作者：杨开城，林凡
转载请注明出处
对教学系统分析技术的研究能引导研究者更加深入地理解教学系统。教学系统的分析实际上就是用另外一种编码体系来表征自然语言表征的教学系统。我们把教学系统理解为由IPL、IPM和IPT以及它们的{X}和{Y}再加上表达社会性共享知识集合IIS所构成的功能耦合系统。按照这个教学系统结构图式，教学系统分析的操作分四步走：⑴绘制IIS初始图;⑵确定IIS的输入信息项的过程序列；⑶根据实际需要将IIS输入信息项中的数据转化为IIS图的标注信息。⑷对标注信息进行解释。我们对大学本科课程《数据结构》、《教学设计》的教学进行了实证研究。结果表明，知识点的激活量与知识点的学习效果之间呈正相关，这里的激活量是一种按照特定算法计算出来的知识点的属性值。
关键词：教学系统、系统建模、IIS图分析法
注：为方便阅读【 】中的内容为论文发表时的脚注内容
一、引言
教学系统分析之所以能广泛引起研究者的兴趣，是因为这种研究可以避开逻辑思辨和简单的实证，引导人们逐渐深入地理解教学系统。我们至少可以从两个视角对教学进行细致的分析。一种视角将教学看作是人类行为系统，分析行为与功能之间的关系；另一种视角将教学看作是具有特定功能的信息系统，分析信息流与功能之间的关系。
从行为系统的角度对教学分析的研究，大致关注两个方面：一个方面是研究特定行为的教学价值。比如，有研究者在考察成人学习者的学习持久性与教学交互之间的关系时，发现26％的学习者认为，异步讨论对他们的坚持学习有促进作用[1]。也有研究者关注不同类型的交互与学习效果的关系。研究表明，与计算机介入的交互相比，面对面的交互中能够发生更多的学习[2]。
从行为系统的角度对教学分析研究的另一个方面，是对交互进行细致解释学分析。要完成交互的分析研究，研究者首先需要建立一个交互行为的概念模型，然后是建立编码系统来准确表征交互过程，最后利用自动化分析系统提供分析结论。
交互角色及其行为的编码是整个交互研究的核心部分。不同的研究者会提出不同的编码体系。交互的复杂性，使得各研究者对行为进行编码时采用了不同的词汇。各种分析方案所选择的角色和行为的分类体系（categories）的不相容性加剧了交互分析的低可靠性[3]。我们的经验表明，为行为建立分类学意义上的编码体系几乎不可能。此外，在操作过程中，将角色的行为进行具体归类也会面临困难。同样的言语行为（文本上的），加上语气、肢体语言（录像中的），就可能归于不同的类型[4]。特别是，如果交互分析的是视频流，那么视频流的切分因为没有一个客观参照而充满了任意性。尽管如此，交互分析系统还是能够帮助教师看到教学的一些细节，对改进教学具有一定的辅助作用。然而，基于行为系统的教学分析却很少对教学系统的设计提供直接的帮助。
本文介绍一种以信息系统为视角的教学系统分析方法。这种方法试图揭示教学系统的信息流动背后的知识社会性建构水平。这种方法使用了一种被称为IIS图的结构，因而被称为IIS图分析法。
二、教学系统的IIS图分析法
（一）IIS图分析法对教学系统的建模与表征
我们认为，教学系统总体功能是教师通过有效的干预来帮助学生完成对知识、技能和价值观的自我建构。教学系统采用的是可观察、可控制的信息手段。因此，教学系统是一种教师、学生和具有信息处理能力的媒体(后文称信息媒体)这三个信息处理主体之间信息流动的系统。表征教学系统的概念模型必须能反映教师、学生和信息媒体这三类主体之间的信息流动的关系。并且，这种概念模型还要反映这种多主体之间的信息流动对于社会性知识建构的贡献。因此，我们尝试着用图1所示的概念模型来表达教学系统[5]，其中IPT、IPL(我们用2个IPL表达多个学生的参与)和IPM分别代表教师、学生和信息媒体对信息的处理。这种内部的信息处理是透明的、不可见的。但是它们的输入和输出是可见的，表达为{X}和{Y}。由于输出{Y}用于信息共享，因此将{Y}的整体抽象概括成一个信息集合，被称为教学信息集合( InstructionalInformation Set,简称为IIS集)。这个IIS集代表着多主体之间的社会性知识建构的结果。有了IIS集，我们将{Y}看作是IIS集的输入信息项，将{X}看作是IIS集的输出信息项。当然，所有信息流动都不是在真空中完成的，而是在特定的环境条件下完成的。
基于这种概念框架，我们对教学系统的分析，需要确定三种信息的表征。
图 1 教学系统概念模型
（1） IIS的输入信息项{Y}的表征【{X}最终是某个{Y}，所以对{X}是不需要分析的】
IPT的{Y}是指教师在教学过程中输出的信息(包括用特定媒体工具表达的信息)，比如言语陈述、表演、板书等；IPM的{Y}是指教师或学生操作信息媒体时，从媒体中探索出来的信息。IPL的{Y}是指学生在教学过程中创生的信息，比如言语陈述、回答问题、记录笔记等。
为了进行教学系统分析，我们必须关注IIS的输入信息项的这些属性：贡献者、信息类型、对应的知识网络、操作、表征形态、信息质量等。这些属性与教学效果之间有着直接或间接的联系。具体来说，输入项的表征格式是：
a.
