论文部分内容阅读
[摘 要] 在网络研修社区的对话反思数据中，蕴含着教师对于整合技术的学科教学知识（TPACK）的丰富、客观和协同的认知。依据TPACK框架，对网络研修社区中教师的对话反思数据进行结构化编码，并应用认知网络分析法（ENA）探索教师的认知框架模式，可以得到教师TPACK特征的最自然的评判。采集网络研修社区“齐心协力工作坊”中的教师对话数据，依据TPACK框架对数据进行编码，探索了教师认知行为的分布特征。再采用认知网络分析，探索了高低分组、不同年龄组、评论和回帖组教师的认知网络结构特征。研究发现教师对话的知识类型主要是学科教学法知识和一般教学法知识。高分组教师的PK-PCK、PK-TPACK、CK-PCK连线系数较高，TPACK更加灵活，低分组教师则更关注技术知识与学科教学法知识的结合。低年龄组教师的PK-PCK、PCK-TPACK连线系数较高，而高年龄组教师的PK-TPACK、CK-PCK、TPK-PCK 连线系数较高。回帖组教师的认知网络中各元素的连线系数均较高。认知网络分析法为大数据支持的学习分析与评价提供了一种新范式。
[关键词] 网络研修社区; 对话反思; 认知网络分析; 教师工作坊; TPACK
[中图分类号] G434 [文献标志码] A
[作者简介] 张思（1983—），男，湖南长沙人。副教授，博士，主要从事计算机支持的协作学习与分析技术研究。E-mail： [email protected]。
一、引 言
2014至2017年，教育部组织实施了一轮中小学教师信息技术应用能力提升工程项目（简称“能力提升工程”）[1]。2018年，教育部颁布《教师教育振兴行动计划（2018—2022）》，推动实施新一周期中小学教师信息技术应用能力提升工程，引领中小学教师将信息技术有效应用于教育教学[2]。在培训模式方面，能力提升工程要求各培训机构建立网络研修社区，开展网络研修与校本研修整合培训[3]，并以视频案例、教师对话等多种方式促进教师参与，激发研修兴趣和反思[4-5]。因而，教师对话反思的水平特征成为网络研修质量的缩影，受到研究者的广泛关注。国内外研究者采用社会网络分析法[6]、内容分析法[7]、统计方法[8]等分析了网络研修社区教师对话的特征，并探讨了提升网络研修社区中教师对话交流有效性的方法。网络研修社区中教师讨论的话题与信息技术应用密切相关，对话反思的内容也体现了教师的知识特征，但现有研究主要关注网络研修社区中成员间的知识共享，鲜有从教师知识类型，尤其是从整合技术的学科教学知识（Technological Pedagogical Content Knowledge，以下简称TPACK）的视角分析教师的认知特征。认知网络分析（Epistemic Network Analysis，简称ENA）以认知类型为节点，以认知类型在某一时间窗共现为链，用于分析协同会话的认知网络结构特征，被广泛应用于分析在线学习社区中知识的产生、发展与演变过程[9-10]。
本研究依據TPACK框架对教师对话的内容进行分析，了解教师知识的类型，然后利用ENA探索教师对话的认知网络结构特征，表征教师TPACK的认知发展。
二、理论基础
（一）网络研修活动设计
网络技术的发展为教师学习提供了多种便利，教师与教师、专家之间可以利用网络互相交流，而且不受时空限制[11-12]。网络研修是在网络学习平台上开展的、有组织和有专家引领的教师学习方式[13]。教师开展网络研修的环境主要包括博客、微信等社会化软件，以及专门开发的网络研修平台，如中国教师研修网、国家开放大学教师教育网等。在网络研修平台上，教师的学习活动类型主要包括观看视频[14]、网络与校本研修活动[15]和教师工作坊活动[16]。
（二）网络研修社区中的对话反思
教师教学反思的方法主要包括录像反思、教学反思日记和对话反思[17]。在网络研修社区中，教师的三种反思方式存在于不同的学习场景：（1）基于课例研究的教师教学反思方式;（2）基于研修主题的教师工作坊对话反思方式;（3）基于博客的教学反思日记方式。统计分析、内容分析、社会网络分析等方法常用于研究教师对话反思的数量和质量[18]。在网络研修社区中，教师对话的内容是教师知识的外在表现，TPACK框架可以用于教师对话的内容分析，但利用TPACK框架探索教师知识的研究主要以问卷调查、自评报告为主，在一定程度上限制了TPACK框架的功能。
（三）认知网络分析
