本發(fā)明涉及計算機，尤其是一種基于認知和社會網絡挖掘的互動分析方法及系統。

背景技術：

1、互動學習作為促進學習者之間知識共享的關鍵環(huán)節(jié)，允許學習者通過情景演繹、問題解決、辯論和決策等進行交互反思，完善自身的內部認知加工，促進元認知發(fā)展?；訉W習過程中學習者的認知參與指其使用的認知策略理解和掌握知識和技能，反映了其知識建構水平。高階認知參與不僅有助于協同探索、推理、創(chuàng)造知識、促進問題解決，更能培養(yǎng)批判性高階思維。有效的互動討論，通過激發(fā)學生的認知參與，由此成為課堂教學實現批判性、創(chuàng)新性等高階思維培養(yǎng)的重要手段，對互動學習過程進行分析有助于深入了解教學和學習過程中的互動動態(tài)，揭示學生之間的認知交流、社會互動模式和知識共享方式。通過洞察對話中呈現的認知模式和思維結構，教師可以了解學生的困惑、問題和觀點，從而針對性地調整教學策略，提供更有效的指導，從而促進學生之間的合作和討論，鼓勵更多互動和知識分享。

2、目前對于互動學習的分析存在以下問題：其一，傳統的描述性統計分析方法主要依賴于總結性的統計指標，如平均值、標準差和頻率分布來描述互動的表面特征，難以量化互動學習的特征和模式，忽略了互動的復雜性和動態(tài)演變，同時限制了對于大規(guī)模數據的處理和分析能力。因此，有必要基于機器學習和數據挖掘技術，自動地從大規(guī)模數據中提取出隱藏在其中的模式和特征，挖掘隱藏在互動學習過程中產生的會話信息，跟蹤互動學習的演化軌跡，建模學生之間的關系網絡，從而更準確地量化互動學習的特征。其二，傳統的互動學習分析關注淺表的互動內容和互動行為，缺乏對學生互動過程中認知模式的分析，無法揭示背后的認知過程和思維模式的關聯關系與行為規(guī)律。因此，有必要對互動學習者的認知思維模式進行分析，將互動網絡中認知元素間的連接結構和關聯強度予以量化及可視化呈現，深入挖掘互動學習個體或群體在互動中表現出的認知策略和思維路徑。

技術實現思路

1、有鑒于此，本發(fā)明實施例提供一種高效且準確的，基于認知和社會網絡挖掘的互動分析方法及系統，以分析互動學習過程中老師與學生，以及學生與學生之間的認知交流和社會互動模式，識別出關鍵的認知節(jié)點，揭示出認知演變模式。

2、本發(fā)明實施例的一方面提供了一種基于認知和社會網絡挖掘的互動分析方法，包括以下步驟：

3、獲取互動學習討論數據，建立互動學習討論的初始數據庫；

4、從所述初始數據庫中提取互動學習討論數據進行數據分割與編碼，得到互動對話序列；

5、采用認知網絡分析方法對所述互動對話序列進行挖掘，得到互動學習分析結果；

6、根據所述互動學習分析結果，采用社會網絡分析方法對互動關系數據進行互動學習網絡的構建，并計算中心性指標，所述中心性指標用于識別所述互動學習網絡中的互動交互結構；

7、從所述互動學習網絡中獲取認知和互動網絡挖掘結果，并根據所述認知和互動網絡挖掘結果評估互動學習認知參與演進模式、互動水平及聯系結構。

8、可選地，所述從所述初始數據庫中提取互動學習討論數據進行數據分割與編碼，得到互動對話序列，包括以下步驟：

9、對從所述初始數據庫中提取到的互動學習討論數據進行格式化及片段分割處理，將內容相關的話語分到同一序列中；

10、采用預設的互動學習編碼體系對分段的話語數據進行分析編碼，得到若干個互動對話序列；

11、其中，預設的互動學習編碼體系包括三種類型的代碼，分別是提問類型、回答類型和提供信息類型。

12、可選地，所述采用認知網絡分析方法對所述互動對話序列進行挖掘，得到互動學習分析結果，包括以下步驟：

13、采用認知網絡分析方法使用同一序列的交互數據進行網絡建模；其中，同一序列的交互數據包括：一組能表示學習者認知參與水平的對象、對象之間的相互關聯方式、一系列節(jié)、節(jié)所揭示的關聯代碼之間的關系；所述節(jié)用于表征內容相關的同一序列的話語；

14、創(chuàng)建一系列鄰接矩陣，其中每個所述鄰接矩陣是一個帶有行和列的方形矩陣，所述鄰接矩陣用于表征單個節(jié)中代碼的共現情況；

15、使用移動節(jié)窗口的方法以創(chuàng)建配置圖；其中，所述移動節(jié)窗口用于模擬節(jié)內現有的編碼為“1”的代碼與參考行中存在的代碼之間的關聯；

16、將每個分析單元的鄰接矩陣求和作為累積鄰接矩陣，以識別數據中的連接結構；

17、將每個分析單元的對象之間的連接結構表示為高維空間中的鄰接向量；其中，每個鄰接向量用于表征單個單元的關聯模式；

18、對所述鄰接向量進行球面規(guī)范化處理，以比較不同單元的網絡，并量化了單元的代碼共現的相對頻率；

19、使用奇異值分解方法，對每一個單位生成一個目標點,所述目標點位于奇異值分解下的歸一化向量處；接著使用優(yōu)化例程將所述目標點定位在網絡空間中的節(jié)點，使得對于任何單位靠近于累積鄰接矩陣對應的網絡模型的質心，以解釋和可視化鄰接向量在高維空間上的降維。

