20xx年虛擬學(xué)習(xí)社區(qū)信息交互實(shí)證研究(編輯修改稿)
2025-03-09 22:24 本頁面
【文章內(nèi)容簡介】 量一名參與者在群體中的活躍度與聲望。點(diǎn)出度即回復(fù)帖數(shù),是對參與者在社會(huì)網(wǎng)絡(luò)中尋求互動(dòng)程度的衡量,數(shù)值越高,表明該參與者越能積極與他人互動(dòng)。點(diǎn)入度即收到帖數(shù),是對網(wǎng)絡(luò)中其他成員與該參與者建立聯(lián)系程度的衡量,數(shù)值越高,表明該參與者在網(wǎng)絡(luò)中聲望越高[9]。利用Gephi軟件,將虛擬學(xué)習(xí)社區(qū)的社會(huì)網(wǎng)絡(luò)數(shù)據(jù)視為有向圖計(jì)算,以此區(qū)分發(fā)帖和收到回帖的不同意義。通過運(yùn)行軟件中的度數(shù)計(jì)算,進(jìn)而在Gephi的數(shù)據(jù)資料面板中得到48位參與者的一系列網(wǎng)絡(luò)屬性,其中的度數(shù)屬性按點(diǎn)出度降序排列,計(jì)算結(jié)果如表1所示。由表1可以看出,參與者的信息交互行為存在明顯差異性,這在其社會(huì)網(wǎng)絡(luò)屬性上得到具體的量化表征,而這一表征結(jié)果如前文所述,屬于一種總結(jié)性評價(jià)。、點(diǎn)入度分別與其產(chǎn)生的行為數(shù)進(jìn)行Pearson相關(guān)性分析,。接下來將針對形成這一結(jié)果的信息交互行為過程進(jìn)行滯后序列分析,從行為過程角度深入探究參與者的信息交互。
滯后序列分析法由學(xué)者Sackett[10]提出,該方法用于估算任何行為的發(fā)生概率與時(shí)間變化。Hawks[11]進(jìn)一步指出,滯后序列分析法主要用于檢查某些人類行為之后另一個(gè)行為的發(fā)生是否具有統(tǒng)計(jì)學(xué)意義。Hillman等[12]認(rèn)為,學(xué)習(xí)者與界面交互是交互模型的重要組成部分。結(jié)合虛擬學(xué)習(xí)社區(qū)自身的技術(shù)特征,發(fā)生在虛擬學(xué)習(xí)社區(qū)網(wǎng)絡(luò)平臺(tái)上的交互行為具體包括:用戶登錄、瀏覽討論區(qū)、發(fā)帖、瀏覽課程概要信息、瀏覽某用戶信息、瀏覽某用戶所有帖子和其它行為(如刪帖等網(wǎng)站系統(tǒng)管理員操作)。本研究采用的行為編碼如表2所示。在行為數(shù)據(jù)分析階段,本研究使用GSEQ軟件進(jìn)行滯后序列分析,在分析選項(xiàng)中的“Cellstats”模塊中選中“adjustedresidual(z)”選項(xiàng),以便同時(shí)由軟件計(jì)算出殘差值。經(jīng)由軟件計(jì)算得到兩個(gè)重要的結(jié)果數(shù)據(jù)表格,依次為行為轉(zhuǎn)換頻率表和調(diào)整后的殘差表(即ZS
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1