美国威斯康星—麦迪逊大学的Shaffer教授最早提出了认知网络分析（ENA）的原型[19]。ENA以认知框架（Epistemic Frames）中的五个元素（Skills，Knowledge，Identity，Values，Epistemology）为节点，以五个元素在小组成员会话交互中的共现作为链，建立认知网络，计算网络参数并可视化展示个体或集体的认知网络特征。认知网络分析有三个核心概念：编码框架、分析单元和时间窗（Stanza）[9]。认知网络分析被成功应用于工程类学生的设计思维分析[20]、STEM教育中的学习评价[21]等。
三、研究设计
某培训机构实施的中小学教师信息技术应用能力提升工程项目包含集中面授、网上视频学习、网络与校本整合研修、教师工作坊等四个阶段。在教师工作坊阶段，某省语文教师创建了“齐心协力教师工作坊”。该工作坊含81名教师，其中男教师32人，女教师49人，平均教龄为18.25年。依据便利性采样原则，该教师工作坊被选为研究对象。 （一）网络研修活动过程设计
“齐心协力教师工作坊”中开展的是主题研讨活动。主题研讨活动分为三步：步骤1，由坊主发布研讨主题，主题一般来源于教师平时课堂教学中的疑难问题;步骤2，工作坊全体成员围绕主题展开讨论，提供相关案例;步骤3，讨论结束后，坊主带领全体坊员进行总结，提出问题解决方案。
（二）研究过程
首先收集与整理网络研修社区中的数据，包括教师对话数据、网络学习平台记录的日志数据以及课程相关数据，并对数据进行预处理。其次，对文本数据开展内容分析，对日志数据和课程相关数据进行统计分析。最后，对内容分析后的编码数据开展认知网络分析。
（三）数据编码框架
依据Koehler 和 Mishra[22]对TPACK的定义，制定出本研究的TPACK内容分析框架，见表1。
（四）数据分析
在“齐心协力教师工作坊”中，某一次研讨的主题是“怎样上好枯燥无味的拼音教学？”，时间从2016年11月19日至12月21日。教师成员共发布561个评论，其中回复他人帖子数量为395个，占70.41%。42位教师最终的研修成绩在90分以上，占51.85%。
由两位教育技术学专业研究生分别对教师对话文本数据进行编码，编码结束后，经过计算，两位研究生的编码一致性系数为0.88，信度良好[23]。编码结束后得到的数据进入认知网络分析。利用R软件包的“rENA”插件分析教师对话反思的认知网络特征，重点分析高低分组、不同年龄组、评论与回帖组教师的认知网络差异。开展认知网络分析时，编码框架选择TPACK的七个维度，时间窗选择评论贴，时间窗的系数选择4。
四、数据分析与结论
（一）教师对话反思的认知特征
编码结束后，统计教师的认知行为特征。教师的评论主要以学科教学知识为主（PCK，300，53.5%），其次是教学法知识（PK，87，15.5%），而最少的分别是技术知识（TK，13，2.3%）和整合技术的学科内容知识（TCK，13，2.3%）。
（二）高、低分组教师对话反思的认知网络特征
高、低分组教师对话反思的认知网络特征如图1所示。计算高、低分组教师认知网络的连线系数，结果见表2。共有4处连线的系数超过1.0，而且有3处高分组超过低分组，分别是PK-PCK、PK-TPACK、CK-PCK，1处低分组超过高分组，是PCK-TPACK。
（三）不同年龄阶段教师对话反思的认知网络特征
不同年龄阶段教师对话反思的认知网络特征如图2所示。计算各年龄阶段教师认知网络的连线系数，结果见表3。共有5处连线的系数超过1.0，其中PK-PCK连线，21～30岁教师的系数最高（3.65），41～50岁教师的系数最低（2.95）;PK-TPACK连线，41～50岁教师的系数最高（1.42），而21～30岁教师的系数最低（0.14）;CK-PCK连线，41～50岁教师的系数最高（2.18），而21～30岁教师的系数最低（0）;TPK-PCK连线，51～60岁教师的系数最高（1.37），而21～30岁教师的系数最低（0）;PCK-TPACK连线，21～30岁教师的系数最高（4.77），而41～50歲教师的系数最低（2.40）。
（四）评论帖与回帖教师对话反思的认知网络特征