20、可選地，所述根據所述互動學習分析結果，采用社會網絡分析方法對互動關系數據進行互動學習網絡的構建，包括以下步驟：

21、根據所述互動學習分析結果，對線下課堂互動學習數據以及線上互動社區(qū)討論數據進行數據預處理與信息標注，計算出每兩個學習者之間的互動次數，并構建鄰接矩陣和互動學習網絡；

22、其中，所述互動學習網絡中的節(jié)點代表說話人、邊代表兩個節(jié)點之間產生了交互、邊的權重代表交互次數總和。

23、可選地，所述中心性指標包括交互密度、網絡密度、網絡直徑、節(jié)點度數；

24、所述中心性指標用于識別社會網絡中的有影響力或重要性的節(jié)點，對不同課堂交互中個體交互差異、師生交互差異、課堂交互結構以及課堂模式進行分析。

25、可選地，所述交互密度in的計算公式為：

26、

27、其中，l為互動學習網絡圖中邊的個數；wl為每條邊的權重；n為互動學習網絡圖中節(jié)點的個數；wn為每個節(jié)點的權重；

28、所述網絡密度dn的計算公式為：

29、

30、所述網絡直徑dn的計算公式為：

31、dn＝max(diameter)

32、其中，diameter為互動學習網絡圖中兩節(jié)點之間的距離；

33、所述節(jié)點度數d的計算公式為：

34、d＝od+id

35、其中，od為點的出度，表示從該節(jié)點出發(fā)的邊的數目，id為點的入度，表示進入該節(jié)的邊的數目。

36、可選地，所述從所述互動學習網絡中獲取認知和互動網絡挖掘結果，并根據所述認知和互動網絡挖掘結果評估互動學習認知參與演進模式、互動水平及聯系結構，包括以下步驟：

37、根據所述互動學習網絡，識別高階認知參與形式，進而識別學習者在互動學習對話中展現出的認知模式和思維路徑；所述高階認知參與形式包括：認知復雜性特征、低規(guī)范度特征、無明顯結構性特征的形式；

38、通過分析課堂互動網絡結構以及所述中心性指標的計算結果，判定課堂交互結構與模式；

39、根據判定的結果調整課堂交互策略，分析得到師生與生生互動關系。

40、本發(fā)明實施例的另一方面還提供了一種基于認知和社會網絡挖掘的互動分析系統，包括：

41、數據獲取預處理模塊，用于獲取互動學習討論數據，建立互動學習討論的初始數據庫；

42、數據分割與編碼模塊，用于從所述初始數據庫中提取互動學習討論數據進行數據分割與編碼，得到互動對話序列；

43、認知網絡分析模塊，用于采用認知網絡分析方法對所述互動對話序列進行挖掘，得到互動學習分析結果；

44、互動網絡挖掘模塊，用于根據所述互動學習分析結果，采用社會網絡分析方法對互動關系數據進行互動學習網絡的構建，并計算中心性指標，所述中心性指標用于識別所述互動學習網絡中的互動交互結構；

45、互動學習評估模塊，用于從所述互動學習網絡中獲取認知和互動網絡挖掘結果，并根據所述認知和互動網絡挖掘結果評估互動學習認知參與演進模式、互動水平及聯系結構。

46、本發(fā)明實施例的另一方面還提供了一種電子設備，包括處理器以及存儲器；

47、所述存儲器用于存儲程序；

48、所述處理器執(zhí)行所述程序實現如前面所述的方法。

49、本發(fā)明實施例的另一方面還提供了一種計算機可讀存儲介質，所述存儲介質存儲有程序，所述程序被處理器執(zhí)行實現如前面所述的方法。

50、本發(fā)明實施例還公開了一種計算機程序產品或計算機程序，該計算機程序產品或計算機程序包括計算機指令，該計算機指令存儲在計算機可讀存儲介質中。計算機設備的處理器可以從計算機可讀存儲介質讀取該計算機指令，處理器執(zhí)行該計算機指令，使得該計算機設備執(zhí)行前面的方法。

51、本發(fā)明的實施例獲取互動學習討論數據，建立互動學習討論的初始數據庫；從所述初始數據庫中提取互動學習討論數據進行數據分割與編碼，得到互動對話序列；采用認知網絡分析方法對所述互動對話序列進行挖掘，得到互動學習分析結果；根據所述互動學習分析結果，采用社會網絡分析方法對互動關系數據進行互動學習網絡的構建，并計算中心性指標，所述中心性指標用于識別所述互動學習網絡中的互動交互結構；從所述互動學習網絡中獲取認知和互動網絡挖掘結果，并根據所述認知和互動網絡挖掘結果評估互動學習認知參與演進模式、互動水平及聯系結構。本發(fā)明實施例的分析高效且準確，能夠分析互動學習過程中老師與學生，以及學生與學生之間的認知交流和社會互動模式，識別出關鍵的認知節(jié)點，揭示出認知演變模式。