李新 等丨协作学习情境中学习投入数字化表征模型的构建与应用

【刊载信息】李新，李艳燕. 2022. 协作学习情境中学习投入数字化表征模型的构建与应用[J].中国远程教育（8）：70-77.

【摘要】在协作学习中，如何对个体学习者的学习投入进行有效监测与评价并挖掘其内在特征与演变规律成为研究者面临的重要挑战。本研究基于协作学习投入理论、自我调节学习理论构建了协作学习情境中学习投入的数字化表征模型，指出该情境中的学习投入具有多维性、情境性、时序性、连续性等特征，同时提出了可操作的指标体系。随后，在协同写作学习场景中应用该模型，通过分析学生的录屏、对话、学习视频等数据，探究协作学习中的学生学习投入情况。研究结果表明：学习者在行为投入上比较稳定，但是在认知投入和社会投入上呈现“倒U形”变化趋势；行为投入、认知投入、社会投入以及学业成绩存在互惠的内在关系；浅层投入型、中等投入型、深层投入型的学习者在各维度上的投入并不均衡。本研究构建的学习投入数字化表征模型能够较为全面地刻画学生的学习投入，有助于揭示学习投入的本质特征和演变规律。

【关键词】协作学习；学习投入；协同写作；自我调节；多模态数据；数字化表征模型；指标体系；案例研究

一、

问题提出

协作学习为学习者提供了一起解决问题的机会，有助于培养学生的协作交流能力、问题解决能力、批判性思维等（Ferreri & O’connor, 2013），是当今学习者的主要学习方式之一。但是由于协作学习中“搭便车”现象的存在，努力学习的学生往往会感到不公平，在协作学习时可能放弃努力，影响学习投入（Hutter & Diehl, 2011）。造成这一现象的原因在于缺乏学习投入的有效测评方式（Zhang, Meng, Pablos, & Sun, 2019）。协作学习具有明显的社会性和交互性特征，学生的学习投入不仅受自身学习状态的影响，还将受到同伴交互情况的影响，导致该情境中的学习投入与传统学习相比更加复杂（Järvelä, Järvenoja, Isohätälä, & Sobocinski, 2016）。从另一个角度来看，投入是保证学生学习和学业成功的前提，而且学习投入作为一种元结构，可以观察到学生的行为、动机和情感等多维学习特征（Fredricks, Filsecker, & Lawson, 2016），因此关注个体的学习投入有助于促进其在群体协作过程中更好地取得学业成功。

然而，在协作学习情境中已有的学习投入测评一方面以传统自我报告测评方式为主，缺乏对学习投入动态变化过程的关注，另一方面忽视了同伴交互对个体学习投入的影响。因此，进一步厘清协作学习与传统学习中学习投入的差异，构建协作学习情境中学习投入的测量指标，有助于解决协作学习中部分学习者学习投入不高的问题。

二、

相关研究综述

（一）协作学习情境中学习投入的概念界定

学习投入是行为、学业、认知、情感等指标的融合，体现出学生在学习过程中的参与程度和努力程度（马婧, 2020）。目前学界普遍将学习投入界定为一个多元结构，包括行为投入、认知投入、情感投入（Fredricks, Blumenfeld, & Paris, 2004）。在协作学习情境中，研究者将个体学习投入拓展到小组层面。比如，辛哈等（Sinha, Rogat, Adams-Wiggins, & Hmelo-Silver, 2015）基于协作学习情境的特点，将协作学习投入界定为行为投入、认知投入、社会投入和概念—结果投入。行为投入强调小组成员在完成共同任务时做出的贡献；认知投入指学生在完成任务时对小组活动的计划、监控和评价；社会投入强调群体社会情感互动质量；概念—结果投入强调学生使用专业学科知识和实践技能来解决现实问题。加维拉等（Järvelä, Järvenoja, Isohätälä, & Sobocinski, 2016）则将交互视为协作学习投入的关键特征，并将其分为认知交互和情感交互。认知交互是指学习者间进行的观点分享、知识建构、问题解决等；情感交互则与辛哈等提出的社会情感互动质量相似，是指学习者间情感、动机的交互，以及增强小组凝聚力等行为。