评论帖与回帖组教师对话反思的认知网络特征如图3所示。计算评论帖组、回帖组教师的认知网络连线系数，结果见表4。共有4处连线的系数超过1.0，而且都是回帖组超过评论帖组，其中PK-PCK连线，回帖组系数（3.09）高于评论帖组（2.48）;PK-TPACK连线，回帖组系数（1.16）高于评论帖组（0.70）;CK-PCK连线，回帖组系数（1.23）稍高于评论帖组（1.20）;PCK-TPACK连线，回帖组系数（2.66）稍高于评论帖组（2.45）。
五、结论与讨论
（一）教师对话的知识类型主要是学科教学法知识和一般教学法知识
教师对话反思的知识类型以学科教学法知识和一般教学法知识为主。这一结论与一项针对2728位中小学教师TPACK知识的调查结论相符[24]。调查结果表明中小学教师的TPACK知识包括五个维度，教师自我感知PK、CK、PCK类知识较好，而TK、TPACK类知识较差。在网络研修社区参与对话的过程中，中小学教师反思得最多的是学科内容知识和教学法知识。虽然教师谈到了信息技术的应用，但应用信息技术突破教学重难点的讨论很少。
（二）高、低分组教师在认知网络结构上存在差异，高分组教师的TPACK知识较为灵活
高分组教师在PK-PCK、PK-TPACK、CK-PCK方面对话较多，这可能和高分组教师发布的评论较多有关。此外，高分组教师发布的评论也不是集中在某一个知识维度，而是在多个维度均有分布，说明高分组教师的TPACK知识较为灵活。低分组教师在PCK-TPACK方面的对话较多，说明低分组教师更关注技术知识与学科教学法知识的结合。
（三）不同年龄组教师的认知网络结构存在差异，低年龄组教师注重学科内容知识和一般教学法知识，而高年龄组教师注重技术知识与学科教学法知识的融合
低年龄组教师的对话中出现PK-PCK、PCK-TPACK的情况较多，而高年龄组教师的对话中出现PK-TPACK、CK-PCK、TPK-PCK的情况较多，与之前的研究得出的结论不同。在针对中小学教师TPACK知识的调查中[24]，结果表明低年级教师的技术知识感知较强，一般教学法知识和学科教学法知识的感知较弱，而高年龄组教师在一般教学法知识、学科内容知识和学科教学法知识的感知上均较强，在技术知识的感知上较弱。在另一项针对中小学教师同侪互助的调查中[25]，也发现低年龄组教师在技术支持上较多，而高年龄组教师在学术支持方面较多。研究结论出现不一致的情况，成为后续研究的焦点。 （四）评论帖与回帖组教师的认知网络结构存在差异，回帖组教师的认知网络中各元素的联系较丰富
回帖组教师在PK-PCK、PCK-TPACK、CK-PCK、PCK-TPACK方面出现的对话较多，这可能和回帖比评论帖的数量多有关。回帖的数量多，增加了认知元素共现的次数，因而连线越粗。此外，由于评论帖是对问题的回应，而回帖是对评论帖的回应，多个回帖之间的关系更为紧密，共现情况多也是合理的。
本研究结合内容分析和认知网络分析探索了网络研修社区中教师对话反思的认知网络特征，得出四点有意义的结论。但本研究也存在两个主要不足：一是樣本代表性不足，研究结论难以推广到所有的研修社区;二是缺乏对教师认知网络演化特征的分析，难以体现教师知识的发展特征。今后的研究方向是将认知网络分析方法与文本分析方法相结合，探索网络研修社区教师对话反思的自动分析方法与技术。
[参考文献]
[1] 教育部关于实施全国中小学教师信息技术应用能力提升工程的意见[EB/OL]. [2013-10-28]. http：//www.moe.edu.cn/srcsite/A10/s7034/201310/t20131028_159042.html.
[2] 教育部等五部门关于印发《教师教育振兴行动计划（2018—2022年）》的通知 [EB/OL]. [2018-03-23]. http：//www.moe.edu.cn/srcsite/A10/s7034/201803/t20180323_331063.html.
[3] 张思， 刘清堂， 熊久明， 朱姣姣， 刘双. 教师混合式培训中的同侪互助模式与支持策略研究[J]. 电化教育研究， 2015（6）： 107-113.
[4] 蒋敦杰. 走向网络的教师教育[J]. 新教育， 2011（6）： 6-7.
[5] TSIOTAKIS P， JIMOYIANNIS A. Critical factors towards analyzing teachers' presence in on-line learning communities[J]. Internet and higher education， 2016（28）：45-58.
