[论文解读] A Survey on Studying the Social Networks of Students

Akrati Saxena, Pratishtha Saxena+2 more|arXiv (Cornell University)|Jul 23, 2019

Online Learning and Analytics参考文献 66被引用 6

一句话总结

本综述综合了关于学生社交网络（包括现实和在线网络）的研究，利用社会网络分析（SNA）以改善教育成果。它展示了网络结构与学业表现、协作行为及行为模式之间的相关性，并提出SNA可作为提升包容性学习、识别孤立学生以及通过数据驱动干预措施减轻不良行为的工具。

ABSTRACT

Do studies show that physical and online students' social networks support education? Analyzing interactions between students in schools and universities can provide a wealth of information. Studies on students' social networks can help us understand their behavioral dynamics, the correlation between their friendships and academic performance, community and group formation, information diffusion, and so on. Educational goals and holistic development of students with various academic abilities and backgrounds can be achieved by incorporating the findings attained by the studies in terms of knowledge propagation in classroom and spread of delinquent behaviors. Moreover, we use Social Network Analysis (SNA) to identify isolated students, ascertain the group study culture, analyze the spreading of various habits like smoking, drinking, and so on. In this paper, we present a review of the research showing how analysis of students' social networks can help us identify how improved educational methods can be used to make learning more inclusive at both school and university levels and achieve holistic development of students through expansion of their social networks, as well as control the spread of delinquent behaviors.

研究动机与目标

• 探讨社会网络分析（SNA）如何在教育环境中提升协作学习与学生的全面发展。
• 识别与学业表现、同伴支持及行为结果相关的学生网络结构模式。
• 评估SNA在识别孤立学生、关键影响者及实践共同体方面的有效性。
• 解决现有研究的局限性，如对自报数据的依赖以及网络评估频率较低的问题。
• 倡导将教师-学生网络分析与自动化数据收集相结合，以支持实时教育干预。

提出的方法

• 采用多种数据收集方法：自报问卷（如朋友提名、求助链接）以及来自Moodle和协作学习系统等平台的被动数据。
• 应用SNA技术，包括中心性度量、社区检测和同质性分析，以识别有影响力的学生和紧密联系的群体。
• 使用动态网络模型研究关系的演变及其对行为（如物质使用或作弊）的影响。
• 使用UCINET、RSiena、Gephi和NetworkX等软件工具进行网络可视化、统计建模及社会结构的实时分析。
• 将网络度量与教育成果相结合，评估知识传播、团队合作及同伴支持的有效性。
• 提出利用在线学习平台和社交媒体的自动化数据管道，以减少对耗时问卷的依赖。

实验结果

研究问题

• RQ1 学生在社交网络中的位置与其学业表现和协作行为之间存在何种关联？
• RQ2 网络结构（如小圈子和弱联系）在多大程度上影响作弊、吸烟或饮酒等不良行为的传播？
• RQ3 如何利用SNA工具检测孤立学生并支持包容性学习环境的构建？
• RQ4 同质性与社区结构在塑造教育网络中的同伴支持与信息传播方面发挥何种作用？
• RQ5 教师-学生社交网络如何增强对长期教育影响的理解，并减少学生参与度下降？

主要发现

• 在社交网络中处于中心位置的学生往往表现出更高的学业成绩，并在信息传播中具有更大影响力。
• 紧密的友谊群体以及与教师的弱联系与作弊和不端行为的发生率呈正相关。
• 利用友谊网络数据可优化考场座位安排，通过减少与实际友谊关系匹配的网格连接，降低作弊机会。
• 基于种族、民族或社会经济地位的同质性会导致学生隔离，可通过有针对性的混合交流项目加以缓解。
• 从Moodle等平台获取的被动数据可实现比自报问卷更准确、更频繁的网络评估。
• 整合的师生网络分析揭示了教师对学生群体形成长期影响，并可识别出脱离学术支持的学生。