關(guān)注“在線學(xué)習(xí)”

獲取更多資訊！

刊載信息

范福蘭，王旭陽(yáng)，梅林，李亞紅，& 聶新.(2025).多模態(tài)數(shù)據(jù)支持下情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響研究. 中國(guó)遠(yuǎn)程教育(11),95-115.

多模態(tài)數(shù)據(jù)支持下情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響研究
范福蘭, 王旭陽(yáng), 梅林, 李亞紅, 聶新

【摘要】協(xié)作學(xué)習(xí)過(guò)程中，學(xué)業(yè)情緒是影響學(xué)習(xí)投入的重要因素，合理的情緒反饋有助于改善學(xué)生的情緒狀態(tài)，對(duì)提升協(xié)作學(xué)習(xí)投入、確保學(xué)習(xí)效果起重要作用。本研究圍繞協(xié)作學(xué)習(xí)環(huán)境下情緒反饋對(duì)學(xué)習(xí)投入的影響機(jī)制問(wèn)題，以“項(xiàng)目申報(bào)”主題課程中的學(xué)生為研究對(duì)象，開(kāi)展準(zhǔn)實(shí)驗(yàn)研究。針對(duì)協(xié)作學(xué)習(xí)投入測(cè)評(píng)的核心問(wèn)題，采用多模態(tài)學(xué)習(xí)分析技術(shù)采集并分析學(xué)生學(xué)習(xí)過(guò)程中的多模態(tài)數(shù)據(jù)，在此基礎(chǔ)上探究不同情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響機(jī)制。研究發(fā)現(xiàn)：積極情緒反饋與消極情緒反饋條件下的協(xié)作學(xué)習(xí)投入水平存在顯著差異，積極情緒反饋下的學(xué)習(xí)投入水平高于消極情緒反饋。在不同水平的情感投入條件下，積極情緒反饋次數(shù)對(duì)認(rèn)知投入情況產(chǎn)生顯著影響。在積極情緒反饋中，愉快情緒反饋狀態(tài)下的投入情況最優(yōu)。在消極情緒反饋中，懷疑情緒反饋狀態(tài)下的投入情況最優(yōu)。本研究對(duì)改善學(xué)生協(xié)作學(xué)習(xí)體驗(yàn)、提升協(xié)作學(xué)習(xí)質(zhì)量具有重要參考價(jià)值。

【關(guān)鍵詞】協(xié)作學(xué)習(xí); 情緒反饋; 學(xué)習(xí)投入; 多模態(tài)學(xué)習(xí)分析

一、

引言

協(xié)作學(xué)習(xí)注重學(xué)生通過(guò)交互協(xié)同學(xué)習(xí)進(jìn)行有意義的知識(shí)建構(gòu)與高階能力提升，是當(dāng)前最具代表性和普遍應(yīng)用的學(xué)習(xí)方式（李新 & 李艷燕, 2022）。然而，大學(xué)生協(xié)作學(xué)習(xí)中普遍存在有協(xié)作無(wú)建構(gòu)、建構(gòu)低水平的“表面化”協(xié)作現(xiàn)象，學(xué)生被動(dòng)接受知識(shí)、消極參與活動(dòng)等低學(xué)習(xí)投入行為導(dǎo)致協(xié)作學(xué)習(xí)流于形式，不能發(fā)揮協(xié)作學(xué)習(xí)的真正優(yōu)勢(shì)（龔朝花 等, 2018）。因此，提高協(xié)作學(xué)習(xí)投入度是當(dāng)前協(xié)作學(xué)習(xí)研究的關(guān)鍵問(wèn)題。

協(xié)作學(xué)習(xí)過(guò)程中，情緒與學(xué)習(xí)者的注意力、交流、思維等緊密關(guān)聯(lián)，是影響學(xué)習(xí)投入的重要因素。合理的情緒反饋有助于提升成員間互動(dòng)質(zhì)量，促進(jìn)合作感知和行為投入（程雪姣 等, 2021），是改善學(xué)生協(xié)作學(xué)習(xí)情緒體驗(yàn)、提高協(xié)作學(xué)習(xí)投入的有效路徑。協(xié)作學(xué)習(xí)情緒反饋指學(xué)習(xí)者在情緒方面的交流與互動(dòng)，包括表達(dá)個(gè)人情緒和理解他人情緒。在促進(jìn)協(xié)作學(xué)習(xí)投入的情緒反饋操作中，深度剖析不同情緒反饋如何具體影響協(xié)作學(xué)習(xí)投入尤為重要。其中，對(duì)協(xié)作學(xué)習(xí)投入的有效測(cè)評(píng)是關(guān)鍵。然而，研究者常采用心理測(cè)量、教育觀察、訪談等方式測(cè)評(píng)學(xué)習(xí)投入情況，分析結(jié)果中主觀成分偏多，難以全面反映復(fù)雜的協(xié)作學(xué)習(xí)投入狀態(tài)，準(zhǔn)確率較低。隨著人工智能與傳感技術(shù)在教育中的應(yīng)用，捕獲、融合和分析多種來(lái)源數(shù)據(jù)的多模態(tài)學(xué)習(xí)分析研究迅速展開(kāi)。多模態(tài)數(shù)據(jù)支持的學(xué)習(xí)投入測(cè)評(píng)更全面、更客觀，測(cè)評(píng)效果明顯優(yōu)于單模態(tài)數(shù)據(jù)（李新 等, 2023），是協(xié)作學(xué)習(xí)投入測(cè)評(píng)及影響機(jī)制探索研究的趨勢(shì)。因此，本研究開(kāi)展協(xié)作學(xué)習(xí)過(guò)程中的情緒反饋準(zhǔn)實(shí)驗(yàn)研究，基于多模態(tài)學(xué)習(xí)分析技術(shù)，整合學(xué)生的學(xué)習(xí)視頻、對(duì)話語(yǔ)音、文本及生理數(shù)據(jù)等多源數(shù)據(jù)，綜合分析協(xié)作學(xué)習(xí)投入水平，在此基礎(chǔ)上深入探究不同情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響機(jī)制，以改善學(xué)生協(xié)作學(xué)習(xí)體驗(yàn)，提升學(xué)習(xí)質(zhì)量。

二、

文獻(xiàn)綜述

（一）協(xié)作學(xué)習(xí)投入及其影響因素研究

協(xié)作學(xué)習(xí)投入是指在小組學(xué)習(xí)活動(dòng)中，學(xué)生為了達(dá)到學(xué)習(xí)目標(biāo)而進(jìn)行的行為、認(rèn)知和情感上的積極參與和努力，是學(xué)習(xí)者在社會(huì)性互動(dòng)中形成的復(fù)雜狀態(tài)（李艷燕 等, 2020）。協(xié)作學(xué)習(xí)投入包括行為投入、認(rèn)知投入和情感投入三個(gè)方面：行為投入是小組成員在共同完成任務(wù)過(guò)程中付出的努力及其持久性，反映了他們對(duì)任務(wù)的參與程度；認(rèn)知投入是小組成員圍繞共同目標(biāo)進(jìn)行知識(shí)建構(gòu)的過(guò)程，表現(xiàn)為他們對(duì)知識(shí)內(nèi)容的吸收程度；情感投入是小組成員之間關(guān)于情感和動(dòng)機(jī)的互動(dòng)，體現(xiàn)了認(rèn)同感、凝聚力和互動(dòng)質(zhì)量（李新 等, 2023）。

協(xié)作學(xué)習(xí)投入復(fù)雜多元，受多方面因素影響，包括教學(xué)外部因素和學(xué)習(xí)者內(nèi)部因素兩大類(lèi)。學(xué)習(xí)平臺(tái)的體驗(yàn)（齊媛, 2019）、同伴互動(dòng)（謝莉 & 尹潔, 2021）、教師支持（萬(wàn)昆 等, 2021）等外部因素對(duì)學(xué)習(xí)投入產(chǎn)生一定影響。然而，學(xué)習(xí)者的協(xié)作學(xué)習(xí)投入更多受自身內(nèi)部因素影響，如學(xué)業(yè)情緒（李偉麗 等, 2022）。學(xué)業(yè)情緒是與個(gè)體學(xué)業(yè)行為和學(xué)業(yè)結(jié)果直接相關(guān)的情緒。它通過(guò)對(duì)學(xué)習(xí)者的學(xué)習(xí)動(dòng)機(jī)、認(rèn)知過(guò)程和學(xué)習(xí)行為產(chǎn)生影響（王云 等, 2020），進(jìn)而影響學(xué)習(xí)投入。Pekrun等（2002）發(fā)現(xiàn)，學(xué)生在學(xué)習(xí)過(guò)程中感受到的積極學(xué)業(yè)情緒對(duì)學(xué)習(xí)投入具有正向的預(yù)測(cè)作用。當(dāng)大學(xué)生在學(xué)習(xí)過(guò)程中感受到愉悅、輕松等積極情緒時(shí)，他們能夠更加有效地規(guī)劃自己的學(xué)習(xí)進(jìn)程并準(zhǔn)確評(píng)估學(xué)習(xí)狀態(tài)。這樣的情緒體驗(yàn)有助于大學(xué)生形成積極主動(dòng)的學(xué)習(xí)態(tài)度，激發(fā)他們的求知欲望，學(xué)習(xí)投入度也會(huì)得到相應(yīng)的提升（王曉春 & 王剛, 2023）。Tomkins（1970）和Izard（1972, pp. 132-140）構(gòu)建了情緒的動(dòng)機(jī)—分化理論，認(rèn)為情緒是主要的動(dòng)機(jī)系統(tǒng)，能夠通過(guò)對(duì)內(nèi)在驅(qū)動(dòng)力的信號(hào)產(chǎn)生放大和增強(qiáng)作用，激發(fā)行為。他們提出個(gè)體經(jīng)歷的不同學(xué)業(yè)情緒體驗(yàn)會(huì)影響其在學(xué)習(xí)活動(dòng)中的表現(xiàn)。在協(xié)作學(xué)習(xí)中，及時(shí)調(diào)控學(xué)生情緒對(duì)提升協(xié)作學(xué)習(xí)投入至關(guān)重要。情緒反饋是重要的調(diào)控方法之一（王雪 等, 2021），即幫助學(xué)生理解學(xué)習(xí)過(guò)程中的情緒體驗(yàn)，采取相應(yīng)的策略調(diào)整和改善學(xué)業(yè)情緒，以提高學(xué)習(xí)成效。

