田浩等 | 组态视域下协作认知投入的差异化干预模型构建与应用研究|中国远程教育|田浩|科学|维度

关注“在线学习”

获取更多资讯！

刊载信息

田浩，陈辉忠，& 武法提.(2026).组态视域下协作认知投入的差异化干预模型构建与应用研究. 中国远程教育(2),108-127.

组态视域下协作认知投入的差异化干预模型构建与应用研究
田浩, 陈辉忠, 武法提

【摘要】协作学习作为一种汇聚个体智慧的教育实践，其成效依赖于学习者是否能够进行深度认知投入。现有研究虽关注到协作认知投入的测量与提升，但已有干预措施往往缺乏系统性与针对性。基于此，本研究构建了一个组态视域下协作认知投入的差异化干预模型，包含问题诊断、关联归因与策略匹配三个层次。该模型多维测量学习者的协作认知投入水平，采用聚类分析识别非投入问题，并基于定性比较分析挖掘问题背后的归因路径，最终为不同类别的学习者匹配差异化干预策略。为检验模型的有效性，依托“海绵校园设计”协作任务开展两轮实验，进行数据建模和准实验验证，研究发现：同一化干预模型容易导致干预不足或过度干预，差异化干预模型更加适应学习者需求，能够显著提升学习者协作认知投入水平，体现为更高程度的心理资源唤醒、更深层次的信息加工和更有影响力的协作贡献。本研究拓宽了学习投入的理论边界，同时为提升协作学习质量提供了实践依据。

【关键词】组态; 协作学习; 认知投入; 学习干预; 差异化干预

一、

引言

在当今文化多元化、分工多样化、知识泛在化的社会背景下，协作学习的重要性日益凸显。然而，在协作学习实践中经常出现“搭便车”现象，即学习者未付出相应认知投入，仍可分享共同体其他成员贡献的集体成果（田浩 & 武法提, 2024a）。要克服这一挑战，关键在于识别低投入问题并采取有效的干预措施，帮助学习者超越小组分工的表面形式，与同伴建立实质的协作关系（田浩 & 武法提, 2024b）。先前研究已从优化学习资源（Brault et al., 2020）、提供协作认知支架（梁云真, 2018）等方面对协作认知投入的干预进行探索，但仍普遍存在下列问题：一是干预方案缺乏系统性，存在“头痛医头、脚痛医脚”的弊端；二是干预策略缺乏针对性，未能充分考虑不同学习者的差异化需求。基于此，本研究从组态视角出发，构建协作认知投入的差异化干预模型，对协作认知投入进行多维评估，剖析各类影响因素对其整体作用路径，并为不同类别学习者匹配差异化干预方案。

二、

文献综述

（一）协作认知投入的测量分析

认知投入是学习投入的关键维度，是影响学习结果和学习体验的实质性投入（李爽等, 2018），呈现出更为复杂的多维度和多层次特性，研究者也相应地采用多种方式对其进行评估。

问卷调查是评估协作认知投入最常用的手段，例如杰罗姆•罗特甘（Rotgans, J. I.）等人开发了情境认知投入问卷，旨在衡量大学生团队学习中的认知投入程度（Rotgans et al., 2018）。尽管这种方法易于实施，但容易受到被试主观性的影响。此外，部分研究者通过分析协作过程中的互动会话，更加深入地理解认知投入。如凯瑟琳•蔡斯（Chase, C. C.）等人使用ICAP框架对师生互动话语进行编码，揭示教师指导与学生协作认知投入之间的关系（Chase et al., 2019）。这类方法前期需要投入大量的人工编码工作，较为耗时。另外，也有研究者尝试通过外显学习行为来推断其内隐认知投入，例如李秋劼和雷切尔•贝克（Baker, R.）通过分析学习者在MOOC视频学习中的暂停和回放行为，来考察其重复和沉思策略（Li & Baker, 2018）。该类方法依赖可观察的行为指标，容易简化真实的学习过程。最后，随着生理测量技术的发展，研究者开始探索基于生理数据的认知投入测评方法，例如穆赫雷姆•丁达尔（Dindar, M.）等人探究生理同步性与协作问题解决效果的关系（Dindar et al., 2020）。这种方法提供了更为客观精准的证据，但其在实践中的教育意义仍需进一步探讨。

尽管当前研究领域发展出多种测量方式，但仍然缺乏不同方法之间的交叉验证。穆肃等（2021）指出，仅依赖单一数据源容易导致“路灯效应”。因此，应采用多模态学习分析技术，整合不同来源数据，丰富客观测量证据。在本研究中，学习者在协作场景下生成密集的互动会话文本，可以从外显角度为协作认知投入的测量提供有力支撑。学习者投入所伴随的心理状态与智力贡献也可通过问卷工具进行测量，从而揭示协作认知投入的内隐规律。

（二）协作认知投入的影响路径

为实现对协作认知投入的精准干预，需要预先对其影响路径进行深入分析，从而明确干预的具体作用点。结构方程模型作为一种多变量统计分析方法，被广泛应用于对影响路径的分析。如有研究者使用该方法探究动机和自我效能感等个体属性（Chittum et al., 2019）、任务匿名性和挑战性等任务特性（Barr, 2017），以及学习工具的易用性和可用性等环境条件（张屹等, 2019）对协作认知投入的影响效应。以结构方程模型为代表的定量分析源于还原论思想，假定自变量之间是相互独立的线性关系，先分析每个因素对结果变量的单独效应，然后将效应叠加从而得出最终的影响路径（杜运周 & 贾良定, 2017）。

