论文部分内容阅读
摘 要：在以学生为中心的教学活动中，如何组织学生进行学习活动尤为重要。本文以某高校206名大学生为研究对象，通过问卷调查的方式获取大学生在学习过程中会形成学习关系网络数据，运用社会网络分析方法对学习关系网络进行分析，找出其形成特点，并对学习关系网络与友谊关系进行相关性分析，得出两者具有较为显著的正相关性结论。
关键词：大学生； 学习关系网络； 社会网络分析
中图分类号：G641 文献标识码：A 文章编号：1006-3315（2015）04-137-002
一、引言
学习关系作为一种人际关系，是在以学生为中心，以课堂为基础，以获取知识为目的，在教与学的过程中所形成的人与人之间获取知识的内在表现。目前，对大学生的研究主要集中在分析大学生在社会、情感和认知等方面的功能，以及如何加强大学生学习的培养等，但是他们都忽视了大学生学习关系形成的内在因素及影响大学生学习关系发展的先天条件。
随着高等教育事业迅速发展，越来越多的学生进入大学殿堂，大学校园已成为一个大社会的缩影。在这样的一个大环境下，大学生相互之间学生、生活会形成怎么样的学习关系，它具备怎样的特点、特征，以及他们之间友谊关系和学习关系是否会产生相互影响，特别值得我们进行探讨。
本文主要通过问卷调查的方式，收集大学生通过一段时间的学习、生活、课外实践活动等形成的友谊与学习关系数据，再结合已有的文献资料，通过访谈、实地调研等方式，对数据进行有效性整理、统计。运用社会网络分析方法对数据进行系统化分析，得出学习关系社会网络结构特性，最后拟给出大学生友谊关系与学习关系网络之间的相关性验证。
二、大学生学习关系网络概况研究
人与人在学习活动中形成的学习关系，是一种关系数据，更适合从定量的角度出发，采用社会网络分析方法对学习关系量化处理，从量化角度探讨其网络结构特性，从侧面来研究影响大学生学习关系的相关因素。
（一）研究对象和内容
本文选取了某高校某院系三个专业的206位大学生作为研究对象，采取问卷调查的方式对他们的学习关系数据进行收集，其中男同学96名，女同学110名。
（二）研究方法和手段
社会网络分析法是一种社会学研究方法，本文将用UCINET6.0对大学生学习关系网络进行研究，主要从社群图、网络密度、平均路径长度、中心性、聚类系数、凝聚子群等方面来探索大学生学习关系网络的特征。
（三）数据统计
（1）网络社群图。我们运用Ucinet的NetDraw工具，得出学习关系网络的社群图，如图1。
从图1中我们可以看出，学习关系网络分为三个相对而言较大的子网，节点之间都有联系，没有一个孤立者。而实际数据是测试对象来自于三个不同的专业。
（2）学习关系网络结构特征。
1.密度。本文中学习网络的规模，即参与调查的所有成员，网络规模为206。密度（Density）反映了网络成员与成员之间的紧密程度。网络密度值越接近于1，则说明网络成员间联系的越紧密；越接近于0，说明网络成员之间联系不紧密。
测试得到网络密度值为0.02，远远小于1，表明学习关系网络的密度非常低，成员之间联系的紧密程度不高，同时也反映出同学之间交往能力不强或者是同学之间亲密程度不高。通过与实际情况相比较，部分学生存在厌学、弃学等现象。
2.中心性。中心性是对学生权利进行量化分析的一个重要指标。中心度是用来描述学习网络中每个学生占据的核心性。
分析得出网络点度中心度为4.40%，说明网络中成员和他人进行学习交流活动的比较少。网络中入度中心势为8.71%，说明网络中节点获得他人信息的比较少。另外，节点33、55、163、147、93、14、51的中心度比较高，通过实际查看，发现他们在班级中大多数是班干部。
3.平均路径长度。平均路径长度是指网络中任意节点间的平均距离，反映的是节点与节点之间（即网络成员之间）的紧密程度。如果计算出的平均距离值越小，且建立在平均距离基础上的凝聚力指数值越高，说明该网络的凝聚力越强，成员之间的关系越紧密；反之，则凝聚力越弱，成员之间紧密度越低。
本文中平均路径长度为6.269，凝聚力指数位0.193，表明该学习网络的凝聚力不高，成员之间的学习氛围不浓厚。
4.聚集系数。聚集系数（Overall graph clustering coefficient）反映的是整体网络的分派情况和聚类强弱的指标。
