
透過社會網絡分析捕捉電腦支援協作學習的參與與社會面向:哪些方法和指標重要?
Mohammed Saqr, Olga Viberg, Henriikka Vartiainen
International Journal of Computer-Supported Collaborative Learning
網絡設計
節點
四門醫學高等教育課程共12次開設中的598名學生。
連結
學生在問題導向學習討論中對另一名學生的回覆,並在三種網絡配置中以不同方式表示。
方法
多重圖、簡化圖與文字加權網絡建構,五項中心性指標,穩健性與可重現性比較,以及和參與及表現的關聯分析。
來源: Springer Nature
審閱摘要

研究處理學習分析中的可重現性問題:研究者可以把同一組討論資料轉換成不同網絡,而這些選擇可能改變中心性所代表的意義。資料包括醫學高等教育12次課程開設中598名學生的13,428次互動。
作者比較多重圖、加權圖和簡化圖。多重圖的度中心性是參與投入最可靠的指標,也是表現最一致的預測變項;特徵向量中心性則是在不同配置下最穩定的社會面向表示。
SNA
研究如何運用 SNA
研究以三種方式重建Moodle回覆資料:保留重複連結與自環的多重圖、移除兩者的簡化圖,以及以發文文字量加權的網絡。其後比較入度、出度、接近、中介和特徵向量中心性的穩健性及其與學習指標的關係。
來源
International Journal of Computer-Supported Collaborative Learning, 15, 227-248
DOI: 10.1007/s11412-020-09322-6