（二）協(xié)作學(xué)習(xí)情境中的情緒反饋研究

情緒反饋是協(xié)作學(xué)習(xí)中情緒調(diào)控的主要途徑（劉君玲 等, 2022）。本研究中的情緒反饋指在協(xié)作學(xué)習(xí)環(huán)境中，學(xué)習(xí)者與同伴互動(dòng)時(shí)通過(guò)識(shí)別和理解他人的情緒狀態(tài)，并有效地表達(dá)自己的情緒而進(jìn)行的關(guān)于學(xué)業(yè)情緒狀態(tài)的交流和反應(yīng)（Lang et al., 2022; Erickson et al., 2022）。這種反饋有助于優(yōu)化學(xué)習(xí)者在協(xié)作學(xué)習(xí)過(guò)程中的學(xué)業(yè)情緒體驗(yàn)，形成良好的學(xué)習(xí)氛圍，提升整體協(xié)作學(xué)習(xí)效果。在情緒反饋過(guò)程中，表達(dá)個(gè)人情緒能使分享者感知到同理心和移情，而給予反饋可以讓分享者感受到被關(guān)注和支持，從而達(dá)到調(diào)節(jié)情緒狀態(tài)的目的（劉君玲 等, 2022）。此外，情緒反饋還促進(jìn)學(xué)習(xí)者之間的交互行為，維持良好的交互氛圍。情緒表達(dá)不僅影響學(xué)習(xí)者的情緒狀態(tài)和相互吸引力，還有助于建立積極的交互氛圍（劉君玲 等, 2020）。積極的情緒表達(dá)可以增強(qiáng)群體認(rèn)同和歸屬感，維持群體成員之間的信任和聯(lián)系程度（李秀晗 等, 2023）。理解他人的情緒也有助于兒童在社交互動(dòng)中根據(jù)他人的情緒調(diào)整自己的行為（Denham et al., 2016）。情緒反饋（如積極評(píng)價(jià)或支持性觀點(diǎn)）不僅能激勵(lì)評(píng)估人員創(chuàng)造出更出色的項(xiàng)目（Tseng & Tsai, 2007），還在促進(jìn)個(gè)人成長(zhǎng)和團(tuán)隊(duì)協(xié)作中具有強(qiáng)大動(dòng)力作用。

情緒反饋包括積極和消極情緒反饋，兩種不同的情緒反饋通過(guò)引起同伴不同的情緒反應(yīng)，進(jìn)一步影響學(xué)習(xí)者的投入度。厲飛飛等（2018）發(fā)現(xiàn)積極情緒反饋能形成注意偏向，有效調(diào)整注意的優(yōu)先級(jí)次序。當(dāng)目標(biāo)的刺激與積極情緒反饋建立聯(lián)結(jié)后，不僅提升了任務(wù)完成的準(zhǔn)確率，還顯著縮短了反應(yīng)時(shí)間。程雪姣等（2021）通過(guò)在線聊天軟件中的表情圖像，對(duì)情緒反饋進(jìn)行操縱，結(jié)果表明情緒反饋對(duì)虛擬團(tuán)隊(duì)的成員合作感知和成員行為投入產(chǎn)生影響，且積極情緒反饋有助于促進(jìn)虛擬團(tuán)隊(duì)成員間的合作感知。Zheng等（2022）發(fā)現(xiàn)積極情緒反饋與學(xué)生的知識(shí)構(gòu)建進(jìn)展密切相關(guān)，能夠促進(jìn)學(xué)生的認(rèn)知互動(dòng)和知識(shí)分享。在消極情緒反饋對(duì)學(xué)習(xí)投入的影響研究上，仍存在不一致的結(jié)論。程雪姣等（2021）發(fā)現(xiàn)消極情緒反饋能促進(jìn)虛擬團(tuán)隊(duì)成員在創(chuàng)造性問(wèn)題解決任務(wù)中的行為投入。Isoh?t?l?等（2020）發(fā)現(xiàn)負(fù)面的情緒反饋會(huì)阻礙認(rèn)知過(guò)程，但在某些情況下也能激發(fā)學(xué)生的好奇心和進(jìn)一步探究的動(dòng)機(jī)。Chen等（2023）提出消極情緒反饋導(dǎo)致學(xué)生采取回避行為，降低任務(wù)參與度和互動(dòng)質(zhì)量。也有研究表明高認(rèn)知投入的學(xué)習(xí)者接收到消極情緒反饋后創(chuàng)造性表現(xiàn)出更高的流暢性、獨(dú)創(chuàng)性和靈活性，而消極的情緒反饋會(huì)抑制低認(rèn)知投入學(xué)習(xí)者的創(chuàng)造力與合作意愿（Van Kleef et al., 2010）。

綜上，在協(xié)作學(xué)習(xí)過(guò)程中，對(duì)學(xué)習(xí)者進(jìn)行精準(zhǔn)的情緒反饋，是改善學(xué)習(xí)者學(xué)業(yè)情緒體驗(yàn)、調(diào)節(jié)協(xié)作學(xué)習(xí)投入的有效手段。在此過(guò)程中，深入剖析情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響機(jī)制是進(jìn)行有效反饋的前提條件。然而，已有研究發(fā)現(xiàn)情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響較為復(fù)雜，在不同的研究中表現(xiàn)出不同的效果。究其原因，協(xié)作學(xué)習(xí)投入是多維度和動(dòng)態(tài)的，已有研究中對(duì)協(xié)作學(xué)習(xí)投入的測(cè)量以課堂觀察、問(wèn)卷測(cè)量或自我報(bào)告為主，數(shù)據(jù)來(lái)源單一且主觀依賴(lài)性強(qiáng)，難以全面客觀地體現(xiàn)學(xué)習(xí)者協(xié)作學(xué)習(xí)投入的真實(shí)情況，是影響研究結(jié)果準(zhǔn)確性的原因之一（Lee, 2020）。因此，在探尋情緒反饋影響協(xié)作學(xué)習(xí)投入機(jī)制的研究中，科學(xué)準(zhǔn)確地測(cè)評(píng)學(xué)習(xí)者的協(xié)作學(xué)習(xí)投入情況關(guān)鍵且亟須攻克。

（三）學(xué)習(xí)投入多模態(tài)測(cè)評(píng)研究

隨著人工智能技術(shù)在教育中的應(yīng)用，多模態(tài)數(shù)據(jù)支持的學(xué)習(xí)測(cè)評(píng)研究快速發(fā)展。通過(guò)采集并融合分析自我報(bào)告問(wèn)卷、學(xué)習(xí)日志、音視頻、心率、皮膚電、眼動(dòng)、腦電波等多模態(tài)數(shù)據(jù)（余輝 等, 2020），學(xué)習(xí)投入測(cè)評(píng)的科學(xué)性與全面性有所提升，準(zhǔn)確率得到極大提高。王麗英等（2020）設(shè)計(jì)了在線學(xué)習(xí)多模態(tài)數(shù)據(jù)融合模型，利用后臺(tái)日志、面部識(shí)別和心率檢測(cè)實(shí)現(xiàn)精準(zhǔn)評(píng)價(jià)MOOC學(xué)習(xí)者的投入水平。同時(shí)，多模態(tài)學(xué)習(xí)分析基于低成本可穿戴設(shè)備、無(wú)線傳感器、物聯(lián)網(wǎng)設(shè)備等也實(shí)現(xiàn)了對(duì)學(xué)習(xí)者生理數(shù)據(jù)的多通道、全時(shí)域采集（馬婧 等, 2023）。腦電波、心率、皮膚電等生理層面的數(shù)據(jù)，為研究認(rèn)知投入等內(nèi)在學(xué)習(xí)機(jī)理問(wèn)題提供了路徑（牟智佳, 2020），使內(nèi)外部顯性和隱性數(shù)據(jù)的整合分析成為可能。Xiao等（2023）將腦電波、眼動(dòng)和面部表情數(shù)據(jù)納入分析框架，旨在預(yù)測(cè)在職教師在線同步培訓(xùn)中的參與度和學(xué)習(xí)效果，研究結(jié)果顯示，融合面部表情與眼動(dòng)數(shù)據(jù)的模型在預(yù)測(cè)學(xué)習(xí)投入和成效上展現(xiàn)了優(yōu)異的性能。隨著研究的深入，心率、眼動(dòng)等生理數(shù)據(jù)在學(xué)習(xí)投入的多模態(tài)測(cè)評(píng)中發(fā)揮的作用越來(lái)越重要。心率反映學(xué)習(xí)者的生理喚醒水平和情緒狀態(tài)，心率的提高可能表明學(xué)習(xí)者處于較高的喚醒狀態(tài)，用來(lái)反映學(xué)習(xí)者的注意力集中程度、認(rèn)知投入程度等（Darnell & Krieg, 2019）。眼動(dòng)追蹤技術(shù)常用于分析學(xué)習(xí)者的視覺(jué)注意力和認(rèn)知過(guò)程，包括注視時(shí)間、注視次數(shù)、瞳孔直徑等指標(biāo)。注視時(shí)間表明學(xué)習(xí)者在學(xué)習(xí)內(nèi)容上的認(rèn)知投入和理解程度；注視次數(shù)與學(xué)習(xí)者對(duì)信息的關(guān)注程度相關(guān)，頻繁的注視表明學(xué)習(xí)者在處理信息過(guò)程中的認(rèn)知投入；瞳孔直徑的大小與認(rèn)知負(fù)荷、情緒狀態(tài)和情感投入有關(guān)，當(dāng)學(xué)習(xí)者情緒高漲、情感投入積極時(shí)，瞳孔直徑會(huì)放大，情緒低落或情感投入較低時(shí)，瞳孔直徑會(huì)縮?。ㄩZ志明 等, 2018; 王翠如 等, 2021; Dubovi, 2022）。多模態(tài)數(shù)據(jù)在一定程度上彌補(bǔ)了單模態(tài)數(shù)據(jù)的局限，收集多源數(shù)據(jù)從而更加全面且精確地刻畫(huà)學(xué)習(xí)投入狀態(tài)，為深入研究協(xié)作學(xué)習(xí)環(huán)境下情緒反饋對(duì)學(xué)習(xí)投入的影響提供了新思路和技術(shù)支持。

