王阿習(xí) 王旭

摘要：建構(gòu)主義學(xué)習(xí)理論認(rèn)為協(xié)作發(fā)生在學(xué)習(xí)過程的始終，協(xié)作學(xué)習(xí)過程也是會話的過程。協(xié)作學(xué)習(xí)活動的規(guī)范設(shè)計與順利實施有利于促進(jìn)學(xué)習(xí)者之間知識共享與協(xié)同建構(gòu)。如何評價協(xié)作學(xué)習(xí)是當(dāng)前教育技術(shù)領(lǐng)域研究的焦點問題。圍繞整合技術(shù)進(jìn)行協(xié)作學(xué)習(xí)評價問題，我們訪談了卡耐基梅隆大學(xué)著名教授卡洛琳·佩恩斯坦·羅澤。羅澤教授認(rèn)為會話在協(xié)作學(xué)習(xí)情境中具有獨特價值，不僅是一種使思維清晰可見的方式，而且參與者的多樣化視角有利于知識的協(xié)同創(chuàng)新。羅澤教授的研究聚焦于整合語言學(xué)、教育學(xué)、心理學(xué)等相關(guān)理論，深入理解協(xié)作學(xué)習(xí)中會話的社會及其實際本質(zhì)，搭建提高人與人、人與計算機之間會話效果的計算系統(tǒng)。其研究視角是運用社會語言學(xué)和會話分析理論設(shè)計語言表征的方式和新的計算模型，使語言模式可以被機器學(xué)習(xí)；研究內(nèi)容是從計算的視角分析語言與社會之間的關(guān)系，開發(fā)用于評價在線協(xié)作學(xué)習(xí)過程的工具（如TagHelper和LightSIDE），以便為協(xié)作學(xué)習(xí)的組織者或促進(jìn)者提供適合特定情境的干預(yù)機制和反饋報告。羅澤教授及其團隊的重要貢獻(xiàn)還體現(xiàn)在優(yōu)化協(xié)作學(xué)習(xí)過程的自動化分析方法，促進(jìn)協(xié)作學(xué)習(xí)支持技術(shù)從靜態(tài)支持向動態(tài)支持范式轉(zhuǎn)變，研發(fā)新的干預(yù)機制與動態(tài)支持技術(shù)促進(jìn)大規(guī)模協(xié)作學(xué)習(xí)等。

關(guān)鍵詞：評價協(xié)作學(xué)習(xí)；會話分析；文本挖掘；機器學(xué)習(xí)；計算社會語言學(xué)

中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-5195（2017）06-0003-08 doi10.3969/j.issn.1009-5195.2017.06.001

一、采用多種研究視角分析基于會話的協(xié)作 學(xué)習(xí)過程

1.會話有利于促進(jìn)知識的協(xié)同建構(gòu)

訪談?wù)撸鹤鹁吹目辶铡づ宥魉固埂ち_澤教授，非常感謝您接受我們未來教育高精尖創(chuàng)新中心的訪談！會話或語言交互是您研究中的一個重要概念。在社會和教育實踐中鼓勵語言交流是您研究工作中一個特別重要的主題。為什么您認(rèn)為會話或語言交流對協(xié)作學(xué)習(xí)至關(guān)重要呢？

卡洛琳·佩恩斯坦·羅澤教授：正如你們所提到的，我的研究聚焦于如何更好地理解會話的社會及其實際本質(zhì)，并利用這種理解搭建提高人與人、人與計算機之間會話效果的計算系統(tǒng)。為了達(dá)成我的研究目標(biāo)，我整合和擴展了會話分析的計算方法、文本挖掘技術(shù)、會話機器人技術(shù)和計算機支持的協(xié)作學(xué)習(xí)的方法。我的研究團隊是高度跨學(xué)科的，已發(fā)表200多篇同行評議的文章和書籍，迄今已在語言技術(shù)、學(xué)習(xí)科學(xué)、認(rèn)知科學(xué)、教育技術(shù)學(xué)和人機交互5個領(lǐng)域頗有建樹，而且在其中三個領(lǐng)域發(fā)表的論文均已獲獎或得到獲獎提名。

我的研究目標(biāo)是開發(fā)支持有效參與會話的技術(shù)，從而對人類的學(xué)習(xí)、成長和福祉產(chǎn)生積極的影響。會話在教學(xué)情境中特別有價值，部分原因在于它是一種使思維清晰可見的方式，并且會話雙方可以協(xié)同建構(gòu)新的想法和創(chuàng)意。通過會話產(chǎn)生的新想法可能來自于參與者的多樣化視角，盡管與他們在互動之前每個人所擁有的想法都是不同的。當(dāng)學(xué)生認(rèn)真對待自己的想法和他人的想法時，他們也會認(rèn)真傾聽，并將自己的思維模式與他人的思維模式進(jìn)行比較。通過這一過程，他們可能會意識到自己的理解與同伴理解存在差距。當(dāng)他們通過討論來尋求彌補這些差距的方法時，就可能會產(chǎn)生學(xué)習(xí)績效。只有通過討論，不同學(xué)生的思想才能匯聚在一起，做出共同反應(yīng)并受益于彼此獨特的視角。

2.整合語言學(xué)和教育學(xué)的視角分析基于會話的協(xié)作學(xué)習(xí)過程

訪談?wù)撸耗鷦偛盘岬綍捠侨穗H互動中一個復(fù)雜而動態(tài)的過程。那么您認(rèn)為語言學(xué)和教育學(xué)情境中會話分析研究的區(qū)別與聯(lián)系是什么？您是如何整合不同視角來分析基于語言的協(xié)作學(xué)習(xí)過程的？