然而，由于影响因素之间通常存在复杂的关联关系，传统的定量分析难以从整体视角探究影响路径。为了克服这一局限，研究者开始采用基于系统论思想的定性比较分析方法。该方法将影响因素视为一系列前因条件的组合，通过探索条件形成的组态与结果集合之间的关系进行因果推断（Fiss, 2011）。例如，通过模糊集定性比较分析，研究者探究了课程满意度（肖婉等, 2023）、联通主义学习知识贡献（徐亚倩 & 陈丽, 2024）、协作问题解决水平（张文梅 & 王辞晓, 2024）等属性的影响路径。

经对比，结构方程模型可以计算系数，得出最优路径；而定性比较分析识别出的组态则具有“殊途同归”的效果，更加适合满足学习者差异化需求。同时，定性比较分析相较于结构方程模型，对样本量的要求也更为灵活。基于上述分析，本研究选用定性比较分析作为协作认知投入影响路径的识别方法。

（三）协作认知投入的干预策略

为提升协作认知投入，设计并实施有效的干预策略是构建持续改进循环的核心。当前研究主要聚焦于三类干预策略：优化学习内容、提供学习工具，以及改进学习过程。

优化学习内容是指调整学习材料的组织形式和呈现方式等属性，以更好地适应学习者的认知规律与学习偏好。例如，福西•布劳特（Brault, F. L.-M.）等将学习内容复杂度与学生认知水平进行匹配，有效提升了学生的参与度（Brault et al., 2020）；王志军和冯小燕（2019）基于ICAP框架，提出画面设计层次模型，依次满足学习者的审美、互动与情感需求，逐步支持深层次投入。

提供学习工具就是将承载了一定教学内容与教育意义的资源或软硬件应用到教学过程中，对协作认知投入进行支持。例如，有研究者（梁云真, 2018）在协作过程中运用量规，为学习者提供清晰的行动目标和框架，从而促进其协作认知投入。另外，在虚拟仿真环境中开展协作学习，可以为学习者营造更加真实有效的学习体验，激发学习者的深度投入（Mohammed et al., 2019）。

改进学习过程指通过实施创新的教学策略，优化教学流程并提升教学效率，进而提升学习者的协作认知投入。有研究者（Lo & Hew, 2020）面向中学生开展准实验研究，发现学生参与翻转课堂模式时的认知投入与学习成就显著高于传统课堂与在线课堂；教师的有效反馈也是提升学生协作认知投入的重要手段，当教师帮助学习者意识到当前状态与目标之间的差距时，会更有动力调整学习计划，从而深度投入学习任务中（Bozorgian & Yazdani, 2021）。

（四）现有研究述评与问题提出

综观既有文献，研究者已经尝试基于组态视角来探究影响学习成效的多元路径，但该方法尚未广泛应用于协作认知投入的研究中。并且，当前定性比较分析的重点局限于揭示影响机制，而如何基于组态进一步设计和实施有效的干预策略，仍需进一步探索。此外，现有的协作认知投入干预策略通常过于宽泛，忽略了学习者个体差异。鉴于此，本研究从组态视角出发，深入探讨协作认知投入的影响机制，并在此基础上，构建差异化和个性化的干预机制，以更精准地满足不同学习者的需求，促进其协作认知投入。

本研究重点回答两个核心问题：1）如何构建一个组态视域下的协作认知投入差异化干预模型？2）该模型能否有效提升学习者的协作认知投入水平？围绕上述研究问题，本研究涵盖两个主要研究内容：模型构建与实践应用。在模型构建阶段，本研究通过理论分析与推演，形成协作认知投入差异化干预的理论模型，随后收集第一轮数据，借助数据驱动的方式进行建模，形成具体的干预方案。在实践应用阶段，本研究设计多组准实验，并收集第二轮数据，对构建的差异化干预模型进行科学验证。研究过程如图1所示。

图1 研究过程

三、

组态视域下协作认知投入差异化干预模型的构建

遵循“问题发现→问题分析→问题解决”的逻辑理路，本研究构建了组态视域下协作认知投入差异化干预模型（如图2所示）。该模型由问题诊断层、关联归因层和策略匹配层三个层次构成。问题诊断层旨在评估学习者协作认知投入的实际表现，诊断需要干预的非投入问题。关联归因层旨在明确干预依据，基于识别出的非投入问题，溯源其影响路径，明晰干预的关键作用点。策略匹配层旨在确定具体的干预措施，根据学习者的不同特征，为其提供差异化干预方案。为确保模型构建的科学性，本研究设计并实施了一项协作学习任务。通过第一轮学习数据的收集，对差异化干预模型进行数据建模。

图2 组态视域下协作认知投入差异化干预模型

（一）模型描述

1. 问题诊断层：基于聚类的非协作认知投入问题识别

本研究将协作认知投入定义为学习者在与同伴互动的过程中投入一定的心理资源，选择适宜的学习策略进行信息加工，从而实现任务理解或问题解决的过程。现有研究从激活水平、加工水平和反应水平三个维度对协作认知投入进行描述（田浩 & 武法提, 2022），本研究采纳这一框架作为测量依据。

激活水平反映了心理资源的激活和投入过程。学习者在协作学习场景中会产生一定的困惑，进入一种“待激活”的状态中。为了确保任务的顺利完成，学习者需要具体地分析任务的属性，并确定心理资源在协作学习任务中的分配。加工水平体现了学习者运用心理资源进行信息加工的过程。学习者以会话的形式表达自身观点，针对认知冲突与同伴进行协商，将不同的信息和知识整合成连贯的想法或解决方案。反应水平描述了学习者在经过心理资源激活以及协作信息加工之后产出学习效益的过程。学习者在学习共同体中与同伴进行协作、会话，推动协作过程向着目标不断演进，产出一定的学习成果。