（四）問(wèn)題的提出

基于文獻(xiàn)調(diào)研，本研究在協(xié)作學(xué)習(xí)情境下，運(yùn)用多模態(tài)學(xué)習(xí)分析方法探究以下研究問(wèn)題：混合式協(xié)作學(xué)習(xí)環(huán)境下，如何開(kāi)展協(xié)作學(xué)習(xí)投入的多模態(tài)測(cè)評(píng)？基于協(xié)作學(xué)習(xí)投入的多模態(tài)測(cè)評(píng)結(jié)果，不同的情緒反饋如何影響學(xué)生的協(xié)作學(xué)習(xí)投入？

三、

研究過(guò)程

（一）情緒反饋設(shè)計(jì)

情感詞代表了說(shuō)話人的情緒狀態(tài)，能清晰地傳達(dá)說(shuō)話人的情緒傾向（張康英, 2015, p.18）。本研究選擇了常見(jiàn)且典型的情感詞作為情緒反饋工具。在制定情緒反饋途徑與分類(lèi)過(guò)程中，在胡同文等（2024）關(guān)于不同情緒詞分類(lèi)研究、Derham等（2022）關(guān)于積極和消極情緒反饋評(píng)論語(yǔ)言特征的建議、Foo（2021）關(guān)于同伴反饋中情感反饋內(nèi)容分類(lèi)的研究、張康英（2015, pp.15-18）提出的在線協(xié)作學(xué)習(xí)中情緒反饋類(lèi)型和情感詞分類(lèi)等研究基礎(chǔ)上，本研究設(shè)計(jì)了協(xié)作學(xué)習(xí)情緒反饋用語(yǔ)，重點(diǎn)研究情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響。綜合研究目標(biāo)和資源分配情況，規(guī)避無(wú)情緒反饋帶來(lái)的無(wú)價(jià)值冗余信息，本研究確定了積極情緒反饋和消極情緒反饋兩種類(lèi)型，小組成員協(xié)商對(duì)話使用口頭反饋語(yǔ)或文本進(jìn)行情緒反饋的方式。具體情緒反饋類(lèi)型和反饋語(yǔ)如表1所示。

表1 情緒反饋類(lèi)型與用語(yǔ)

（二）學(xué)習(xí)活動(dòng)與實(shí)驗(yàn)過(guò)程

1. 研究對(duì)象

本研究在武漢市Z高校的“項(xiàng)目申報(bào)”主題課程上進(jìn)行，參加該課程的學(xué)生共32人。采用組內(nèi)異質(zhì)、組間同質(zhì)的分組原則，參與者被分配到8個(gè)協(xié)作小組，每個(gè)協(xié)作小組4人。將8個(gè)協(xié)作小組隨機(jī)分配至兩個(gè)實(shí)驗(yàn)組，其中，積極情緒反饋條件下共4個(gè)小組（16人），消極情緒反饋條件下共4個(gè)小組（16人）。積極情緒組采用積極情感詞進(jìn)行學(xué)習(xí)互動(dòng)，消極情緒組采用消極情感詞進(jìn)行學(xué)習(xí)互動(dòng)，學(xué)習(xí)者可以在協(xié)作過(guò)程中使用指定的情感反饋詞。

2. 研究過(guò)程與方法

本實(shí)驗(yàn)采用線上線下相結(jié)合的協(xié)作學(xué)習(xí)方式，以“項(xiàng)目申報(bào)”為主題，包含4項(xiàng)學(xué)習(xí)任務(wù)：確定選題、文獻(xiàn)調(diào)研與綜述撰寫(xiě)、研究方案協(xié)同規(guī)劃、成果匯報(bào)。其中前3項(xiàng)任務(wù)每次持續(xù)2個(gè)小時(shí)左右，確定選題和成果匯報(bào)活動(dòng)在智慧教室環(huán)境下完成，文獻(xiàn)綜述及研究方案撰寫(xiě)任務(wù)在線上完成。利用石墨文檔協(xié)同寫(xiě)作平臺(tái)支持實(shí)驗(yàn)研究，并輔以QQ作為通信工具，以便學(xué)習(xí)者進(jìn)行在線同步討論和解決問(wèn)題。具體學(xué)習(xí)任務(wù)和實(shí)施過(guò)程如下：

（1）確定選題

學(xué)習(xí)者根據(jù)教師給出的選題范圍明確小組項(xiàng)目主題。各小組成員獨(dú)立形成個(gè)人觀點(diǎn)，隨后在小組內(nèi)展開(kāi)充分的觀點(diǎn)交流與碰撞，接著小組內(nèi)進(jìn)一步完善各自觀點(diǎn)，再次進(jìn)行組內(nèi)觀點(diǎn)二輪深入優(yōu)化，最終確定本小組項(xiàng)目選題。

（2）文獻(xiàn)調(diào)研與綜述撰寫(xiě)

各小組基于研究選題，開(kāi)展文獻(xiàn)搜索與閱讀，掌握該主題的研究現(xiàn)狀、前沿動(dòng)態(tài)及存在問(wèn)題，在此基礎(chǔ)上撰寫(xiě)文獻(xiàn)綜述。

（3）研究方案協(xié)同規(guī)劃

小組圍繞研究選題，深入討論項(xiàng)目研究?jī)?nèi)容、思路方法以及創(chuàng)新之處?；谑臋n和QQ群進(jìn)行協(xié)同合作，完成項(xiàng)目申報(bào)書(shū)中研究方案部分的撰寫(xiě)。

（4）成果匯報(bào)

協(xié)作小組基于研究方案，明確研究結(jié)果的具體表現(xiàn)形式和應(yīng)用方向，深入分析研究成果可能帶來(lái)的社會(huì)效益與影響，最終進(jìn)行成果匯報(bào)。

情緒反饋貫穿于活動(dòng)任務(wù)過(guò)程中。通過(guò)實(shí)驗(yàn)前的情緒反饋培訓(xùn)，學(xué)習(xí)者熟悉情緒反饋詞支架和使用規(guī)則，明晰情緒反饋詞的含義，明確如何使用情緒反饋詞。實(shí)驗(yàn)過(guò)程中，為兩個(gè)小組提供明確且具體的情緒反饋詞支架，指導(dǎo)教師通過(guò)發(fā)送消息的方式，提醒每組成員在3分鐘內(nèi)至少出現(xiàn)一次情緒反饋。

3. 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)開(kāi)始前，明確界定情緒反饋詞的所屬類(lèi)別，組織學(xué)習(xí)者在模擬情境中練習(xí)使用情緒反饋詞，加深他們對(duì)詞匯的理解和記憶；為嚴(yán)格控制兩個(gè)小組的差異性，預(yù)先設(shè)計(jì)好反饋詞、語(yǔ)句和文本案例；指導(dǎo)成員在協(xié)作活動(dòng)的任何時(shí)間自由表達(dá)觀點(diǎn)，并注意在一定的時(shí)間段內(nèi)相互提供即時(shí)的情緒反饋。實(shí)驗(yàn)過(guò)程中，研究人員首先為研究對(duì)象佩戴生物反饋儀，并確保配套軟件能夠有效檢測(cè)到生理信號(hào)。隨后進(jìn)行眼動(dòng)儀的校正，引導(dǎo)研究對(duì)象進(jìn)行練習(xí)?？刂魄榫w反饋的頻率和時(shí)間，同步提示小組成員根據(jù)情緒反饋案例和指導(dǎo)性用語(yǔ)，在研討與協(xié)作過(guò)程中進(jìn)行口頭語(yǔ)音或文本的情緒反饋，確保兩個(gè)小組接收到反饋的頻率一致。研究人員監(jiān)控反饋的實(shí)施情況，對(duì)于偏離該組要求的反饋，及時(shí)進(jìn)行糾正和調(diào)整。實(shí)驗(yàn)結(jié)束后，研究人員通過(guò)與實(shí)驗(yàn)對(duì)象交流評(píng)估參與者對(duì)反饋的感知，確保他們體驗(yàn)到了預(yù)期的情緒反饋。檢查數(shù)據(jù)的完整性，進(jìn)行數(shù)據(jù)的處理和分析。具體實(shí)驗(yàn)過(guò)程如圖1所示。

圖1 實(shí)驗(yàn)過(guò)程

4. 研究工具

（1）眼動(dòng)儀設(shè)備

本研究選用EyeLink 1000 Plus眼動(dòng)儀。研究者只需在電腦屏幕前方使用此設(shè)備，便能有效追蹤用戶(hù)的眼動(dòng)行為。該設(shè)備附帶的軟件包含Experiment Builder（EB）軟件和UMASS眼動(dòng)追蹤系列軟件。眼動(dòng)儀的主要功能在于收集學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的眼動(dòng)數(shù)據(jù)，以評(píng)估學(xué)習(xí)者的學(xué)習(xí)投入情況。

（2）生物反饋儀

本研究采用FreeMind-S生物反饋儀，研究對(duì)象需佩戴信號(hào)采集器。生物反饋儀能將人體內(nèi)不易察覺(jué)的生理信號(hào)（如呼吸、心率、腦電波等）轉(zhuǎn)化成圖像，以方便信號(hào)的記錄和分析。

（3）情感投入量表

本研究使用戴維?沃森（Watson, D.）等提出的情感問(wèn)卷（Watson et al., 1988）來(lái)評(píng)估學(xué)習(xí)者學(xué)習(xí)過(guò)程中的情感投入，采用李克特五點(diǎn)量表評(píng)分。該量表具有良好的信度，Cronbach’s α系數(shù)為0.84。