卡洛琳·佩恩斯坦·羅澤教授：語言是復(fù)雜多樣的，就像盲人摸象中的大象一樣，每一個盲人都依據(jù)自身的經(jīng)驗用一種完全不同的方式來描述所感知到的東西。我在會話分析方面的正式訓(xùn)練來自于計算語言學(xué)。我從語言學(xué)的視角（社會科學(xué)的子領(lǐng)域）分析會話研究，并將其與教育科學(xué)視域中的會話研究進(jìn)行對比。

對于協(xié)作學(xué)習(xí)分析的研究涉及多個領(lǐng)域，包括學(xué)習(xí)科學(xué)、教育心理學(xué)、組織行為學(xué)、社會語言學(xué)以及語言學(xué)的其他領(lǐng)域、語言技術(shù)和機器學(xué)習(xí)、社會心理學(xué)、社會學(xué)以及社會科學(xué)的其他分支。每個研究領(lǐng)域都有獨特之處，同時也有一系列特定的研究問題和方法論，這些問題和方法促使研究者從不同的視角分析協(xié)作學(xué)習(xí)。即使在教育科學(xué)領(lǐng)域，也有多種研究方法必須考慮。當(dāng)我們思考語言交互是如何促進(jìn)學(xué)習(xí)、如何對學(xué)習(xí)產(chǎn)生貢獻(xiàn)時，我們首先需要思考一個外延更廣泛的定義——學(xué)習(xí)是什么，以及學(xué)習(xí)是如何發(fā)生的。對于這兩個問題的回答將影響我們對語言作用的認(rèn)知，因為語言通常被認(rèn)為是與協(xié)作和學(xué)習(xí)相關(guān)的。除此之外，也將影響我們分析與解決問題的方式，如分析需要解決什么問題，使用哪種方式解決問題，以及最終使用何種方式分析會話過程才能確保其具有較高的信度、效度和效率。教育科學(xué)中的分析方法是緊密依賴于教育科學(xué)中的理論框架的。

語言學(xué)也是一個諸多理論支持的領(lǐng)域。然而，如果我們單從語言學(xué)視角分析協(xié)作學(xué)習(xí)，那么我們可能將分析結(jié)果納入一種學(xué)習(xí)理論。如果我們整合語言學(xué)和教育學(xué)領(lǐng)域的不同視角研究協(xié)作學(xué)習(xí)，那么我們就能夠更清晰地了解人與人之間溝通的語言過程。因此，我們整合各種理論視角分析協(xié)作學(xué)習(xí)，旨在整合各種理論以便更加透徹地展現(xiàn)基于語言的協(xié)作過程，而非為了判斷哪個視角是正確的。

在我的研究和職業(yè)事務(wù)中，一個永恒的主題是為語言學(xué)和教育學(xué)等相關(guān)領(lǐng)域搭建溝通的橋梁。因此，相比分析不同領(lǐng)域之間的區(qū)別，更重要的是，關(guān)注各個研究領(lǐng)域之間的工作是如何相互協(xié)作的。識別會話結(jié)構(gòu)是我跨領(lǐng)域研究中的重要組成部分，因為會話結(jié)構(gòu)能夠預(yù)測并揭示影響個體差異的變量，包括動機、目標(biāo)、個體和團隊的學(xué)習(xí)成果。我在這一領(lǐng)域的理論貢獻(xiàn)是從計算視角重新解釋社會語言學(xué)和話語分析的大量質(zhì)性框架，特別側(cè)重于在系統(tǒng)功能語言學(xué)理論中描述人際動力學(xué)的框架。

為這兩個學(xué)科搭建科學(xué)交流的橋梁已成為我專業(yè)服務(wù)的中心。例如，在我擔(dān)任學(xué)習(xí)科學(xué)國際協(xié)會主席、國際人工智能協(xié)會執(zhí)行委員等職務(wù)期間，我牽頭組織了一系列的研討會，旨在創(chuàng)建一個正式的組織結(jié)構(gòu)，以促進(jìn)這些不同組織之間的溝通、協(xié)調(diào)和合作。在此基礎(chǔ)上，學(xué)習(xí)科學(xué)協(xié)會聯(lián)盟得以成立。此聯(lián)盟囊括了國際學(xué)習(xí)科學(xué)協(xié)會、人工智能教育應(yīng)用協(xié)會、學(xué)習(xí)分析研究協(xié)會、國際教育數(shù)據(jù)挖掘協(xié)會、計算機器學(xué)習(xí)協(xié)會等。這個聯(lián)盟匯集了來自世界各地的數(shù)千名研究人員，他們分別從以人為本和以技術(shù)為中心的視角研究技術(shù)促進(jìn)學(xué)習(xí)的效果。該聯(lián)盟近期努力的成果是將在2018年6月的倫敦學(xué)習(xí)節(jié)中舉辦三個會議，以此作為倫敦學(xué)習(xí)節(jié)的一部分。

二、整合會話分析與文本挖掘技術(shù)評價協(xié)作 學(xué)習(xí)的效果

1.連接會話分析與文本挖掘技術(shù)：會話交互自動分析與文本的社會性分析

訪談?wù)撸耗J(rèn)為文本挖掘技術(shù)與會話分析之間的關(guān)系是什么？您是如何整合二者的優(yōu)勢來分析協(xié)作學(xué)習(xí)的？

