网络探究学习社区中的情感存在研究

Research on emotional existence in communities of online inquiry learning

摘要

在在线协作学习中，情感作为在线学习者学业成绩的重要预测指标，已备受学者关注。情感存在是网络探究学习社区研究的重要要素，对在线学习干预、学习体验、教学决策有重要价值。文章从情感存在的角色定位、内涵与维度、情感存在的测量与教学价值等方面进行分析与阐释。研究发现，情感存在研究方法的混合化、情感测量的智能化、情感数据的多模化将成为该领域研究的未来趋势。

Abstract

In online collaborative learning, emotions, as an important predictor of online learners’ academic performance, have attracted much attention from scholars. The emotional existence is an important element in the research on online inquiry learning communities and of significant value in online learning interventions, learning experiences and teaching decisions. The article analyzes and elaborates on the role positioning, connotation and dimension of emotional existence, as well as its measurement methods and teaching value. The research finds that the blending of research methods for emotional existence, the intelligence of emotion measurement, and the diversification of emotional data will become the future research trends in this field.

Graphical abstract

关键词

网络探究学习社区 / 情感存在 / 情感分析 / 情感测量

Key words

community of inquiry learning / emotional existence / emotion analysis / emotion measurement

教育数字化转型已成为面向教育现代化2035的国家战略任务之一。教育领域将充分依靠在线学习与混合式学习方式，使其逐步由“新鲜感”走向“新常态”，重构教育生态，构建学习型社会，建设教育强国^[1]。在线学习能够打破时空阻隔，让学习随时随地发生，以其独特优势而备受青睐。然而，在在线学习中，因师生分离带来的情感缺失或情感疏离问题也不容忽视。Rienties等^[2]通过大量研究发现，学习者在学习过程中会产生100余种不同的情感，这些情感对学习者的态度、行为以及认知产生不同程度的影响。情感会影响在线学习者的角色适应、情绪表达，并最终影响学习者的学习体验^[3]。鉴于此，越来越多的研究者开始关注在线学习中的情感研究。

在线学习中的情感可以理解为一个人对自己个体状态和需求的直觉判断而产生的态度体验，或者是发现自己所处的环境状况不断变化而产生的感受^[4]。情感是个体认知、行为与环境之间交互作用的产物。积极情感和消极情感作为两个重要的情感向度对在线学习产生重要影响^[5]。积极情感可以促进学习的积极性，有助于学业成绩的提高；而消极情感则会在很大程度上抑制学习者的学习活动能力，降低学习者的体力、活力和记忆力，甚至可能会对学习者的学习动机产生阻碍^[2]。情感会影响学习者的行为和认知，进而影响其学习体验^[6]。情感和认知之间的关系具有双面性，有时压力情感的确会破坏学习者认知目标的建立，有时却有助于其形成明确的认知目标^[7]。可见，情感会影响认知结果。因此，不是所有消极情感都会产生错误认知与消极行为，从而减低学习和工作效率。与之相反，适度的焦虑或紧张情绪可以带给人们清晰的认知与积极行为，从而维持其对任务的兴趣和热情，有利于其提高学习和工作效率。因此，情感是影响在线学习结果的一个重要变量。本研究在已有研究基础上，基于网络探究学习的理论视角，将情感置于探究学习社区三种理论框架之中，对情感存在的角色定位、内涵特征、维度划分、测量方法、应用价值等基本问题进行系统阐述，并对未来发展趋势做出预测。