b.操作>是指IPx输出的目标层次，包括辨别，回忆，理解，运用。
c.信息类型>分类2大类：事实类信息和价值类信息。事实类信息继续细分为①目标描述；②情境；③知识语义；④事实和范例(包括现象、问题和任务)；⑤答案；⑥管理指令(反馈、评价、指导、惩罚、训斥等)；⑦方法描述；⑧其他相关信息；⑨不相关信息。
d.表征形态>可以区分①为文本T；②声音S；③图形G；④图像P；⑤图表Tb；⑥视频V；⑦动画A；⑧实物R；⑨肢体语言B。
e.知识子集>是指{Y}所反映的IIS集的子集，可以用知识点序列来表示。只有当信息类型是“知识语义”、“事实和范例”和“答案”时，才存在知识子集>属性。如果信息项是答案，此处可以是表征问题的那个IPx_n。如果知识子集>不空，我们称这个信息项激活了该知识子集。
f.持续时间>是指信息项所对应的信息流持续的时间长度。
g.信息质量>可以区分为优、良、中、差，默认为“优”。
h.{内容注释}用于简要介绍该项信息的具体内容。
（2） IIS输入信息项{Y}的序列表征
IIS输入信息项的序列并不一定是线性序列，可能包含有并发特征。我们可以用图2所示的可视化方式表达它。为了能够相互区分，我们可以将IPT的信息项放在时间轴的上方，其他的信息项放在下方。这样我们可以从整体上直观地看到师生之间的某些交互信息。当然我们也可以将所有的输入信息项放在表格里。
图 2 IIS输入信息项序列示意
（3） IIS的表征——知识网络图表征
IIS只是信息的抽象表征，并不代表着信息的实际存储载体。我们将IIS看作是输入信息项所反映的知识集合。这样IIS集的某些特征可能与知识的建构建立联系。一开始IIS为空，某些信息因为外化或被访问而成为IIS的一部分。随着教学活动的进行，IIS逐渐扩大为稳定的知识集合。
但是如果仅仅从线性序列或者集合的角度，我们看不到这些知识点之间的关系及其教学意义。我们需要采用一种能表达这种关系和意义的结构。这种结构就是带有标记的知识点网络图，我们以后称之为IIS图。这里所谓的标记，是指输入信息项的属性值(比如，表征形态等)及其从该集合中反映出来的各个知识点的特征(比如，被激活的次数以及后面所介绍的激活量等)。
本文后面给出的IIS图，是参考“以学习活动为中心的教学设计理论”[6]中的知识建模规范绘制的。在这个图中，知识结点的类型包括：符号、概念、原理规则、过程、格式、策略、事实和范例。当然，我们可以使用任何一种公认的概念图绘制规范，只要绘制出来的图可以进行各种指标数据的推算。
由于这种方法对教学系统的分析最终反映在IIS图中，所以我们将之称为IIS图分析法。IIS图分析法的实质就是将自然语言表征的信息流映射到IIS图上。这个IIS图所表征的数据，对于揭示教学系统某方面的特征具有简洁明快的特点。
（二）IIS图分析法的操作过程及实例
下面我们以大学本科课程《数据结构》中“拓扑排序”部分内容为例，来说明IIS图分析法的操作过程。
（1）通过阅读教学方案(或者观看教学录像或者其他考察教学系统的方式)，绘制该教学单元的IIS初始图。图3是“拓扑排序”教学的IIS初始图。
图3 “拓扑排序”IIS初始图
（2）按照时间顺序确定各个IP的{Y}，将信息转化为IIS的输入信息项描述并形成过程序列。图4是这个信息序列的局部示意。这部分操作实际上是对教学信息流的切分过程。切分信息流的时机是：信息项的属性值一旦变化，就切分信息流。[7]只有<表征形态>属性例外。<表征形态>属性值变化时，不需要切分信息流，因为信息流可以同时拥有多种表征形态。
图4 “拓扑排序”输入信息项序列(局部)
（3）根据实际的需要，将IIS输入信息项中的数据转化为IIS图的标注信息。有些标注数据不是对{Y}属性的简单复制，而是应该按照一定的计算规则进行。图5是带有激活量标注的IIS图示意。激活量的计算见后面的解释。
图5 “拓扑排序”激活量标注的IIS图
（4）对教学系统IIS图的标注数据进行解释，比如具有何种特征的IIS图的教学系统是一个优良的教学系统，等等。
三、已有的实证研究
我们选择大学本科课程《数据结构》和《教学设计》部分教学内容对IIS图分析法进行了实证研究。在这项实证研究中，我们猜测知识点的激活总量能够预测它的学习效果。我们用教学的前后测差值来表征知识点的学习效果。限于研究条件，从《数据结构》教学中只选取了19个知识点，从《教学设计》教学中只选取了15个知识点，这些知识点是我们实证研究的样本对象。我们的研究假设是：知识点的激活量与它的学习效果之间呈正相关。
这里的激活量是一种抽象属性，我们用它反映知识点的社会性建构水平。知识点的社会性建构水平通常可以通过测验或者考试来测量，但是这种测量并不能频繁使用。我们认为，如果某个知识点被激活的次数越多，它的学习效果应该越好。但是激活次数无法反映知识点本身的特征，所以我们试图寻找另一种量来代替激活次数。这个量既能够预测知识建构水平，又不需要采用测试手段就可以获得。这个量被称为激活量。教学信息的每次流动都会引发知识点的激活，只要这个信息流具有知识子集>属性。这个信息流就是IIS输入信息项。IIS输入信息项激活的是知识子集>中的知识点以及与之有特定关联的知识点。因此，知识点的激活量是一个累加和。这个累加和可以由下面的公式来表达：
