田浩 等 | 組態視域下協作認知投入的差異化干預模型構建與應用研究

關注“在線學習”

獲取更多資訊！

刊載信息

田浩，陳輝忠，& 武法提.(2026).組態視域下協作認知投入的差異化干預模型構建與應用研究. 中國遠程教育(2),108-127.

組態視域下協作認知投入的差異化干預模型構建與應用研究
田浩, 陳輝忠, 武法提

【摘要】協作學習作為一種匯聚個體智慧的教育實踐，其成效依賴于學習者是否能夠進行深度認知投入。現有研究雖關注到協作認知投入的測量與提升，但已有干預措施往往缺乏系統性與針對性。基于此，本研究構建了一個組態視域下協作認知投入的差異化干預模型，包含問題診斷、關聯歸因與策略匹配三個層次。該模型多維測量學習者的協作認知投入水平，采用聚類分析識別非投入問題，并基于定性比較分析挖掘問題背后的歸因路徑，最終為不同類別的學習者匹配差異化干預策略。為檢驗模型的有效性，依托“海綿校園設計”協作任務開展兩輪實驗，進行數據建模和準實驗驗證，研究發現：同一化干預模型容易導致干預不足或過度干預，差異化干預模型更加適應學習者需求，能夠顯著提升學習者協作認知投入水平，體現為更高程度的心理資源喚醒、更深層次的信息加工和更有影響力的協作貢獻。本研究拓寬了學習投入的理論邊界，同時為提升協作學習質量提供了實踐依據。

【關鍵詞】組態; 協作學習; 認知投入; 學習干預; 差異化干預

一、

引言

在當今文化多元化、分工多樣化、知識泛在化的社會背景下，協作學習的重要性日益凸顯。然而，在協作學習實踐中經常出現“搭便車”現象，即學習者未付出相應認知投入，仍可分享共同體其他成員貢獻的集體成果（田浩 & 武法提, 2024a）。要克服這一挑戰，關鍵在于識別低投入問題并采取有效的干預措施，幫助學習者超越小組分工的表面形式，與同伴建立實質的協作關系（田浩 & 武法提, 2024b）。先前研究已從優化學習資源（Brault et al., 2020）、提供協作認知支架（梁云真, 2018）等方面對協作認知投入的干預進行探索，但仍普遍存在下列問題：一是干預方案缺乏系統性，存在“頭痛醫頭、腳痛醫腳”的弊端；二是干預策略缺乏針對性，未能充分考慮不同學習者的差異化需求。基于此，本研究從組態視角出發，構建協作認知投入的差異化干預模型，對協作認知投入進行多維評估，剖析各類影響因素對其整體作用路徑，并為不同類別學習者匹配差異化干預方案。

二、

文獻綜述

（一）協作認知投入的測量分析

認知投入是學習投入的關鍵維度，是影響學習結果和學習體驗的實質性投入（李爽 等, 2018），呈現出更為復雜的多維度和多層次特性，研究者也相應地采用多種方式對其進行評估。

問卷調查是評估協作認知投入最常用的手段，例如杰羅姆?羅特甘（Rotgans, J. I.）等人開發了情境認知投入問卷，旨在衡量大學生團隊學習中的認知投入程度（Rotgans et al., 2018）。盡管這種方法易于實施，但容易受到被試主觀性的影響。此外，部分研究者通過分析協作過程中的互動會話，更加深入地理解認知投入。如凱瑟琳?蔡斯（Chase, C. C.）等人使用ICAP框架對師生互動話語進行編碼，揭示教師指導與學生協作認知投入之間的關系（Chase et al., 2019）。這類方法前期需要投入大量的人工編碼工作，較為耗時。另外，也有研究者嘗試通過外顯學習行為來推斷其內隱認知投入，例如李秋劼和雷切爾?貝克（Baker, R.）通過分析學習者在MOOC視頻學習中的暫停和回放行為，來考察其重復和沉思策略（Li & Baker, 2018）。該類方法依賴可觀察的行為指標，容易簡化真實的學習過程。最后，隨著生理測量技術的發展，研究者開始探索基于生理數據的認知投入測評方法，例如穆赫雷姆?丁達爾（Dindar, M.）等人探究生理同步性與協作問題解決效果的關系（Dindar et al., 2020）。這種方法提供了更為客觀精準的證據，但其在實踐中的教育意義仍需進一步探討。

盡管當前研究領域發展出多種測量方式，但仍然缺乏不同方法之間的交叉驗證。穆肅等（2021）指出，僅依賴單一數據源容易導致“路燈效應”。因此，應采用多模態學習分析技術，整合不同來源數據，豐富客觀測量證據。在本研究中，學習者在協作場景下生成密集的互動會話文本，可以從外顯角度為協作認知投入的測量提供有力支撐。學習者投入所伴隨的心理狀態與智力貢獻也可通過問卷工具進行測量，從而揭示協作認知投入的內隱規律。

（二）協作認知投入的影響路徑

為實現對協作認知投入的精準干預，需要預先對其影響路徑進行深入分析，從而明確干預的具體作用點。結構方程模型作為一種多變量統計分析方法，被廣泛應用于對影響路徑的分析。如有研究者使用該方法探究動機和自我效能感等個體屬性（Chittum et al., 2019）、任務匿名性和挑戰性等任務特性（Barr, 2017），以及學習工具的易用性和可用性等環境條件（張屹 等, 2019）對協作認知投入的影響效應。以結構方程模型為代表的定量分析源于還原論思想，假定自變量之間是相互獨立的線性關系，先分析每個因素對結果變量的單獨效應，然后將效應疊加從而得出最終的影響路徑（杜運周 & 賈良定, 2017）。