该学习关系网络的聚集系数为0.259，说明该学习网络中的聚类性一般，学生之间交流互动的不多。
5.凝聚子群。我们先对数据进行成分分析，发现该网络中只有1个成分，这一结果与图1所示的社群图分析一致，网络中没有一个孤立点。
我们对数据进行块模型分析，得出学习关系网络的子群分析结果如图2所示。从图2可以看出，学习关系网络分为7个子群，其中子群5的密度最大，为0.33，说明子群5中学生之间联系紧密，学习互动性高，通过对照学生信息，发现这些学生都是平时的积极、活跃分子，在学习过程中能与老师和和学生积极互动。
（3）朋友关系网络与学习关系网络的相关性验证
在教与学的过程中，大学生通过互动、小组学习、分组讨论等学习活动，形成了不同的友谊与学习关系，那么形成的友谊网络跟学习关系之间是否有一定的相关性呢？针对这个问题，我们运用ucinet的QAP特性，对友谊关系网络与学习关系网络进行分析，得出如下数据，见表1。
从分析结果我们可以看出，Obs value的值为0.391，significa值为0，说明友谊网络与学习关系网络之间是正相关的，友谊网络与学习关系网络存在一定的影响，两者在一定程度上相互重叠，友谊关系网络作用于学习关系网络，学习关系网络反作用于朋友关系网络，两者相辅相成。 （四）结果分析
通过运用社会网络分析方法对大学生学习关系网络进行分析，得出该测试群体的网络密度比较低，网络群体之间的联系不太紧密，其原因可能是由于大学生在学习的过程中积极性不够、兴趣不高，没有从高中的学习方式中走出来，因此高校教育者要引导学生积极参与学习活动，转变学习观念。
四、研究结论与意义
（一）大学生学习关系网络的特点
测试结果显示，大学生学习关系网络的密度、紧密度等数值比较低，因此我们应鼓励大学生进行更多的面对面的学习讨论与交流，更多的交互式的课外活动，促进他们之间相互了解，积极引导大学生学习关系健康有序发展。
（二）大学生学习关系网络的发展
大学生的学习关系不再是局限于课堂、生活、课外活动等产生，更多的形成于虚拟的网络世界中，因此高校教育不仅要从传统教育手段入手，也应当在虚拟的网络中给予大学生更多的支持，加强大学生学习关系网络的延伸。
（三）大学生友谊关系与学习关系网络的一致性
测试结果显示，大学生友谊关系与学习关系网络之间存在显著的正相关性，因此积极、健康合理的友谊关系有利于学习关系的培养，有利于学生的学习兴趣、学习效果等的提高以及个人的成长，反过来良好的学习关系也能促进朋友关系网络的加深。
我们选择大学生学习关系作为研究对象，其意义在于：
1.大学生在学习生活等过程中所形成的学习关系网络结构，就是一个复杂网络的模型，我们引入复杂网络的研究方法，分析大学生学习关系的特征，为加强大学生学习能力的培养、提高大学生的知识水平提供了新的视角。
2.大学作为一个高等教育机构，作为一个培养专业技术人才的摇篮，我们研究其学生的学习关系结构，对高校制定培养方案等提供了有效的依据。
五、研究展望
社会网络分析方式提供给我们一个更加精确的思路，从数字的角度给我们一个更加详实的视角，运用社会网络分析方式来研究当前教育中的一些现象，可以给我们展现一些意想不到的效果。本文的研究只是一个个案的研究，但测试数据仍存在一定的意义。笔者将在后续引入更多的实例来验证相关研究结论，做出更加准确的分析与结论。
参考文献
[1]Harris，J.R. Where Is the Child’s Environment？A Group Socialization Theory of Development[J]Psychological Review，1995，102（3）：458-489
[2]刘军.社会网络分析导论[M]北京：社会科学文献出版社，2004
[3]郭金龙，陆宇杰，许鑫.基于社会网络分析的大学生现实与虚拟社会人际关系研究，北京：清华大学出版社，2012.12
[4]王炳成，李洪伟.大学生咨询、信任与友谊关系研究——基于社会网络的视角，山西财经大学学报（高等教育版），2010年9月第13卷
[5]Sinha T.Supporting MOOC Instruction with Social Network Analysis[J].arXiv preprint arXiv：1401.2014.