基于已有研究成果，本研究将协作学习情境中的学习投入界定为行为投入、认知投入和社会投入。其中，行为投入是指学习者参与共同任务的行为；认知投入是指学习者间的知识建构与问题解决；社会投入强调学习者之间的社会情感互动质量。

（二）协作学习情境中学习投入的测评方法

如何科学、准确地表征和监测学生的学习投入是提升学生学习状态的关键（张琪, 等, 2021）。在协作学习情境中，学习投入的测评主要以视频编码和自我报告为主，视频编码的数据来源主要是学生的学习录像，自我报告则主要依靠学生的主观感受。刘等（Liu, Liu, & Liu, 2018）采用视频编码、学业成绩和自我报告的方式分别对行为投入、认知投入和情感投入进行测评。加维拉等（Järvelä, Järvenoja, Isohätälä, & Sobocinski, 2016）采用视频编码的方式分析学生的学习投入与调节学习的关系。辛哈等（Sinha, Rogat, Adams-Wiggins, & Hmelo-Silver, 2015）采用视频编码的方式分析了协作小组的学习投入变化过程。李艳燕等（2020）则采用文本编码和日志分析的方式分析了在线协作学习中小组学习投入的基本情况。综合已有研究发现：①已有研究在测评学习投入时没有构建明确的指标体系，大多是将已有编码表进行改编或整合来表征学生的学习投入；②已有研究关于学习投入的测评大多来源于单一数据，如视频数据、文本数据、自我报告数据等，并没有将多源数据进行整合分析；③学习本身作为一种动态变化的过程，学习投入随着学习的持续进行也在动态波动，但已有研究对学习投入的测评大多局限在单一时间点。

基于此，本研究尝试在梳理学习投入概念和指标体系的基础上构建协作学习情境中学习投入的数字化表征模型，融合学生的学习视频、对话文本、学习平台等多源数据，共同表征学习投入的多维特征。随后，基于该表征模型开展过程导向的实证研究，即探究学生学习投入在不同阶段的演变规律，帮助教师、学习者和研究人员更好地分析和监测学生的协作学习过程，提高协作学习质量。

三、

协作学习中学生学习投入数字化表征模型

（一）理论基础

1. 协作学习投入理论

基尔斯利等（Kearsley & Shneiderman, 1998）于1998年提出的协作学习投入理论包括联系、创造和贡献三个要素，强调学生为了学业成功必须与他人进行互动并投入有意义的学习活动中。联系要求个体学习者建立研究问题和学习目标间的关联，并确定解决问题的方案；创造是指学生通过定义项目或问题域，将想法应用到特定的情境或任务上，体现出学生对任务活动的创造性和控制感；贡献强调学生在学习中做出有价值的贡献，即个体在解决问题的过程中对群体的贡献程度。

2. 自我调节学习理论

自我调节学习是一种使用认知、动机和行为策略系统调节学习过程以实现学习目标的学习活动（Fasikhah & Fatimah, 2013），包括计划、监控、调整和评价四个阶段（Zimmerman & Barry, 1989）。自我调节学习是一个周期性和适应性的过程，这与学习过程的动态变化以及学习投入的动态波动特征相匹配。在协作学习过程中，学习者在有效规划、监控和适应协作学习等方面面临困难，研究学习投入能够更好地为学生的调节学习提供支持（Setiani & Wijaya, 2020）。因此，将学习投入和自我调节学习理论相结合，可以整合两种理论的优势，为学生的认知、动机和情感调节提供“主动适应”，同时学生通过“主动适应”又能够更好地投入学习，完成学习任务。

（二）协作学习中学生学习投入模型构建

协作学习作为一种通过小组形式组织学习的策略，小组成员的自我调节学习是有效完成任务的关键，是学习投入动态变化的内在表征；学习者通过在行为、认知和社会上的投入，将个体的创造性应用在集体任务中，体现出个体对协作任务的控制性；学习者通过自主学习、互动交流和协作分工等行为体现出个体对协作任务的贡献，是学习投入的外在体现。基于此，本研究构建了如图1所示的协作学习情境中学生学习投入理论模型，包括自我调节学习过程层、学习投入表征层、协作学习活动层。