然而，由于影響因素之間通常存在復雜的關聯關系，傳統的定量分析難以從整體視角探究影響路徑。為了克服這一局限，研究者開始采用基于系統論思想的定性比較分析方法。該方法將影響因素視為一系列前因條件的組合，通過探索條件形成的組態與結果集合之間的關系進行因果推斷（Fiss, 2011）。例如，通過模糊集定性比較分析，研究者探究了課程滿意度（肖婉 等, 2023）、聯通主義學習知識貢獻（徐亞倩 & 陳麗, 2024）、協作問題解決水平（張文梅 & 王辭曉, 2024）等屬性的影響路徑。

經對比，結構方程模型可以計算系數，得出最優路徑；而定性比較分析識別出的組態則具有“殊途同歸”的效果，更加適合滿足學習者差異化需求。同時，定性比較分析相較于結構方程模型，對樣本量的要求也更為靈活。基于上述分析，本研究選用定性比較分析作為協作認知投入影響路徑的識別方法。

（三）協作認知投入的干預策略

為提升協作認知投入，設計并實施有效的干預策略是構建持續改進循環的核心。當前研究主要聚焦于三類干預策略：優化學習內容、提供學習工具，以及改進學習過程。

優化學習內容是指調整學習材料的組織形式和呈現方式等屬性，以更好地適應學習者的認知規律與學習偏好。例如，福西?布勞特（Brault, F. L.-M.）等將學習內容復雜度與學生認知水平進行匹配，有效提升了學生的參與度（Brault et al., 2020）；王志軍和馮小燕（2019）基于ICAP框架，提出畫面設計層次模型，依次滿足學習者的審美、互動與情感需求，逐步支持深層次投入。

提供學習工具就是將承載了一定教學內容與教育意義的資源或軟硬件應用到教學過程中，對協作認知投入進行支持。例如，有研究者（梁云真, 2018）在協作過程中運用量規，為學習者提供清晰的行動目標和框架，從而促進其協作認知投入。另外，在虛擬仿真環境中開展協作學習，可以為學習者營造更加真實有效的學習體驗，激發學習者的深度投入（Mohammed et al., 2019）。

改進學習過程指通過實施創新的教學策略，優化教學流程并提升教學效率，進而提升學習者的協作認知投入。有研究者（Lo & Hew, 2020）面向中學生開展準實驗研究，發現學生參與翻轉課堂模式時的認知投入與學習成就顯著高于傳統課堂與在線課堂；教師的有效反饋也是提升學生協作認知投入的重要手段，當教師幫助學習者意識到當前狀態與目標之間的差距時，會更有動力調整學習計劃，從而深度投入學習任務中（Bozorgian & Yazdani, 2021）。

（四）現有研究述評與問題提出

綜觀既有文獻，研究者已經嘗試基于組態視角來探究影響學習成效的多元路徑，但該方法尚未廣泛應用于協作認知投入的研究中。并且，當前定性比較分析的重點局限于揭示影響機制，而如何基于組態進一步設計和實施有效的干預策略，仍需進一步探索。此外，現有的協作認知投入干預策略通常過于寬泛，忽略了學習者個體差異。鑒于此，本研究從組態視角出發，深入探討協作認知投入的影響機制，并在此基礎上，構建差異化和個性化的干預機制，以更精準地滿足不同學習者的需求，促進其協作認知投入。

本研究重點回答兩個核心問題：1）如何構建一個組態視域下的協作認知投入差異化干預模型？2）該模型能否有效提升學習者的協作認知投入水平？圍繞上述研究問題，本研究涵蓋兩個主要研究內容：模型構建與實踐應用。在模型構建階段，本研究通過理論分析與推演，形成協作認知投入差異化干預的理論模型，隨后收集第一輪數據，借助數據驅動的方式進行建模，形成具體的干預方案。在實踐應用階段，本研究設計多組準實驗，并收集第二輪數據，對構建的差異化干預模型進行科學驗證。研究過程如圖1所示。

圖1 研究過程

三、

組態視域下協作認知投入差異化干預模型的構建

遵循“問題發現→問題分析→問題解決”的邏輯理路，本研究構建了組態視域下協作認知投入差異化干預模型（如圖2所示）。該模型由問題診斷層、關聯歸因層和策略匹配層三個層次構成。問題診斷層旨在評估學習者協作認知投入的實際表現，診斷需要干預的非投入問題。關聯歸因層旨在明確干預依據，基于識別出的非投入問題，溯源其影響路徑，明晰干預的關鍵作用點。策略匹配層旨在確定具體的干預措施，根據學習者的不同特征，為其提供差異化干預方案。為確保模型構建的科學性，本研究設計并實施了一項協作學習任務。通過第一輪學習數據的收集，對差異化干預模型進行數據建模。

圖2 組態視域下協作認知投入差異化干預模型

（一）模型描述

1. 問題診斷層：基于聚類的非協作認知投入問題識別

本研究將協作認知投入定義為學習者在與同伴互動的過程中投入一定的心理資源，選擇適宜的學習策略進行信息加工，從而實現任務理解或問題解決的過程。現有研究從激活水平、加工水平和反應水平三個維度對協作認知投入進行描述（田浩 & 武法提, 2022），本研究采納這一框架作為測量依據。

激活水平反映了心理資源的激活和投入過程。學習者在協作學習場景中會產生一定的困惑，進入一種“待激活”的狀態中。為了確保任務的順利完成，學習者需要具體地分析任務的屬性，并確定心理資源在協作學習任務中的分配。加工水平體現了學習者運用心理資源進行信息加工的過程。學習者以會話的形式表達自身觀點，針對認知沖突與同伴進行協商，將不同的信息和知識整合成連貫的想法或解決方案。反應水平描述了學習者在經過心理資源激活以及協作信息加工之后產出學習效益的過程。學習者在學習共同體中與同伴進行協作、會話，推動協作過程向著目標不斷演進，產出一定的學習成果。

