类信息：（1）具体的信息，包括目标性的成果和长期存在的人工制品；（2）非具体的信息包括共享信息和私有信息，是存在于小组成员头脑中的信息；（3）短暂的信息，是仅仅为目标提供服务后就丢失的具体信息[7]。这三类信息的流动和转换构成了协作学习过程。可是Smith， J.B.并没有提出具体的可操作性的分析信息流的方法。本文提出的基于信息流的协作学习交互分析方法站在复杂系统理论的立场上对协作学习系统进行深入分析，对协作学习交互过程中的信息流切分之后，深入分析信息流动的时间和空间特征，从而了解交互效果好与差的小组信息流的差异，目的是为教师进一步指导协作学习提供参考。
之所以要关注信息流的时间和空间特征，是因为时间和空间是事物发展的两个重要坐标和参照。从时间维度研究协作学习系统中信息流的特征，可以探究随着时间信息流的变化路径、小组成员协同建构知识的进化过程，有哪些知识经过小组成员深入地交互改进了，哪些仍然需要深入研究。从空间维度可以研究不同个体输出信息流的差异性。
综观已有的协作学习的研究中，从时间和空间角度研究交互过程的仍然偏少，事实上，研究者可以通过时间和空间维度挖掘出很多有价值的信息。因此，本文即在时间和空间的框架下探索协作学习系统中信息流的特征，以期洞察复杂的交互现象。下面将详细阐述本文所采用的研究方法、研究样本和数据分析方法。
二、研究设计
（一）研究问题
协作学习交互过程中产生的信息流的特征有哪些？交互效果好的小组与较差的小组的信息流有哪些差异？基于对这两个问题的研究兴趣，本文主要解决的核心研究问题是：不同交互效果协作组的信息流的时间和空间特征如何？
（二）研究方法和流程
本研究采用准实验法搜集数据。在实验过程中，针对同一种知识类型开展协作学习的所有小组的任务相同。研究的流程如下：（1）根据不同课程的学习目标，笔者选择不同的知识类型如概念、原理、过程步骤、综合类知识等精心设计协作学习任务。（2）招募被试并分组，然后所有小组围绕相同任务展开面对面的协作学习，实验开始前进行前测，为了避免干扰因素的影响，实验结束后马上进行后测，笔者拍摄协作学习的全过程。（3）分析协作学习交互过程中信息流的时间和空间特征。 （三）数据的分析方法
本研究采用基于信息流的协作学习交互分析方法分析协作学习交互过程中信息流的时间和空间特征。笔者开发了专门的分析工具进行分析。这种方法的操作步骤是这样的：首先，根据协作学习的目标绘制初始的知识图，如图1所示，该知识图主要反映的是知识点和知识点之间的关系，也代表了教师期望协作者交互的主要内容。
然后，按照时间顺序由多人独立切分每个小组交互过程中产生的信息流（如图2所示），并计算评分者信度。由于多人切分信息流会存在个别地方的不一致性，对于所有不一致的信息项目，信息切分者都经过协商，最终结果为协商后的结果，本研究所有样本的评分者信度都在0.9以上，达到了统计学上的要求，说明信息流的切分可靠。
最后，通过计算信息流的属性进而分析信息流的特征及其与交互效果的关系。图3显示的带有激活量标记的知识图。本文直接参用杨开城教授设计的单个知识点激活量的计算方法来计算[8]。
（四）研究样本
由于本研究的研究对象确定为协作学习系统中的信息流，因此，研究样本是协作学习交互过程中小组成员输出的信息流映射而成的知识图。本研究最终选取了121个有效样本进行研究，这些样本来自大学本科的四门课程：课程论、教育心理学、数据结构、微观经济学，涉及的知识类型包含概念、原理、过程步骤和综合类型的知识，平均每种知识类型的样本为30-31个。
（五）目标知识
本研究选取的概念类样本的目标知识包括课程目标的概念、表征方式，确定课程目标的模式和依据，以及如何确定课程目标的方法；原理类样本的目标知识包括学习迁移的各种理论及其在立体几何中的应用；过程步骤类样本的目标知识包括数据结构中图论部分的内容；综合知识类型样本的目标知识包括消费者行为理论方面的相关知识。
下面将详细阐述运用基于信息流的协作学习交互分析方法分析信息流的时间和空间特征的结果。
笔者通过对121个样本局部聚焦点的深入分析，发现局部聚焦点转移通常发生在下列两种情况：情况一，当前交互的问题至少有两个到三个小组成员达成一致，局部聚焦点会转移到新的焦点；情况二，当某个小组成员理解了而其他成员并没有达成共识，也会发生局部聚焦点的转移。
而局部聚焦点的回溯通常发生在下列两种情况：情况一，当某个小组成员没有理解前面的焦点返回去修补完善时局部聚焦点会呈现回溯的现象，这取决于对先前焦点的理解水平和共享程度；情况二，当小组成员在解决当前问题时会用到前面的知识时也会发生局部聚焦点的回溯。
（三）知识点随时间的激活序列分析
知识像溪流，有其源泉和路径。知识子图被信息流激活的时间序列最能反映出协作学习交互系统中信息流动的非线性。
