摘 要：在大数据的时代背景下，学习分析成为近年来教育领域的关注热点，其中社会网络分析是学习分析的重要组成部分，出色的社会网络分析工具会使数据的分析过程事半功倍。本文在对现有社会网络分析工具进行分析的基础上，对SNAPP的功能特性进行阐述，并通过一个在线教学分析案例从数据获取、社群图形成、图形过滤、个体分析四个方面介绍了SNAPP的使用过程，以期为研究社会网络分析以及学习分析的教育实践者提供参考。
关键词：学习分析;社会网络分析;社会网络分析工具;SNAPP
随着大数据时代的来临，学习分析日益受到教育领域的瞩目，它为全面分析教学交互的研究提供了新的可能性。社会网络分析作为学习分析的重要组成部分在教育领域仍处于蓬勃发展的阶段，与此同时，许多新兴的社会网络分析工具应运而生，SNAPP就是其中的代表之一。以往社会网络分析工具的智能性较低，需先收集后台数据并建立矩阵关系，才能得出分析结果。SNAPP的出现在很大程度上减少了教学者数据预处理的工作量，因为它无需了解原数据细节，只需在主流LMS平台上直接操作，就可以智能化生成可视化网络交互图形，相比其他网络分析工具拥有更强的操作性。同时，SNAPP可实现对数据的实时分析，可及时发现学习者参与不平衡的现象，并针对个别群体实施干预。社会网络分析与工具的支持密不可分，优秀的社会网络分析工具会使数据的分析过程事半功倍，对社会网络工具的研究及社会网络分析，乃至整个学习分析的过程都具有重要意义。
一、社会网络分析工具
从上述对社会网络分析工具的研究中可以发现，社会网分析工具应用的便捷性、易操作性对分析的开展具有重要意义。随着社会网络分析逐渐被各个研究领域所重视，其分析工具也在飞速发展，通过对这些工具的分析，可将这些工具从难易程度上分为两类即专用工具和实践工具。
1.专用工具
专用的社会网络分析工具服务于拥有较高数据处理能力的研究者，例如Pajek、UCINet 和NetDraw 等。这一类工具为研究者提供了强大的分析功能，如聚类分析、因子分析、派系分析等，它们可以实现一定程度的可视化，但操作较为复杂，生成图形的灵活性欠佳。此类工具适合专门领域的研究者使用，对于广大的教学实践者而言，门槛较高。
2.实践工具
随着社交网络的应用范围日益壮大，社会网络分析的需求也逐渐增多，许多面向广大教育实践者的新型分析工具应运而生。此类工具不仅界面友好，操作便捷，而且功能强大，SNAPP、NodeXL、Gephi、Netminer 等就是此类工具的代表。其中，SNAPP的特点尤为突出，它在很大程度上减少了教学者数据预处理的工作量，且无需了解原数据细节，可以智能化生成可视化网络交互图形，相比其他网络分析工具具有更强的操作性。同时，SNAPP可实现对实时数据的分析，具有较高的应用价值。
二、SNAPP功能介绍
1.SNAPP简介
SNAPP(Social Networks Adapting Pedagogical Practice)是由澳大利亚Wollongong 大学的Shane Dawson和Lori Lockyer教授等领衔开发出来的一种开源并且基于Java的社会网络适应教学实践工具。[4]作为一个可视化的在线处理社会网络工具，可在在线讨论环境中为教育者展示学生的实时交互情况和社会关系，帮助教育者识别学生行为模式，为引导适当的干预奠定基础。利用SNAPP社会网络分析工具可以帮助教育者快速识别交互过程中的边缘者和信息关键人，显示一个学习社区在群体中的发展程度。[5]通过SNAPP软件可实现对数据的实时分析，帮助教育者及时实施教育干预措施，并可通过对后续交互情况的分析使教育者了解干预效果。
2.功能特性
本文将SNAPP的功能特性总结为以下四个方面。
(1)支持多种主流LMS和浏览器使用方便
