群体沟通分析：一种用于检测多方互动中社会认知角色的计算语言学方法
计算与语言
2018-08-22 v1
摘要
角色是理解人类社会认知行为最重要的概念之一。在群体互动过程中，成员在讨论中承担不同的角色。角色具有独特的行为参与模式（即主动或被动、引领或跟随）、贡献特征（即提供新信息或复述已有材料）和社会取向（即个人或群体）。这些角色的不同组合会产生特征各异的群体结果，对集体目标而言或低效或高效。在在线协作学习环境中，这可能导致个体参与者获得更好或更差的学习成效。在本研究中，我们提出并验证了一种从参与者的贡献和互动模式中检测涌现角色的新方法。具体而言，我们通过将自动计算语言学技术与在线群体沟通的序列互动分析相结合，开发了群体沟通分析（Group Communication Analysis, GCA）。GCA 被应用于三个大型协作互动数据集（参与者 N = 2,429；群体 N = 3,598）。使用聚类分析和线性混合效应建模来评估 GCA 方法的有效性以及学习者角色对学生和群体表现的影响。结果表明，参与者的语言协调与凝聚模式代表了个体在协作讨论中所扮演的角色。更广泛地说，GCA 为研究者提供了一个框架，用以探索与参与者角色相关的微观人际内部和人际间模式，以及与成功协作相关的社会认知过程。
引用
@article{arxiv.1801.03563,
title = {Group Communication Analysis: A Computational Linguistics Approach for Detecting Sociocognitive Roles in Multi-Party Interactions},
author = {Nia Dowell and Tristian Nixon and Arthur Graesser},
journal= {arXiv preprint arXiv:1801.03563},
year = {2018}
}