在對協作認知投入的三個維度進行量化表征之后，本研究采用聚類算法，以各維度數值作為聚類變量，識別學習者表現出的協作認知投入典型模式。每個類別的質心被視為該類投入模式的總體反映。對于包含低水平維度的模式，本研究將其界定為非投入問題，并計劃進行后續干預。

2. 關聯歸因層：基于組態的協作認知投入影響路徑挖掘

在識別出學習者的非投入問題后，本研究進一步挖掘問題背后的成因。安德魯?馬丁（Martin, A. J.）構建的“動機與投入輪”概念模型強調，動機是驅動學習投入的能量來源（Martin, 2007）。在眾多動機理論中，自我決定理論特別強調了教學任務對學習者內在動機資源的激活效應，對干預設計具有重要指導意義（Reeve et al., 2012）。此外，先驗知識在協作過程中也尤為重要，因為協同知識建構的核心在于將學習者的先驗知識與新信息進行整合，實現有意義學習。因此，本研究將自我決定理論中的三大基本心理需要（自主需要、能力需要和關系需要）與先驗知識，確定為協作認知投入的四項核心影響因素。

由于影響因素之間存在復雜的關聯關系，共同發揮對協作認知投入的影響作用，因此需要基于整體組態探究其影響路徑。本研究采用定性比較分析方法評估不同因素組態對協作認知投入的影響效應，將非投入問題中需要干預的維度對應的影響路徑進行歸并，形成協作認知投入的整體影響路徑。

3. 策略匹配層：基于腳本的協作認知投入干預方案生成

在協作學習環境中，學習者的基本心理需要得到滿足是提升協作認知投入的關鍵前提。因此，本研究設計自主支持型任務單、問題提示腳本和引導式互動腳本三類干預策略，旨在滿足學習者的自主需要、能力需要和關系需要，進而提升學習者的協作認知投入水平。在實施干預之前，本研究依據關聯歸因層中識別出的整體影響路徑，在干預策略庫中匹配相應的干預策略集合。隨后，根據影響路徑中各因素的屬性，確定干預內容與干預強度，并結合干預屬性信息，為不同類別的學習者制定差異化的干預方案。

（二）數據建模

1. 研究對象與情境

本研究邀請某大學184位學習者參與協作學習任務，學習者共分為61個小組，規模為3至4人。研究者構建了一項主題為“海綿校園設計”的協作問題解決活動，要求學習者協作解決“如何設計一個具有類似海綿功能的水生態校園”這一劣構性問題。學習者首先獨立閱讀支撐材料，隨后通過協作形成初步設計方案，最終依據評價量規對協作過程進行反思，形成最終的設計方案。所有學習者均具有協作學習經歷，但未系統學習過與上述主題相關的專業知識。

2. 研究工具

本研究使用心理資源投入問卷、加工水平編碼框架、設計方案評價量規與協作貢獻問卷，分別對協作認知投入中的激活水平、加工水平、反應水平進行測量。同時使用基本心理需要問卷與海綿校園測試題，對自主需要、能力需要、關系需要、先驗知識這四項影響因素進行測量。

心理資源投入問卷改編自羅特甘和亨克?施密特（Schmidt, H. G.）的研究（Rotgans & Schmidt, 2011），涵蓋學習者任務參與度、努力和堅持程度以及學習者的心流體驗4個題項。問卷采用李克特七點計分方式，1到7分別表示“完全不同意”到“完全同意”。問卷的Cronbach’s α系數為0.85，表明問卷具有良好的信度。

加工水平編碼框架改編自朱爾平（Zhu, 2006）提出的認知投入分析框架（如表1所示）。該框架包含問題探究、觀點整合、自我反思與同伴支持四類編碼，反映了加工水平由淺至深的不同程度。

表1 加工水平編碼框架

設計方案評價量規參考了柏毅等人（2018）的研究，對海綿校園設計方案從問題理解、方案可行性、方案易用性、成本控制四個維度進行評價。量規總分為100分，各維度權重分別為20%、50%、15%、15%。

協作貢獻問卷借鑒了陳素平（2020）和邁扎姆?阿利亞斯（Alias, M.）等人的研究（Alias et al., 2015），共包括10個題項，采用李克特五點計分方式，1到5分別表示“完全不同意”到“完全同意”。問卷分為積極參與、溝通意愿、提出想法和形成共識四個維度，各維度的Cronbach’s α系數分別是0.90、0.84、0.79、0.88，表明問卷具有良好的信度。

基本心理需要問卷改編自陳等人（Chen et al., 2015）的研究，共包括12個題項，采用李克特七點計分方式，1到7分別表示“完全不同意”到“完全同意”。問卷分為自主需要、能力需要和關系需要三個維度，各維度的Cronbach’s α系數分別是0.93、0.90、0.87，表明問卷具有良好的信度。

海綿校園測試題則基于已有的開放資源編制而成，并邀請領域專家進行修訂。測試題滿分為50分，其中單選題共有30道，每道題滿分1分；多選題共有10道，每道題滿分2分，漏選得1分，錯選不得分。

3. 研究流程

首先，每位學習者進行了前測，填寫完成基本心理需要問卷與海綿校園測試題。其次，研究人員向每位學習者發放學習任務單，并提供《海綿城市典型設施介紹》和《常見的凈水方法》兩份閱讀材料。再次，學習者用70分鐘左右的時間正式開展協作問題解決活動，形成最終的海綿校園設計方案，其間使用錄音筆記錄完整的協作會話。實驗結束后，每位學習者進行了后測，填寫完成心理資源投入問卷與協作貢獻問卷，其中協作貢獻問卷同時對自身與同伴的表現進行評價。最后，由兩位研究者依照加工水平編碼框架，對會話文本進行轉錄和編碼；同時依據設計方案評價量規，對設計方案進行評分。