卡洛琳·佩恩斯坦·羅澤教授：廣義上的文本挖掘是一個綜合運用從信息檢索到文本分析等方法的領(lǐng)域。會話分析及其相關(guān)的子領(lǐng)域聚焦于應(yīng)用理論框架討論分析數(shù)據(jù)。我的工作是將這兩個領(lǐng)域聯(lián)系在一起。我研究的核心技術(shù)貢獻(xiàn)在于會話交互的自動分析和文本的社會性分析（如觀點建模、語義分析和意見挖掘）。我把這些問題稱為語言的社會性解釋。我的研究團隊在此方面做的研究工作已經(jīng)發(fā)表在計算語言學(xué)和教育科學(xué)領(lǐng)域的刊物上。

我的團隊有著獨特的研究理念：運用社會語言學(xué)和會話分析的理論設(shè)計語言表征的新方式，這是實現(xiàn)基于語言自動的社會解釋的基礎(chǔ)。設(shè)計反映這些理論觀點的計算模型使得語言模式可以被機器學(xué)習(xí)。我在這個領(lǐng)域的早期工作驗證了一個概念：即應(yīng)用于原始通信數(shù)據(jù)的機器學(xué)習(xí)可以復(fù)制多維的方法來分析協(xié)作過程，這些協(xié)作過程在CSCL社區(qū)中被認(rèn)為是有影響力的。計算語言學(xué)社區(qū)的研究人員致力于大規(guī)模的社會互動分析，而運用機器學(xué)習(xí)分析協(xié)作學(xué)習(xí)過程使我的工作在計算語言學(xué)社區(qū)中與眾不同。2016年我們團隊刊發(fā)在《計算語言學(xué)雜志》上的文章詳細(xì)闡述了計算社會語言學(xué)這一新興領(lǐng)域的前景，以及我們在研究中整合的、構(gòu)建的和擴展的理論、方法論與模型建構(gòu)技術(shù)（Dong & Jong，2016）。另外，我在計算社會語言學(xué)領(lǐng)域的研究成果已于近期發(fā)表在《自然》雜志上（Rosé，2017）。

訪談?wù)撸耗鷦偛盘岬接嬎闵鐣Z言學(xué)，屬于一個融計算機科學(xué)、社會學(xué)和語言學(xué)為一體的交叉學(xué)科，請您簡要介紹一下計算社會語言學(xué)的核心觀點？

卡洛琳·佩恩斯坦·羅澤教授：隨著越來越多計算語言學(xué)領(lǐng)域的研究者試圖從社會學(xué)的視角解讀語言，社會語言學(xué)領(lǐng)域的研究者逐漸意識到使用計算語言學(xué)的方法和技術(shù)可以改進(jìn)本領(lǐng)域的模型，提高研究成效。同時，已有研究證明，在計算機模型中考慮語言社會意義的變化，可以完善現(xiàn)有的自然語言處理工具。社會語言學(xué)家研究的大量理論和實踐，也能夠影響計算語言學(xué)領(lǐng)域的基本方法。這兩個領(lǐng)域的研究邊界并不是截然分明的。計算語言學(xué)領(lǐng)域日益表現(xiàn)出對分析和建模語言的社會維度的興趣，鼓勵社會語言學(xué)領(lǐng)域和計算語言學(xué)領(lǐng)域的學(xué)者之間開展多樣化合作。然而，到目前為止，這兩個領(lǐng)域之間的協(xié)同作用潛力、共性與互補等都尚未被系統(tǒng)地探索。在這種情況下，一個多學(xué)科交叉的新興學(xué)科應(yīng)運而生，我們把它稱為“計算社會語言學(xué)”。

計算社會語言學(xué)是一門交叉學(xué)科，從計算的視角研究語言與社會之間的關(guān)系，其研究內(nèi)容包括開發(fā)支持社會語言學(xué)家的工具，確立建模與分析語言內(nèi)容與社會情境信息等相關(guān)數(shù)據(jù)的新統(tǒng)計方法，采用社會語言學(xué)理論與方法開發(fā)或改進(jìn)自然語言處理工具等（Dong & Jong，2016）。

計算社會語言學(xué)的關(guān)鍵思想是從社會語言學(xué)和話語分析互動的大量理論模型中汲取見解和屬性，并使用多種計算方法分析這些見解，以獲得能夠影響社會學(xué)發(fā)展的最重要的本質(zhì)。我的研究方法始終以調(diào)查會話的過程、形成合適的理解會話的模型為中心，這些模型足夠精確、可復(fù)制，并且對真實世界具備較強的解釋力；下一步是改寫、擴展和應(yīng)用機器學(xué)習(xí)和文本挖掘技術(shù)構(gòu)建計算模型，運用計算模型自動分析自然語言交互的特點與規(guī)律；最后，隨著自動監(jiān)控自然語言交互技術(shù)的發(fā)展，逐步建立對真實世界有益的干預(yù)措施。