1 网络探究学习社区中情感存在的角色之争

探究社区框架（community of inquiry，CoI）是基于协作建构主义的在线学习环境分析的概念框架^[8]。CoI框架提供了一个面向过程的全面理论分析模型，可以为在线学习研究和在线教学实践提供指导，并支持有意义的探究和深度学习。此框架主要包括社会存在、教学存在和认知存在三个要素。社会存在是指学习者在一个在线环境中与他人在社交和情感上联系的程度；认知存在描述的是学习者通过持续的思考和话语来建构和确认意义的程度；教学存在是指为实现富有个人意义和教育价值的学习成果，对认知过程和社交过程进行设计、促进和指导。Lipman认为CoI框架整合情感体验、心理行为、思维技能于一体，三个要素的主要作用是引起或影响情感的发生。在探究学习社区中，学习者会表达自己的情感，如设计和组织问题（缺乏明确的指导）、认知问题（学习材料）、社交问题（在交流中）、时间管理或技术问题^[9]。情感表现在两个方面：一方面与在线学习者适应新角色有关，另一方面与认知、社交和教学存在相结合^[5]。可见，情感是探究学习社区中不可分割的一部分，能够显著影响学生的学习体验。近年来，探究学习框架中所包含的情感元素受到越来越多的重视。有国外学者认为，应当添加一个反映学习情感方面的元素，即情感存在^[5]。目前，关于情感存在与CoI的关系有三种主流的认识。

观点1：情感存在是社会存在的组成部分

在最初的探究学习框架中，情感被认为是社会存在中的一部分，谓为情感表达。Garrison等^[10]探究学习社区理论的创始人同样认为情感表达是社会存在的一部分。例如：Anderson^[11]在研究中证实，社会存在的15个指标中有7个是关于情感存在的，因此认为情感存在包含在社会存在中。Lipman^[12]认为，情感体验与思考相结合，提高理性和判断力。这一观点支持了情感存在隶属于社会存在的说法。但此观点饱受质疑，因为将情感存在视为社会存在的一部分限制了对在线学习的分析^[13]。

观点2：情感存在交叉融合于其他存在中

Stenbom等^[14]认为，情感存在不仅与社会存在有交叉融合关系，同时也与认知存在和教学存在有交叉融合关系，这一论断推翻了情感存在归属于社会存在这一观点。Garrison^[10]进一步提出学习者在在线学习中的体验表达出了情感存在，表明情感存在融于CoI模型的社会存在、认知存在和教学存在之中，而非只隶属于某一种存在，此观点表达了在线学习环境中情感存在的复杂性。

观点3：情感存在是一种独立的新存在

有研究者认为，在教学存在和认知存在的定义中很难将情感存在明显包含其中，另有一项针探索性因素的分析研究结果也显示了第四种情感因素。而Garrison^[8]在对探究理论框架进行了十年的研究之后，发现情感反应可能不是社会存在的决定性特征。有研究者通过将情感存在指标添加到CoI框架的三个理论元素并进行测量，结果发现描述学生在线学习体验的文本中表达的情感语言的范围是超越社会存在的。与先前的探究社区模型^[8]（如图1所示）不同，在新型探究模型的关系框架中，情感存在作为一个独立的元素存在（如图2所示）^[14]。

情感存在究竟以何种形式存在，虽然研究者各执一词，但是主流观点依然坚持认为情感存在隶属于社会存在中。随着智能技术与脑神经科学的研究愈发深入，情感计算支持的情感识别与测量更加便利，情感存在作为独立存在的观点被越来越多的研究者支持。

2 网络探究学习社区中情感存在的内涵之辩

研究者发现探究学习社区中的情感存在后，众多支持该观点的研究开始从不同视角界定情感存在。

一是根据个体本身的反应状态进行内涵界定，重在关注情感体验。Kang等^[15]在开发情感存在量表时给出了情感存在的定义，即感知的情绪状态，表达情感的自由程度，以及在网络学习过程中管理情感的能力。Stenbom等^[13]将情感存在粗略地解释为探究关系中情感、情绪和感情的外在表现。Garrison简单地将情感存在定义为表达与学习经验相关的情感能力和信心^[14]。

二是根据个体与外界的互动关系进行内涵界定，重在关注情感表现。Lehman^[6]认为情感存在是情绪、行为、认知和环境之间的相互作用，他对于情感存在的理解关键是将情感与认知联系起来，并给出了特定的情境，且两者存在相互作用的关系。Cleveland-Innes等^[5]认为情感存在是个体以及探究学习社区群体中的情感、情绪和感觉的外在表现，因为情感存在与学习技术、课程内容、学习者和教师等要素相关并不断互动。这一定义在2016年被Stenbom等^[14]使用。可见，它是被学术界广泛认可且经常使用的情感存在的定义，这里的情感存在可理解为是探究学习社区中除认知、教学和社会存在外的一个新的存在项，并且指出与学习环境、学习资源、学习主体相联系，是一种独特的体验。