在对协作认知投入的三个维度进行量化表征之后，本研究采用聚类算法，以各维度数值作为聚类变量，识别学习者表现出的协作认知投入典型模式。每个类别的质心被视为该类投入模式的总体反映。对于包含低水平维度的模式，本研究将其界定为非投入问题，并计划进行后续干预。

2. 关联归因层：基于组态的协作认知投入影响路径挖掘

在识别出学习者的非投入问题后，本研究进一步挖掘问题背后的成因。安德鲁•马丁（Martin, A. J.）构建的“动机与投入轮”概念模型强调，动机是驱动学习投入的能量来源（Martin, 2007）。在众多动机理论中，自我决定理论特别强调了教学任务对学习者内在动机资源的激活效应，对干预设计具有重要指导意义（Reeve et al., 2012）。此外，先验知识在协作过程中也尤为重要，因为协同知识建构的核心在于将学习者的先验知识与新信息进行整合，实现有意义学习。因此，本研究将自我决定理论中的三大基本心理需要（自主需要、能力需要和关系需要）与先验知识，确定为协作认知投入的四项核心影响因素。

由于影响因素之间存在复杂的关联关系，共同发挥对协作认知投入的影响作用，因此需要基于整体组态探究其影响路径。本研究采用定性比较分析方法评估不同因素组态对协作认知投入的影响效应，将非投入问题中需要干预的维度对应的影响路径进行归并，形成协作认知投入的整体影响路径。

3. 策略匹配层：基于脚本的协作认知投入干预方案生成

在协作学习环境中，学习者的基本心理需要得到满足是提升协作认知投入的关键前提。因此，本研究设计自主支持型任务单、问题提示脚本和引导式互动脚本三类干预策略，旨在满足学习者的自主需要、能力需要和关系需要，进而提升学习者的协作认知投入水平。在实施干预之前，本研究依据关联归因层中识别出的整体影响路径，在干预策略库中匹配相应的干预策略集合。随后，根据影响路径中各因素的属性，确定干预内容与干预强度，并结合干预属性信息，为不同类别的学习者制定差异化的干预方案。

（二）数据建模

1. 研究对象与情境

本研究邀请某大学184位学习者参与协作学习任务，学习者共分为61个小组，规模为3至4人。研究者构建了一项主题为“海绵校园设计”的协作问题解决活动，要求学习者协作解决“如何设计一个具有类似海绵功能的水生态校园”这一劣构性问题。学习者首先独立阅读支撑材料，随后通过协作形成初步设计方案，最终依据评价量规对协作过程进行反思，形成最终的设计方案。所有学习者均具有协作学习经历，但未系统学习过与上述主题相关的专业知识。

2. 研究工具

本研究使用心理资源投入问卷、加工水平编码框架、设计方案评价量规与协作贡献问卷，分别对协作认知投入中的激活水平、加工水平、反应水平进行测量。同时使用基本心理需要问卷与海绵校园测试题，对自主需要、能力需要、关系需要、先验知识这四项影响因素进行测量。

心理资源投入问卷改编自罗特甘和亨克•施密特（Schmidt, H. G.）的研究（Rotgans & Schmidt, 2011），涵盖学习者任务参与度、努力和坚持程度以及学习者的心流体验4个题项。问卷采用李克特七点计分方式，1到7分别表示“完全不同意”到“完全同意”。问卷的Cronbach’s α系数为0.85，表明问卷具有良好的信度。

加工水平编码框架改编自朱尔平（Zhu, 2006）提出的认知投入分析框架（如表1所示）。该框架包含问题探究、观点整合、自我反思与同伴支持四类编码，反映了加工水平由浅至深的不同程度。

表1 加工水平编码框架

设计方案评价量规参考了柏毅等人（2018）的研究，对海绵校园设计方案从问题理解、方案可行性、方案易用性、成本控制四个维度进行评价。量规总分为100分，各维度权重分别为20%、50%、15%、15%。

协作贡献问卷借鉴了陈素平（2020）和迈扎姆•阿利亚斯（Alias, M.）等人的研究（Alias et al., 2015），共包括10个题项，采用李克特五点计分方式，1到5分别表示“完全不同意”到“完全同意”。问卷分为积极参与、沟通意愿、提出想法和形成共识四个维度，各维度的Cronbach’s α系数分别是0.90、0.84、0.79、0.88，表明问卷具有良好的信度。

基本心理需要问卷改编自陈等人（Chen et al., 2015）的研究，共包括12个题项，采用李克特七点计分方式，1到7分别表示“完全不同意”到“完全同意”。问卷分为自主需要、能力需要和关系需要三个维度，各维度的Cronbach’s α系数分别是0.93、0.90、0.87，表明问卷具有良好的信度。

海绵校园测试题则基于已有的开放资源编制而成，并邀请领域专家进行修订。测试题满分为50分，其中单选题共有30道，每道题满分1分；多选题共有10道，每道题满分2分，漏选得1分，错选不得分。

3. 研究流程

首先，每位学习者进行了前测，填写完成基本心理需要问卷与海绵校园测试题。其次，研究人员向每位学习者发放学习任务单，并提供《海绵城市典型设施介绍》和《常见的净水方法》两份阅读材料。再次，学习者用70分钟左右的时间正式开展协作问题解决活动，形成最终的海绵校园设计方案，其间使用录音笔记录完整的协作会话。实验结束后，每位学习者进行了后测，填写完成心理资源投入问卷与协作贡献问卷，其中协作贡献问卷同时对自身与同伴的表现进行评价。最后，由两位研究者依照加工水平编码框架，对会话文本进行转录和编码；同时依据设计方案评价量规，对设计方案进行评分。