我的研究工作主要是使用計算語言學(xué)中廣泛采用的大規(guī)模數(shù)據(jù)驅(qū)動的方法輔助現(xiàn)有的社會語言學(xué)研究，并運用社會語言學(xué)改進(jìn)和挑戰(zhàn)計算語言學(xué)采用的方法和假設(shè)。我們已經(jīng)證明了計算語言學(xué)和社會語言學(xué)這兩個研究領(lǐng)域之間相互協(xié)同的潛力。我們非常希望更多的研究者了解這兩個研究領(lǐng)域緊密合作的益處，并對公開的挑戰(zhàn)進(jìn)行討論。此外，我們也希望為這個學(xué)科的研究者成立一個研究社區(qū)，以便保持社會語言學(xué)和計算語言學(xué)這兩個領(lǐng)域之間的聯(lián)系。

2.采用機器學(xué)習(xí)工具分析協(xié)作學(xué)習(xí)過程

訪談?wù)撸何覀儚哪郧暗墓ぷ髦辛私獾?，您的實驗室開發(fā)了兩個工具：TagHelper和LightSIDE，它們是用于分析協(xié)作學(xué)習(xí)過程的機器學(xué)習(xí)工具。您能簡要介紹一下這兩個工具嗎？

卡洛琳·佩恩斯坦·羅澤教授：為其他研究者提供工具是我的研究團隊的長遠(yuǎn)目標(biāo)之一。我們研發(fā)的大多數(shù)工具可以從DANCE①網(wǎng)站上的資源頁面獲得。我的研究團隊最初開發(fā)的用于文本挖掘的平臺是TagHelper。該工具能夠使用機器學(xué)習(xí)技術(shù)自動分析會話數(shù)據(jù)。在計算機支持的協(xié)作學(xué)習(xí)和教學(xué)交互研究領(lǐng)域，分析學(xué)習(xí)者的會話過程尤為重要。因此，我們研究的一個重要目標(biāo)是為研究者提供有價值的工具以支持他們開展這些領(lǐng)域的研究。同樣的技術(shù)也可以用于評估在線合作學(xué)習(xí)的過程，以便為小組學(xué)習(xí)的組織者或促進(jìn)者提供適合特定情境的干預(yù)機制和反饋報告（Rosé，2007）。

TagHelper是我們研發(fā)的文本挖掘工具的初始原型。迄今我們已經(jīng)極大地擴展了TagHelper工具的功能，尤其是接口支持的開發(fā)過程方面的功能。我們將更新與擴展后的版本稱為LightSIDE，它為一家名為LightSIDE實驗室的創(chuàng)業(yè)公司奠定了基礎(chǔ)。過去我們還有一個中文版的TagHelper，感興趣的研究者可以聯(lián)系我們，我們也可以向中國的研究人員提供類似的LightSIDE版本，以支持中文數(shù)據(jù)的文本挖掘。用LightSIDE支持開發(fā)過程的關(guān)鍵優(yōu)勢是它不僅可以利用機器學(xué)習(xí)來分析和表征數(shù)據(jù)，而且還能理解不同方法對數(shù)據(jù)表示的有效性。此外，我們還設(shè)計并開發(fā)了使用LightSIDE的課程（Mayfield & Rosé，2013），在課程中我們介紹了LightSIDE用于判斷語言屬性質(zhì)量的指標(biāo)，以及用于搜索和篩選更有效的語言屬性的方法。

三、規(guī)范設(shè)計協(xié)作學(xué)習(xí)活動改善協(xié)作學(xué)習(xí)效果

1.促進(jìn)協(xié)作學(xué)習(xí)支持技術(shù)從靜態(tài)支持向動態(tài)支持范式轉(zhuǎn)變

訪談?wù)撸簽榱烁纳茀f(xié)作學(xué)習(xí)效果，您在研究中采用了哪些干預(yù)機制與支持策略，以促進(jìn)協(xié)作學(xué)習(xí)過程中學(xué)習(xí)者之間開展積極對話？

卡洛琳·佩恩斯坦·羅澤教授：我認(rèn)為會話系統(tǒng)想要獲得最大的影響力，它必須首先能夠理解對話，輸出對話，并且融入對話。其次，該系統(tǒng)應(yīng)當(dāng)對不同情境下的會話機制有深入的理解，比如在特定情境下，什么樣的對話對談話效果有所增強或削弱。為此，我的研究團隊已經(jīng)對學(xué)習(xí)科學(xué)領(lǐng)域中發(fā)展迅速且相互關(guān)聯(lián)的兩個研究方向做出重要貢獻(xiàn)，這兩個研究方向分別是協(xié)作學(xué)習(xí)過程的自動分析和協(xié)作學(xué)習(xí)的動態(tài)支持，另外我們還使用智能會話機器人支持情境感知的協(xié)作學(xué)習(xí)。

至少已有10年的研究成果（包括我自己的研究）表明，當(dāng)計算機可以自動提供學(xué)習(xí)支持時，學(xué)生可以從與小組成員的互動中獲益，特別是在互動和情境感知技術(shù)的支持下。雖然在計算機支持的協(xié)作學(xué)習(xí)領(lǐng)域中，最先進(jìn)的技術(shù)仍然是靜態(tài)的支持形式，例如結(jié)構(gòu)化的輸入界面、提示和分配給學(xué)生的腳本角色，但是現(xiàn)在為協(xié)作學(xué)習(xí)提供動態(tài)支持的技術(shù)也已經(jīng)公開。我的研究團隊在促進(jìn)協(xié)作學(xué)習(xí)支持技術(shù)從靜態(tài)向動態(tài)這一范式轉(zhuǎn)變中扮演重要角色，尤其證明了為協(xié)作學(xué)習(xí)提供基于腳本的動態(tài)支持要優(yōu)于其他靜態(tài)形式的支持。我們的研究發(fā)現(xiàn)，與單獨提供材料相比，為學(xué)習(xí)者提供基于會話機器人的、情境感知的動態(tài)支持更能顯著提高學(xué)生的學(xué)習(xí)成績（Adamson et al.，2014）。