（三）數(shù)據(jù)采集與編碼

1. 多模態(tài)數(shù)據(jù)采集

基于線上和線下學(xué)習(xí)兩個(gè)特征維度，本研究共獲取了以下六種數(shù)據(jù)：1）語(yǔ)音數(shù)據(jù)，即在協(xié)作學(xué)習(xí)過(guò)程中錄制的語(yǔ)音數(shù)據(jù)，在去除無(wú)效語(yǔ)音數(shù)據(jù)后，采用半自動(dòng)方式對(duì)剩余的13,312條對(duì)話數(shù)據(jù)進(jìn)行編碼標(biāo)注，形成結(jié)構(gòu)化的語(yǔ)音數(shù)據(jù)。2）文本數(shù)據(jù)，通過(guò)協(xié)作文檔和社交軟件工具，采集學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的對(duì)話文本數(shù)據(jù)和學(xué)習(xí)成果文本數(shù)據(jù)。3）生理數(shù)據(jù)，通過(guò)生物反饋儀自動(dòng)記錄的學(xué)習(xí)者心率變化數(shù)據(jù)，每位學(xué)習(xí)者在每項(xiàng)任務(wù)中對(duì)應(yīng)一條心率變化數(shù)據(jù)，共收集128條心率變化數(shù)據(jù)。4）眼動(dòng)數(shù)據(jù)，主要記錄學(xué)習(xí)者的注視情況，包括總注視時(shí)間、注視次數(shù)和瞳孔直徑。5）問(wèn)卷數(shù)據(jù)，通過(guò)問(wèn)卷星發(fā)放并收集學(xué)習(xí)者情感投入數(shù)據(jù)。6）視頻數(shù)據(jù)，線下學(xué)習(xí)環(huán)境中使用錄像設(shè)備采集的學(xué)習(xí)者行為數(shù)據(jù)，主要通過(guò)視頻錄像及錄屏記錄學(xué)習(xí)者的操作行為，總計(jì)約2,000分鐘。采集的多模態(tài)數(shù)據(jù)類(lèi)型及采集工具如圖2所示。

圖2 多模態(tài)數(shù)據(jù)類(lèi)型及其表征

2. 協(xié)作學(xué)習(xí)投入編碼框架

本研究收集學(xué)習(xí)者學(xué)習(xí)過(guò)程中的語(yǔ)音數(shù)據(jù)、文本數(shù)據(jù)、生理數(shù)據(jù)、眼動(dòng)數(shù)據(jù)、問(wèn)卷數(shù)據(jù)和視頻數(shù)據(jù)。其中，認(rèn)知投入部分通過(guò)對(duì)語(yǔ)音數(shù)據(jù)進(jìn)行內(nèi)容分析來(lái)表征，部分通過(guò)對(duì)心率和眼動(dòng)數(shù)據(jù)進(jìn)行編碼分析來(lái)表征。情感投入通過(guò)對(duì)眼動(dòng)和問(wèn)卷數(shù)據(jù)編碼獲得，行為投入通過(guò)對(duì)視頻數(shù)據(jù)進(jìn)行編碼分析來(lái)表征。以Wang（2024）提出的學(xué)習(xí)投入編碼框架、Xu等（2020）提出的認(rèn)知投入測(cè)評(píng)框架、Liu等（2022）提出的認(rèn)知投入編碼分類(lèi)、閆志明等（2018）探究的眼動(dòng)研究成果、王翠如等（2021）提出的情感投入測(cè)評(píng)框架、Ouyang等（2021）提出的行為投入分析框架、Liu等（2018）提出的行為投入測(cè)評(píng)框架為基礎(chǔ)，本研究提出關(guān)于協(xié)作學(xué)習(xí)投入的編碼指標(biāo)（如表2所示）。

表2 學(xué)習(xí)投入評(píng)價(jià)框架編碼表

3. 數(shù)據(jù)編碼

數(shù)據(jù)收集完成后，對(duì)協(xié)作學(xué)習(xí)過(guò)程中采集的多模態(tài)數(shù)據(jù)進(jìn)行量化處理：首先，將協(xié)作過(guò)程中產(chǎn)生的語(yǔ)音數(shù)據(jù)，標(biāo)識(shí)出學(xué)習(xí)者角色。其次，定義情緒反饋周期是從一個(gè)情緒反饋詞匯的自然出現(xiàn)開(kāi)始，直至下一個(gè)情緒反饋詞匯出現(xiàn)之前的時(shí)間段，作為各模態(tài)數(shù)據(jù)的對(duì)齊時(shí)間依據(jù)。在該時(shí)間段內(nèi)，對(duì)每位學(xué)習(xí)者在協(xié)作過(guò)程中產(chǎn)生的錄屏視頻、對(duì)話信息以及視頻錄像等資料依照時(shí)間段順序進(jìn)行精確的對(duì)齊處理，對(duì)于少量數(shù)據(jù)中時(shí)間粒度不同的問(wèn)題，綜合采用重采樣和數(shù)據(jù)合并與關(guān)聯(lián)的方式，對(duì)不同數(shù)據(jù)源的時(shí)間標(biāo)簽進(jìn)行匹配和對(duì)齊。最后，在協(xié)作學(xué)習(xí)內(nèi)容的文本數(shù)據(jù)中，將句子單元作為最小分析單元；語(yǔ)音數(shù)據(jù)中，以每位學(xué)習(xí)者一次完整的發(fā)言為單元；視頻數(shù)據(jù)以分析對(duì)象的協(xié)作學(xué)習(xí)行為為單元，如閱讀資料、查看平臺(tái)、檢索資料、撰寫(xiě)文檔行為等；生理和眼動(dòng)數(shù)據(jù)全部導(dǎo)出后以情緒反饋周期為時(shí)間單位，根據(jù)時(shí)間戳與文本、語(yǔ)音和視頻數(shù)據(jù)對(duì)齊，例如：在某個(gè)情緒反饋周期內(nèi)，將該周期內(nèi)的學(xué)習(xí)者文本、語(yǔ)音、視頻、生理和眼動(dòng)數(shù)據(jù)的時(shí)間戳進(jìn)行匹配，確保它們?cè)谕粫r(shí)間段內(nèi)發(fā)生。選取兩名研究助理進(jìn)行編碼。正式編碼前，對(duì)兩位助理進(jìn)行3小時(shí)的訓(xùn)練，在對(duì)編碼內(nèi)容和標(biāo)準(zhǔn)達(dá)成一致的基礎(chǔ)上，隨機(jī)抽取25%的文本、語(yǔ)音、視頻數(shù)據(jù)，分別進(jìn)行編碼，編碼完成后計(jì)算Cohen’s kappa系數(shù)分別為0.869、0.873、0.857，說(shuō)明編碼結(jié)果信度良好。兩位助理對(duì)編碼不一致的相關(guān)問(wèn)題進(jìn)行討論后，對(duì)剩余的數(shù)據(jù)依據(jù)編碼表完成編碼，形成結(jié)構(gòu)化的學(xué)習(xí)投入數(shù)據(jù)。

四、

數(shù)據(jù)處理與分析方法

（一）數(shù)據(jù)處理與分析流程

數(shù)據(jù)處理分析流程如圖3所示：1）多模態(tài)數(shù)據(jù)采集：通過(guò)眼動(dòng)儀、生物反饋儀、攝像機(jī)、問(wèn)卷等工具采集協(xié)作學(xué)習(xí)中的多模態(tài)數(shù)據(jù)，包括注視次數(shù)、注視時(shí)間、心率等，這些數(shù)據(jù)覆蓋了行為投入、認(rèn)知投入和情感投入等多個(gè)維度；2）數(shù)據(jù)編碼與預(yù)處理：首先將采集到的原始數(shù)據(jù)進(jìn)行自動(dòng)和人工編碼相結(jié)合的方式提取特征，其次將多種模態(tài)的特征向量采用串聯(lián)的方法直接拼接起來(lái)組合形成一個(gè)新特征集，在此基礎(chǔ)上去除噪聲和異常值進(jìn)行數(shù)據(jù)清洗，最后對(duì)數(shù)據(jù)進(jìn)行歸一化，形成標(biāo)準(zhǔn)數(shù)據(jù)集；3）數(shù)據(jù)集劃分：為訓(xùn)練和驗(yàn)證模型，將數(shù)據(jù)集按照5∶2∶3的比例劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，訓(xùn)練集用于構(gòu)建和訓(xùn)練模型，驗(yàn)證集用于模型的調(diào)優(yōu)，測(cè)試集則用于評(píng)估模型的最終性能；4）模型訓(xùn)練：采用機(jī)器學(xué)習(xí)算法訓(xùn)練學(xué)習(xí)投入分析模型，挖掘數(shù)據(jù)中的復(fù)雜模式；5）模型驗(yàn)證與優(yōu)化：通過(guò)準(zhǔn)確率等評(píng)價(jià)指標(biāo)驗(yàn)證模型性能，并進(jìn)行模型的反饋優(yōu)化調(diào)整，包括超參數(shù)優(yōu)化、模型結(jié)構(gòu)調(diào)整等；6）多模態(tài)協(xié)作學(xué)習(xí)投入分析：在模型經(jīng)過(guò)驗(yàn)證并達(dá)到滿(mǎn)意的性能后，即用來(lái)分析協(xié)作學(xué)習(xí)數(shù)據(jù)，從多模態(tài)的角度評(píng)價(jià)學(xué)習(xí)者在協(xié)作學(xué)習(xí)環(huán)境中的學(xué)習(xí)投入效果，包括總體投入、行為投入、認(rèn)知投入和情感投入；7）情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響分析：基于協(xié)作學(xué)習(xí)投入多模態(tài)分析結(jié)果，分析不同情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響機(jī)制。