4. 数据建模结果

（1）协作认知投入水平测量

对于激活水平，本研究使用学习者心理资源投入问卷总分进行度量。

对于加工水平，首先，对协作录音进行转录，并将会话文本以句子为单位进行切分，共形成24,742条文本。其次，两位研究者对会话文本进行内容分析，在所有文本中随机抽选15%的文本，使用加工水平编码框架对每条文本进行背对背编码，Kappa系数为0.79，表明编码一致性良好；剩余85%的文本则由一位研究者独立完成。最后，使用层次分析法对9位领域专家的观点进行聚合分析，将四类编码的权重分别设置为0.063、0.180、0.303、0.453，通过统计每位学习者各类文本的数量及占比，最终得到加工水平的测量值。

对于反应水平，首先，由两位研究者依据设计方案评价量规，对每个小组的作品进行背对背评价，评分取均值作为设计方案得分。其次，计算学习者自评得分与互评得分均值，表征其个人贡献度。再次，计算个人贡献度与组内成员平均贡献度的比值，作为个人贡献权重。最后，计算设计方案得分与个人贡献权重的乘积，得到每位学习者反应水平的测量值（Conway et al., 1993）。

（2）非投入问题识别

本研究将每位学习者标准化后的激活水平、加工水平、反应水平作为自变量，使用K-means算法对学习者进行聚类。结果显示，当聚类数为3时，簇内误差平方和曲线出现拐点。因此，本研究对184位学习者进行聚类分析，经过11次迭代后，将所有学习者划分为三个类别。聚类结果如表2所示。

表2 协作认知投入聚类结果

对于类别1（N=56）学习者而言，其激活水平较低，表明该类学习者对学习任务的意义感知不足，因此未能充分调动心理资源。但其加工水平和反应水平处于中等程度，说明该类学习者能够按照要求逐步完成任务，并对小组绩效有一定的贡献。基于此，本研究将该类学习者定义为“规律建构型学习者”。

对于类别2（N=58）学习者而言，其激活水平、加工水平与反应水平均较高，显示出该类学习者能够充分感知任务意义，有效激发和利用心理资源，并在协作过程中与同伴进行观点分享与交流，最终对小组绩效有积极贡献。基于此，本研究将该类学生定义为“深度投入型学习者”。

对于类别3（N=70）学习者而言，其激活水平较高，显示出该类学习者可以深度感知任务的意义和价值。然而，其加工水平和反应水平较低，表明该类学习者在问题解决过程中缺乏必要的策略，对小组的协作成果贡献较为有限。基于此，本研究将该类学习者定义为“积极感知型学习者”。

（3）各维度影响路径挖掘

本研究采用模糊集定性比较分析法进行协作认知投入影响路径的分析，从组态的角度探究影响因素的整体作用机制。在进行数据校准和必要条件分析之后，本研究将每个影响因素转化为二进制形式，并使用频数和一致性对组合类型进行筛选。根据相关研究的建议，频数阈值和一致性阈值分别设置为10和0.75（Ragin & Rihoux, 2004）。以筛选后的影响因素组合为基础，开展条件组合分析，得到协作认知投入各维度的整体影响路径。影响路径以中间解和简约解的形式存在。简约解与中间解中共有的因素被称为“核心条件”，这些因素与结果具有较强的因果关系；而仅存在于中间解中的因素被称为“边缘条件”，这些因素与结果的因果关系较弱。各维度的影响路径如表3所示。

表3 协作认知投入各维度影响路径

注：=核心条件存在；=核心条件缺失；=边缘条件存在；=边缘条件缺失；空白处表明该条件可有可无。

（4）整体影响路径归并

在得到每个维度单独的影响路径之后，本研究进一步将每类学习者有待干预维度对应的影响路径归并，以形成整体的影响路径。归并过程遵循以下三个约束规则：1）若某项影响因素在两条路径中的状态分别是“存在”和“缺失”，则这两条路径之间存在矛盾，无法归并；2）若两条路径之间不存在矛盾，则需要将对应的影响因素归并为优先级更高的状态，优先级顺序为“核心条件>边缘条件>可有可无的条件”；3）若归并之后存在多条路径，则选择包含影响因素最少的路径，因为不同路径之间具有等效性，选择最简洁的影响路径可以在保证干预效果的同时节省干预成本。

在三类学习者群体中，规律建构型学习者仅有激活水平有待干预，因此该类学习者的整体影响路径即为激活水平的影响路径。对于低先验知识学习者，其影响路径为A1；高先验知识学习者的影响路径为A2。深度投入型学习者的三个维度均表现出高水平，因此无须进行干预。积极感知型学习者的加工水平和反应水平均有待干预，因此需要对这两个维度的影响路径进行归并。两个维度各包含四条影响路径，理论上可以形成16种归并组合。排除存在矛盾的11种组合后，剩余5种有效组合。对于低先验知识学习者，最简洁的影响路径为P2∩R1；对于高先验知识学习者，最简洁的影响路径为P3∩R2。

（5）干预策略设计

本研究针对学习者的自主需要、能力需要和关系需要，分别设计了自主支持型任务单、问题提示脚本和引导式互动脚本三类干预策略。

自主支持型任务单需要在确保学习者顺利完成任务的前提下，尽可能地为其提供自由探索、灵活开放的引导方式，满足其自主需要。相比传统的学习任务单，本研究对自主支持型任务单进行如下设计：1）解释任务价值和意义，令学习者更多地了解设计“海绵校园”的现实意义和作用；2）提供多种可供选择的建议，向学习者呈现多种 “海绵校园”的设计示例，并允许学习者根据需要自由参考和选择；3）使用非控制性语言，令学习者感受到学习任务单是对问题解决过程的引导和建议，而非指令和要求；4）允许学习者自定步调地解决问题，学习者可以自由决定完成任务的时间、方式和过程。