我們還采用機器學(xué)習(xí)技術(shù)實現(xiàn)了自動分析協(xié)作學(xué)習(xí)過程中的語言交互特點，嘗試建立了學(xué)習(xí)者參與協(xié)作學(xué)習(xí)的認(rèn)知、動機與關(guān)系等維度的計算模型（Howley & Rosé，2016）。另外，我們使用無監(jiān)督的動態(tài)貝葉斯網(wǎng)絡(luò)為會話過程中的言語風(fēng)格適應(yīng)建模，并將其作為言語交互自動分析的一步。在這項關(guān)于言語風(fēng)格的研究中，我們發(fā)現(xiàn)交談?wù)呖赡軙诨又懈淖兯麄兊恼f話方式，變得越來越相似，或者變得不那么相似。通過將言語風(fēng)格調(diào)整作為一種社交暗示，我們可以更好地確定談話參與者是否在努力構(gòu)建一個共同的會話基礎(chǔ)（Gweon et al.，2013）。

2.設(shè)計規(guī)范的交互活動（Transactivity）是有效開展協(xié)作學(xué)習(xí)的DNA

訪談?wù)撸耗谘芯恐刑岬浇换セ顒邮怯行ч_展協(xié)作學(xué)習(xí)的DNA。您所指的交互活動是什么？交互活動與協(xié)同知識建構(gòu)的區(qū)別是什么？您是如何設(shè)計交互活動促進(jìn)學(xué)生之間的協(xié)作學(xué)習(xí)的？

卡洛琳·佩恩斯坦·羅澤教授：在協(xié)作學(xué)習(xí)環(huán)境中，當(dāng)參與者詳細(xì)闡述、拓展、提問或反駁他們的合作伙伴提出的想法時，他們會進(jìn)行一場交互式討論，以努力達(dá)成共識，達(dá)成共同的解決方案。在教育心理學(xué)和計算機支持的協(xié)作學(xué)習(xí)領(lǐng)域，交互活動已得到較好的研究。Berkowitz和Gibbs為交互貢獻(xiàn)提供了一個廣義的分類，并為每個類別列舉了具體的示例（如下表所示）（Berkowitz & Gibbs，1983）。

交互活動只是協(xié)同知識建構(gòu)中的一部分，協(xié)同知識建構(gòu)是個含義更廣的概念。學(xué)生參與協(xié)同知識建構(gòu)的諸多過程中，只有一部分是交互性的。

小組學(xué)習(xí)的研究文獻(xiàn)提供了強有力的證據(jù)，證明了學(xué)生之間合作交互的成功依賴于教師通過討論促進(jìn)學(xué)生主動交流的能力。教師為學(xué)生自主學(xué)習(xí)創(chuàng)造了機會，同時也為學(xué)生產(chǎn)生不同的觀點與想法提供了必要的支持。在學(xué)生會話中，教師能夠依據(jù)情境呈現(xiàn)課程內(nèi)容，學(xué)生們認(rèn)為教師展示課程內(nèi)容的方式與促進(jìn)他們實現(xiàn)自己的目標(biāo)是相關(guān)的。教師通過創(chuàng)造一個環(huán)境，讓學(xué)生看到他們參與課程的過程，以促進(jìn)他們了解自己學(xué)習(xí)的進(jìn)程。教師還有機會成為一名導(dǎo)師，為學(xué)生提供經(jīng)驗和智慧，并為他們導(dǎo)航以便幫助其走出誤區(qū)。當(dāng)學(xué)生可以內(nèi)化教師的引導(dǎo)并將其應(yīng)用于小組討論中時，學(xué)生的收益是最大的。

在我的研究中，我正尋求通過自動化的方式，如以智能會話機器人的形式，促進(jìn)小組成員之間的討論，試圖模擬教師在小組學(xué)習(xí)中的角色。尤其是我的研究團隊已經(jīng)開發(fā)了諸多計算機支持的協(xié)作學(xué)習(xí)干預(yù)措施，如由會話機器人和計算會話分析技術(shù)支持的干預(yù)措施，當(dāng)將這些干預(yù)措施應(yīng)用到當(dāng)?shù)氐腁ccountable Talk②職業(yè)發(fā)展項目中時可提高學(xué)習(xí)者的學(xué)習(xí)成效（其效應(yīng)值在0.35至1個標(biāo)準(zhǔn)差之間，等同于提高一個字母成績（B→A）），并有效提升了參與者所在班級的對話質(zhì)量。Accountable Talk項目的成功驗證了這項技術(shù)可應(yīng)用到類似的具有挑戰(zhàn)性的職業(yè)發(fā)展項目中。

