研究通过使用课题组团队自主开发的视频合作学习平台，借助眼动追踪、行为序列分析（LSA）、认知网络分析（ENA）方法，着眼于探究不同学习成绩学生在视频学习与在线交互过程中的行为与认知模式特征，为在线视频学习的程序设计、教学策略提供理论支持与实证基础。
实验研究分为四个阶段：（1）首先，学生与同伴在学习平台共同观看主题为火箭发明创造的视频。在观看的过程中，学生可以对视频进行自由暂停、快进、回放或跳转操作。在视频结尾，完成一项火箭发明创造的设计任务。（2）随后，基于视频结尾的设计任务要求，学生需在聊天窗口打字与学习同伴交流自己的观点与设计思路。（3）在会话结束后，根据视频末尾的任务要求，完成设计绘图任务。（4）最后，完成知识测验问卷。
在实验过程中，学生佩戴Tobii Glasses 2眼动追踪设备，视频流数据与文字聊天记录由学习平台自动保存，并全程进行屏幕录制以记录学习行为。最后对所有数据进行了大量的编码工作。学习行为数据被编码为视频观看、资源搜索、查看同伴观点等9个维度。文字内容被编码为知识、技能、采纳3个维度10个节点。这些编码节点将用于后续的滞后序列分析与认知网络分析。
主要研究结果
1. 多元线性回归分析表明，学习行为上，同伴观点的注视时间显著正向预测学习成绩；认知上，知识深度、问题解决技能显著正向预测学习成绩，文字组织技能显著负向预测学习成绩。
2. 学习行为的滞后序列分析表明，相较于低分学生，高分学生在打字输出观点之前以及绘图设计之后会更频繁地查看任务信息；低分学生则在查看同伴作品与修改自身作品之间存在更频繁地行为切换。
3. 对话的认知网络分析表明，高分学生在深层知识与知识采纳应用行为上有更多联结。相反，低分学生则在浅层知识和知识忽略采纳上表现出更多联结。
该文目前已正式发表于教育领域的Top 1期刊Computers & Education上(JCR 1区/中科院1区)。
文章链接：
Pi, Z., Yang, Y., Zhao, X., Guo, Q., & Li, X. (2024). Investigating behavioral and cognitive patterns among high-performers and low-performers in Co-viewing video lectures. Computers & Education, 219, 105110.
https://doi.org/10.1016/j.compedu.2024.105110