其中F是遗忘系数，它是参考短时记忆容量理论而设定的参数。当此某信息项与激活该知识点的前一个信息项相隔七个信息项以内时F=1，七个以上时F=(k+1)/(2k+1),其中k是这两个信息项之间信息项个数减7。
log（d+2）是激活熵，d是知识点在IIS图中已知的度，即与该结点相连的已知边的条数。一开始，IIS图中知识点的d值为零，随着教学信息的流动，d的值将会增大，最终与该知识点在IIS图中的总度相等。由于当d=0时logd没有意义，因此取log（d+2）。
log（n*（D-d+2））是复杂度，其中n是与该结点相连的未知边的种类数，D是该结点的总度。我们认为一个知识点未知度越大，未知边的类型越多，该知识点越复杂。
r是扩散衰减系数，若该结点是由某信息项直接激活，则r=1，若该结点是经过一次扩散激活，则r=1/d，若该结点是经过二次扩散激活，则r=1/d2。由于知识点之间存在联系，激活一个知识点时，有些与之联系的知识点也会被激活。限于篇幅，这里略去了激活扩散的规则。
激活量的计算公式是人为构造的，因为它不是一种直观属性的反映。在后续的研究中，这个公式可能会调整。当前的实证研究核心目的就是考察这个公式所计算出来的激活量对学习效果的预测能力。整个实证研究取样于真实的自然教学，只不过我们在自然教学的基础上增加了知识点的前测和后测，以及利用摄录设备将教学过程拍摄下来，并对教学视频流进行切分，利用我们自己开发的IIS图分析工具软件建立IIS初始图以及输入信息项序列，求得样本知识点的激活量，将这些激活量数据与前后测得到的知识点分数进行对比，考察它们的相关性。
皮尔逊相关分析的结果表明，“教学设计”目标知识点激活量与学习效果成正相关，相关系数等于0.551，P<>，具有显著的统计学意义；“数据结构”目标知识点的激活量与学习效果成正相关，其相关系数等于0.413，P<>，具有显著的统计学意义；两科目的目标知识点的激活量与学习效果成正相关，其相关系数等于0.460，P<>，具有非常显著的统计学意义。由此可以认为知识点的激活量与学习效果成正相关，支持了本研究的研究假设。
如果我们接受了这个结论，那么我们就可以在此基础上，计算整个IIS图的激活量，并且有理由相信，IIS图的整体激活量与教学系统的质量之间有着某种联系。
四、小结
有关IIS图分析法是否能够揭示教学系统的某些本质特征，还需要更加深入的后续研究，包括IIS图分析法是否适合其他学科？IIS图的整体激活量特征是否代表着教学系统的质量？IIS图还有哪些特征可以被挖掘出来？这些问题都需要更加深入、更加严格的实证研究。
由于IIS图分析法的基本操作之一就是IIS图的建构。所以IIS图分析法与基于知识建模的教学设计技术有着内在的联系，它必然成为这种教学设计技术的有机组成部分，必将成为教学系统缺陷分析的重要工具，并且可以广泛应用于教学资源、网络课程的缺陷分析、质量评估等方面，使这类工作逐渐摆脱价值判断的主观性和任意性。
参考文献：
[1]Steven F Tello. An Analysis of Student Persistence in Online Education[J].International Journal of Information and Communication Technology Education,Vol. 3,2007(3):47-60
[2]Judith Kleine Staarman& Karen Krol& Henny van der Meijden.PeerInteraction in Three Collaborative Learning Environments[J].The Journal ofClassroom Interaction, vol.40,2005(1): 29-39
[3]Rachel Pilkington.Analysing Educational Dialogue Interaction:Towards Modelsthat Support Learning[J]. International Journal of Artificial Intelligence inEducation, 2001(12): 1-7
[4]Nancy E. Waxler & Elliot G. Mishler．Scoring and Reliability Problems in Interaction Process Analysis: AMethodological Note[J]. Sociometry，vol.29,1966(1):28-40
[5]杨开城.教学系统分析技术的初步研究[J]. 《中国电化教育》,2007(8):1-5
[6]杨开城.以学习活动为中心的教学设计理论[M].北京：电子工业出版社，2005，P74
[7]林凡.教学系统分析IIS图方法研究[D].北京：北京师范大学，2009，P11
联系客服