4. 數據建模結果

（1）協作認知投入水平測量

對于激活水平，本研究使用學習者心理資源投入問卷總分進行度量。

對于加工水平，首先，對協作錄音進行轉錄，并將會話文本以句子為單位進行切分，共形成24,742條文本。其次，兩位研究者對會話文本進行內容分析，在所有文本中隨機抽選15%的文本，使用加工水平編碼框架對每條文本進行背對背編碼，Kappa系數為0.79，表明編碼一致性良好；剩余85%的文本則由一位研究者獨立完成。最后，使用層次分析法對9位領域專家的觀點進行聚合分析，將四類編碼的權重分別設置為0.063、0.180、0.303、0.453，通過統計每位學習者各類文本的數量及占比，最終得到加工水平的測量值。

對于反應水平，首先，由兩位研究者依據設計方案評價量規，對每個小組的作品進行背對背評價，評分取均值作為設計方案得分。其次，計算學習者自評得分與互評得分均值，表征其個人貢獻度。再次，計算個人貢獻度與組內成員平均貢獻度的比值，作為個人貢獻權重。最后，計算設計方案得分與個人貢獻權重的乘積，得到每位學習者反應水平的測量值（Conway et al., 1993）。

（2）非投入問題識別

本研究將每位學習者標準化后的激活水平、加工水平、反應水平作為自變量，使用K-means算法對學習者進行聚類。結果顯示，當聚類數為3時，簇內誤差平方和曲線出現拐點。因此，本研究對184位學習者進行聚類分析，經過11次迭代后，將所有學習者劃分為三個類別。聚類結果如表2所示。

表2 協作認知投入聚類結果

對于類別1（N=56）學習者而言，其激活水平較低，表明該類學習者對學習任務的意義感知不足，因此未能充分調動心理資源。但其加工水平和反應水平處于中等程度，說明該類學習者能夠按照要求逐步完成任務，并對小組績效有一定的貢獻。基于此，本研究將該類學習者定義為“規律建構型學習者”。

對于類別2（N=58）學習者而言，其激活水平、加工水平與反應水平均較高，顯示出該類學習者能夠充分感知任務意義，有效激發和利用心理資源，并在協作過程中與同伴進行觀點分享與交流，最終對小組績效有積極貢獻。基于此，本研究將該類學生定義為“深度投入型學習者”。

對于類別3（N=70）學習者而言，其激活水平較高，顯示出該類學習者可以深度感知任務的意義和價值。然而，其加工水平和反應水平較低，表明該類學習者在問題解決過程中缺乏必要的策略，對小組的協作成果貢獻較為有限。基于此，本研究將該類學習者定義為“積極感知型學習者”。

（3）各維度影響路徑挖掘

本研究采用模糊集定性比較分析法進行協作認知投入影響路徑的分析，從組態的角度探究影響因素的整體作用機制。在進行數據校準和必要條件分析之后，本研究將每個影響因素轉化為二進制形式，并使用頻數和一致性對組合類型進行篩選。根據相關研究的建議，頻數閾值和一致性閾值分別設置為10和0.75（Ragin & Rihoux, 2004）。以篩選后的影響因素組合為基礎，開展條件組合分析，得到協作認知投入各維度的整體影響路徑。影響路徑以中間解和簡約解的形式存在。簡約解與中間解中共有的因素被稱為“核心條件”，這些因素與結果具有較強的因果關系；而僅存在于中間解中的因素被稱為“邊緣條件”，這些因素與結果的因果關系較弱。各維度的影響路徑如表3所示。

表3 協作認知投入各維度影響路徑

注：=核心條件存在；=核心條件缺失；=邊緣條件存在；=邊緣條件缺失；空白處表明該條件可有可無。

（4）整體影響路徑歸并

在得到每個維度單獨的影響路徑之后，本研究進一步將每類學習者有待干預維度對應的影響路徑歸并，以形成整體的影響路徑。歸并過程遵循以下三個約束規則：1）若某項影響因素在兩條路徑中的狀態分別是“存在”和“缺失”，則這兩條路徑之間存在矛盾，無法歸并；2）若兩條路徑之間不存在矛盾，則需要將對應的影響因素歸并為優先級更高的狀態，優先級順序為“核心條件>邊緣條件>可有可無的條件”；3）若歸并之后存在多條路徑，則選擇包含影響因素最少的路徑，因為不同路徑之間具有等效性，選擇最簡潔的影響路徑可以在保證干預效果的同時節省干預成本。

在三類學習者群體中，規律建構型學習者僅有激活水平有待干預，因此該類學習者的整體影響路徑即為激活水平的影響路徑。對于低先驗知識學習者，其影響路徑為A1；高先驗知識學習者的影響路徑為A2。深度投入型學習者的三個維度均表現出高水平，因此無須進行干預。積極感知型學習者的加工水平和反應水平均有待干預，因此需要對這兩個維度的影響路徑進行歸并。兩個維度各包含四條影響路徑，理論上可以形成16種歸并組合。排除存在矛盾的11種組合后，剩余5種有效組合。對于低先驗知識學習者，最簡潔的影響路徑為P2∩R1；對于高先驗知識學習者，最簡潔的影響路徑為P3∩R2。

（5）干預策略設計

本研究針對學習者的自主需要、能力需要和關系需要，分別設計了自主支持型任務單、問題提示腳本和引導式互動腳本三類干預策略。

自主支持型任務單需要在確保學習者順利完成任務的前提下，盡可能地為其提供自由探索、靈活開放的引導方式，滿足其自主需要。相比傳統的學習任務單，本研究對自主支持型任務單進行如下設計：1）解釋任務價值和意義，令學習者更多地了解設計“海綿校園”的現實意義和作用；2）提供多種可供選擇的建議，向學習者呈現多種 “海綿校園”的設計示例，并允許學習者根據需要自由參考和選擇；3）使用非控制性語言，令學習者感受到學習任務單是對問題解決過程的引導和建議，而非指令和要求；4）允許學習者自定步調地解決問題，學習者可以自由決定完成任務的時間、方式和過程。