图1 协作学习情境中学生学习投入理论模型

1. 调节学习过程层

在协作学习情境中，自我调节学习包括计划、监控、调整和评价等过程，使得学习者可以主动调整其行为、认知、情感、动机、社交等认知活动，培养元认知技能，以更好地适应学习环境和任务要求，是保持学习投入、取得学业成功的关键。

2. 学习投入表征层

学习投入表征层是联系调节学习过程层和协作学习活动层的纽带，包括行为投入、认知投入、社会投入。行为投入是指学生在协作学习过程中积极参与共同学习任务的行为；认知投入是指学生在协作过程中为了实现共同的认知目标而进行的知识建构、观点论证、问题解决等学习活动；社会投入是指小组成员的社会情感互动质量。此外，基于已有研究成果发现，协作学习情境中的学习投入具有多维性、情境性、时序性和连续性等特征，即学习投入是一个包含多维结构的集合体，在协同写作、协作问题解决和协同论证等不同的协作情境中具有不同的时间特征和演变规律，同时各阶段的投入状态受上一阶段学习行为或学习策略的影响。

3. 协作学习活动层

协作学习情境中学习者的主要活动包括自主学习、互动交流和协作分工三个方面（毛刚, 等, 2016），在持续的行为投入、认知投入、社会投入的作用下达成学习目标，这是学习者外部投入状态的表征，也是评价协作任务完成情况的重要依据。

（三）协作学习中学生学习投入度量指标

学习投入表征层是测量和评价学生学习投入的主要依据，因此学习投入的度量指标主要是对其表征层进行测评。已有研究发现，单维数据无法精准刻画学生学习投入多维的特征属性，亟须多源数据来表征学生的学习投入变化情况。随着越来越多的数据收集工具进入教学场景，使得采集学习者的多模态数据成为可能，而基于多模态数据表征学习投入也将成为发展趋势（李新, 李艳燕, 2021; 王丽英, 等, 2020）。基于已有研究成果，本研究对协作学习情境中学习投入的指标进行了具体的描述，如表1所示。

表1 协作学习情境中学生学习投入模型的度量指标

四、

协作学习中学生学习投入的案例研究

作为协作知识建构的一种具体实践形式，协同写作具有潜在的教学效益（李艳燕, 等, 2021）。因此，为了更好地对协作学习情境中的学生学习投入进行监测与评价，本研究通过招募被试的方式开展英文协同写作活动，并采用录屏软件、录音笔、摄像机、协作学习平台等工具收集学习者在协作学习过程中的行为、认知、社会情感等数据。

（一）研究设计

研究案例总共招募到24名参与者，分为8组，每组3人。活动任务是要求学习者根据给出的8篇游戏化学习主题的英文摘要，协作撰写一份不少于250个词的英文文献综述。本研究团队基于开源协作编辑器Etherpad开发的协同写作平台（见图2）为实验研究提供支持，包括工具栏、聊天区、团队计划模块、协同写作模块、任务要求模块和个人反思模块，如图2所示。

图2 协同写作平台界面

（二）数据收集与处理

本研究通过摄像机、录音笔、录屏软件、学习平台等方式收集学习者的录屏数据、对话文本数据、学习视频数据和学业表现数据。其中，行为投入通过对录屏数据进行编码分析来表征，认知投入通过对对话文本进行内容分析来表征，社会投入通过对学习录像进行编码分析来表征，学习成绩通过对小组提交的文献综述进行打分获得。

数据收集完成后，对协作学习活动中产生的学习行为、对话文本、学习录像等按照时间序列进行筛选、整理、编码。首先，将录音数据转为文本，并标记学习者角色；其次，将录屏视频、学习者对话信息、视频录像等按照时间线对齐，同步学习者的学习行为、对话等内容；最后，采用NVivo 12软件基于学习投入编码表对收集到的数据进行编码分析。在正式编码前，本研究选取20%的数据对两位编码者之间的编码一致性进行效度检验，编码一致性为82.9%，并经过协商讨论最终全部达成一致。