圖3 多模態(tài)數(shù)據(jù)處理與分析

（二）數(shù)據(jù)分析方法

本研究采用分類(lèi)算法對(duì)經(jīng)過(guò)預(yù)處理的多模態(tài)學(xué)習(xí)數(shù)據(jù)進(jìn)行融合分析，選擇了Logistic回歸、梯度提升樹(shù)、XGBoost、線性判別分析、AdaBoost、隨機(jī)森林、決策樹(shù)、Bagging、多項(xiàng)式樸素貝葉斯、K近鄰、伯努利樸素貝葉斯、支持向量機(jī)（SVM）12種常見(jiàn)的分類(lèi)算法，采用計(jì)算準(zhǔn)確率（Accuracy）、F1-Score值和MCC值分別比較這些算法對(duì)數(shù)據(jù)的評(píng)價(jià)性能。準(zhǔn)確率計(jì)算模型正確預(yù)測(cè)樣本量與總樣本量之比，值越大，說(shuō)明模型的評(píng)價(jià)效果越好。F1-Score是一個(gè)綜合性評(píng)價(jià)指標(biāo)，旨在準(zhǔn)確率和召回率之間尋求平衡，是準(zhǔn)確率和召回率的調(diào)和平均值，將這兩個(gè)指標(biāo)合并為一個(gè)單一的分?jǐn)?shù)，從而提供了一種同時(shí)考慮假陽(yáng)性和假陰性的評(píng)估方式。其最大值為1、最小值為0，值越大說(shuō)明模型的評(píng)價(jià)效果越好。MCC（Matthews相關(guān)系數(shù)）是在二元分類(lèi)問(wèn)題中使用的度量值，為我們提供了一種綜合考慮了真陽(yáng)性、真陰性、假陽(yáng)性和假陰性關(guān)系的評(píng)估方式。MCC是一個(gè)范圍在-1到1之間的單一值，其中-1表示模型的預(yù)測(cè)與實(shí)際結(jié)果完全不一致，1表示模型的預(yù)測(cè)與實(shí)際結(jié)果完全一致。分類(lèi)算法輸出結(jié)果如表3所示。

表3分類(lèi)算法輸出結(jié)果

注：準(zhǔn)確率、F1-Score值、MCC值越大，學(xué)習(xí)投入模型效果越好。

結(jié)果顯示，Logistic回歸算法的評(píng)價(jià)效果最優(yōu)（準(zhǔn)確率為0.765，F(xiàn)1-Score值為0.759，MCC值為0.613），因此，本研究采用此算法測(cè)算學(xué)習(xí)者協(xié)作學(xué)習(xí)投入水平。

Logistic回歸公式可以定義為在已知參數(shù)w和數(shù)據(jù)x的情況下，預(yù)測(cè)值y為類(lèi)別k的條件概率，如公式（1）所示：

其中，exp表示以自然常數(shù)e為底的指數(shù)函數(shù)，T表示矩陣的轉(zhuǎn)置。在本文中，K表示分類(lèi)的類(lèi)別數(shù)量，w表示Logistic回歸模型參數(shù)，是一個(gè)長(zhǎng)度為14的向量，向量中的值表示特征項(xiàng)（13個(gè)）和偏置項(xiàng)（1個(gè)），分別對(duì)應(yīng)特征（提出問(wèn)題、提供支架、陳述觀點(diǎn)、反思任務(wù)、心率、注視次數(shù)、總注視時(shí)間、瞳孔直徑、情感投入問(wèn)卷、閱讀資料、查看平臺(tái)、檢索資料、撰寫(xiě)文檔）的系數(shù)。

公式（1）計(jì)算出最大概率的預(yù)測(cè)值k即為某個(gè)學(xué)生在一個(gè)時(shí)間段內(nèi)的協(xié)作學(xué)習(xí)投入狀態(tài)值。為了評(píng)估每個(gè)小組在總的時(shí)間內(nèi)的協(xié)作學(xué)習(xí)狀態(tài)S，需要統(tǒng)計(jì)小組成員在總的時(shí)間內(nèi)的協(xié)作學(xué)習(xí)投入狀態(tài)值，計(jì)算方式如公式（2）所示：

式中g(shù)表示小組編號(hào)，G表示小組數(shù)量，t表示時(shí)間段的編號(hào)，T表示時(shí)間段的數(shù)量。

五、

研究結(jié)果

（一）協(xié)作學(xué)習(xí)投入整體水平及差異分析結(jié)果

1. 小組協(xié)作學(xué)習(xí)投入整體水平

本研究經(jīng)過(guò)對(duì)多模態(tài)協(xié)作學(xué)習(xí)數(shù)據(jù)編碼處理后，采用Logistic回歸分類(lèi)算法綜合測(cè)算學(xué)習(xí)者協(xié)作學(xué)習(xí)投入水平，根據(jù)公式（1）測(cè)算出每位學(xué)習(xí)者在一個(gè)時(shí)間段的協(xié)作學(xué)習(xí)投入狀態(tài)值k∈{0,1,2}，如X同學(xué)在第3—5分鐘的投入狀態(tài)值為2，再應(yīng)用公式（2）計(jì)算各小組的協(xié)作學(xué)習(xí)投入整體水平（如表4所示）。

表4 各小組協(xié)作學(xué)習(xí)投入水平

相較于接受消極情緒反饋的小組，獲得積極情緒反饋的小組在總體學(xué)習(xí)投入水平上展現(xiàn)出更為優(yōu)異的表現(xiàn)。此外，數(shù)據(jù)還揭示了一個(gè)值得注意的現(xiàn)象，無(wú)論是積極組還是消極組，學(xué)習(xí)者在“情感投入”和“行為投入”兩個(gè)維度上的表現(xiàn)均優(yōu)于“認(rèn)知投入”，結(jié)合對(duì)學(xué)生學(xué)習(xí)過(guò)程的觀察，在協(xié)作學(xué)習(xí)過(guò)程中，學(xué)習(xí)者的情感狀態(tài)與學(xué)習(xí)行為更容易受到情緒反饋的直接影響。

2. 小組協(xié)作學(xué)習(xí)投入水平差異分析

為進(jìn)一步探究積極情緒反饋組和消極情緒反饋組在討論互動(dòng)中學(xué)習(xí)投入上的差異，本研究以學(xué)生個(gè)人量化后的學(xué)習(xí)數(shù)據(jù)為分析單元，使用Mann-Whitney U檢驗(yàn)，探索積極組和消極組學(xué)生在學(xué)習(xí)投入上的差異，分析結(jié)果如表5所示。

表5 學(xué)習(xí)投入分析結(jié)果

通過(guò)差異分析發(fā)現(xiàn)，積極和消極情緒反饋組在協(xié)作學(xué)習(xí)投入總體水平和認(rèn)知、行為、情感各維度的投入水平上，均存在顯著差異，積極情緒反饋組協(xié)作學(xué)習(xí)投入狀況優(yōu)于消極組。

（二）情緒反饋與協(xié)作學(xué)習(xí)投入各維度的關(guān)系分析結(jié)果

為挖掘不同類(lèi)型情緒反饋與學(xué)習(xí)投入各維度更深層次的關(guān)系，利用SPSS宏程序Process插件中的Model 1，以積極情緒反饋和消極情緒反饋次數(shù)作為自變量，依次以認(rèn)知投入、情感投入、行為投入和學(xué)習(xí)投入作為調(diào)節(jié)變量，探索交互效應(yīng)是否顯著。對(duì)8組交互項(xiàng)進(jìn)行檢驗(yàn)后，僅積極情緒反饋與情感投入交互作用顯著。隨后，以積極情緒反饋為自變量，情感投入為調(diào)節(jié)變量，認(rèn)知投入、行為投入、學(xué)習(xí)投入為因變量進(jìn)行簡(jiǎn)單斜率分析，認(rèn)知投入調(diào)節(jié)效果顯著。從表6模型一可以看出，積極情緒反饋為自變量，調(diào)節(jié)變量情感投入（β=0.496，t=3.169，p=0.003）對(duì)于因變量認(rèn)知投入的預(yù)測(cè)是顯著的。情感投入和積極情緒反饋的交互項(xiàng)也達(dá)到了顯著水平，正向預(yù)測(cè)認(rèn)知投入（β=0.540，t=2.725，p=0.010）。調(diào)節(jié)變量情感投入在自變量積極情緒反饋和因變量認(rèn)知投入上存在調(diào)節(jié)效應(yīng)，情感投入增強(qiáng)了自變量積極情緒反饋對(duì)因變量認(rèn)知投入的正向影響。

表6 情感投入調(diào)節(jié)效應(yīng)檢驗(yàn)

注：***p＜0.001，**p＜0.01；β：標(biāo)準(zhǔn)化系數(shù)，SE：標(biāo)準(zhǔn)誤差。

根據(jù)圖4中斜率，隨著情感投入水平的不斷提升，積極情緒反饋對(duì)學(xué)習(xí)者認(rèn)知投入的作用明顯增強(qiáng)。當(dāng)學(xué)習(xí)者處在情感投入較高的水平下，積極情緒反饋對(duì)個(gè)體的認(rèn)知投入呈顯著的正向影響，即在高情感投入的條件下，增加一定的積極情緒反饋能夠激發(fā)其更深層次的思考與分析，從而推動(dòng)認(rèn)知投入達(dá)到更高層次。在情感投入較低的水平下，積極情緒反饋對(duì)個(gè)體的認(rèn)知投入呈顯著的負(fù)向影響，即在低情感投入的條件下，額外的積極情緒反饋可能加劇個(gè)體的心理負(fù)擔(dān)，抑制其認(rèn)知加工能力，進(jìn)而導(dǎo)致認(rèn)知投入的減少。

圖4 情感投入在積極情緒反饋與認(rèn)知投入間的調(diào)節(jié)效應(yīng)

（三）情緒反饋對(duì)協(xié)作學(xué)習(xí)投入重要指標(biāo)的影響作用

采用Logistic回歸計(jì)算協(xié)作學(xué)習(xí)投入模型特征的重要性及排名。本研究將權(quán)重值大于0.15的特征確定為多模態(tài)數(shù)據(jù)中評(píng)價(jià)學(xué)習(xí)者協(xié)作學(xué)習(xí)投入的最佳特征（范福蘭 等, 2023; 羅江華 & 岳彥龍, 2024），包括學(xué)習(xí)者的注視次數(shù)、心率和提供支架（如表7所示）。

表7 特征權(quán)重值

本研究依據(jù)以上特征權(quán)重值選擇了三個(gè)特征，即注視次數(shù)、心率和提供支架。應(yīng)用氣泡圖分別繪制積極情緒反饋和消極情緒反饋對(duì)重要指標(biāo)的影響，如圖5和圖6所示。在氣泡圖中，橫軸代表情緒反饋的類(lèi)型，4種積極情緒反饋（愉快、輕松、享受、安逸）和4種消極情緒反饋（厭煩、懷疑、失望、沮喪）；縱軸代表注視次數(shù)，注視次數(shù)越多，表明學(xué)習(xí)者認(rèn)知投入越高（王翠如 等, 2021）。圖中氣泡的大小代表提供支架的次數(shù)，氣泡越大表示次數(shù)越多；氣泡顏色的深淺表示心率的高低，顏色越深表示心率越高，顏色越淺表示心率越低。心率平均水平低，波動(dòng)小，表明學(xué)習(xí)者認(rèn)知投入高（王麗英 等, 2020）。