SNAPP作为应用于教育领域的社会网络分析软件，可支持Blackboard、WebCT 和Moodle等学习管理系统，浏览器包括IE、Firefox和Safari，支持的操作系统为Windows、Macintosh。[5]SNAPP是一种基于Java的开源浏览器插件，使用者可先访问官网，把链接添加到浏览器收藏夹中，在登录Moodle等主流平台后，点击连接即可使用，并获得可视化的交互图示。
(2)实时数据分析
SNAPP可实现与学习管理系统(LMS)无缝对接，它能自动化地提取学习者在在线学习中产生的数据，并生成实时交互的视觉图，生成一个更为直观的用户界面来简洁地显示出学习者的学习动态。在网络学习平台中，当有成员访问论坛并发帖时，执行SNAPP程序，则网络结构图会发生新的变化，实现数据的实时分析。 (3)SNAPP集成了NetDraw软件的核心功能
SNAPP集成了NetDraw软件的核心功能并提供各种布局算法，包括：能分析基于帖子数据的节点数;统计每个节点的总帖子数、度、入度、出度、中介中心性等;提供可见、非可见参与者的姓名;放大或缩小图像。根据交互帖子的数量过滤一些节点等。
(4)支持多种数据导出格式
SNAPP可实现在线社会网络数据可视化，可以从论坛数据中提取VNA和GraphML原始数据，从而使用专业的社会网络分析软件做进一步的分析，且无需像传统做法那样，先从平台的后台数据库中获取数据，并建立关系矩阵，才能分析数据之间的关系。
通过以上特点可以看出用户掌握SNAPP软件门槛较低，分析者无需专业的社会网络分析知识，即可快速掌握运用到网络教学实践中。且该软件兼容性强，支持各类学习管理系统，教师可在课程进程的任何时刻通过可视化交互网络动态图来了解论坛帖子回复情况，为教学人员提供可快速识别学习者学习行为的模式。值得注意的是，在注册LMS的时候，用户名必须是英文或数字，否则使用SNAPP最后分析出来的ID号是乱码。同时java需要更新到最新版本。
3.操作界面
SNAPP操作界面如图1所示，左侧为图形化结果，右侧为控制界面。左侧界面包括可视化属性(Visualisation)、数据(Statistics)、输出代码(Export)、帮助(Help)、信誉(Credits)五个功能。右侧的控制界面中包括可视化图形的放大(Zoom in)、缩小(Zoom out)、选择(sel
ection)、布局算法(Layout)、过滤器(Filter)、显示学习者信息(People)、连接(Connection)、交互连接线性(Line type)等功能。勾选相应命令前的小方框即可实现相应变化，其中，过滤器可以通过设置数据的量值对社会网络进行过滤，点击Enable Filtering即可刷新图示结果，获得新的社会网络图。
三、应用案例
本文以某大学一门网络课程为案例，旨在说明SNAPP工具的应用过程，因此，在介绍该工具的方式上以数据分析的过程为主线，并不试图对案例的交互情况进行全面分析。
1.案例介绍
本案例以大学本科生的一门网络课程为依托，对记录在Moodle平台的数据进行分析。Moodle平台是由澳大利亚Martin Dougiamas教授在2002年开发的课程管理系统，其界面模块以开放性、灵活性、互动性、共享性等优点著称。在Moodle平台上学习者的社会性交互行为主要来自论坛，因此，笔者以该群体在论坛展开交互讨论的帖子作为研究数据，采用SNAPP 1.5软件版本对其进行分析。
2.分析过程
(1)数据获取
在此次案例中，以Moodle平台共记录的135条交互数据对SNAPP的使用进行阐述。数据可直接从Moodle平台上获取，点击SNAPP1.5的连接，即可形成学习者交互整体情况社群图。
(2)整体社群图
黑色结点的大小表示在网络中活跃度的高低，黑色结点的面积越大表示在论坛上的活跃度越高。社群图可以帮助教育者了解到当前学生的交互模式，帮助教育者识别交互群体的边缘者和关键信息人，为下一步的教育干预提供可靠数据。当点击Statistics则会按发帖量由高到低的顺序显示出每个参与者发帖的数量。教师可通过访谈了解一些学生参与交互活动不积极的原因，并及时制定教学交互策略，改变交互不平衡的现象。点击“Export”则有VNA 和GraphML两种格式的原始数据输出代码，为进一步的分析提供原始数据。