問題提示腳本的設計旨在通過將任務目標分解為更具操作性的子目標，增強學習者的控制感和成就感，滿足其能力需要。在理解和表征問題階段，引導學習者回答“本次討論要解決的問題是什么”等問題，厘清問題核心概念。在設計問題解決方案階段，引導學習者回答“最終的設計方案應實現何種效果”等問題，形成整體問題解決思路。在論證方案可行性階段，引導學習者回答“如何證明設計方案合理有效”等問題，形成驗證問題解決的方案。在評估問題解決方案階段，引導學習者回答“形成的海綿校園設計方案有哪些優缺點”等問題，反思方案的優勢和不足。

引導式互動腳本通過提供示例對話和策略，鼓勵學習者積極參與互動，滿足其關系需要。本研究遵循三個原則進行引導式互動腳本的設計，分別是集體性原則、互惠性原則與情感性原則（Rojas-Drummond et al., 2013）。集體性原則是指增強學習者的共同體意識，具體策略包括鼓勵學習者使用包容性代詞稱呼同伴，鼓勵學習者積極發言等；互惠性原則是指幫助學習者意識到討論過程是自由開放的，每個人貢獻的觀點都可以令共同體受益，具體策略包括支持學習者積極表達不同觀點，對同伴觀點進行積極回應與評論等；情感性原則是指幫助學習者與同伴建立情感上的溝通與聯結，具體策略包括對同伴進行表揚和鼓勵，嘗試表達協作過程中的感受與情緒等。

（6）差異化干預方案生成

本研究依據各類別學習者協作認知投入的整體影響路徑，匹配相應的干預方案。匹配規則為：1）在影響路徑中，只匹配存在的條件，忽略缺失或可有可無的條件；2）核心條件代表與協作認知投入之間存在強關聯，需要針對此實施對應的強干預策略，而針對邊緣條件則實施對應的弱干預策略。最終得到的針對不同類別學習者的差異化干預方案如表4所示。

表4 不同類別學習者的差異化干預方案

注：AN表示自主需要，CN表示能力需要，RN表示關系需要，PK表示先驗知識；大寫字母表示該因素以核心條件形式存在，小寫字母表示該因素以邊緣條件存在，~表示該條件缺失，未出現的因素表示在路徑中可有可無。

四、

組態視域下協作認知投入差異化干預模型的實踐應用

本研究采用準實驗研究方法來驗證差異化干預模型對學習者協作認知投入的影響效果。考慮到“專業知識逆轉效應”，即當學習支持超出一定范圍時會產生負面效果，過度的外部支持會與學習者的內在知識結構產生沖突，導致認知負荷增加，反而不利于學習效果的提升（Magner et al., 2014），本研究做出如下核心假設：與過度干預和無干預相比，根據學習者的實際表現匹配差異化干預方案，能夠顯著提升學習者的協作認知投入水平。為了驗證上述假設，本研究設計了一個實驗組和兩個對照組：實驗組實施本研究設計的差異化干預模型，簡稱“差異化干預組”；對照組1不施加任何干預策略，簡稱“無干預組”；對照組2施加全部三類干預策略，簡稱“全干預組”。

（一）研究對象與情境

本研究在北京市某高校招募了174名大學生參與第二輪實驗。學習者被隨機組合成三人小組，并進一步隨機分配到實驗組和兩個對照組中。8位學習者的數據不完整，未納入后續分析。最終，研究對象包括差異化干預組55人（19個小組）、無干預組57人（19個小組）、全干預組54人（19個小組）。第二輪實驗的活動主題、目標、內容、流程等信息均與第一輪實驗保持一致。

（二）研究工具

第二輪實驗繼續沿用第一輪實驗中使用的工具，包括心理資源投入問卷、加工水平編碼框架、設計方案評價量規、協作貢獻問卷、基本心理需要問卷與海綿校園測試題。

（三）研究流程

第二輪實驗的實施流程如圖3所示。首先，研究團隊向學習者闡述實驗目的與流程，并開展了前測，包括基本心理需要問卷與海綿校園測試題的填寫。前測的主要目的有兩個：一是排除先前知識對干預的影響；二是對差異化干預組中的學習者進行類別匹配。其次，對于差異化干預組，根據其前測結果，識別每位學習者的類別，并提供相應的差異化干預方案；對于無干預組，僅提供原始學習任務單；對于全干預組，則提供包括自主支持型任務單、問題提示腳本與引導式互動腳本在內的全部干預策略。最后，所有學習者運用大約10分鐘的時間來熟悉閱讀材料和干預策略。閱讀完成之后，學習者以小組形式正式開展協作問題解決活動，使用約70分鐘的時間完成海綿校園的設計方案。活動結束后進行后測，學習者填寫完成心理資源投入問卷與協作貢獻問卷。

圖3 第二輪實驗的實施流程

（四）數據分析

在協作學習活動開始前，本研究根據前測結果對三個組別的學習者特征進行差異檢驗，排除個體差異對干預效果帶來的干擾。

進而，根據前測結果對差異化干預組的學習者進行類別匹配。根據第一輪實驗數據，本研究發現，通過K近鄰算法（K=3），學習者的先驗知識水平和基本心理需要水平能夠有效預測學習者類別，準確率達到98.333%。因此，在第二輪實驗中，本研究采用鄰近值匹配方法確定學習者類別，具體步驟如下：對于每位待分類的學習者，本研究在第一輪實驗的學習者特征數據集中，篩選與其歐幾里得距離最近的三個樣本，以各自的距離倒數作為權重，統計三個樣本中各類別出現的頻率，最終將待分類學習者的類別確定為頻率最高的類別。