自從我們成功實施Accountable Talk項目之后，我們又在初中、高中、城區(qū)和郊區(qū)的學(xué)校、頂尖的大學(xué)和一般的大學(xué)，以及社區(qū)學(xué)院和大規(guī)模開放在線課程（MOOC）等實施了一系列成功的課堂研究。我們的實踐跨越了多個領(lǐng)域，包括數(shù)學(xué)、科學(xué)、工程和社會科學(xué)。我們在上述所有情境中都取得了成功。通過在多樣化的情境中開展研究，我們已經(jīng)開發(fā)了一系列智能會話機器人的設(shè)計原則。例如，個性化的會話機器人可為學(xué)生提供支持，并利于學(xué)生之間相互交流。此外，會話機器人也有利于學(xué)生控制交互時間。Accountable Talk項目中采用的會話機器人能夠成功地激發(fā)學(xué)生之間的協(xié)同交互。學(xué)生對機器人的修辭策略比較敏感，比如顯示出偏見、顯示出對其他觀點的開放態(tài)度和有針對性的啟發(fā)，因此我們可以利用這種敏感性使會話機器人更好地服務(wù)于學(xué)生的學(xué)習(xí)目標(biāo)。

我們在一所市區(qū)學(xué)校九年級的生物課程中實施的一個項目能夠較好地體現(xiàn)我們研究的性質(zhì)與影響力，此項目旨在通過構(gòu)建協(xié)作學(xué)習(xí)的環(huán)境改進(jìn)科學(xué)教學(xué)的質(zhì)量。該項目是與Lauren Resnick教授和學(xué)習(xí)協(xié)會（Institute for Learning，IFL）合作開展的，得到匹茲堡學(xué)習(xí)科學(xué)中心的資助。該項目中學(xué)習(xí)協(xié)會實施的Accountable Talk課堂教學(xué)促進(jìn)實踐已被證明能夠大幅提高學(xué)習(xí)者的標(biāo)準(zhǔn)化考試分?jǐn)?shù)，并能保持三年以上。在我們開始合作的時候，這些影響迄今為止沒有在其他市區(qū)學(xué)校的教師中出現(xiàn)過。

四、研發(fā)新的干預(yù)機制與動態(tài)支持技術(shù)促進(jìn) 大規(guī)模的協(xié)作學(xué)習(xí)

1.研發(fā)新的干預(yù)機制支持MOOC中大規(guī)模的協(xié)作學(xué)習(xí)

訪談?wù)撸何覀冏⒁獾侥难芯繄F隊近期已在大規(guī)模開放在線課程（MOOC）方面開展了協(xié)作學(xué)習(xí)的相關(guān)研究。社交孤立和高退學(xué)率仍然是當(dāng)前MOOC發(fā)展面臨的難題。您的研究采用了哪些干預(yù)機制促進(jìn)MOOC情境下的協(xié)作學(xué)習(xí)？

卡洛琳·佩恩斯坦·羅澤教授：阻礙MOOC發(fā)揮其巨大潛力（即向大眾提供有價值的學(xué)習(xí)體驗）的關(guān)鍵在于，它們不能提供有利于持續(xù)參與和學(xué)習(xí)的社會環(huán)境（Rosé et al.，2016）。當(dāng)學(xué)生們使用這些新興的、剛剛起步的在線學(xué)習(xí)社區(qū)時，這種情況尤為明顯。我們的研究旨在為應(yīng)對這一挑戰(zhàn)奠定基礎(chǔ)，從案例研究和基于社會互動數(shù)據(jù)的計算建模開始，以產(chǎn)生新的知識，從而為建立健康的學(xué)習(xí)社區(qū)提供新穎、實時的支持，進(jìn)而促進(jìn)學(xué)習(xí)者高層次的參與和學(xué)習(xí)（Rosé et al.，2015）。

為增強MOOC平臺的功能，我們正在研究新的干預(yù)機制，這需要開發(fā)新的技術(shù)。首要目標(biāo)是開發(fā)一種可以適應(yīng)新興社區(qū)或亞社區(qū)結(jié)構(gòu)的溝通媒介——用于形成和維持支持性關(guān)系。我們的最終目標(biāo)是培育探究性學(xué)習(xí)社區(qū)。在該社區(qū)中學(xué)生可以互相建立支持性聯(lián)系，進(jìn)而協(xié)同開展推理活動，并將同伴的思維作為Accountable Talk課堂中的資源。我們力求通過提供同步討論的機會、更有效的幫助、基于團隊的工程等機制來實現(xiàn)上述目標(biāo)。

學(xué)習(xí)分析中的一個重要研究問題是加快數(shù)據(jù)循環(huán)，從而分析學(xué)生的需求和改善學(xué)習(xí)支持?？紤]到社會互動在學(xué)習(xí)中的重要地位，我的研究團隊提出了一套完整的操作體系，包括一個用于從多個平臺中采集社會交互數(shù)據(jù)的基礎(chǔ)設(shè)施，一種用于分析社會關(guān)系對學(xué)生學(xué)習(xí)路徑影響的概率序列模型，還有一個支持學(xué)生獲得積極社會資本的社會推薦系統(tǒng)。