（三）研究结果与分析

1. 协作学习中学生学习投入的基本情况

对协作学习情境中学生学习投入进行描述性统计分析发现，学生在行为投入上以阅读资料为主，其次是撰写文档，其他行为出现的频次较低；在认知投入上主要以解释相关问题的次数以及分析相关问题并给出理由的次数为主，其他维度上的认知投入较少；在社会投入上主要以主动倾听和鼓励参与为主，缺少提升凝聚力和提供社会情感支持等社会行为。

随后，本研究以标准分的方式对8个小组的投入情况进行了比较分析，如表2所示。其中，对行为投入、认知投入和社会投入分别进行了标准分的计算。结果发现，第3组和第4组在行为投入、认知投入和社会投入上整体较好，但是第4组在认知和社会两个维度上更加投入，因此本研究将第4组作为探索性研究的案例进行分析。

表2 各小组协作学习中学习投入分析

注：表中数值为行为投入、认知投入、社会投入三个维度的标准分。

2. 协作学习中学生学习投入的演变规律

根据协作活动类型和特点，在人工编码阶段将学习者的学习活动分为自主学习（阅读英文摘要）、互动交流（讨论英文摘要）和协作分工（撰写文献综述）三个阶段。从行为投入动态变化可以发现，三位学习者的行为投入整体比较稳定，即阅读资料（BE1）、撰写文档（BE4）等主要学习行为在三个任务阶段均有出现，如图3所示。

图3 第4组学生行为投入动态变化趋势

从认知投入动态变化方面可以发现，三位学习者的认知投入均呈现“倒U形”变化趋势（见图4），这与本研究对认知投入的测评主要依据话语文本有关。其中，学生1在互动交流阶段以提出问题（CE1）和陈述观点（CE2）为主，在协作分工阶段中提出问题（CE1）、陈述观点（CE2）和反思任务（CE3）三个维度分布均衡；学生2在互动交流阶段以陈述观点（CE2）为主，而且占比在三位学习者中最高，属于高密度输出型；学生3的认知投入虽然也在互动交流阶段最为密集，但是其在陈述观点（CE2）上的认知较少。

图4 第4组学生认知投入动态变化趋势

从社会投入的变化来看，三位学习者的社会投入大致呈现“倒U形”趋势（见图5），且均在互动交流阶段最高，主动倾听（SE1）和鼓励参与（SE2）相对同步，因为该阶段主要是学习者围绕协作任务进行讨论交流。其中，学生1的社会投入最为积极，并且在协作分工阶段会主动为同伴提供情感支持（SE4）；学生2在互动交流阶段以鼓励参与（SE2）为主，发言较多；学生3的社会投入虽然整体投入呈上升趋势，但是投入程度较低。

图5 第4组学生社会投入动态变化趋势

本研究进一步分析该组学生学习投入变化的深层次原因。一方面，学生1和学生2在访谈中表示自己的学习习惯一直比较认真和投入，另外本次学习活动具有明确目标，能够督促其更好地完成学习任务；另一方面，学生1在协作过程中发挥了领导作用，能够把控活动进程，组织同伴讨论，说明协作学习中分配成员角色在一定程度上有助于促进协作学习效果的提升。从变化趋势来看，学生学习投入的变化趋势与协作活动类型和阶段相关，学习者在自主学习阶段倾向于阅读提供的英文摘要，随后在互动交流阶段围绕英文摘要进行讨论，最后在协作分工阶段各自撰写文献综述，导致学习者的行为投入、认知投入和社会投入在三个阶段分别呈现了不同的特征。

3. 协作学习中学生学习投入的内在关系

为了进一步厘清学习投入各维度及其与学业成绩之间的相关关系，本研究采用皮尔逊相关系数对已有指标进行相关分析，得到的相关性矩阵如表3所示。整体来看，协作学习情境中的学习投入各维度间存在一定的互惠关系，但是行为投入和认知投入以及社会投入之间的互惠关系较弱，而认知投入和社会投入之间的互惠关系较强，同时也发现个体行为投入、认知投入和社会投入均在一定程度上能够促进小组的学业成绩，体现出个体学习投入对小组协作学习效果的影响。