在干預結束之后，兩位研究者依照加工水平編碼框架，對所有學習者產生的19,644條會話文本進行人工編碼，并依據設計方案評價量規，對設計方案進行評分。最終，對后測問卷作答結果及編碼結果進行差異檢驗，以評估差異化干預模型的有效性。

（五）研究結果

1. 不同干預組別間的學習者特征對比

本研究分別對學習者的先驗知識、自主需要、能力需要與關系需要水平進行萊文方差齊性檢驗，結果表明，先驗知識（Levene=2.377，p=0.096＞0.05）、自主需要（Levene=2.605，p=0.077＞0.05）、能力需要（Levene=1.048，p=0.353＞0.05）、關系需要（Levene=0.339，p=0.713＞0.05）的方差齊性檢驗結果均不顯著，表示樣本的離散程度無明顯差別，適合進行單因素方差分析。

方差分析結果顯示，在不同的干預條件組別間，學習者的先驗知識（F=0.243，p=0.784＞0.05）、自主需要（F=2.572，p=0.079＞0.05）、能力需要（F=0.971，p=0.381＞0.05）與關系需要（F=1.839，p=0.162＞0.05）均不存在顯著差異。因此，后續協作認知投入水平的差異均可以認為是由不同干預條件導致的，與學習者特征無關。

2. 不同干預組別間的學習者協作認知投入對比

本研究采用多元方差分析來評估不同干預條件對協作認知投入的綜合效應。各因變量Box協方差齊性檢驗結果顯示，顯著性水平為0.011，表明協方差矩陣非齊性。因此需要使用Pillai’s trace值進行組間差異檢驗。

多元方差分析結果顯示，組間Pillai’s trace值為0.138，顯著性水平為0.001，表明不同干預條件下的協作認知投入水平存在顯著差異。此外，該效應的偏η2為0.069，表明不同干預條件對協作認知投入產生了中度效應。

為進一步探究不同干預條件對協作認知投入各維度的具體影響，本研究運用單因素方差分析對各維度在不同干預組別之間的差異進行檢驗。萊文方差齊性檢驗結果顯示，激活水平（Levene=1.949，p=0.146＞0.05）、加工水平（Levene=1.532，p=0.219＞0.05）、反應水平（Levene=0.109，p=0.897＞0.05）的方差齊性檢驗結果均不顯著，表示樣本的離散程度無明顯差別，滿足進行單因素方差分析的前提條件。

方差分析結果如圖4所示，當施加不同的干預條件時，學習者的激活水平（F=4.034，p=0.019＜0.05）、加工水平（F=7.158，p=0.001＜0.05）與反應水平（F=2.982，p=0.047＜0.05）均存在顯著差異。LSD事后比較表明，在激活水平方面，無干預組顯著低于全干預組（MD=-0.307，p=0.01＜0.05）和差異化干預組（MD=-0.262，p=0.026＜0.05）；在加工水平方面，差異化干預組顯著高于無干預組（MD=0.323，p=0.001＜0.05）和全干預組（MD=0.317，p=0.002＜0.05）；在反應水平方面，差異化干預組顯著高于無干預組（MD=0.313，p=0.019＜0.05）。

圖4 不同干預組別間學習者協作認知投入對比

五、

結語

（一）研究總結

協作認知投入是確保協作學習有效發生的關鍵因素，精準診斷學習者的投入水平并提供相應的干預策略，對于提升協作成效至關重要。鑒于協作認知投入的多維特性，以及現有干預措施在系統性和個性化方面的不足，本研究構建了一種組態視域下的協作認知投入差異化干預模型。該模型從激活水平、加工水平和反應水平三個維度評估協作認知投入，識別不同類別學習者的非投入問題，并進一步通過組態效應分析，揭示問題產生的整體影響機制，從而為各類學習者匹配差異化的干預方案，提升其協作認知投入水平。

（二）研究結論與討論

為了驗證模型的有效性，本研究基于“海綿校園設計”協作問題解決情境進行了模型的實踐應用，通過準實驗研究得出如下結論。

在激活水平方面，差異化干預組和全干預組的表現顯著優于無干預組。這一結果表明，本研究設計的干預策略能夠有效激發學習者對任務挑戰的感知，并能有效喚醒學習者的心理資源。盡管差異化干預組與全干預組未呈現顯著差異，但上述發現仍具有一定的啟示意義。全干預組雖然提供了更多樣的策略，但也可能導致學習者在適應這些策略時耗費更多的心理資源。相比之下，差異化干預組的學習者由于接受了更為精準的干預方案，能夠更高效地將心理資源投入學習任務中，從而更好地滿足分析和理解任務的需求。

在加工水平方面，差異化干預組顯著優于無干預組和全干預組。這一結論支持了差異化干預方案在促進學習者深度認知加工方面的效果。有研究者（Magner et al., 2014）提出“專業知識逆轉效應”，即一些教學手段對于低先驗知識的學習者有效，對高先驗知識學習者反而無效，因為過多的干預支持會與其已有的認知圖式重復，反而造成外部認知負荷的增加。本研究的結論從實證角度對該效應進行了驗證。盡管全干預組的學習者獲得了更為全面的干預方案，但學習者在適應這些策略時需要投入更多的精力，導致其局限于低階的信息獲取和互動交流階段。另外，過度的干預策略可能造成學習者疲于應對，投入過程流于表面。例如，有小組會話顯示，“按照要求，我們下面還要反思一下方案，各自列幾條優缺點就行”。由此可見，學習者僅是被動地將反思當作必須完成的一個任務流程，并沒有真正通過反思發現并改進方案的不足。