[6] 张思， 刘清堂， 朱姣姣， 熊久明. 教师工作坊中的知识共享行为研究[J]. 现代远距离教育， 2015（5）： 49-55.
[7] 黄庆玲， 李宝敏， 任友群. 教师工作坊在线讨论深度实证研究——以信息技术应用能力提升工程教师工作坊为例[J]. 电化教育研究， 2016（12）： 121-128.
[8] 刘清堂， 王虹， 熊久明， 张思， 蒋玲. 教师工作坊中知识共享效果实证研究——以语文“齐心协力工作坊”为例[J]. 现代远距离教育， 2017（2）： 40-48.
[9] 王志军， 杨阳. 认知网络分析法及其应用案例分析[J]. 电化教育研究， 2019（6）：27-34.
[10] 吴忭， 王戈. 协作编程中的计算思维发展轨迹研究——基于量化民族志的分析方法[J]. 现代远程教育研究， 2019（2）：76-84.
[11] DUNCAN-HOWELL J. Teachers making connections： online communities as a source of professional learning[J]. British journal of educational technology， 2010， 41（2）： 324-340.
[12] VAN DEN BERGH L， ROS A， BEIJAARD D. Teacher learning in the context of a continuing professional development program： a case study[J]. Teaching and teacher education， 2015（47）：142-150.
[13] 马立， 郁晓华， 祝智庭. 教师继续教育新模式：网络研修[J]. 教育研究， 2011（11）： 21-28.
[14] 赵健， 张美芹. 基于内容分析的教师网络研修平台构建与展望[J]. 中国电化教育， 2017（2）： 103-109.
[15] 刘清堂， 张思. 教师混合式培训中主题研修活动设计模型研究[J]. 中国电化教育， 2015（1）： 111-117.
[16] 张思， 刘清堂， 熊久明. 认知学徒制视域下教师工作坊研修模式研究[J]. 中国电化教育， 2015（2）： 84-89.
[17] 俞国良， 辛自强， 林崇德. 反思训练是提高教师素质的有效途径[J]. 高等师范教育研究， 1999（4）： 69-73.
[18] 马晓能， 俞树煜， 辛一君， 马正华. 教师工作坊中知识交互的现状分析[J]. 电化教育研究， 2017（3）： 55-61.
[19] SHAFFER D W， HATFIELD D， SVAROVSKY G N， et al. Epistemic network analysis： a prototype for 21st century assessment of learning[J]. International journal of learning and media， 2009， 1（2）：33-53.
[20] ARASTOOPOUR G， SHAFFER D W， SWIECKI Z， et al. Teaching and assessing engineering design thinking with virtual internships and epistemic network analysis[J]. International journal of engineering education， 2016， 32（3B）：1492-1501. [21] 吳忭， 王戈， 盛海曦. 认知网络分析法：STEM教育中的学习评价新思路[J]. 远程教育杂志， 2018（6）：3-10.
[22] KOEHLER M J， MISHRA P， YAHYA K. Tracing the development of teacher knowledge in a design seminar： Integrating content， pedagogy and technology[J]. Computers & education， 2007（49）：740-762.
[23] FLEISS J L. Statistical methods for rates and proportions （2 edition）[M]. John Wiley， New York， 1981.
[24] LIU Q T， ZHANG S， WANG Q Y. Surveying Chinese In-service K12 teachers' technology， pedagogy， and content knowledge[J]. Journal of educational computing research， 2015， 53（1）：55-74.
[25] ZHANG S， LIU Q T， WANG Q Y. A study of peer coaching in teachers' online professional learning communities[J]. Universal access in the information society， 2017， 16（2）：337-347.
[Abstract] The data of dialogue and reflection in the network training community contains teachers' rich， objective and collaborative cognition of TPACK. Based on the TPACK framework， the data of teachers' dialogue and reflection in network training community are structured and encoded， and Epistemic Network Analysis （ENA） is applied to explore the cognitive framework model of teachers， so as to obtain the most natural evaluation of the characteristics of teachers' TPACK. The study collects the data of teachers' dialogue in network training community "Faculty Workshop for Working Together "， and then those data are coded according to the TPACK framework so as to explore the distribution tendency of teachers' cognitive behaviors. Furthermore， the ENA is used to explore the structural characteristics of teachers' cognitive network in high and low groups， different age groups， post and reply groups. It is found that the knowledge types of teacher dialogue are mainly subject pedagogical knowledge and general pedagogical knowledge. Teachers in higher-score group have higher connection coefficients of PK-PCK， PK-TPACK and CK-PCK ， and their TPACK are more flexible， while teachers in lower-score group pay more attention to the integration of technical knowledge and content-specific pedagogical knowledge. Teachers in lower-age group have higher connection coefficients of PK-PCK and PCK-TPACK， while connection coefficients of PK-TPACK、CK-PCK、TPK-PCK of teachers in higher-age group are higher. The connection coefficient of each element in the cognitive network of teachers in the reply group is higher. ENA provides a new paradigm for learning analytics and evaluation supported by big data.