问题提示脚本的设计旨在通过将任务目标分解为更具操作性的子目标，增强学习者的控制感和成就感，满足其能力需要。在理解和表征问题阶段，引导学习者回答“本次讨论要解决的问题是什么”等问题，厘清问题核心概念。在设计问题解决方案阶段，引导学习者回答“最终的设计方案应实现何种效果”等问题，形成整体问题解决思路。在论证方案可行性阶段，引导学习者回答“如何证明设计方案合理有效”等问题，形成验证问题解决的方案。在评估问题解决方案阶段，引导学习者回答“形成的海绵校园设计方案有哪些优缺点”等问题，反思方案的优势和不足。

引导式互动脚本通过提供示例对话和策略，鼓励学习者积极参与互动，满足其关系需要。本研究遵循三个原则进行引导式互动脚本的设计，分别是集体性原则、互惠性原则与情感性原则（Rojas-Drummond et al., 2013）。集体性原则是指增强学习者的共同体意识，具体策略包括鼓励学习者使用包容性代词称呼同伴，鼓励学习者积极发言等；互惠性原则是指帮助学习者意识到讨论过程是自由开放的，每个人贡献的观点都可以令共同体受益，具体策略包括支持学习者积极表达不同观点，对同伴观点进行积极回应与评论等；情感性原则是指帮助学习者与同伴建立情感上的沟通与联结，具体策略包括对同伴进行表扬和鼓励，尝试表达协作过程中的感受与情绪等。

（6）差异化干预方案生成

本研究依据各类别学习者协作认知投入的整体影响路径，匹配相应的干预方案。匹配规则为：1）在影响路径中，只匹配存在的条件，忽略缺失或可有可无的条件；2）核心条件代表与协作认知投入之间存在强关联，需要针对此实施对应的强干预策略，而针对边缘条件则实施对应的弱干预策略。最终得到的针对不同类别学习者的差异化干预方案如表4所示。

表4 不同类别学习者的差异化干预方案

注：AN表示自主需要，CN表示能力需要，RN表示关系需要，PK表示先验知识；大写字母表示该因素以核心条件形式存在，小写字母表示该因素以边缘条件存在，~表示该条件缺失，未出现的因素表示在路径中可有可无。

四、

组态视域下协作认知投入差异化干预模型的实践应用

本研究采用准实验研究方法来验证差异化干预模型对学习者协作认知投入的影响效果。考虑到“专业知识逆转效应”，即当学习支持超出一定范围时会产生负面效果，过度的外部支持会与学习者的内在知识结构产生冲突，导致认知负荷增加，反而不利于学习效果的提升（Magner et al., 2014），本研究做出如下核心假设：与过度干预和无干预相比，根据学习者的实际表现匹配差异化干预方案，能够显著提升学习者的协作认知投入水平。为了验证上述假设，本研究设计了一个实验组和两个对照组：实验组实施本研究设计的差异化干预模型，简称“差异化干预组”；对照组1不施加任何干预策略，简称“无干预组”；对照组2施加全部三类干预策略，简称“全干预组”。

（一）研究对象与情境

本研究在北京市某高校招募了174名大学生参与第二轮实验。学习者被随机组合成三人小组，并进一步随机分配到实验组和两个对照组中。8位学习者的数据不完整，未纳入后续分析。最终，研究对象包括差异化干预组55人（19个小组）、无干预组57人（19个小组）、全干预组54人（19个小组）。第二轮实验的活动主题、目标、内容、流程等信息均与第一轮实验保持一致。

（二）研究工具

第二轮实验继续沿用第一轮实验中使用的工具，包括心理资源投入问卷、加工水平编码框架、设计方案评价量规、协作贡献问卷、基本心理需要问卷与海绵校园测试题。

（三）研究流程

第二轮实验的实施流程如图3所示。首先，研究团队向学习者阐述实验目的与流程，并开展了前测，包括基本心理需要问卷与海绵校园测试题的填写。前测的主要目的有两个：一是排除先前知识对干预的影响；二是对差异化干预组中的学习者进行类别匹配。其次，对于差异化干预组，根据其前测结果，识别每位学习者的类别，并提供相应的差异化干预方案；对于无干预组，仅提供原始学习任务单；对于全干预组，则提供包括自主支持型任务单、问题提示脚本与引导式互动脚本在内的全部干预策略。最后，所有学习者运用大约10分钟的时间来熟悉阅读材料和干预策略。阅读完成之后，学习者以小组形式正式开展协作问题解决活动，使用约70分钟的时间完成海绵校园的设计方案。活动结束后进行后测，学习者填写完成心理资源投入问卷与协作贡献问卷。

图3 第二轮实验的实施流程

（四）数据分析

在协作学习活动开始前，本研究根据前测结果对三个组别的学习者特征进行差异检验，排除个体差异对干预效果带来的干扰。

进而，根据前测结果对差异化干预组的学习者进行类别匹配。根据第一轮实验数据，本研究发现，通过K近邻算法（K=3），学习者的先验知识水平和基本心理需要水平能够有效预测学习者类别，准确率达到98.333%。因此，在第二轮实验中，本研究采用邻近值匹配方法确定学习者类别，具体步骤如下：对于每位待分类的学习者，本研究在第一轮实验的学习者特征数据集中，筛选与其欧几里得距离最近的三个样本，以各自的距离倒数作为权重，统计三个样本中各类别出现的频率，最终将待分类学习者的类别确定为频率最高的类别。

在干预结束之后，两位研究者依照加工水平编码框架，对所有学习者产生的19,644条会话文本进行人工编码，并依据设计方案评价量规，对设计方案进行评分。最终，对后测问卷作答结果及编码结果进行差异检验，以评估差异化干预模型的有效性。