关键词：大学生； 学习关系网络； 社会网络分析
中图分类号：G641 文献标识码：A 文章编号：1006-3315（2015）04-137-002
一、引言
学习关系作为一种人际关系，是在以学生为中心，以课堂为基础，以获取知识为目的，在教与学的过程中所形成的人与人之间获取知识的内在表现。目前，对大学生的研究主要集中在分析大学生在社会、情感和认知等方面的功能，以及如何加强大学生学习的培养等，但是他们都忽视了大学生学习关系形成的内在因素及影响大学生学习关系发展的先天条件。
随着高等教育事业迅速发展，越来越多的学生进入大学殿堂，大学校园已成为一个大社会的缩影。在这样的一个大环境下，大学生相互之间学生、生活会形成怎么样的学习关系，它具备怎样的特点、特征，以及他们之间友谊关系和学习关系是否会产生相互影响，特别值得我们进行探讨。
本文主要通过问卷调查的方式，收集大学生通过一段时间的学习、生活、课外实践活动等形成的友谊与学习关系数据，再结合已有的文献资料，通过访谈、实地调研等方式，对数据进行有效性整理、统计。运用社会网络分析方法对数据进行系统化分析，得出学习关系社会网络结构特性，最后拟给出大学生友谊关系与学习关系网络之间的相关性验证。
二、大学生学习关系网络概况研究
人与人在学习活动中形成的学习关系，是一种关系数据，更适合从定量的角度出发，采用社会网络分析方法对学习关系量化处理，从量化角度探讨其网络结构特性，从侧面来研究影响大学生学习关系的相关因素。
（一）研究对象和内容
本文选取了某高校某院系三个专业的206位大学生作为研究对象，采取问卷调查的方式对他们的学习关系数据进行收集，其中男同学96名，女同学110名。
（二）研究方法和手段
社会网络分析法是一种社会学研究方法，本文将用UCINET6.0对大学生学习关系网络进行研究，主要从社群图、网络密度、平均路径长度、中心性、聚类系数、凝聚子群等方面来探索大学生学习关系网络的特征。
（三）数据统计
（1）网络社群图。我们运用Ucinet的NetDraw工具，得出学习关系网络的社群图，如图1。
从图1中我们可以看出，学习关系网络分为三个相对而言较大的子网，节点之间都有联系，没有一个孤立者。而实际数据是测试对象来自于三个不同的专业。
（2）学习关系网络结构特征。
1.密度。本文中学习网络的规模，即参与调查的所有成员，网络规模为206。密度（Density）反映了网络成员与成员之间的紧密程度。网络密度值越接近于1，则说明网络成员间联系的越紧密；越接近于0，说明网络成员之间联系不紧密。
测试得到网络密度值为0.02，远远小于1，表明学习关系网络的密度非常低，成员之间联系的紧密程度不高，同时也反映出同学之间交往能力不强或者是同学之间亲密程度不高。通过与实际情况相比较，部分学生存在厌学、弃学等现象。
2.中心性。中心性是对学生权利进行量化分析的一个重要指标。中心度是用来描述学习网络中每个学生占据的核心性。
分析得出网络点度中心度为4.40%，说明网络中成员和他人进行学习交流活动的比较少。网络中入度中心势为8.71%，说明网络中节点获得他人信息的比较少。另外，节点33、55、163、147、93、14、51的中心度比较高，通过实际查看，发现他们在班级中大多数是班干部。
3.平均路径长度。平均路径长度是指网络中任意节点间的平均距离，反映的是节点与节点之间（即网络成员之间）的紧密程度。如果计算出的平均距离值越小，且建立在平均距离基础上的凝聚力指数值越高，说明该网络的凝聚力越强，成员之间的关系越紧密；反之，则凝聚力越弱，成员之间紧密度越低。
本文中平均路径长度为6.269，凝聚力指数位0.193，表明该学习网络的凝聚力不高，成员之间的学习氛围不浓厚。
4.聚集系数。聚集系数（Overall graph clustering coefficient）反映的是整体网络的分派情况和聚类强弱的指标。
该学习关系网络的聚集系数为0.259，说明该学习网络中的聚类性一般，学生之间交流互动的不多。
5.凝聚子群。我们先对数据进行成分分析，发现该网络中只有1个成分，这一结果与图1所示的社群图分析一致，网络中没有一个孤立点。