[Keywords] Network Training Community; Dialogue and Reflection; Epistemic Network Analysis; Faculty Workshop; TPACK
[关键词] 网络研修社区; 对话反思; 认知网络分析; 教师工作坊; TPACK
[中图分类号] G434 [文献标志码] A
[作者简介] 张思（1983—），男，湖南长沙人。副教授，博士，主要从事计算机支持的协作学习与分析技术研究。E-mail： [email protected]。
一、引 言
2014至2017年，教育部组织实施了一轮中小学教师信息技术应用能力提升工程项目（简称“能力提升工程”）[1]。2018年，教育部颁布《教师教育振兴行动计划（2018—2022）》，推动实施新一周期中小学教师信息技术应用能力提升工程，引领中小学教师将信息技术有效应用于教育教学[2]。在培训模式方面，能力提升工程要求各培训机构建立网络研修社区，开展网络研修与校本研修整合培训[3]，并以视频案例、教师对话等多种方式促进教师参与，激发研修兴趣和反思[4-5]。因而，教师对话反思的水平特征成为网络研修质量的缩影，受到研究者的广泛关注。国内外研究者采用社会网络分析法[6]、内容分析法[7]、统计方法[8]等分析了网络研修社区教师对话的特征，并探讨了提升网络研修社区中教师对话交流有效性的方法。网络研修社区中教师讨论的话题与信息技术应用密切相关，对话反思的内容也体现了教师的知识特征，但现有研究主要关注网络研修社区中成员间的知识共享，鲜有从教师知识类型，尤其是从整合技术的学科教学知识（Technological Pedagogical Content Knowledge，以下简称TPACK）的视角分析教师的认知特征。认知网络分析（Epistemic Network Analysis，简称ENA）以认知类型为节点，以认知类型在某一时间窗共现为链，用于分析协同会话的认知网络结构特征，被广泛应用于分析在线学习社区中知识的产生、发展与演变过程[9-10]。
本研究依據TPACK框架对教师对话的内容进行分析，了解教师知识的类型，然后利用ENA探索教师对话的认知网络结构特征，表征教师TPACK的认知发展。
二、理论基础
（一）网络研修活动设计
网络技术的发展为教师学习提供了多种便利，教师与教师、专家之间可以利用网络互相交流，而且不受时空限制[11-12]。网络研修是在网络学习平台上开展的、有组织和有专家引领的教师学习方式[13]。教师开展网络研修的环境主要包括博客、微信等社会化软件，以及专门开发的网络研修平台，如中国教师研修网、国家开放大学教师教育网等。在网络研修平台上，教师的学习活动类型主要包括观看视频[14]、网络与校本研修活动[15]和教师工作坊活动[16]。
（二）网络研修社区中的对话反思
教师教学反思的方法主要包括录像反思、教学反思日记和对话反思[17]。在网络研修社区中，教师的三种反思方式存在于不同的学习场景：（1）基于课例研究的教师教学反思方式;（2）基于研修主题的教师工作坊对话反思方式;（3）基于博客的教学反思日记方式。统计分析、内容分析、社会网络分析等方法常用于研究教师对话反思的数量和质量[18]。在网络研修社区中，教师对话的内容是教师知识的外在表现，TPACK框架可以用于教师对话的内容分析，但利用TPACK框架探索教师知识的研究主要以问卷调查、自评报告为主，在一定程度上限制了TPACK框架的功能。
（三）认知网络分析
美国威斯康星—麦迪逊大学的Shaffer教授最早提出了认知网络分析（ENA）的原型[19]。ENA以认知框架（Epistemic Frames）中的五个元素（Skills，Knowledge，Identity，Values，Epistemology）为节点，以五个元素在小组成员会话交互中的共现作为链，建立认知网络，计算网络参数并可视化展示个体或集体的认知网络特征。认知网络分析有三个核心概念：编码框架、分析单元和时间窗（Stanza）[9]。认知网络分析被成功应用于工程类学生的设计思维分析[20]、STEM教育中的学习评价[21]等。
三、研究设计