（五）研究结果

1. 不同干预组别间的学习者特征对比

本研究分别对学习者的先验知识、自主需要、能力需要与关系需要水平进行莱文方差齐性检验，结果表明，先验知识（Levene=2.377，p=0.096＞0.05）、自主需要（Levene=2.605，p=0.077＞0.05）、能力需要（Levene=1.048，p=0.353＞0.05）、关系需要（Levene=0.339，p=0.713＞0.05）的方差齐性检验结果均不显著，表示样本的离散程度无明显差别，适合进行单因素方差分析。

方差分析结果显示，在不同的干预条件组别间，学习者的先验知识（F=0.243，p=0.784＞0.05）、自主需要（F=2.572，p=0.079＞0.05）、能力需要（F=0.971，p=0.381＞0.05）与关系需要（F=1.839，p=0.162＞0.05）均不存在显著差异。因此，后续协作认知投入水平的差异均可以认为是由不同干预条件导致的，与学习者特征无关。

2. 不同干预组别间的学习者协作认知投入对比

本研究采用多元方差分析来评估不同干预条件对协作认知投入的综合效应。各因变量Box协方差齐性检验结果显示，显著性水平为0.011，表明协方差矩阵非齐性。因此需要使用Pillai’s trace值进行组间差异检验。

多元方差分析结果显示，组间Pillai’s trace值为0.138，显著性水平为0.001，表明不同干预条件下的协作认知投入水平存在显著差异。此外，该效应的偏η2为0.069，表明不同干预条件对协作认知投入产生了中度效应。

为进一步探究不同干预条件对协作认知投入各维度的具体影响，本研究运用单因素方差分析对各维度在不同干预组别之间的差异进行检验。莱文方差齐性检验结果显示，激活水平（Levene=1.949，p=0.146＞0.05）、加工水平（Levene=1.532，p=0.219＞0.05）、反应水平（Levene=0.109，p=0.897＞0.05）的方差齐性检验结果均不显著，表示样本的离散程度无明显差别，满足进行单因素方差分析的前提条件。

方差分析结果如图4所示，当施加不同的干预条件时，学习者的激活水平（F=4.034，p=0.019＜0.05）、加工水平（F=7.158，p=0.001＜0.05）与反应水平（F=2.982，p=0.047＜0.05）均存在显著差异。LSD事后比较表明，在激活水平方面，无干预组显著低于全干预组（MD=-0.307，p=0.01＜0.05）和差异化干预组（MD=-0.262，p=0.026＜0.05）；在加工水平方面，差异化干预组显著高于无干预组（MD=0.323，p=0.001＜0.05）和全干预组（MD=0.317，p=0.002＜0.05）；在反应水平方面，差异化干预组显著高于无干预组（MD=0.313，p=0.019＜0.05）。

图4 不同干预组别间学习者协作认知投入对比

五、

结语

（一）研究总结

协作认知投入是确保协作学习有效发生的关键因素，精准诊断学习者的投入水平并提供相应的干预策略，对于提升协作成效至关重要。鉴于协作认知投入的多维特性，以及现有干预措施在系统性和个性化方面的不足，本研究构建了一种组态视域下的协作认知投入差异化干预模型。该模型从激活水平、加工水平和反应水平三个维度评估协作认知投入，识别不同类别学习者的非投入问题，并进一步通过组态效应分析，揭示问题产生的整体影响机制，从而为各类学习者匹配差异化的干预方案，提升其协作认知投入水平。

（二）研究结论与讨论

为了验证模型的有效性，本研究基于“海绵校园设计”协作问题解决情境进行了模型的实践应用，通过准实验研究得出如下结论。

在激活水平方面，差异化干预组和全干预组的表现显著优于无干预组。这一结果表明，本研究设计的干预策略能够有效激发学习者对任务挑战的感知，并能有效唤醒学习者的心理资源。尽管差异化干预组与全干预组未呈现显著差异，但上述发现仍具有一定的启示意义。全干预组虽然提供了更多样的策略，但也可能导致学习者在适应这些策略时耗费更多的心理资源。相比之下，差异化干预组的学习者由于接受了更为精准的干预方案，能够更高效地将心理资源投入学习任务中，从而更好地满足分析和理解任务的需求。

在加工水平方面，差异化干预组显著优于无干预组和全干预组。这一结论支持了差异化干预方案在促进学习者深度认知加工方面的效果。有研究者（Magner et al., 2014）提出“专业知识逆转效应”，即一些教学手段对于低先验知识的学习者有效，对高先验知识学习者反而无效，因为过多的干预支持会与其已有的认知图式重复，反而造成外部认知负荷的增加。本研究的结论从实证角度对该效应进行了验证。尽管全干预组的学习者获得了更为全面的干预方案，但学习者在适应这些策略时需要投入更多的精力，导致其局限于低阶的信息获取和互动交流阶段。另外，过度的干预策略可能造成学习者疲于应对，投入过程流于表面。例如，有小组会话显示，“按照要求，我们下面还要反思一下方案，各自列几条优缺点就行”。由此可见，学习者仅是被动地将反思当作必须完成的一个任务流程，并没有真正通过反思发现并改进方案的不足。

在反应水平方面，差异化干预组显著优于无干预组。这一结果表明，差异化干预为提升学习者在协作小组中的贡献提供了更适宜的支持策略。一方面，差异化干预允许学习者自由开展探索，激励学习者在已有信息的基础上贡献更为新颖的问题解决方案；另一方面，该类干预能够帮助学习者循序渐进地生成问题解决方案，针对协作主题展开深入探讨和分析。然而，全干预组虽然为学习者提供了更为全面的干预策略，但与无干预组之间并未呈现显著差异。有研究表明，过度的干预支持可能导致学习者对学习支架产生依赖，限制了其自由探索的空间。在协作学习环境中，当学习者过分依赖给定内容时，会忽视自身的创造性，从而在问题解决过程中仅仅重复已有信息，而非贡献创新见解。