圖5 積極情緒反饋對(duì)學(xué)習(xí)投入的影響

圖6 消極情緒反饋對(duì)學(xué)習(xí)投入的影響

如圖5所示，在積極情緒反饋條件下，學(xué)習(xí)者的注視次數(shù)在300次至1,000次之間，其中愉快反饋的注視次數(shù)最高，優(yōu)于其他三種情緒狀態(tài)。根據(jù)氣泡大小，愉快和享受情緒反饋所產(chǎn)生的氣泡平均大于輕松和安逸兩個(gè)狀態(tài)，說(shuō)明在愉快和享受情緒反饋下，學(xué)習(xí)者提供支架的次數(shù)較多。綜上，愉快情緒反饋狀態(tài)下的學(xué)習(xí)投入情況最優(yōu)。

如圖6所示，在消極情緒反饋條件下，學(xué)習(xí)者的注視次數(shù)主要集中在300次至650次之間。其中，厭煩反饋和懷疑反饋的注視次數(shù)相對(duì)較多。根據(jù)氣泡顏色深淺，厭煩和懷疑情緒反饋狀態(tài)下學(xué)習(xí)者的心率相對(duì)較高。根據(jù)氣泡大小，懷疑反饋狀態(tài)下的氣泡平均較大，說(shuō)明學(xué)習(xí)者提供支架的次數(shù)較多。綜上，在消極情緒反饋中，相對(duì)而言，懷疑情緒反饋狀態(tài)下的學(xué)習(xí)投入情況最優(yōu)。

對(duì)比圖5和圖6，積極情緒反饋條件下，學(xué)習(xí)者的注視次數(shù)總體上高于消極情緒反饋，王翠如等（2021）研究表明，注視次數(shù)越多，表明學(xué)習(xí)者的認(rèn)知投入越高；注視次數(shù)越少，表明學(xué)習(xí)者的認(rèn)知投入越低。根據(jù)氣泡顏色深淺發(fā)現(xiàn)，在積極情緒反饋時(shí)的學(xué)習(xí)者心率平均水平低于消極情緒反饋。根據(jù)氣泡大小，在積極情緒反饋條件下的學(xué)習(xí)者提供支架次數(shù)比消極情緒反饋條件下多。這表明，在積極情緒反饋條件下，學(xué)習(xí)者更愿意通過(guò)提供支架引導(dǎo)同伴討論相關(guān)問(wèn)題，積極參與協(xié)作學(xué)習(xí)，從而提高他們的學(xué)習(xí)投入。

六、

研究總結(jié)與討論

本研究圍繞協(xié)作學(xué)習(xí)中情緒反饋對(duì)學(xué)生學(xué)習(xí)投入的影響機(jī)制問(wèn)題，開(kāi)展準(zhǔn)實(shí)驗(yàn)研究。采用多模態(tài)學(xué)習(xí)分析技術(shù)綜合測(cè)評(píng)學(xué)生協(xié)作學(xué)習(xí)投入水平，在此基礎(chǔ)上探究積極情緒反饋和消極情緒反饋對(duì)協(xié)作學(xué)習(xí)投入的影響機(jī)制，通過(guò)采集、融合與分析協(xié)作學(xué)習(xí)過(guò)程中的文本、語(yǔ)音、視頻和生理數(shù)據(jù)，提升了協(xié)作學(xué)習(xí)投入測(cè)評(píng)的準(zhǔn)確性。在協(xié)作學(xué)習(xí)投入多模態(tài)測(cè)評(píng)結(jié)果的基礎(chǔ)上，深入分析情緒反饋對(duì)其的影響機(jī)制，研究發(fā)現(xiàn)：

（一）積極和消極情緒反饋條件下的協(xié)作學(xué)習(xí)投入狀態(tài)存在顯著差異，且積極情緒反饋下的學(xué)習(xí)投入水平高于消極情緒反饋

積極情緒反饋能激發(fā)學(xué)習(xí)者的積極高喚醒情緒，有效改善學(xué)習(xí)者的情感體驗(yàn)，提升學(xué)習(xí)者的學(xué)習(xí)自我效能感，幫助同伴之間建立良好的學(xué)習(xí)氛圍，提高學(xué)習(xí)者在協(xié)作學(xué)習(xí)過(guò)程中的互動(dòng)頻率和問(wèn)題解決質(zhì)量。已有研究也發(fā)現(xiàn)了積極情緒在協(xié)作學(xué)習(xí)中的重要性，如Rafikova（2022）提出，積極情緒氛圍有助于有效地開(kāi)展協(xié)作學(xué)習(xí)和問(wèn)題解決；Zhang和Gao（2024）發(fā)現(xiàn)，積極情緒氛圍對(duì)協(xié)作學(xué)習(xí)效果具有促進(jìn)作用。相反，消極情緒反饋（如焦慮、困惑）會(huì)降低學(xué)習(xí)者的自我效能感，使他們產(chǎn)生逃避學(xué)習(xí)心理，減少學(xué)習(xí)投入。該結(jié)論支持了已有研究觀點(diǎn)，為了防止消極情緒對(duì)認(rèn)知過(guò)程、投入水平等的阻礙，需采取一定的積極情緒反饋從而對(duì)消極情緒進(jìn)行調(diào)節(jié)（Avry et al., 2020; Xu & Lou, 2024）。

（二）在不同水平的情感投入條件下，積極情緒反饋次數(shù)對(duì)認(rèn)知投入情況產(chǎn)生顯著影響

學(xué)習(xí)者在高情感投入狀態(tài)下，對(duì)任務(wù)或活動(dòng)充滿(mǎn)熱情和興趣，個(gè)體情感投入越高，學(xué)業(yè)成效越好，積極的情緒反饋能進(jìn)一步增強(qiáng)這種投入，使個(gè)體更專(zhuān)注于當(dāng)前任務(wù)，從而提高投入水平。在已有研究中，Mayordomo等（2022）發(fā)現(xiàn)積極情緒反饋能促進(jìn)認(rèn)知投入，并且反饋次數(shù)越多，這種促進(jìn)作用越明顯。在個(gè)體處于低情感投入狀態(tài)時(shí)，對(duì)任務(wù)或活動(dòng)的興趣較低，此時(shí)過(guò)多的積極情緒反饋會(huì)分散他們的注意力，使他們難以專(zhuān)注于當(dāng)前的任務(wù)，因此，在低情感投入下，積極情緒反饋次數(shù)對(duì)個(gè)體的認(rèn)知投入呈顯著的負(fù)向影響。在已有研究中，研究者發(fā)現(xiàn)學(xué)習(xí)者在情感投入較低的情況下，積極情緒反饋會(huì)影響學(xué)習(xí)者的注意力分配，帶來(lái)的認(rèn)知負(fù)荷增加削弱認(rèn)知投入，同時(shí)使學(xué)習(xí)者傾向于采用表層認(rèn)知策略，降低對(duì)學(xué)習(xí)內(nèi)容的理解與反思（Pandia, 2023; Greipl et al., 2021）。

（三）積極情緒反饋中，愉快情緒反饋狀態(tài)下的協(xié)作學(xué)習(xí)投入情況最優(yōu)；消極情緒反饋中，懷疑情緒反饋狀態(tài)下的協(xié)作學(xué)習(xí)投入情況最優(yōu)

愉快的情緒反饋能激發(fā)學(xué)習(xí)者的積極學(xué)業(yè)情感體驗(yàn)，這種體驗(yàn)有助于消除消極情緒，提高學(xué)習(xí)者的學(xué)習(xí)熱情和積極性，提高學(xué)習(xí)者的協(xié)作學(xué)習(xí)投入水平，對(duì)協(xié)作學(xué)習(xí)起正向影響作用。Tan和Jung（2024）發(fā)現(xiàn)，愉快情緒反饋能激發(fā)學(xué)習(xí)者的內(nèi)在動(dòng)機(jī)，使其更愿意參與協(xié)作學(xué)習(xí)活動(dòng)。Lyu等（2024, pp.172-177）提出，相對(duì)于自豪、滿(mǎn)足等積極情緒反饋，愉快情緒反饋對(duì)學(xué)習(xí)投入的促進(jìn)效果更為顯著。在消極情緒反饋中，懷疑情緒反饋相較于如憤怒、焦慮等其他情緒反饋，更能激發(fā)個(gè)體對(duì)問(wèn)題的深入思考和探索，在懷疑情緒反饋的驅(qū)使下，個(gè)體會(huì)更加審慎地評(píng)估信息，尋求更多的證據(jù)進(jìn)一步探究，這種過(guò)程在一定程度上增加學(xué)習(xí)者的協(xié)作學(xué)習(xí)投入。M?nty等（2020）研究發(fā)現(xiàn)，在協(xié)作學(xué)習(xí)過(guò)程中，懷疑情緒能激發(fā)學(xué)習(xí)者更加深入地分析和質(zhì)疑問(wèn)題，增強(qiáng)好奇心和求知欲，進(jìn)而更積極地投入學(xué)習(xí)。

以上研究結(jié)果可為協(xié)作學(xué)習(xí)中的情緒反饋干預(yù)提供借鑒，在教學(xué)實(shí)施過(guò)程中，可采用以下手段進(jìn)行有效的協(xié)作學(xué)習(xí)情緒調(diào)節(jié)。

在協(xié)作學(xué)習(xí)過(guò)程中，教師可通過(guò)一定的手段對(duì)學(xué)習(xí)者進(jìn)行積極情緒啟動(dòng)，使小組處于積極情緒、正能量的學(xué)習(xí)氛圍中。在學(xué)習(xí)過(guò)程中，可指導(dǎo)學(xué)生通過(guò)語(yǔ)言表達(dá)或文本反饋等多種方式，給予同伴愉快的情緒反饋，如“你的選題非常有趣，值得深入探究”“你剛才的方案真的很有創(chuàng)意，非常全面，讓我們的問(wèn)題解決思路都拓寬了”“你很優(yōu)秀，我相信你能完成”，等等。也可通過(guò)身體姿態(tài)、眼神和微笑等非語(yǔ)言文字的形式進(jìn)行情緒反饋交流，增強(qiáng)彼此之間的積極情緒氛圍，提高小組協(xié)作學(xué)習(xí)投入水平。