某培训机构实施的中小学教师信息技术应用能力提升工程项目包含集中面授、网上视频学习、网络与校本整合研修、教师工作坊等四个阶段。在教师工作坊阶段，某省语文教师创建了“齐心协力教师工作坊”。该工作坊含81名教师，其中男教师32人，女教师49人，平均教龄为18.25年。依据便利性采样原则，该教师工作坊被选为研究对象。 （一）网络研修活动过程设计
“齐心协力教师工作坊”中开展的是主题研讨活动。主题研讨活动分为三步：步骤1，由坊主发布研讨主题，主题一般来源于教师平时课堂教学中的疑难问题;步骤2，工作坊全体成员围绕主题展开讨论，提供相关案例;步骤3，讨论结束后，坊主带领全体坊员进行总结，提出问题解决方案。
（二）研究过程
首先收集与整理网络研修社区中的数据，包括教师对话数据、网络学习平台记录的日志数据以及课程相关数据，并对数据进行预处理。其次，对文本数据开展内容分析，对日志数据和课程相关数据进行统计分析。最后，对内容分析后的编码数据开展认知网络分析。
（三）数据编码框架
依据Koehler 和 Mishra[22]对TPACK的定义，制定出本研究的TPACK内容分析框架，见表1。
（四）数据分析
在“齐心协力教师工作坊”中，某一次研讨的主题是“怎样上好枯燥无味的拼音教学？”，时间从2016年11月19日至12月21日。教师成员共发布561个评论，其中回复他人帖子数量为395个，占70.41%。42位教师最终的研修成绩在90分以上，占51.85%。
由两位教育技术学专业研究生分别对教师对话文本数据进行编码，编码结束后，经过计算，两位研究生的编码一致性系数为0.88，信度良好[23]。编码结束后得到的数据进入认知网络分析。利用R软件包的“rENA”插件分析教师对话反思的认知网络特征，重点分析高低分组、不同年龄组、评论与回帖组教师的认知网络差异。开展认知网络分析时，编码框架选择TPACK的七个维度，时间窗选择评论贴，时间窗的系数选择4。
四、数据分析与结论
（一）教师对话反思的认知特征
编码结束后，统计教师的认知行为特征。教师的评论主要以学科教学知识为主（PCK，300，53.5%），其次是教学法知识（PK，87，15.5%），而最少的分别是技术知识（TK，13，2.3%）和整合技术的学科内容知识（TCK，13，2.3%）。
（二）高、低分组教师对话反思的认知网络特征
高、低分组教师对话反思的认知网络特征如图1所示。计算高、低分组教师认知网络的连线系数，结果见表2。共有4处连线的系数超过1.0，而且有3处高分组超过低分组，分别是PK-PCK、PK-TPACK、CK-PCK，1处低分组超过高分组，是PCK-TPACK。
（三）不同年龄阶段教师对话反思的认知网络特征
不同年龄阶段教师对话反思的认知网络特征如图2所示。计算各年龄阶段教师认知网络的连线系数，结果见表3。共有5处连线的系数超过1.0，其中PK-PCK连线，21～30岁教师的系数最高（3.65），41～50岁教师的系数最低（2.95）;PK-TPACK连线，41～50岁教师的系数最高（1.42），而21～30岁教师的系数最低（0.14）;CK-PCK连线，41～50岁教师的系数最高（2.18），而21～30岁教师的系数最低（0）;TPK-PCK连线，51～60岁教师的系数最高（1.37），而21～30岁教师的系数最低（0）;PCK-TPACK连线，21～30岁教师的系数最高（4.77），而41～50歲教师的系数最低（2.40）。
（四）评论帖与回帖教师对话反思的认知网络特征
评论帖与回帖组教师对话反思的认知网络特征如图3所示。计算评论帖组、回帖组教师的认知网络连线系数，结果见表4。共有4处连线的系数超过1.0，而且都是回帖组超过评论帖组，其中PK-PCK连线，回帖组系数（3.09）高于评论帖组（2.48）;PK-TPACK连线，回帖组系数（1.16）高于评论帖组（0.70）;CK-PCK连线，回帖组系数（1.23）稍高于评论帖组（1.20）;PCK-TPACK连线，回帖组系数（2.66）稍高于评论帖组（2.45）。
五、结论与讨论
（一）教师对话的知识类型主要是学科教学法知识和一般教学法知识
教师对话反思的知识类型以学科教学法知识和一般教学法知识为主。这一结论与一项针对2728位中小学教师TPACK知识的调查结论相符[24]。调查结果表明中小学教师的TPACK知识包括五个维度，教师自我感知PK、CK、PCK类知识较好，而TK、TPACK类知识较差。在网络研修社区参与对话的过程中，中小学教师反思得最多的是学科内容知识和教学法知识。虽然教师谈到了信息技术的应用，但应用信息技术突破教学重难点的讨论很少。