表3 协作学习中学习投入相关分析矩阵

注：*表示在0.05 水平（双侧）上显著相关；**表示在0.01 水平（双侧）上显著相关；SC表示学业成绩。

4. 协作学习中学生学习投入类型的特征聚类

基于对协作学习情境中学生学习投入的整体认知，本研究采用K-Means聚类方法将学习者聚成三类，即浅层投入型、中等投入型和深层投入型（见图6）。其中，浅层投入型学习者占比最高，该类学习者在行为、认知和社会三个维度上的投入水平都较低；中等投入型学习者有5名，该类学习者在行为投入上表现最好，在认知投入和社会投入介于浅层投入型和深层投入型之间；深层投入型学习者有3名，该类学习者行为投入整体比较均衡，而且在认知和社会维度投入较高，但是在三类学习者中占比最少。从聚类结果可以看出：大部分学习者属于浅层投入型，其原因可能与协同写作的任务难度和学习者的先验知识水平有关。

图6 协作学习中学生学习投入类型的特征聚类

五、

讨论

学习投入作为一个包含多维结构的复合概念，基于多模态数据表征学生的学习投入将成为趋势（李新, 等, 2021b）。本研究基于学习投入的数据指标体系，通过录屏软件、录音笔、摄像机等采集学习者的学习行为、互动交流、身体姿态等多模态数据，较为全面地刻画了协作学习情境中学生的学习投入状态，并且将学习者聚成浅层投入型、中等投入型、深层投入型，发现各类学习者在认知、行为与社会等维度上的投入并不均衡。

在协作学习活动中，学习者一般会进行持续性的行为投入，但是认知投入和社会投入呈现“倒U形”，即可能在某个阶段达到峰值，而在其他阶段投入较低。这说明学习投入本身是一个动态变化的过程，研究学习投入如何随时间变化，可以帮助教育研究者更准确地监测小组协作过程，分析学习投入的内在演变机制，提供有针对性的干预和指导。已有相关研究也强调将学习投入“事件化”，而非“能力化”。比如，辛哈等（Sinha, Rogat, & Adams-Wiggins, 2015）采用编码方式刻画了协作学习小组在一堂课中的学习投入变化趋势，用低、中、高三个层级来表征小组投入的变化情况，体现出学习投入的动态波动属性；金姆等（Kim & Kim, 2020）通过收集学习者的在线学习数据分析了学习者在协同写作活动中的学习行为变化情况，即反馈、回复和反思等，发现随着学习活动的持续进行学习者的交互行为大多呈现波浪式上升趋势。整体来看，将学习投入界定为一种包含活动前、活动中和活动后的“事件”，而非固定不变的“能力”，已经成为新的研究趋势，这不仅有助于我们加深对学习投入本质特征的理解，还能够更好地监测学生的学习进程，进而提供有针对性的干预和指导。

学习投入各要素之间的关系一直备受研究者关注。本研究对协作情境中学习投入子维度间关系进行了相关分析，结果表明学生的行为投入、认知投入、社会投入和学业成绩在一定程度上存在互惠关系。但是已有研究针对这些要素间的关系并没有达成一致。比如，弗雷德里克斯等（Fredricks, et al., 2004）指出行为投入是认知投入和情感投入的载体，很难单独界定行为投入和其他投入间的关系；金姆等（Kim & Kim, 2020）同样指出，行为、动机、情感等概念相互重叠，很难清晰地界定清楚各要素间的关系。但也有研究者发现，在英文协同写作中学生的行为投入、认知投入和情感投入并不存在明显的正相关关系，有些学习者虽然在行为上比较投入，但是其认知投入或情感投入并不理想（Koltovskaia, 2020）。已有研究成果说明当前学界对学习投入的构念和定义并不一致，同时也并未真正厘清学习投入各要素间的关系，这在一定程度上影响学习投入领域的研究进展，同时也为未来研究提出了参考方向。本研究通过对第4组学生的深入分析发现，该组学生学习投入较高的原因除了自身的主观能动性外，明确的学习目标和领导者角色的存在也是该组学生学习投入较高的潜在原因。已有研究也提出协作学习活动任务设计时需要明确学习目标（何文涛, 等, 2021），同时指出协作学习活动中集体责任和个体生成角色之间存在相互促进、动态演进的复杂关系（斯琴图亚, 2020），这也进一步强调了在协作学习活动中设计角色脚本的重要性。