(3)数据过滤
通过整体社群图分析得到了交互过程中的整体面貌，但其信息量较大、图形较复杂，如果得到更加清晰的结果可通过数据过滤来重新定制图形，从而更为清晰地了解学生的交互情况。在过滤器(Filter)中，将发表帖子数设置为大于等于9，点击Enable Filtering即可刷新图示结果，获得新的社会网络图，如图3所示，从而得到交互较积极的学习者社群图。
(4)学生个体分析
黑色的节点代表每个学生在学习活动中的交互情况，当把鼠标移到某个黑点位置时，则会出现每个学生的发帖数(Posts)、度(Degree)、点入度(In Degree)、点出度(Out Degree)、中间中心度(Betweenness centrality )。度代表学生与他人交互的频繁程度，度越高表示该学生与他人交流越频繁，反之则交流程度较低。点入度表示学习者收到帖子数，点出度表示回复帖子数。学习者的点入度越高，表明该学习者在网络中的声望越高;点出度越高，说明该学习者与他人接触的能力越强。[6]中间中心度是指单独的一个行动者的控制优势，较高的中间中心度反映了较强的控制程度。[7]当把鼠标移动到其中一个点时显示如图4所示的相关信息，即可得到学习者个体相关的交互信息。
(5)讨论与小结
在上述SNAPP的使用过程中，首先呈现出学习交互活动的整体情况，然后通过数据过滤重新定制图形，对不同的学习群体进行进一步的分析，最后对学习者个体进行分析。通过对本文案例的分析可以得出两个结论。第一，社会网络分析对学习活动参与者的整体交互全貌以及个别群体细节进行描述，有助于教学者发现交互现象并及时地进行干预。第二，社会网络分析还不能够对交互活动进行全面解释、对交互过程更加全面和深入的研究，还需与其他多种研究方法相结合，从交互质量、情感态度等方面进行深层次研究。在后续的研究中，笔者试图采用社会网络分析法、内容分析法和问卷调查法，对学习者在线交互过程进行深入分析。 四、总结
大数据时代下学习分析的潜能在教育领域已逐渐彰显，社会网络分析是学习分析的重要组成部分。SNAPP的出现为社会网络分析提供了新的方向，它为更广大的教育实践者降低了分析门槛，使用者可以直接从Moodle等主流LMS平台获取并分析数据，使数据分析的过程更加简单且易操作。同时，SNAPP可实现实时数据分析，为及时改善交互中存在的参与度不平衡的现象提供有力的依据，也为教师的交互活动设计以及个性化教学提供指导。
参考文献：
[2]王陆.典型的社会网络分析软件工具及分析方法[J].中国电化教育，2009(4)：95-100.
[3]Hansen， D.， Rotman， D.， Bonsignore， E.， Milic-Frayling， N.，Rodrigues， E.， Smith， M.， Shneiderman， B. (2009). Do you know the way to SNA?： A process model for analyzing and visualizing social media data. U. of Maryland Tech Report： HCIL-2009-17.
[4]SNAPP.[EB/OL]
[5]Aneesha Bakharia. Social networks adapting pedagogical practice： SNAPP[EB/OL].
[6]王陆.虚拟学习社区的社会网络分析[J].中国电化教育，2009(2)：5-11.
[7]刘军.整体网络分析讲义：UCINET软件实用指南[M].上海：格致出版社，2009.