（二）高、低分组教师在认知网络结构上存在差异，高分组教师的TPACK知识较为灵活
高分组教师在PK-PCK、PK-TPACK、CK-PCK方面对话较多，这可能和高分组教师发布的评论较多有关。此外，高分组教师发布的评论也不是集中在某一个知识维度，而是在多个维度均有分布，说明高分组教师的TPACK知识较为灵活。低分组教师在PCK-TPACK方面的对话较多，说明低分组教师更关注技术知识与学科教学法知识的结合。
（三）不同年龄组教师的认知网络结构存在差异，低年龄组教师注重学科内容知识和一般教学法知识，而高年龄组教师注重技术知识与学科教学法知识的融合
低年龄组教师的对话中出现PK-PCK、PCK-TPACK的情况较多，而高年龄组教师的对话中出现PK-TPACK、CK-PCK、TPK-PCK的情况较多，与之前的研究得出的结论不同。在针对中小学教师TPACK知识的调查中[24]，结果表明低年级教师的技术知识感知较强，一般教学法知识和学科教学法知识的感知较弱，而高年龄组教师在一般教学法知识、学科内容知识和学科教学法知识的感知上均较强，在技术知识的感知上较弱。在另一项针对中小学教师同侪互助的调查中[25]，也发现低年龄组教师在技术支持上较多，而高年龄组教师在学术支持方面较多。研究结论出现不一致的情况，成为后续研究的焦点。 （四）评论帖与回帖组教师的认知网络结构存在差异，回帖组教师的认知网络中各元素的联系较丰富
回帖组教师在PK-PCK、PCK-TPACK、CK-PCK、PCK-TPACK方面出现的对话较多，这可能和回帖比评论帖的数量多有关。回帖的数量多，增加了认知元素共现的次数，因而连线越粗。此外，由于评论帖是对问题的回应，而回帖是对评论帖的回应，多个回帖之间的关系更为紧密，共现情况多也是合理的。
本研究结合内容分析和认知网络分析探索了网络研修社区中教师对话反思的认知网络特征，得出四点有意义的结论。但本研究也存在两个主要不足：一是樣本代表性不足，研究结论难以推广到所有的研修社区;二是缺乏对教师认知网络演化特征的分析，难以体现教师知识的发展特征。今后的研究方向是将认知网络分析方法与文本分析方法相结合，探索网络研修社区教师对话反思的自动分析方法与技术。
[参考文献]
[1] 教育部关于实施全国中小学教师信息技术应用能力提升工程的意见[EB/OL]. [2013-10-28]. http：//www.moe.edu.cn/srcsite/A10/s7034/201310/t20131028_159042.html.
[2] 教育部等五部门关于印发《教师教育振兴行动计划（2018—2022年）》的通知 [EB/OL]. [2018-03-23]. http：//www.moe.edu.cn/srcsite/A10/s7034/201803/t20180323_331063.html.
[3] 张思， 刘清堂， 熊久明， 朱姣姣， 刘双. 教师混合式培训中的同侪互助模式与支持策略研究[J]. 电化教育研究， 2015（6）： 107-113.
[4] 蒋敦杰. 走向网络的教师教育[J]. 新教育， 2011（6）： 6-7.
[5] TSIOTAKIS P， JIMOYIANNIS A. Critical factors towards analyzing teachers' presence in on-line learning communities[J]. Internet and higher education， 2016（28）：45-58.
[6] 张思， 刘清堂， 朱姣姣， 熊久明. 教师工作坊中的知识共享行为研究[J]. 现代远距离教育， 2015（5）： 49-55.
[7] 黄庆玲， 李宝敏， 任友群. 教师工作坊在线讨论深度实证研究——以信息技术应用能力提升工程教师工作坊为例[J]. 电化教育研究， 2016（12）： 121-128.
[8] 刘清堂， 王虹， 熊久明， 张思， 蒋玲. 教师工作坊中知识共享效果实证研究——以语文“齐心协力工作坊”为例[J]. 现代远距离教育， 2017（2）： 40-48.