計算分析工作的基礎(chǔ)是數(shù)據(jù)的表示。我們已發(fā)表的大部分作品都集中于使用聊天數(shù)據(jù)或轉(zhuǎn)錄面對面討論中的數(shù)據(jù)，以分析討論中的合作情況。這些數(shù)據(jù)都可以采用一種簡單的、統(tǒng)一的、呈序列狀結(jié)構(gòu)的文本代碼段表示，每個發(fā)言者貢獻(xiàn)一個文本代碼段。然而，當(dāng)擴展到MOOC中的學(xué)習(xí)或者其他在線環(huán)境（如開源社區(qū)）中的學(xué)習(xí)時，討論的形式可能會變得更加多樣化，因為它們被嵌入到各種平臺中。它們甚至可能通過多個單獨的數(shù)據(jù)流同時發(fā)生。為此，我們提供了一個開源的數(shù)據(jù)基礎(chǔ)設(shè)施，我們稱之為“Discourse DB”③。它可以將多個數(shù)據(jù)流轉(zhuǎn)換成一種通用的、集成的數(shù)據(jù)表示方式。接口層（最外層）的語言表征被進(jìn)一步轉(zhuǎn)換成“話語”（Discourse），嵌入的話語部分由更小的單位“文本輸出”（Contributions）組成，它們彼此之間通過“關(guān)系”（Relations）相連，并且“文本輸出”又關(guān)聯(lián)于自動生成的“注釋”（Annotations）。這種通用的數(shù)據(jù)表示方式不僅可以整合來自多種數(shù)據(jù)流的數(shù)據(jù)，而且能夠應(yīng)用通用的建模技術(shù)。一旦我們感興趣的數(shù)據(jù)用一種可概括的方式被表示出來，下一步就是模擬學(xué)生的軌跡。這種分析方法便于我們識別干預(yù)措施，從而增加對學(xué)生軌跡產(chǎn)生積極影響的機會。我們?yōu)榇藙?chuàng)建的資源可以通過DANCE社區(qū)獲得。

2.設(shè)計動態(tài)支持技術(shù)促進(jìn)MOOC中大規(guī)模的協(xié)作學(xué)習(xí)

訪談?wù)撸撼鲜龈深A(yù)機制之外，您還采用哪些動態(tài)支持技術(shù)來促進(jìn)MOOC情境中的大規(guī)模協(xié)作學(xué)習(xí)？根據(jù)您對MOOC的研究，您會為中國的MOOC設(shè)計者與開發(fā)者提供哪些建議？

卡洛琳·佩恩斯坦·羅澤教授：關(guān)于這兩個問題，我可以簡要介紹一下我的團隊近期所做的主要研究工作，以供中國的MOOC設(shè)計者與開發(fā)者參考。一項工作是利用MOOC興起的機會，推動教育軟件和應(yīng)用的大規(guī)模傳播和部署，將我們開發(fā)的技術(shù)運用到MOOC協(xié)作學(xué)習(xí)中，以便為大規(guī)模協(xié)作學(xué)習(xí)提供動態(tài)支持。過去幾年，我們通過與開放學(xué)習(xí)機構(gòu)（Open Learning Initiative）、edX、戴維森學(xué)院（Davidson College）和史密森學(xué)會（Smithsonian Institute）進(jìn)行持續(xù)合作，已經(jīng)制定出體系化的部署措施并產(chǎn)生了積極的影響。在繼續(xù)這項工作的同時，我們發(fā)現(xiàn)許多新的挑戰(zhàn)與當(dāng)前MOOC的教學(xué)設(shè)計假設(shè)有關(guān)。如果我們將MOOC作為自主運作的課程，而將合作機會嵌入到一種可選的補充活動中，那么這種教學(xué)設(shè)計方式就會限制學(xué)習(xí)者協(xié)作討論的機會。而這種機會能為學(xué)習(xí)者提供直接的社會支持，并利于學(xué)習(xí)者加強學(xué)習(xí)承諾，積極進(jìn)行決策和學(xué)習(xí)。未來我們的目標(biāo)是擴大和深化與在線學(xué)習(xí)社區(qū)領(lǐng)導(dǎo)層的合作，因為我們已經(jīng)制定了跨越正式學(xué)習(xí)情境和用于信息共享的非正式學(xué)習(xí)情境的愿景，這些都是領(lǐng)導(dǎo)層非常關(guān)注的。

MOOC的高退學(xué)率表明，學(xué)生們認(rèn)為沒有從MOOC平臺的學(xué)習(xí)中獲得足夠的價值，因此花費大量的時間進(jìn)行MOOC學(xué)習(xí)是不值得的。我們已經(jīng)看到，鼓勵MOOC中的同學(xué)互相討論，擁有更多社區(qū)情境（如整個班級的討論論壇）的學(xué)習(xí)體驗，有助于在一定程度上解決這個問題。

最近，我們一直致力于運用基于團隊的項目課程設(shè)計思路為學(xué)習(xí)者提供更加持久的社會交互。來自兩個團隊的MOOC數(shù)據(jù)分析結(jié)果表明，即使在最先進(jìn)的基于團隊的MOOC中，其團隊的成功率依然比較低。雖然團隊領(lǐng)導(dǎo)者和其他團隊成員的行為可以預(yù)測團隊的結(jié)果，但已有證據(jù)表明，成功率低的問題在團隊開始發(fā)揮作用之前就已經(jīng)出現(xiàn)了。因此，必須改進(jìn)團隊的形成過程，以便建立可能取得成功的團隊。我們提出一種基于審議的團隊形成程序，以改善選擇和啟動過程，進(jìn)而調(diào)節(jié)與增強團隊的討論交流過程。這意味著需要預(yù)先給學(xué)生分配前置性任務(wù)，讓學(xué)生自主完成任務(wù)，然后發(fā)布到公共討論論壇上，以獲得其他同學(xué)的反饋。在這種情境下，學(xué)生必須選擇為少數(shù)同伴提供反饋意見。其次，使用自動化過程分析工具評估學(xué)生之間的交互貢獻(xiàn)。最后，使用約束滿足算法將學(xué)生分配給團隊，從而使得分配給同一個團隊的學(xué)生之間的平均交互程度在學(xué)生群體中達(dá)到最大化。