在反應水平方面，差異化干預組顯著優于無干預組。這一結果表明，差異化干預為提升學習者在協作小組中的貢獻提供了更適宜的支持策略。一方面，差異化干預允許學習者自由開展探索，激勵學習者在已有信息的基礎上貢獻更為新穎的問題解決方案；另一方面，該類干預能夠幫助學習者循序漸進地生成問題解決方案，針對協作主題展開深入探討和分析。然而，全干預組雖然為學習者提供了更為全面的干預策略，但與無干預組之間并未呈現顯著差異。有研究表明，過度的干預支持可能導致學習者對學習支架產生依賴，限制了其自由探索的空間。在協作學習環境中，當學習者過分依賴給定內容時，會忽視自身的創造性，從而在問題解決過程中僅僅重復已有信息，而非貢獻創新見解。

總體而言，與全干預和無干預相比，本研究構建的差異化干預模型能夠顯著提升學習者的協作認知投入水平。作為學習支架的一種表現形式，干預策略的最終目標是實現責任轉移，即把外部支持逐漸內化為學習者的認知結構，最終促進問題解決。在無干預組中，學習者缺乏必要的指導和問題解決方向，導致難以高效地形成協作成果；在全干預組中，過多的學習干預增加了學習者內化的負擔。這表明，只有厘清不同學習者的實際需求，根據其具體問題匹配差異化的干預方案，才能實現最佳的支持效果。

（三）研究不足與展望

盡管本研究取得了一定的階段性成果，但仍然存在一些局限性。首先，出于精簡性、可解釋性和可操作性等原則，本研究僅基于自我決定理論這一視角進行影響因素的選擇。在后續研究中，應更全面地探究教師、任務等因素對協作認知投入的影響。其次，本研究設計的干預策略是靜態的，無法根據學習者狀態的變化進行實時調整。未來研究應將成果集成到學習系統中，為動態干預的開展提供環境支持。最后，本研究的協作場景是面向大學生群體的協作問題解決活動，并未在其他場景下對本研究的成果進行復制和驗證。未來研究應嘗試面向不同學習者群體與不同協作任務，驗證研究成果的可遷移性。

參考文獻

柏毅, 龐謙竺, & 信疏桐. （2018）. STEM教育評價的內容與策略. 中國民族教育（Z1）, 22-25.

陳素平. （2020）. 讓評價支持和促進學習——美國STEM項目學習評價的特點與啟示. 上海教育科研（4）, 18-22.

杜運周, & 賈良定. （2017）. 組態視角與定性比較分析（QCA）：管理學研究的一條新道路. 管理世界（6）, 155-167.

李爽, 李榮芹, & 喻忱. （2018）. 基于LMS數據的遠程學習者學習投入評測模型. 開放教育研究（1）, 91-102.

梁云真. （2018）. 基于量規的同伴互評對在線學習認知、情感投入度及學習成效的影響研究. 電化教育研究（9）, 66-74.

穆肅, 崔萌, & 黃曉地. （2021）. 全景透視多模態學習分析的數據整合方法. 現代遠程教育研究（1）, 26-37, 48.

田浩, & 武法提. （2022）. 混合場景下協作認知投入的多模態表征與分析路徑研究. 遠程教育雜志（4）, 35-44.

田浩, & 武法提. （2024a）. 協作問題解決中平等參與對大學生認知投入的影響機制研究. 現代遠距離教育（4）, 71-83.

田浩, & 武法提. （2024b）. 協作場景下基于生理數據的認知投入測量研究. 遠程教育雜志（5）, 65-76.

王志軍, & 馮小燕. （2019）. 基于學習投入視角的移動學習資源畫面設計研究. 電化教育研究（6）, 91-97.

肖婉, 盧鋒, & 季一木. （2023）. 什么樣的在線課程受學習者歡迎？——基于15門在線課程評論的文本挖掘與組態分析. 電化教育研究（5）, 60-66.

徐亞倩, & 陳麗. （2024）. 聯通主義學習中知識貢獻影響因素分析模型與規律——基于fsQCA方法的組態效應研究. 中國遠程教育（9）, 78-89.

張文梅, & 王辭曉. （2024）. 聯通主義學習情境下何以實現高質量的協作問題解決——基于定性比較分析的cMOOC案例研究. 現代遠程教育研究（2）, 93-103.

張屹, 郝琪, 陳蓓蕾, 于海恩, 范福蘭, & 陳珍. （2019）. 智慧教室環境下大學生課堂學習投入度及影響因素研究——以“教育技術學研究方法課”為例. 中國電化教育（1）, 106-115.

Alias, M., Masek, A., & Salleh, H. H. M. (2015). Self, peer and teacher assessments in problem based learning: Are they in agreements? Procedia-Social and Behavioral Sciences, 204, 309-317.

Barr, M. L. (2017). Encouraging college student active engagement in learning: Student response methods and anonymity. Journal of Computer Assisted Learning, 33(6), 621-632.

Bozorgian, H., & Yazdani, A. (2021). Direct written corrective feedback with metalinguistic explanation: Investigating language analytic ability. Iranian Journal of Language Teaching Research, 9(1), 65-85.

Brault, F. L. M., Matejko, A. A., Ansari, D., & Masson, S. (2020). Teachers as orchestrators of neuronal plasticity: Effects of teaching practices on the brain. Mind, Brain, and Education, 14(4), 415-428.

Chase, C. C., Marks, J., Malkiewich, L. J., & Connolly, H. (2019). How teacher talk guidance during invention activities shapes students’ cognitive engagement and transfer. International Journal of STEM Education, 6, 1-22.

Chen, B., Vansteenkiste, M., Beyers, W., Boone, L., Deci, E. L., Van der Kaap-Deeder, J., Duriez, B., Lens, W., Matos, L., Mouratidis, A., Ryan, R. M., Sheldon, K. M., Soenens, B., Van Petegem, S., & Verstuyf, J. (2015). Basic psychological need satisfaction, need frustration, and need strength across four cultures. Motivation and Emotion, 39(2), 216-236.

Chittum, J. R., Jones, B. D., & Carter, D. M. (2019). A person-centered investigation of patterns in college students’ perceptions of motivation in a course. Learning and Individual Differences, 69, 94-107.