[9] 王志军， 杨阳. 认知网络分析法及其应用案例分析[J]. 电化教育研究， 2019（6）：27-34.
[10] 吴忭， 王戈. 协作编程中的计算思维发展轨迹研究——基于量化民族志的分析方法[J]. 现代远程教育研究， 2019（2）：76-84.
[11] DUNCAN-HOWELL J. Teachers making connections： online communities as a source of professional learning[J]. British journal of educational technology， 2010， 41（2）： 324-340.
[12] VAN DEN BERGH L， ROS A， BEIJAARD D. Teacher learning in the context of a continuing professional development program： a case study[J]. Teaching and teacher education， 2015（47）：142-150.
[13] 马立， 郁晓华， 祝智庭. 教师继续教育新模式：网络研修[J]. 教育研究， 2011（11）： 21-28.
[14] 赵健， 张美芹. 基于内容分析的教师网络研修平台构建与展望[J]. 中国电化教育， 2017（2）： 103-109.
[15] 刘清堂， 张思. 教师混合式培训中主题研修活动设计模型研究[J]. 中国电化教育， 2015（1）： 111-117.
[16] 张思， 刘清堂， 熊久明. 认知学徒制视域下教师工作坊研修模式研究[J]. 中国电化教育， 2015（2）： 84-89.
[17] 俞国良， 辛自强， 林崇德. 反思训练是提高教师素质的有效途径[J]. 高等师范教育研究， 1999（4）： 69-73.
[18] 马晓能， 俞树煜， 辛一君， 马正华. 教师工作坊中知识交互的现状分析[J]. 电化教育研究， 2017（3）： 55-61.
[19] SHAFFER D W， HATFIELD D， SVAROVSKY G N， et al. Epistemic network analysis： a prototype for 21st century assessment of learning[J]. International journal of learning and media， 2009， 1（2）：33-53.
[20] ARASTOOPOUR G， SHAFFER D W， SWIECKI Z， et al. Teaching and assessing engineering design thinking with virtual internships and epistemic network analysis[J]. International journal of engineering education， 2016， 32（3B）：1492-1501. [21] 吳忭， 王戈， 盛海曦. 认知网络分析法：STEM教育中的学习评价新思路[J]. 远程教育杂志， 2018（6）：3-10.
[22] KOEHLER M J， MISHRA P， YAHYA K. Tracing the development of teacher knowledge in a design seminar： Integrating content， pedagogy and technology[J]. Computers & education， 2007（49）：740-762.
[23] FLEISS J L. Statistical methods for rates and proportions （2 edition）[M]. John Wiley， New York， 1981.
[24] LIU Q T， ZHANG S， WANG Q Y. Surveying Chinese In-service K12 teachers' technology， pedagogy， and content knowledge[J]. Journal of educational computing research， 2015， 53（1）：55-74.
[25] ZHANG S， LIU Q T， WANG Q Y. A study of peer coaching in teachers' online professional learning communities[J]. Universal access in the information society， 2017， 16（2）：337-347.
[Abstract] The data of dialogue and reflection in the network training community contains teachers' rich， objective and collaborative cognition of TPACK. Based on the TPACK framework， the data of teachers' dialogue and reflection in network training community are structured and encoded， and Epistemic Network Analysis （ENA） is applied to explore the cognitive framework model of teachers， so as to obtain the most natural evaluation of the characteristics of teachers' TPACK. The study collects the data of teachers' dialogue in network training community "Faculty Workshop for Working Together "， and then those data are coded according to the TPACK framework so as to explore the distribution tendency of teachers' cognitive behaviors. Furthermore， the ENA is used to explore the structural characteristics of teachers' cognitive network in high and low groups， different age groups， post and reply groups. It is found that the knowledge types of teacher dialogue are mainly subject pedagogical knowledge and general pedagogical knowledge. Teachers in higher-score group have higher connection coefficients of PK-PCK， PK-TPACK and CK-PCK ， and their TPACK are more flexible， while teachers in lower-score group pay more attention to the integration of technical knowledge and content-specific pedagogical knowledge. Teachers in lower-age group have higher connection coefficients of PK-PCK and PCK-TPACK， while connection coefficients of PK-TPACK、CK-PCK、TPK-PCK of teachers in higher-age group are higher. The connection coefficient of each element in the cognitive network of teachers in the reply group is higher. ENA provides a new paradigm for learning analytics and evaluation supported by big data.
[Keywords] Network Training Community; Dialogue and Reflection; Epistemic Network Analysis; Faculty Workshop; TPACK