六、

总结

学习投入一直以来都是学生取得学业成功的重要条件（Wong & Liem, 2021）。现有学习投入的测评方法阻碍着我们对其本质特征的理解和可持续监测，同时也导致协作学习情境中存在不均衡投入的现象，影响小组的协作学习效果。基于此，本研究提出了协作学习情境中学生学习投入的数字化表征模型和指标体系，并在此模型下收集学生的多模态数据来监测个体学习者在协作学习中的学习投入状态。研究发现，多模态数据能够较为全面地刻画学生各维度的学习投入，为深入揭示学习投入的本质特征提供了可能，同时也为实时监控学生学习投入的动态演变规律创造了条件，有助于教师更好地监测和评价学生在协作学习情境中的学习投入状态。本研究虽然取得了一定的研究成果，但是仍存在一些局限。首先，本研究的研究样本量较少，导致部分研究结论的可推广性可能难以扩大到更大的整体；其次，协同写作活动的难度以及学习者的先验知识可能在一定程度上影响学生的学习投入；最后，在多模态数据采集方面缺少生理数据，一定程度上影响对学生情感特征的表征。未来的研究一方面将继续完善优化本研究提出的学习投入数字化表征模型，使其能够适用于不同类型的学习活动设计，另一方面将扩大研究样本，同时基于研究结果对协作学习情境中的学习活动进行适当干预，提升学生的学习投入和协作质量。

参考文献

向上滑动阅览

何文涛，梁晨，庞兴会，等. 2021. 协作学习活动设计的困境与出路[J]. 电化教育研究（3）：103-110.

李新，李艳燕. 2021. 基于系统性文献综述的国外学习投入实证研究分析[J]. 现代远程教育研究（2）：73-83，95.

李新，李艳燕，包昊罡，等. 2021. 学习投入测评新发展：从单维分析到多模态融合[J]. 电化教育研究（10）：100-107.

李艳燕，彭禹，康佳，等. 2020. 在线协作学习中小组学习投入的分析模型构建及应用[J]. 中国远程教育（2）：40-48，77.

李艳燕，张慕华，彭禹，等. 2021. 在线协同写作中组内、跨组群体感知信息对小组学习投入的影响[J]. 现代教育技术（10）：49-58.

马婧. 2020. 混合教学环境下大学生学习投入影响机制研究——教学行为的视角[J]. 中国远程教育（2）：57-67.

毛刚，刘清堂，吴林静. 2016. 基于活动理论的小组协作学习分析模型与应用[J]. 现代远程教育研究（3）：93-103.

斯琴图亚. 2020. 在线协作学习中的集体责任与个体生成角色[J]. 现代教育技术（3）：66-72.

王丽英，何云帆，田俊华. 2020. 在线学习行为多模态数据融合模型构建及实证[J]. 中国远程教育（6）：22-30，51，76.

张琪，王丹. 2021. 智能时代教育评价的意蕴、作用点与实现路径[J]. 中国远程教育（2）：9-16，76.

Fasikhah, S. S., & Fatimah, S. (2013). Self-regulated learning (SRL) dalam meningkatkan prestasi akademik pada mahasiswa. Jurnal Ilmiah Psikologi Terapan, 1(1), 145-155.

Ferreri, S. P., & O’Connor, S. K. (2013). Redesign of a large lecture course into a small-group learning course. American journal of pharmaceutical education, 77(1),1-9.

Fredricks, J. A., Blumenfeld, P. C., & Paris, A. H. (2004). School engagement: Potential of the concept, state of the evidence. Review of educational research, 74(1), 59-109.

Fredricks, J. A., Filsecker, M., & Lawson, M. A. (2016). Student engagement, context, and adjustment: Addressing definitional, measurement, and methodological issues,43:1-4.

Fredricks, J. A., Hofkens, T. L., & Wang, M.-T. (2019). Addressing the challenge of measuring student engagement. In K. A. Renninger & S. E. Hidi (Eds.), The Cambridge handbook of motivation and learning. Cambridge University Press.

Heflin, H., Shewmaker, J., & Nguyen, J. (2017). Impact of mobile technology on student attitudes, engagement, and learning. Computers & Education, 107, 91-99.