在積極情緒反饋狀態(tài)下，教師應(yīng)綜合測(cè)評(píng)學(xué)生的情感投入狀態(tài)。當(dāng)學(xué)生處于高情感投入狀態(tài)時(shí)，教師應(yīng)指導(dǎo)同伴適當(dāng)增加積極情緒反饋次數(shù)，進(jìn)一步提高其投入水平。當(dāng)學(xué)生處于低情感投入狀態(tài)時(shí)，同伴應(yīng)減少情緒反饋次數(shù)，幫助學(xué)習(xí)者維持較高的投入水平。學(xué)生在協(xié)作學(xué)習(xí)過(guò)程中由于受多方面因素影響陷入消極情緒時(shí)，教師應(yīng)指導(dǎo)小組及時(shí)開(kāi)展情緒反饋進(jìn)行調(diào)節(jié)。如學(xué)生處于較高的情感投入水平時(shí)，教師可適當(dāng)增加積極情緒反饋次數(shù)，在積極的學(xué)習(xí)氛圍中引導(dǎo)學(xué)生進(jìn)行高投入探究學(xué)習(xí)。教師也可引導(dǎo)學(xué)生逐步進(jìn)入懷疑的情緒狀態(tài)，在不斷質(zhì)疑的過(guò)程中發(fā)現(xiàn)新思路，走出挫敗，避免出現(xiàn)失望和沮喪的消極情緒狀態(tài)。另外，教師可引導(dǎo)學(xué)生通過(guò)暫停協(xié)作學(xué)習(xí)活動(dòng)、肌肉放松訓(xùn)練等方式，降低心率，緩解消極情緒狀態(tài)。

本研究從情緒反饋的視角，探索促進(jìn)協(xié)作學(xué)習(xí)投入的路徑，針對(duì)協(xié)作學(xué)習(xí)投入測(cè)評(píng)這一核心任務(wù)，創(chuàng)新性地采用了多模態(tài)學(xué)習(xí)分析方法，采集多模態(tài)學(xué)習(xí)數(shù)據(jù)并進(jìn)行融合分析，有效提高了協(xié)作學(xué)習(xí)投入測(cè)評(píng)的精確度與全面性。在此基礎(chǔ)上，進(jìn)一步剖析了不同情緒反饋對(duì)協(xié)作學(xué)習(xí)投入各維度及重要指標(biāo)的影響，為協(xié)作學(xué)習(xí)中的情緒調(diào)節(jié)提供指導(dǎo)。本研究仍存在一定的局限性。受研究樣本和資源限制，研究樣本量相對(duì)較少，僅在一定程度上探索了解決問(wèn)題的新思路和新方法，后續(xù)將拓展本研究成果，擴(kuò)大研究對(duì)象范圍，檢驗(yàn)成果的準(zhǔn)確性和可遷移性，提高情緒反饋促進(jìn)協(xié)作學(xué)習(xí)效果策略的普適性。

參考文獻(xiàn)

程雪姣, 謝涵, 皮忠玲, & 洪建中. （2021）. 創(chuàng)造性問(wèn)題解決中情緒性反饋對(duì)虛擬團(tuán)隊(duì)成員合作感知和行為投入的影響. In中國(guó)心理學(xué)會(huì)（編）, 第二十三屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議摘要集（下）（pp. 742-743）.

范福蘭, 黃艷琳, 萬(wàn)力勇, 梅林, & 熊曳. （2023）. 多模態(tài)數(shù)據(jù)驅(qū)動(dòng)的大學(xué)生混合式學(xué)習(xí)評(píng)價(jià). 現(xiàn)代教育技術(shù)（1）, 99-107.

龔朝花, 李倩, & 龔勇. （2018）. 智慧學(xué)習(xí)環(huán)境中的學(xué)習(xí)投入問(wèn)題研究. 電化教育研究（6）, 83-89.

胡同文, 張闊, 程玉茹, & 王敬欣. （2024）. 中文閱讀中的情緒詞類(lèi)型效應(yīng)不受效價(jià)的調(diào)節(jié)：來(lái)自眼動(dòng)的證據(jù). 心理與行為研究（2）, 197-203.

李偉麗, 孔華秀, 候亮, & 丁桂鳳. （2022）. 大學(xué)生的不同學(xué)習(xí)投入類(lèi)型及其影響因素. 黑龍江高教研究（6）, 145-150.

李新, & 李艷燕. （2022）. 協(xié)作學(xué)習(xí)情境中學(xué)習(xí)投入數(shù)字化表征模型的構(gòu)建與應(yīng)用. 中國(guó)遠(yuǎn)程教育（8）, 70-77.

李新, 李艷燕, & 楊現(xiàn)民. （2023）. 協(xié)作學(xué)習(xí)投入的結(jié)構(gòu)模型構(gòu)建與機(jī)理闡釋. 現(xiàn)代教育技術(shù)（12）, 45-55.

李秀晗, 張曉曼, 王濤, 楊玉芹, & 羅恒. （2023）. CoP視域下教師網(wǎng)絡(luò)學(xué)習(xí)社群的群體動(dòng)力特征. 現(xiàn)代教育技術(shù)（9）, 89-98.

李艷燕, 彭禹, 康佳, 包昊罡, & 蘇友. （2020）. 在線協(xié)作學(xué)習(xí)中小組學(xué)習(xí)投入的分析模型構(gòu)建及應(yīng)用. 中國(guó)遠(yuǎn)程教育（2）, 40-48, 77.

厲飛飛, 呂勇, & 房佳琪. （2018）. 積極情緒反饋對(duì)注意捕獲影響的實(shí)驗(yàn)研究. 心理科學(xué)（4）, 789-795.

劉君玲, 張文蘭, & 劉斌. （2020）. 在線協(xié)作交互文本編碼體系的設(shè)計(jì)與應(yīng)用——基于情緒交互視角的研究. 電化教育研究（6）, 53-59.

劉君玲, 張雅文, 劉斌, 張文蘭, & 王建虎. （2022）. 挑戰(zhàn)情境下同伴情緒交互策略對(duì)在線協(xié)作交互效果的影響. 電化教育研究（11）, 60-68, 84.

羅江華, & 岳彥龍. （2024）. 人工智能生成數(shù)字教育資源適應(yīng)性評(píng)價(jià)指標(biāo)體系構(gòu)建. 現(xiàn)代遠(yuǎn)距離教育（4）, 39-47.

馬婧, 姜萌, & 董艷. （2023）. 虛擬現(xiàn)實(shí)環(huán)境中基于多維傳感系統(tǒng)的學(xué)習(xí)投入綜合模型研究. 電化教育研究（2）, 107-113.

牟智佳. （2020）. 多模態(tài)學(xué)習(xí)分析：學(xué)習(xí)分析研究新生長(zhǎng)點(diǎn). 電化教育研究（5）, 27-32, 51.

齊媛. （2019）. 網(wǎng)絡(luò)學(xué)習(xí)環(huán)境對(duì)小學(xué)生學(xué)習(xí)投入的影響研究——以教客平臺(tái)為例. 中國(guó)特殊教育（12）, 83-88.

萬(wàn)昆, 饒愛(ài)京, & 徐如夢(mèng). （2021）. 哪些因素影響了學(xué)習(xí)者的在線學(xué)習(xí)投入？——兼論智能時(shí)代在線學(xué)習(xí)的發(fā)展. 教育學(xué)術(shù)月刊（6）, 97-104.

王翠如, 徐培培, & 胡永斌. （2021）. 桌面虛擬現(xiàn)實(shí)學(xué)習(xí)環(huán)境對(duì)學(xué)習(xí)投入和學(xué)習(xí)成績(jī)的影響——基于多模態(tài)數(shù)據(jù). 開(kāi)放教育研究（3）, 112-120.

王麗英, 何云帆, & 田俊華. （2020）. 在線學(xué)習(xí)行為多模態(tài)數(shù)據(jù)融合模型構(gòu)建及實(shí)證. 中國(guó)遠(yuǎn)程教育（6）, 22-30, 51, 76.

王曉春, & 王剛. （2023）. 基于ISM的大學(xué)生學(xué)習(xí)投入影響因素及作用機(jī)制. 高等工程教育研究（6）, 118-124.

王雪, 高澤紅, 徐文文, & 張蕾. （2021）. 反饋的情緒設(shè)計(jì)對(duì)視頻學(xué)習(xí)的影響機(jī)制研究. 電化教育研究（3）, 69-74.

王云, 李志霞, 白清玉, & 姚?，? （2020）. 在線討論中動(dòng)態(tài)學(xué)習(xí)情緒和認(rèn)知行為序列的關(guān)系研究. 電化教育研究（6）, 60-67.

謝莉, & 尹潔. （2021）. 生涯規(guī)劃清晰度對(duì)大學(xué)生學(xué)習(xí)參與的影響：有調(diào)節(jié)的中介模型. 心理學(xué)探新（5）, 437-442.

閆志明, 郭喜蓮, & 王睿. （2018）. 多媒體學(xué)習(xí)研究中眼動(dòng)指標(biāo)述評(píng). 現(xiàn)代教育技術(shù)（5）, 33-39.

余輝, 梁鎮(zhèn)濤, & 鄢宇晨. （2020）. 多來(lái)源多模態(tài)數(shù)據(jù)融合與集成研究進(jìn)展. 情報(bào)理論與實(shí)踐（11）, 169-178.

張康英. （2015）. 在線協(xié)作學(xué)習(xí)中情緒反饋對(duì)交互質(zhì)量的影響研究. 寧波大學(xué).

Avry, S., Chanel, G., Bétrancourt, M., & Molinari, G. (2020). Achievement appraisals, emotions and socio-cognitive processes: How they interplay in collaborative problem-solving? Computers in Human Behavior, 107, 106267.

Chen, W., Liu, D., & Lin, C. (2023). Collaborative peer feedback in L2 writing: Affective, behavioral, cognitive, and social engagement. Frontiers in Psychology, 14, 1078141.