总体而言，与全干预和无干预相比，本研究构建的差异化干预模型能够显著提升学习者的协作认知投入水平。作为学习支架的一种表现形式，干预策略的最终目标是实现责任转移，即把外部支持逐渐内化为学习者的认知结构，最终促进问题解决。在无干预组中，学习者缺乏必要的指导和问题解决方向，导致难以高效地形成协作成果；在全干预组中，过多的学习干预增加了学习者内化的负担。这表明，只有厘清不同学习者的实际需求，根据其具体问题匹配差异化的干预方案，才能实现最佳的支持效果。

（三）研究不足与展望

尽管本研究取得了一定的阶段性成果，但仍然存在一些局限性。首先，出于精简性、可解释性和可操作性等原则，本研究仅基于自我决定理论这一视角进行影响因素的选择。在后续研究中，应更全面地探究教师、任务等因素对协作认知投入的影响。其次，本研究设计的干预策略是静态的，无法根据学习者状态的变化进行实时调整。未来研究应将成果集成到学习系统中，为动态干预的开展提供环境支持。最后，本研究的协作场景是面向大学生群体的协作问题解决活动，并未在其他场景下对本研究的成果进行复制和验证。未来研究应尝试面向不同学习者群体与不同协作任务，验证研究成果的可迁移性。

参考文献

柏毅, 庞谦竺, & 信疏桐. （2018）. STEM教育评价的内容与策略. 中国民族教育（Z1）, 22-25.

陈素平. （2020）. 让评价支持和促进学习——美国STEM项目学习评价的特点与启示. 上海教育科研（4）, 18-22.

杜运周, & 贾良定. （2017）. 组态视角与定性比较分析（QCA）：管理学研究的一条新道路. 管理世界（6）, 155-167.

李爽, 李荣芹, & 喻忱. （2018）. 基于LMS数据的远程学习者学习投入评测模型. 开放教育研究（1）, 91-102.

梁云真. （2018）. 基于量规的同伴互评对在线学习认知、情感投入度及学习成效的影响研究. 电化教育研究（9）, 66-74.

穆肃, 崔萌, & 黄晓地. （2021）. 全景透视多模态学习分析的数据整合方法. 现代远程教育研究（1）, 26-37, 48.

田浩, & 武法提. （2022）. 混合场景下协作认知投入的多模态表征与分析路径研究. 远程教育杂志（4）, 35-44.

田浩, & 武法提. （2024a）. 协作问题解决中平等参与对大学生认知投入的影响机制研究. 现代远距离教育（4）, 71-83.

田浩, & 武法提. （2024b）. 协作场景下基于生理数据的认知投入测量研究. 远程教育杂志（5）, 65-76.

王志军, & 冯小燕. （2019）. 基于学习投入视角的移动学习资源画面设计研究. 电化教育研究（6）, 91-97.

肖婉, 卢锋, & 季一木. （2023）. 什么样的在线课程受学习者欢迎？——基于15门在线课程评论的文本挖掘与组态分析. 电化教育研究（5）, 60-66.

徐亚倩, & 陈丽. （2024）. 联通主义学习中知识贡献影响因素分析模型与规律——基于fsQCA方法的组态效应研究. 中国远程教育（9）, 78-89.

张文梅, & 王辞晓. （2024）. 联通主义学习情境下何以实现高质量的协作问题解决——基于定性比较分析的cMOOC案例研究. 现代远程教育研究（2）, 93-103.

张屹, 郝琪, 陈蓓蕾, 于海恩, 范福兰, & 陈珍. （2019）. 智慧教室环境下大学生课堂学习投入度及影响因素研究——以“教育技术学研究方法课”为例. 中国电化教育（1）, 106-115.

Alias, M., Masek, A., & Salleh, H. H. M. (2015). Self, peer and teacher assessments in problem based learning: Are they in agreements? Procedia-Social and Behavioral Sciences, 204, 309-317.

Barr, M. L. (2017). Encouraging college student active engagement in learning: Student response methods and anonymity. Journal of Computer Assisted Learning, 33(6), 621-632.

Bozorgian, H., & Yazdani, A. (2021). Direct written corrective feedback with metalinguistic explanation: Investigating language analytic ability. Iranian Journal of Language Teaching Research, 9(1), 65-85.

Brault, F. L. M., Matejko, A. A., Ansari, D., & Masson, S. (2020). Teachers as orchestrators of neuronal plasticity: Effects of teaching practices on the brain. Mind, Brain, and Education, 14(4), 415-428.

Chase, C. C., Marks, J., Malkiewich, L. J., & Connolly, H. (2019). How teacher talk guidance during invention activities shapes students’ cognitive engagement and transfer. International Journal of STEM Education, 6, 1-22.

Chen, B., Vansteenkiste, M., Beyers, W., Boone, L., Deci, E. L., Van der Kaap-Deeder, J., Duriez, B., Lens, W., Matos, L., Mouratidis, A., Ryan, R. M., Sheldon, K. M., Soenens, B., Van Petegem, S., & Verstuyf, J. (2015). Basic psychological need satisfaction, need frustration, and need strength across four cultures. Motivation and Emotion, 39(2), 216-236.

Chittum, J. R., Jones, B. D., & Carter, D. M. (2019). A person-centered investigation of patterns in college students’ perceptions of motivation in a course. Learning and Individual Differences, 69, 94-107.