3 网络探究学习社区中情感存在的维度之说

厘清情感存在的维度对于情感的识别与测量至关重要，研究者就如何划分情感维度持不同观点。

一是基于情感体验的二维说，即积极情感和消极情感。积极情感主要包括对在线环境中学习灵活性的喜悦、热情、兴奋、激动等。消极情感主要是关于在线学习过程中的相关要素诸如技术、时间管理、结构等未知领域的恐惧、焦虑、迷茫等。当学生遇到技术障碍，或出现同伴之间、师生之间的交流沟通障碍，或无法有效平衡多个角色和职责时，消极情感就会出现。

二是基于情感定义的三维说，Kang等^[15]认为情感的感知（情感状态）、表达（情感自由程度）和管理（情感能力）是情感存在的三个主要构成部分，每个维度又包含了不同的子维度，例如情感感知包含舒适度、安全和兴趣；情感表达包含自由、多样性和清晰；情感管理则包含灵活性和主观能动性。

三是基于情感数据的三维说，Stenbom等^[14]使用Stenbom、Jansson和Hulkko开发的编码程序，通过分析文本记录和调查数据，将情感存在分为活动情感、结果情感与导向情感。活动情感是指正在进行的谈话过程和内容；结果情感是指辅导过程的期望或结果价值^[16]；导向情感是对感情交流中的两个个体之间的情感或情绪的认知和分享，可能还涉及在文本交流中缺少的非语言的情感交流^[17]。结果发现，活动情感与导向情感表现较为突出，而结果情感大多表现于教师的谈话中。

4 网络探究学习社区中情感存在的测量之法

既然众多研究者已经确定网络探究学习社区中的情感存在对学习者的学习效果有切实影响，那么将分析仅仅停留在理论层面难以获取学习者所处情境下的质性与量化的感知水平。因此，研究者需要一套与理论相对应的量化分析工具、定性研究方法，来测量学习者在学习环境中表现出的情感因素。自新媒体联盟2017年提出情感计算作为要追踪的主要技术之后，随之关于情感计算与测量成为热门研究话题。对关于情感存在测量经典文献中的方法进行整理发现，应用的教学环境均为网络学习环境，采用量化的研究方法对学习者在学习过程中的对话文本、问卷调查数据进行描述性统计分析、相关分析等，进而确定学习者在探究学习过程中的情感因素。目前，情感存在的测量工具主要包含问卷量表测量、内容分析工具测量、成绩单分析等。

4.1 问卷量表测量

大量文献研究表明，关于测量情感存在的定量工具设计和验证已被广大研究者广泛熟知和认可^[19]。在线学习环境下，比较常用的测量学习者情感的工具是成就情感问卷（Achievement Emotions Questionnaire， AEQ）（如表1所示）^[18-19]。AEQ包含24个因素来衡量学习过程中的快乐、希望、自豪、愤怒、焦虑、羞愧、绝望和厌恶。已有研究成果表明，AEQ的可靠性与可信度较高，并与其他工具一起用于分析情感、任务重要性和自我调节行为之间的关系。该方法主要通过学习者填写的问卷量表作为情感评估报告，对其进行测量与计算。

4.2 内容分析工具测量

大多数提出情感存在作为一种独立新存在的研究均使用定量内容分析，而其他持情感存在是网络探究学习社区模型的原有存在扩展观点的研究则较多使用定性内容分析^[20]。定性内容分析是通过对文本数据进行编码和识别主题或模式的系统分类过程，对文本内容进行主观解释的研究方法^[21]。例如，研究者可通过学习者的书面文本和在线对话内容的注释进行分析，文字记录分析有助于我们理解网络文本环境下的教育话语，但需要注意的是必须谨慎选择分析单位，如段落，信息，句子等^[20]。

Risquez等^[22]曾通过内容分析法对每一位教师或学生的在线教与学行为进行编码，编码类目主要包含以下几个方面：①内容（技术方法和情感）；②方向（来自教师或学生的言语行为）；③作用（提供信息、需求信息还是其他）。该方法对原始数据分析后的结果是可靠的，但是处理过程需要手工编码，过程十分繁琐，完成一项工作需要大量人力、物力和时间安排，如果能够使用简便的编码方案或编码程序或许可以缩短时间。