我们对数据进行块模型分析，得出学习关系网络的子群分析结果如图2所示。从图2可以看出，学习关系网络分为7个子群，其中子群5的密度最大，为0.33，说明子群5中学生之间联系紧密，学习互动性高，通过对照学生信息，发现这些学生都是平时的积极、活跃分子，在学习过程中能与老师和和学生积极互动。
（3）朋友关系网络与学习关系网络的相关性验证
在教与学的过程中，大学生通过互动、小组学习、分组讨论等学习活动，形成了不同的友谊与学习关系，那么形成的友谊网络跟学习关系之间是否有一定的相关性呢？针对这个问题，我们运用ucinet的QAP特性，对友谊关系网络与学习关系网络进行分析，得出如下数据，见表1。
从分析结果我们可以看出，Obs value的值为0.391，significa值为0，说明友谊网络与学习关系网络之间是正相关的，友谊网络与学习关系网络存在一定的影响，两者在一定程度上相互重叠，友谊关系网络作用于学习关系网络，学习关系网络反作用于朋友关系网络，两者相辅相成。 （四）结果分析
通过运用社会网络分析方法对大学生学习关系网络进行分析，得出该测试群体的网络密度比较低，网络群体之间的联系不太紧密，其原因可能是由于大学生在学习的过程中积极性不够、兴趣不高，没有从高中的学习方式中走出来，因此高校教育者要引导学生积极参与学习活动，转变学习观念。
四、研究结论与意义
（一）大学生学习关系网络的特点
测试结果显示，大学生学习关系网络的密度、紧密度等数值比较低，因此我们应鼓励大学生进行更多的面对面的学习讨论与交流，更多的交互式的课外活动，促进他们之间相互了解，积极引导大学生学习关系健康有序发展。
（二）大学生学习关系网络的发展
大学生的学习关系不再是局限于课堂、生活、课外活动等产生，更多的形成于虚拟的网络世界中，因此高校教育不仅要从传统教育手段入手，也应当在虚拟的网络中给予大学生更多的支持，加强大学生学习关系网络的延伸。
（三）大学生友谊关系与学习关系网络的一致性
测试结果显示，大学生友谊关系与学习关系网络之间存在显著的正相关性，因此积极、健康合理的友谊关系有利于学习关系的培养，有利于学生的学习兴趣、学习效果等的提高以及个人的成长，反过来良好的学习关系也能促进朋友关系网络的加深。
我们选择大学生学习关系作为研究对象，其意义在于：
1.大学生在学习生活等过程中所形成的学习关系网络结构，就是一个复杂网络的模型，我们引入复杂网络的研究方法，分析大学生学习关系的特征，为加强大学生学习能力的培养、提高大学生的知识水平提供了新的视角。
2.大学作为一个高等教育机构，作为一个培养专业技术人才的摇篮，我们研究其学生的学习关系结构，对高校制定培养方案等提供了有效的依据。
五、研究展望
社会网络分析方式提供给我们一个更加精确的思路，从数字的角度给我们一个更加详实的视角，运用社会网络分析方式来研究当前教育中的一些现象，可以给我们展现一些意想不到的效果。本文的研究只是一个个案的研究，但测试数据仍存在一定的意义。笔者将在后续引入更多的实例来验证相关研究结论，做出更加准确的分析与结论。
参考文献
[1]Harris，J.R. Where Is the Child’s Environment？A Group Socialization Theory of Development[J]Psychological Review，1995，102（3）：458-489
[2]刘军.社会网络分析导论[M]北京：社会科学文献出版社，2004
[3]郭金龙，陆宇杰，许鑫.基于社会网络分析的大学生现实与虚拟社会人际关系研究，北京：清华大学出版社，2012.12
[4]王炳成，李洪伟.大学生咨询、信任与友谊关系研究——基于社会网络的视角，山西财经大学学报（高等教育版），2010年9月第13卷
[5]Sinha T.Supporting MOOC Instruction with Social Network Analysis[J].arXiv preprint arXiv：1401.2014.