Hütter, M., & Diehl, M. (2011). Motivation losses in teamwork: The effects of team diversity and equity sensitivity on reactions to free-riding. Group Processes & Intergroup Relations, 14(6), 845-856.

Isohätälä, J., Näykki, P., Järvelä, S., & Baker, M. J. (2018). Striking a balance: Socio-emotional processes during argumentation in collaborative learning interaction. Learning, Culture and Social Interaction, 16, 1-19.

Järvelä, S., Järvenoja, H., Malmberg, J., Isohätälä, J., & Sobocinski, M. (2016). How do types of interaction and phases of self-regulated learning set a stage for collaborative engagement?. Learning and Instruction, 43, 39-51.

Järvelä, S., Volet, S., & Järvenoja, H. (2010). Research on motivation in collaborative learning: Moving beyond the cognitive-situative divide and combining individual and social processes. Educational psychologist, 45(1), 15-27.

Kearsley, G., & Shneiderman, B. (1999). A framework for technology-based teaching and learning. Engagement Theory, 38(5):20-23.

Kim, M. K., & Kim, S. M. (2020). Dynamic learner engagement in a wiki-enhanced writing course. Journal of Computing in Higher Education, 32(3), 582-606.

Koltovskaia, S. (2020). Student engagement with automated written corrective feedback (AWCF) provided by Grammarly: A multiple case study. Assessing Writing, 44(2):1-12.

Kreijns, K., Kirschner, P. A., & Jochems, W. (2003). Identifying the pitfalls for social interaction in computer-supported collaborative learning environments: a review of the research. Computers in human behavior, 19(3), 335-353.

Liu, M., Liu, L., & Liu, L. (2018). Group awareness increases student engagement in online collaborative writing. The Internet and Higher Education, 38, 1-8.

Malmberg, J., Järvenoja, H., & Järvelä, S. (2013). Patterns in elementary school students' strategic actions in varying learning situations. Instructional Science, 41(5), 933-954.

Reeve, J., & Tseng, C. M. (2011). Agency as a fourth aspect of students' engagement during learning activities. Contemporary Educational Psychology, 36(4), 257-267.

Rogat, T. K., & Adams-Wiggins, K. R. (2015). Interrelation between regulatory and socioemotional processes within collaborative groups characterized by facilitative and directive other-regulation. Computers in Human Behavior, 52, 589-600.

Rogat, T. K., & Linnenbrink-Garcia, L. (2011). Socially shared regulation in collaborative groups: An analysis of the interplay between quality of social regulation and group processes. Cognition and Instruction, 29(4), 375-415.

Setiani, S., & Wijaya, E. (2020). The Relationship Between Self-Regulated Learning With Student Engagement in College Students Who Have Many Roles. In The 2nd Tarumanagara International Conference on the Applications of Social Sciences and Humanities (TICASH 2020) ,10,307-312.

Sinha, S., Rogat, T. K., Adams-Wiggins, K. R., & Hmelo-Silver, C. E. (2015). Collaborative group engagement in a computer-supported inquiry learning environment. International Journal of Computer-Supported Collaborative Learning, 10(3), 273-307.

Wong, Z. Y., & Liem, G. A. D. (2021). Student Engagement: Current State of the Construct, Conceptual Refinement, and Future Research Directions. Educational Psychology Review, 1-32.

Xu, B., Chen, N. S., & Chen, G. (2020). Effects of teacher role on student engagement in WeChat-Based online discussion learning. Computers & Education, 157,1-11.

Zhang, X., Meng, Y., de Pablos, P. O., & Sun, Y. (2019). Learning analytics in collaborative learning supported by Slack: From the perspective of engagement. Computers in Human Behavior, 92, 625-633.

Zimmerman, B. J. (1989). A social cognitive view of self-regulated academic learning. Journal of educational psychology, 81(3), 329-339.

作者简介

李新，博士研究生；李艳燕，博士，教授，博士生导师，本文通讯作者。北京师范大学教育技术学院（100089）。

基金项目：本文系北京市自然科学基金项目“面向数字社会发展的智慧教育支持服务关键技术研究”（项目编号：9222e19）的阶段性成果。

责任编辑：郝丹

2022年第8期目次