Conway, R., Kember, D., Sivan, A., & Wu, M. (1993). Peer assessment of an individual’s contribution to a group project. Assessment & Evaluation in Higher Education, 18(1), 45-56.

Dindar, M., J?rvel?, S., & Haataja, E. (2020). What does physiological synchrony reveal about metacognitive experiences and group performance? British Journal of Educational Technology, 51(5), 1577-1596.

Fiss, P. C. (2011). Building better causal theories: A fuzzy set approach to typologies in organization research. Academy of Management Journal, 54(2), 393-420.

Li, Q., & Baker, R. (2018). The different relationships between engagement and outcomes across participant subgroups in massive open online courses. Computers & Education, 127, 41-65.

Lo, C. K., & Hew, K. F. (2020). A comparison of flipped learning with gamification, traditional learning, and online independent study: The effects on students’ mathematics achievement and cognitive engagement. Interactive Learning Environments, 28(4), 464-481.

Magner, U. I. E., Schwonke, R., Aleven, V., Popescu, O., & Renkl, A. (2014). Triggering situational interest by decorative illustrations both fosters and hinders learning in computer-based learning environments. Learning and Instruction, 29, 141-152.

Martin, A. J. (2007). Examining a multidimensional model of student motivation and engagement using a construct validation approach. British Journal of Educational Psychology, 77(2), 413-440.

Mohammed, R., Kennedy-Clark, S., & Reimann, P. (2019). Using immersive and modelling environments to build scientific capacity in primary preservice teacher education. Journal of Computers in Education, 6(4), 451-481.

Ragin, C. C., & Rihoux, B. (2004). Qualitative comparative analysis (QCA): State of the art and prospects. Qualitative Methods, 2(2), 3-13.

Reeve, J., Ryan, R., Deci, E. L., & Jang, H. (2012). Understanding and promoting autonomous self-regulation: A self-determination theory perspective. In D. H. Schunk, & B. J. Zimmerman (Eds.), Motivation and self-regulated learning (pp. 223-244). Routledge.

Rojas-Drummond, S., Torreblanca, O., Pedraza, H., Vélez, M., & Guzmán, K. (2013). ‘Dialogic scaffolding’: Enhancing learning and understanding in collaborative contexts. Learning, Culture and Social Interaction, 2(1), 11-21.

Rotgans, J. I., & Schmidt, H. G. (2011). Cognitive engagement in the problem-based learning classroom. Advances in Health Sciences Education, 16(4), 465-479.

Rotgans, J. I., Schmidt, H. G., Rajalingam, P., Hao, J. W. Y., Canning, C. A., Ferenczi, M. A., & Low-Beer, N. (2018). How cognitive engagement fluctuates during a team-based learning session and how it predicts academic achievement. Advances in Health Sciences Education, 23, 339-351.

Zhu, E. (2006). Interaction and cognitive engagement: An analysis of four asynchronous online discussions. Instructional Science, 34(6), 451-480.

Constructing and Applying a Differentiated Intervention Model for Collaborative Cognitive Engagement from a Configuration Perspective

Tian Hao, Chen Huizhong, Wu Fati

Abstract:Collaborative learning, as an educational practice that converges individual wisdom, relies on learners’ ability to engage in deep cognitive engagement. Although existing research has focused on the measurement and enhancement of collaborative cognitive engagement, existing intervention measures often lack systematic and targeted approaches. Based on this, the article constructs a differentiated intervention model for collaborative cognitive engagement from a configuration perspective, including three levels: problem diagnosis, association attribution, and strategy matching. The model measures the level of learners’ collaborative cognitive engagement from multiple dimensions, uses cluster analysis to identify non-engagement issues, and explores the causal pathways behind the issues through qualitative comparative analysis, ultimately matching differentiated intervention strategies for learners of different categories. To test the effectiveness of the model, the article conducts two rounds of experiments based on the “Sponge Campus Design” collaborative task, carrying out data modeling and quasi-experimental verification respectively. The study found that the uniform intervention model is prone to insufficient or excessive intervention, while the differentiated intervention model is more adaptable to learners’ needs, significantly enhancing their level of collaborative cognitive engagement, manifested as a higher degree of psychological resource activation, deeper levels of information processing, and more influential collaborative contributions. The article broadens the theoretical boundaries of learning engagement and provides a practical basis for optimizing the quality of collaborative learning.

Keywords:configuration; collaborative learning; cognitive engagement; learning intervention; differentiated intervention

作者簡介

田浩，南京信息工程大學教師教育學院講師（南京 210044）。

陳輝忠，上海市金山實驗中學高級教師（上海 200540）。

武法提，北京師范大學教育技術學院教授（通訊作者：wft@bnu.edu.cn 北京 100875）。

基金項目

國家自然科學基金2021年度面上項目“同步直播課堂中基于多模態數據的學習者專注度評估及其演化機制研究”（項目編號：62177008）

責任編輯：劉莉

期刊簡介

《中國遠程教育》創刊于1981年，是教育部主管、國家開放大學主辦的綜合性教育理論學術期刊，是中文社會科學引文索引（CSSCI） 來源期刊、全國中文核心期刊、中國人文社會科學期刊AMI綜合評價（A刊） 核心期刊、中國科學評價研究中心（RCCSE） 核心期刊、中國期刊方陣雙效期刊、人大復印報刊資料重要轉載來源期刊，面向國內外公開發行。

本刊關注重大教育理論與政策，推動科技賦能教育，反映國際學術前沿，聚焦本土教育改革，注重學術研究規范，提倡教育原創研究。

地址

北京市海淀區西四環中路45號

郵編

電話

010-68182514

電郵

zzs@ouchn.edu.cn

網址

cjde.ouchn.edu.cn

本文來源｜中國遠程教育微刊

聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與我們聯系，我們將及時更正、刪除，謝謝。