Darnell, D. K., & Krieg, P. A. (2019). Student engagement, assessed using heart rate, shows no reset following active learning sessions in lectures. Plos One, 14(12), e0225709.

Denham, S. A., Ferrier, D. E., Howarth, G. Z., Herndon, K. J., & Bassett, H. H. (2016). Key considerations in assessing young children’s emotional competence. Cambridge Journal of Education, 46(3), 299-317.

Derham, C., Balloo, K., & Winstone, N. (2022) The focus, function and framing of feedback information: Linguistic and content analysis of in-text feedback comments. Assessment & Evaluation in Higher Education, 47(6), 896-909.

Dubovi, I. (2022). Cognitive and emotional engagement while learning with VR: The perspective of multimodal methodology. Computers & Education, 183, 104495.

Erickson, D., Holderness, D. K., Olsen, K. J., & Thornock, T. A. (2022). Feedback with feeling? How emotional language in feedback affects individual performance. Accounting, Organizations and Society, 99, 101329.

Foo, S. Y. (2021). Analysing peer feedback in asynchronous online discussions: A case study. Education and Information Technologies, 26(4), 4553-4572.

Greipl, S., Bernecker, K., & Ninaus, M. (2021). Facial and bodily expressions of emotional engagement. Proceedings of the ACM on Human-Computer Interaction, 5, 1-25.

Isoh?t?l?, J., N?ykki, P., & J?rvel?, S. (2020). Cognitive and socio-emotional interaction in collaborative learning: Exploring fluctuations in students’ participation. Scandinavian Journal of Educational Research, 64(6), 831-851.

Izard, C. E. (1972). Patterns of emotions: A new analysis of anxiety and depression. Academic Press.

Lang, Y., Xie, K., Gong, S., Wang, Y., & Cao, Y. (2022). The impact of emotional feedback and elaborated feedback of a pedagogical agent on multimedia learning. Frontiers in Psychology, 13, 810194.

Lee, C. (2020). A study of adolescent English learners’ cognitive engagement in writing while using an automated content feedback system. Computer Assisted Language Learning, 33(1-2), 26-57.

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

Liu, S. Y. Y., Liu, S. Q., Liu, Z., Peng, X., & Yang, Z. K. (2022). Automated detection of emotional and cognitive engagement in MOOC discussions to predict learning achievement. Computers & Education, 181, 104461.

Lyu, T., Li, K., Wang, X., Xiao, X., & Zhu, B. (2024). Enhancing collaborative learning in blended environments: The mediator role of intra-group emotional support in peer interaction. In Proceedings of the 2024 9th International Conference on Distance Education and Learning (pp.172-177). ACM.

M?nty, K., J?rvenoja, H., & T?rm?nen, T. (2020). Socio-emotional interaction in collaborative learning: Combining individual emotional experiences and group-level emotion regulation. International Journal of Educational Research, 102, 101589.

Mayordomo, R. M., Espasa, A., Guasch, T., & Martínez?Melo, M. (2022). Perception of online feedback and its impact on cognitive and emotional engagement with feedback. Education and Information Technologies, 27, 7947-7971.

Ouyang, F., Chen, Z. X., Cheng, M. T., Tang, Z. F., & Su, C. Y. (2021). Exploring the effect of three scaffoldings on the collaborative problem-solving processes in China’s higher education. International Journal of Educational Technology in Higher Education, 18(1), 35.

Pandia, A. (2023). Cognitive bias and emotional bias in investment decision making with risk perception mediation. International Journal of Economics, Business and Management Research, 7(2), 168-182.

Pekrun, R., Goetz, T., Titz, W., & Perry, R. P. (2002). Academic emotions in students’ self-regulated learning and achievement: A program of qualitative and quantitative research. Educational Psychologist(2), 91-105.

Rafikova, A. S. (2022). Socio-emotional regulation in collaborative Learning: Studies review. Psychological-Pedagogical Journal Gaudeamus(2), 25-34.

Tan, S. E., & Jung, I. (2024). Unveiling the dynamics and impact of emotional presence in collaborative learning. International Journal of Educational Technology in Higher Education, 21(44), 1-18.

Tomkins, S. S. (1970). Affect as the primary motivational system. In K. R. Scherer, & P. Ekman (Eds.), Feelings and emotions: The Loyola symposium (pp.27-52). Academic Press.

Tseng, S. C., & Tsai, C. C. (2007). On-line peer assessment and the role of the peer feedback: A study of high school computer course. Computers & Education, 49(4), 1161-1174.

Van Kleef, G. A., Anastasopoulou, C., & Nijstad, B. A. (2010). Can expressions of anger enhance creativity? A test of the emotions as social information (EASI) model. Journal of Experimental Social Psychology, 46(6), 1042-1048.

Wang, S. (2024). The dimensions and dynamism of group engagement in computer-mediated collaborative writing in EFL classes. Sage Open, 14(1), 1-14.

Watson, D., Clark, L. A., & Tellegen, A. (1988). Development and validation of brief measures of positive and negative affect: The PANAS scales. Journal of Personality and Social Psychology, 54(6), 1063-1070.

Xiao, J., Jiang, Z. J., Wang, L. M., & Yu, T. Z. (2023). What can multimodal data tell us about online synchronous training: Learning outcomes and engagement of in-service teachers. Frontiers in Psychology, 13, 1664-1078.

Xu, B., Chen, N. S., & Chen, G. (2020). Effects of teacher role on student engagement in WeChat-Based online discussion learning. Computers & Education, 157, 103956.

Xu, W., & Lou, Y. (2024). Changes in the socially shared regulation, academic emotions, and product performance in venue-based collaborative learning. Active Learning in Higher Education, 25(3), 517-535.

Zhang, Z., & Gao, X. A. (2024). A longitudinal study of enjoyment and group-level emotion regulation in online collaborative English language learning. Learning and Motivation, 88, 102052.

Zheng, L., Zhong, L., & Niu, J. (2022). Effects of personalised feedback approach on knowledge building, emotions, co-regulated behavioural patterns and cognitive load in online collaborative learning. Assessment & Evaluation in Higher Education, 47(1), 109-125.

A Research on the Impact of Emotional Feedback on Collaborative Learning Engagement Supported by Multimodal Data

Fan Fulan, Wang Xuyang, Mei Lin, Li Yahong, Nie Xin

Abstract:In the process of collaborative learning, academic emotion significantly influences learning engagement. Appropriate emotional feedback not only enhances students’ emotional well-being but also plays a crucial role in enhancing collaborative learning engagement and ensuring learning effects. This study focused on the influencing mechanism of emotional feedback on the collaborative learning engagement. The research objects were the students in the course of “project application”. We carried out quasi-experimental research in the class. On the issue of collaborative learning engagement assessment, multimodal learning analysis technology was used to collect and analyze multimodal data in the students’ learning process. Then, we explored the influencing mechanism of different emotional feedbacks on collaborative learning engagement. The results showed that there was a significant difference in the level of collaborative learning engagement between positive emotional feedback and negative emotional feedback, and the level of learning engagement under positive emotional feedback was higher than that under negative emotional feedback. Under the condition of different levels of emotional engagement, the number of positive emotional feedback had a significant impact on cognitive engagement. In positive emotional feedback, the state of pleasant emotional feedback had the best effect. In negative emotional feedback, the state of suspicious emotional feedback had the best effect. This study explored the influencing mechanism of collaborative learning engagement from the perspective of emotional feedback, which plays an important role in improving students’ collaborative learning experience and enhancing the quality of collaborative learning.

Keywords:collaborative learning; emotional feedback; learning engagement; multimodal learning analysis

作者簡(jiǎn)介

范福蘭，中南民族大學(xué)教育學(xué)院副教授（武漢 430074）。

王旭陽(yáng)，中南民族大學(xué)教育學(xué)院碩士研究生（武漢 430074）。

梅林，華中師范大學(xué)人工智能教育學(xué)部博士研究生（通訊作者：meilin222@126.com 武漢 430079）。

李亞紅，中南民族大學(xué)教育學(xué)院教授（武漢 430074）。

聶新，鄭州大學(xué)計(jì)算機(jī)與人工智能學(xué)院副教授（鄭州 450001）。

基金項(xiàng)目

國(guó)家自然科學(xué)基金2022年度青年項(xiàng)目“小樣本困境下的多模態(tài)協(xié)作學(xué)習(xí)情感智能識(shí)別研究”（項(xiàng)目編號(hào)：62207033）

責(zé)任編輯：?jiǎn)瘟?/strong>

期刊簡(jiǎn)介

《中國(guó)遠(yuǎn)程教育》創(chuàng)刊于1981年，是教育部主管、國(guó)家開(kāi)放大學(xué)主辦的綜合性教育理論學(xué)術(shù)期刊，是中文社會(huì)科學(xué)引文索引（CSSCI） 來(lái)源期刊、全國(guó)中文核心期刊、中國(guó)人文社會(huì)科學(xué)期刊AMI綜合評(píng)價(jià)（A刊） 核心期刊、中國(guó)科學(xué)評(píng)價(jià)研究中心（RCCSE） 核心期刊、中國(guó)期刊方陣雙效期刊、人大復(fù)印報(bào)刊資料重要轉(zhuǎn)載來(lái)源期刊，面向國(guó)內(nèi)外公開(kāi)發(fā)行。

本刊關(guān)注重大教育理論與政策，推動(dòng)科技賦能教育，反映國(guó)際學(xué)術(shù)前沿，聚焦本土教育改革，注重學(xué)術(shù)研究規(guī)范，提倡教育原創(chuàng)研究。

地址

北京市海淀區(qū)西四環(huán)中路45號(hào)

郵編

電話

010-68182514

電郵

zzs@ouchn.edu.cn

網(wǎng)址

cjde.ouchn.edu.cn

來(lái)源｜中國(guó)遠(yuǎn)程教育微刊

聲明：轉(zhuǎn)載此文是出于傳遞更多信息之目的。若有來(lái)源標(biāo)注錯(cuò)誤或侵犯了您的合法權(quán)益，請(qǐng)作者持權(quán)屬證明與我們聯(lián)系，我們將及時(shí)更正、刪除，謝謝。