4.3 多模态识别工具测量

随着大数据挖掘与抓取技术、语音及表情识别技术、眼动追踪技术、脑电技术等新兴科技的快速发展，情感识别与计算的工具变得更加多样，多模态情感数据的获取与分析也更为可行。

文本自动识别测量 多项研究通过自动系统识别文本系统获取情感数据^[2]。例如，Dodds等^[23]开发出一款工具用以分析博客文本，它能够从博客文本中识别出表达感情的词汇或短语，按照九点幸福指数量表对结果数据进行排序，然后根据以上词语和排名，开发出一种用法能够用于计算情感状态良好的因素。另一款文本识别系统OpenMentor由开放大学开发，主要用于分析教师对学生的书面评价反馈与互动，并检测学生在此过程中情感的波动范围。

语音自动识别测量 伦敦大学伯贝克学院和教育学院开发了一个系统^[24]，它由情感探测器和情感推理器两部分组成。前者利用语音识别情绪，后者通过改变环境（将任务与学生的推理过程结合）来减少消极情感。该系统可用来分析与学生情感存在相关的现有数据。

表情自动识别测量 D’Mello等^[25]不仅利用学生与在线学习工具互动的录音来判断学生的情感状态，还通过视频中学生进行学习活动时的面部表情，以及学生的对话文本、反应和图片的截图，对学生的情感状态进行分类。

综上所述，目前测量情感存在的方式主要包含问卷量表测量、内容分析测量、多模态识别测量等，主要是对学生学习过程的文本数据、采访数据、表情数据等，通过量化研究方法或智能系统、引擎等进行分析。情感测量是一个有挑战的任务，它带来了重大的认识论、本体论、理论和实践挑战^[2]。随着脑电科学与人工智能技术的快速发展，许多创新的测量情感存在的工具和方法将会推陈出新。

5 网络探究学习社区中情感存在的价值之论

情感存在研究经历了从发现情感存在的初步认知到情感存在的维度划分再到情感存在的测量这样一个由浅入深的过程。研究者普遍认为情感存在的发现、测量促进了其在教育场景中的应用，它具有激励、调节、感染和疏导等功能，可以支持学习干预、提升在线学习体验、辅助教育教学决策等。

支持在线学习干预 教师创设基于情感存在的学习空间，便于师生之间、学伴之间的交流与合作。Angelaki等^[26]研究了远程学习环境中沟通和社交的作用，以及它们如何影响学习者的情感。结果表明，与导师交流时，积极情感增加，消极情感减少。Cleveland­Innes等^[5]在实践中发现，情感发自内心且会不经意间发生。这样看似不可控的情感存在，对教师而言，可以利用情感反应指导学生将情感融入意识并在学习环境中运用情感状态^[27]。或者教师可以使用增加学生的安全感、幸福感及自信心的方式安排学习情境，通过适度的学习干预，改善学习效果。

提升在线学习体验 学生利用情感存在对学习过程中的作用，激发积极情感、实现学习利益最大化。情感存在对学习者实现个人有意义的学习成果确实发挥了不可忽视的作用，学习者要学会如何在学习环境中更好地整合和控制学习情感。情感存在的影响在学生上网时的调整过程中表现得尤为明显，在适应网络学习者角色的过程中，消极情感可能会影响学习体验。因此，在线学习过程中，学生需要注重能力素养，即能够考虑到自身积极情感的同时及时主动应对消极情感，比如适当增加与教师、同伴的交流次数，对不同同伴采用不同的沟通策略，调整自身情感状态，优化学习体验。

辅助教育教学决策 在教育数字化转型背景的全领域教育（包含高等教育、职业教育、基础教育及各类社会教育）中，在线学习都无疑是重要的学习方式，也必定成为教育现代化进程中的教学新常态。然而，它在打破传统课堂教学局限的同时，也很容易形成在线学习者的“孤独”或“孤立”，情感交互缺失，情感支持无法及时获取^[28]。因此，随着情感存在研究的逐步深入，智能技术的日益发达，获取在线学习者的语言、表情、姿态，甚至是神经网络活动信息等相关情感状态的数据十分便利，对其进行综合分析与研判，及时为学习者提供情感支持，满足学习者情感需求，适时做出符合教师和学习者情感需求的教育教学决策，提升教育教学成效。