這種劃分團隊的方法旨在解決兩個主要問題。一是解決學(xué)生無法確定與哪些同伴開展良好合作的問題。該方法基于對學(xué)生之間協(xié)作潛力的自動評估而為團隊合作提供依據(jù)。二是有利于解決MOOC中退學(xué)率高的問題。過去基于團隊的MOOC面臨的一個主要問題是團隊中關(guān)鍵成員的流失。在這種范式下，團隊形成被推遲，因此被分配到團隊的學(xué)生是那些已經(jīng)表現(xiàn)出對課程承諾的人。而且我們發(fā)現(xiàn)學(xué)生有時會表現(xiàn)出這樣一種傾向——一旦分配到某一團隊，他們就會過分依賴團隊成員的幫助，而不是繼續(xù)接觸更廣泛的課程社區(qū)。在我們設(shè)計的范式下，我們鼓勵學(xué)習(xí)者在團隊形成之前更廣泛地參與到學(xué)習(xí)社區(qū)中，而且他們確實可以從中獲益，因而有利于其后續(xù)的團隊合作學(xué)習(xí)。除此之外，我們希望學(xué)生有了積極的社區(qū)參與體驗之后，即使在團隊組成后，他們也能繼續(xù)回來參與這種課程學(xué)習(xí)。

初步調(diào)查結(jié)果顯示，預(yù)先分配需要同伴反饋的前置任務(wù)和基于自動檢測學(xué)生交互情況形成團隊，這兩種情況均對學(xué)生參與MOOC學(xué)習(xí)有較強的影響。這種方法已經(jīng)部署在與史密森學(xué)會合作的基于團隊的MOOC課程中，而且應(yīng)用結(jié)果與實驗室環(huán)境中進(jìn)行的驗證研究一致。該試點研究范式的持續(xù)發(fā)展方向是逐步擴大反饋意見的來源，如引入開放的同儕反饋渠道，而非僅限于個別團隊成員內(nèi)部的反饋。學(xué)生除了在整個課程討論的情境下從更廣泛的反饋中獲益之外，我們研究的結(jié)果也表明，當(dāng)學(xué)生處在公共場合而非私人場合時，他們也會提供更高質(zhì)量的反饋意見。

訪談?wù)撸耗鷦偛潘U述的大規(guī)模協(xié)作學(xué)習(xí)的干預(yù)機制與動態(tài)支持技術(shù)，以及前面提及的協(xié)作學(xué)習(xí)分析、評價與規(guī)范設(shè)計等內(nèi)容，將會給中國的教育技術(shù)研究者提供重要的啟示。再次感謝您接受我們未來教育高精尖創(chuàng)新中心的訪談！

注釋：

① DANCE[EB/OL]. [2017-07-30]. http：//dance.cs.cmu.edu.

② Accountable Talk?[EB/OL]. [2017-08-29]. http：//ifl.pitt.edu/index.php/educator_resources/accountable_talk.

③ Discourse DB[EB/OL]. [2017-07-30]. https：//discoursedb.github.io/.

參考文獻(xiàn)：

[1]Adamson， D.， Dyke， G.， & Jang， H. et al. （2014）. Towards an Agile Approach to Adapting Dynamic Collaboration Support to Student Needs[J]. International Journal of Artificial Intelligence in Education， 24（1）： 92-124.

[2]Berkowitz， M. W.， & Gibbs， J. C. （1983）. Measuring the Developmental Features of Moral Discussion[J]. Merrill-Palmer Quarterly （1982-）， 29（4）： 399-410.

[3]Dong， N.， & Jong， F. D. （2016）. Computational Sociolinguistics： A Survey[J]. Computational Linguistics， 42（3）： 537-593.

[4]Gweon， G.， Jain， M.， & McDonough， J. et al. （2013）. Measuring Prevalence of Other-Oriented Transactive Contributions Using an Automated Measure of Speech Style Accommodation[]. International Journal of Computer-Supported Collaborative Learning， 8（2）： 245-265.

[5]Howley， I.， & Rosé， C. P. （2016）. Towards Careful Practices for Automated Linguistic Analysis of Group Learning[J]. Journal of Learning Analytics， 3（3）： 239-262.

[6]Mayfield， E.， & Rosé， C. P. （2013）. LightSIDE： Open Source Machine Learning for Text Accessible to Non-Experts[A]. Shermis， M. D.， & Burstein， J. （eds）（2013）. Handbook of Automated Essay Evaluation： Current Applications and New Directions[M]. New York： Routledge： 124-135.

[7]Rosé， C. P. （2007）. TagHelper Tools： Tools for Supporting the Analysis of Verbal Data[A]. Proceedings of the 2007 Conference on Artificial Intelligence in Education： Building Technology Rich Learning Contexts That Work[C]. Amsterdam， The Netherlands.

[8]Rosé， C. P. （2017）. A Social Spin on Language Analysis[J]. Nature， 545（7653）： 166-167.

[9]Rosé， C. P.， & Ferschke， O. （2016）. Technology Support for Discussion Based Learning： From Computer Supported Collaborative Learning to the Future of Massive Open Online Courses[J]. International Journal of Artificial Intelligence in Education， 26（2）： 660-678.

[10]Rosé， C. P.， Goldman， P.， & Sherer， Z. J. et al. （2015）. Supportive Technologies for Group Discussion in MOOCs[J]. Current Issues in Emerging eLearning， 2（1）.