Conway, R., Kember, D., Sivan, A., & Wu, M. (1993). Peer assessment of an individual’s contribution to a group project. Assessment & Evaluation in Higher Education, 18(1), 45-56.

Dindar, M., Järvelä, S., & Haataja, E. (2020). What does physiological synchrony reveal about metacognitive experiences and group performance? British Journal of Educational Technology, 51(5), 1577-1596.

Fiss, P. C. (2011). Building better causal theories: A fuzzy set approach to typologies in organization research. Academy of Management Journal, 54(2), 393-420.

Li, Q., & Baker, R. (2018). The different relationships between engagement and outcomes across participant subgroups in massive open online courses. Computers & Education, 127, 41-65.

Lo, C. K., & Hew, K. F. (2020). A comparison of flipped learning with gamification, traditional learning, and online independent study: The effects on students’ mathematics achievement and cognitive engagement. Interactive Learning Environments, 28(4), 464-481.

Magner, U. I. E., Schwonke, R., Aleven, V., Popescu, O., & Renkl, A. (2014). Triggering situational interest by decorative illustrations both fosters and hinders learning in computer-based learning environments. Learning and Instruction, 29, 141-152.

Martin, A. J. (2007). Examining a multidimensional model of student motivation and engagement using a construct validation approach. British Journal of Educational Psychology, 77(2), 413-440.

Mohammed, R., Kennedy-Clark, S., & Reimann, P. (2019). Using immersive and modelling environments to build scientific capacity in primary preservice teacher education. Journal of Computers in Education, 6(4), 451-481.

Ragin, C. C., & Rihoux, B. (2004). Qualitative comparative analysis (QCA): State of the art and prospects. Qualitative Methods, 2(2), 3-13.

Reeve, J., Ryan, R., Deci, E. L., & Jang, H. (2012). Understanding and promoting autonomous self-regulation: A self-determination theory perspective. In D. H. Schunk, & B. J. Zimmerman (Eds.), Motivation and self-regulated learning (pp. 223-244). Routledge.

Rojas-Drummond, S., Torreblanca, O., Pedraza, H., Vélez, M., & Guzmán, K. (2013). ‘Dialogic scaffolding’: Enhancing learning and understanding in collaborative contexts. Learning, Culture and Social Interaction, 2(1), 11-21.

Rotgans, J. I., & Schmidt, H. G. (2011). Cognitive engagement in the problem-based learning classroom. Advances in Health Sciences Education, 16(4), 465-479.

Rotgans, J. I., Schmidt, H. G., Rajalingam, P., Hao, J. W. Y., Canning, C. A., Ferenczi, M. A., & Low-Beer, N. (2018). How cognitive engagement fluctuates during a team-based learning session and how it predicts academic achievement. Advances in Health Sciences Education, 23, 339-351.

Zhu, E. (2006). Interaction and cognitive engagement: An analysis of four asynchronous online discussions. Instructional Science, 34(6), 451-480.

Constructing and Applying a Differentiated Intervention Model for Collaborative Cognitive Engagement from a Configuration Perspective

Tian Hao, Chen Huizhong, Wu Fati

Abstract:Collaborative learning, as an educational practice that converges individual wisdom, relies on learners’ ability to engage in deep cognitive engagement. Although existing research has focused on the measurement and enhancement of collaborative cognitive engagement, existing intervention measures often lack systematic and targeted approaches. Based on this, the article constructs a differentiated intervention model for collaborative cognitive engagement from a configuration perspective, including three levels: problem diagnosis, association attribution, and strategy matching. The model measures the level of learners’ collaborative cognitive engagement from multiple dimensions, uses cluster analysis to identify non-engagement issues, and explores the causal pathways behind the issues through qualitative comparative analysis, ultimately matching differentiated intervention strategies for learners of different categories. To test the effectiveness of the model, the article conducts two rounds of experiments based on the “Sponge Campus Design” collaborative task, carrying out data modeling and quasi-experimental verification respectively. The study found that the uniform intervention model is prone to insufficient or excessive intervention, while the differentiated intervention model is more adaptable to learners’ needs, significantly enhancing their level of collaborative cognitive engagement, manifested as a higher degree of psychological resource activation, deeper levels of information processing, and more influential collaborative contributions. The article broadens the theoretical boundaries of learning engagement and provides a practical basis for optimizing the quality of collaborative learning.

Keywords:configuration; collaborative learning; cognitive engagement; learning intervention; differentiated intervention

作者简介

田浩，南京信息工程大学教师教育学院讲师（南京 210044）。

陈辉忠，上海市金山实验中学高级教师（上海 200540）。

武法提，北京师范大学教育技术学院教授（通讯作者：wft@bnu.edu.cn 北京 100875）。

基金项目

国家自然科学基金2021年度面上项目“同步直播课堂中基于多模态数据的学习者专注度评估及其演化机制研究”（项目编号：62177008）

责任编辑：刘莉

期刊简介

《中国远程教育》创刊于1981年，是教育部主管、国家开放大学主办的综合性教育理论学术期刊，是中文社会科学引文索引（CSSCI）来源期刊、全国中文核心期刊、中国人文社会科学期刊AMI综合评价（A刊）核心期刊、中国科学评价研究中心（RCCSE）核心期刊、中国期刊方阵双效期刊、人大复印报刊资料重要转载来源期刊，面向国内外公开发行。

本刊关注重大教育理论与政策，推动科技赋能教育，反映国际学术前沿，聚焦本土教育改革，注重学术研究规范，提倡教育原创研究。

地址

北京市海淀区西四环中路45号

邮编

电话

010-68182514

电邮

zzs@ouchn.edu.cn

网址

cjde.ouchn.edu.cn