6 网络探究学习社区中情感存在的未来之势

首先，多种情感研究方法的混合应用。目前，情感存在的主流研究方法是内容分析等定性研究方法与定量研究方法的结合。多种研究方法的混合应用在传达参与者多元视角、尊重参与者观点、解决数据资源不足、解释研究结果等方面更为突出，将成为未来趋势。另外，情感存在测试量表均在国外在线学习环境下得到可靠验证，它是否与中国在线学习环境相适应值得探讨，设计与开发中国本土化的情感量表更值得期待。

其次，多模态情感数据的综合解析。目前，学习者情感信息获取主要采用等级量表、形容词检表的主动报告方式，以及利用终端设备、神经传感器、数据挖掘等自动获取方式^[28]。但是，目前尚未形成统一的情感数据标准和描述方法，还无法对情感数据进行科学提取和描述。基于语言、眼神、面部表情等单模态识别已取得进展，将语言、眼神、面部表情等综合应用的多模态识别日益受到关注，多种数据模态结合，互相佐证。在提高学习者情感识别、解析与反馈的准确性方面还有较大空间。

最后，多类情感测量工具的风险规约。人工智能技术快速发展，是否适合用于情感存在测量，测量结果是否更加精准有效，是否带来一系列风险，又该如何规避？例如，在情绪情感信息的获取与识别过程中的技术风险、侵权风险、伦理风险等。这就需要与之相匹配的技术风险规约、侵权风险规约、伦理风险规约等一系列法律规约的制定与实施^[29]。避免情感存在研究中，尤其是技术依赖性较强的情感计算大范围、深度化、常态化的应用有可能带来的对人格尊严、个人信息等的侵害，更要防范技术风险与法律风险交叉融合给教育带来的反噬作用。

随着人工智能技术与情感计算的发展与融合，情感存在的相关研究必将多样且深入，这使得在线学习更具情感沉浸性、情感交互性，情感激励性。因此，既要关注学习者学得“好”、学得“快”，更要关注学习者学得“快乐”，学得“幸福”。总之，随着人工智能技术、脑电技术的发展，网络探究学习社区中学习者的情感存在研究将会呈现研究方法混合化、测量工具智能化、情感数据多模化的趋势，情感存在的应用前景也将更加广阔。

参考文献

[1] 冯建军. 重构后疫情时代的教育新常态[N]. 光明日报, 2020-07-28(13).

[2] RIENTIES B, RIVERS B A. Measuring and Understanding Learner Emotions: Evidence and Prospects[J]. Learning Analytics Review, 2014(1): 1-28.

[3] LINNENBRINK-GARCIA L, PEKRUN R. Students’ Emotions and Academic Engagement: Introduction to the Special Issue[J]. Contemporary Educational Psychology, 2011, 36(1): 1-3.

[4] BOWLBY J. Attachment and Loss: Vol. 2. Separation: Anxiety and Anger[M]. New York: Basic Books, 1973.

[5] CLEVELAND-INNES M, CAMPBELL P. Emotional Presence, Learning, and the Online Learning Environment[J]. The International Review of Research in Open & Distance Learning, 2012, 13(4): 269-292.

[6] LEHMAN R. The Role of Emotion in Creating Instructor and Learner Presence in the Distance Education Experience[J]. Journal of Cognitive Affective Learning, 2006, 2(2): 12-26.

[7] GOLEMAN D. Emotional Intelligence: Why it Can Matter More than IQ for Character, Health and Lifelong Achievement[M]. New York: Bantam Books, 1995.

[8] GARRISON D R. Theoretical Foundations and Epistemological Insights of the Community of Inquiry[M]. Pennsylvania: IGI Global, 2013.

[9] O’REGAN K. Emotion and E-learning[J]. Journal of Asynchronous Learning Networks, 2003, 7(3): 78-92.