笔者把交互过程中形成的知识网络图的激活生成树按照时间顺序展示出来，进而考察信息流的路径和走向，如图5所示，其中知识点之间的连线代表其关系，出弧结点代表从该知识点出发，入弧结点代表到该知识点收尾，虚线是引导性的路径线，两个知识点之间并没有实质性关系，连线上的数字代表知识点激活的顺序，云图部分代表并列的知识点。
从图5中每条弧线上的数字可以明显看出，知识子图激活的顺序是非线性的，很多知识是通过多次交互建构完成的，箭头上的数字越多，表示这些知识建构和回溯的越多。另外还发现，交互效果好的小组所建构的知识之间的联系是正确的，而交互效果差的小组往往会把根本就没有关系的知识联系在一起，结果形成错误的认识或结论。
（四）不同小组主题分布的特征分析
从空间视角分析信息流的特征，笔者还进一步探索了不同小组交互主题的分布特征。这里对于主题的规模和分布给出如下定义：（1）主题i的规模：主题i内包含的信息项的数目Ni；（2）主题i的分布：主题i内包含的信息项的数目占所有信息项的百分比。
我们分析了数据结构中以“图的操作”为交互主题的十个小组的主题分布情况和课程论中“课程目标”为交互主题的十个小组的主题分布情况，如图7和图8所示。由于每个小组成员的已有知识水平不同，通常对于熟悉的主题交互较少，对于疑难问题交互的信息流较多，因此，不同小组主题分布不同。比如，在以“图的操作”为目标的协作学习过程中，有的小组集中围绕图的存储结构进行交互，有的却围绕旅行商问题或次短路径进行交互；在课程论的交互过程中，有的小组集中围绕课程目标的表征方式进行交互，有的却分析确定课程目标的具体步骤。但是分布程度与交互效果没有必然关系。
（五）所有小组共同的关注点分析
由于本研究中30个小组围绕相同的协作学习任务进行交互，因此，笔者非常感兴趣所有小组共同关注的知识点有哪些。本文采用最大频繁子图的算法来挖掘对于围绕相同主题进行交互的所有小组共同关注的话题。教师可以纵观整个交互过程中所有小组都提到的知识网络图，进而分析这些知识是否符合教师期望。
笔者根据自己设计的算法，得出每个协作学习任务交互所形成的最大频繁子图，如图9所示。从图中可以看出，所有小组都基本能够围绕教师事先设计好的协作学习任务进行深入交流，但个别主题与教师预期的有差距，比如，“以图的操作”为主题的交互过程中，教师期望深入对“求从起点出发且通过所有给定点再回到原点的最短路径”这部分知识深入展开，但结果并不理想，有小组没有涉及到这部分内容。
五、不同效果的协作学习小组产生的信息类型和表征方式的差异性分析
本研究将交互过程中的信息流类型分为目标描述、情境、事实和范例（包括现象、问题和任务）、知识语义、答案、管理指令（反馈、评价、指导、惩罚、训斥等）、其他相关信息、不相关信息。
笔者抽取121个样本中交互效果好的24个样本和差的24个样本的信息类型进行比较，发现：在目标描述（t（48）=-1.729，p=0.091）、情境（t（48）=-0.249，p=0.804）、事实和范例（t（48）=-0.04，p=0.969）、知识语义（t（48）=1.014，p=0.316）、答案（t（48）= 0.441，p=0.661）、管理指令（t（48）=-1.146，p=0.258）、其他相关信息（t（48）=0.237，p=0.814）、不相关信息（t（48）=.591，p=0.557）没有显著性差异。因此可以得出，交互效果好与差的小组在信息类型方面没有显著性差异，即信息类型并不能决定交互效果的好坏。
对于信息流的表征方式而言，可以分为：文本、声音、图形、图像、图表、动画、视频、实物和肢体语言。抽取24个交互效果好的样本与24个交互效果差的样本，计算信息表征方式的比例，结果发现，不同交互效果的样本在使用一种表征方式（t（48）=-1.215，p=0.231）和多种表征方式上没有显著性差异（t（48）=1.206，p=0.234）。因此可以得出，交互效果好与差的小组在信息的表征方式方面没有显著性差异。
研究结果表明，随着时间聚焦点呈现转移和回溯的特征。另外，知识建构的过程具有非线性特征，学习者对于知识的建构往往是通过多次反复、螺旋式地发展并建构而成的。交互效果好的小组的局部聚焦点更加符合教师的预期，并且与交互效果差的小组之间具有显著性差异，交互效果差的小组常常偏离聚焦点而分析那些细枝末节的下位概念。
不同交互效果的小组信息流映射而成的知识图具有差异性，交互效果好的小组和较差的小组在知识误建构的比例方面存在显著性差异，并且知识误建构的比例与交互效果呈负相关。交互效果好的样本与初始图的相似度显著高于交互效果较差的样本。个体的贡献程度可以通过其激活子图的总激活量衡量，而且交互效果好的个体的贡献度显著高于效果差的个体。
另外，通过挖掘最大频繁子图可以发现围绕相同主题进行交互的所有小组共同关注点。通过分析主题的覆盖程度可以分析不同主题的分布情况。研究还发现，交互效果好与差的小组在信息类型和信息的表征方式方面，都没有显著性差异。