[10] GARRISON D R, ANDERSON T, ARCHER W. Critical Inquiry in a Text-based Environment: Computer Conferencing in Higher Education[J]. Internet & Higher Education, 2000, 2(2/3): 87-105.

[11] WORK M. A Fourth Presence for the Community of Inquiry Model[J]. Computers & Education, 2019, (10): 122.

[12] LIPMAN M. Thinking in Education[M]. London: Cambridge University Press, 2003.

[13] STENBOM S, JANSSON M, HULKKO A. Revising the Community of Inquiry Framework for the Analysis of One-to-One Online Learning Relationships[J]. International Review of Research in Open & Distance Learning, 2016, 17(3): 22-28.

[14] STENBOM S, CLEVELAND-INNES M, HRAST-INSKI S. Emotional Presence in a Relationship of Inquiry: The Case of One-to-One Online Math Coaching [J]. Online Learning, 2016, 20(1): 41-56.

[15] KANG M, KIM S, PARK S. Developing a Cognitive Presence Scale for Measuring Students’ Involvement during E-Learning Process[C]// Association for the Advancement of Computing in Education(AACE). Proceedings of World Conference on Educational Multimedia, Hypermedia and Telecommunications. Chesapeake, VA: AACE, 2007: 2823-2828.

[16] PEKRUN R. The Control-value Theory of Achievement Emotions: Assumptions, Corollaries, and Implications for Educational Research and Practice[J]. Educational Psychology Review, 2006, 18(4): 315-341.

[17] DERKS D, FISCHER A H, BOS A E R. The Role of Emotion in Computer-mediated Communication: A Review[J]. Computers in Human Behavior, 2008, 24(3): 766-785.

[18] PEKRUN R, GOETZ T, FRENZEL A C, et al. Measuring Emotions in Students’ Learning and Performance: The Achievement Emotions Questionnaire (AEQ)[J]. Contemporary Educational Psychology, 2011, 36(1): 36-48.

[19] PEKRUN R, GOETZ T, TITZ W, et al. Academic Emotions in Students’ Self-regulated Learning and Achievement: A Program of Qualitative and Quantitative Research[J]. Educational Psychologist, 2002, 37(2): 91-105.

[20] KOZAN K, CASKURLU S. On the Nth, Presence for the Community of Inquiry Framework [J]. Computers & Education, 2018, 122(3): 104-118.

[21] HSIEH H F, SHANNON S E. Three Approaches to Qualitative Content Analysis[J]. Qualitative Health Research, 2005, 15(9): 1277-1288.

[22] RISQUEZ A, SANCHEZ-GARCIA M. The Jury is Still Out: Psychoemotional Support in Peer E-Mentoring for Transition to University[J]. Internet & Higher Education, 2012, 15(3): 213-221.

[23] DODDS P S, DANFORTH C M. Measuring the Happiness of Large-scale Written Expression: Songs, Blogs, and Presidents[J]. Journal of Happiness Studies, 2010, 11(4): 441-456.

[24] GRAWEMEYER B, MAVRIKIS M, GUTIERREZ-SANTOS S, et al. Interventions During Student Multimodal Learning Activities: Which and Why?[C].London: EDM, 2014.

[25] D’MELLO S, GRAESSER A. The Half-life of Cognitive-affective States during Complex Learning[J]. Cognition & Emotion, 2011, 25(7): 1299-1308.

[26] ANGELAKI C, MAVROIDIS I. Communication and Social Presence: The Impact on Adult Learners’ Emotions in Distance Learning[J]. European Journal of Open, Distance and E-learning, 2013, 16(1): 78-93.

[27] CAMPELL P, CLEVELAND-INNES M. Affect as Presence in Online Communities of Inquiry[EB/OL].[2023-01-11].

[28] 张苏, 张坤峰. 面向在线学习的情感计算研究:核心内容与发展策略[J]. 华东科技,2023(4): 123-125.

[29] 龚善要. 教育场景中情感计算的应用风险及其法律规制[J]. 复旦教育论坛, 2022, 20(6): 40-46.

基金资助

福建省教育规划项目“人工智能助推乡村教师专业发展的作用机制研究”(Fjxczx22-445)