Ordered Network Analysis of Epistemic Emotions during Collaborative Problem Solving
Diese Studie verwendet die geordnete Netzwerkanalyse, um distinkte Persistenz- und Transitionsmuster epistemischer Emotionen während der kollaborativen Problemlösung aufzuzeigen und zu demonstrieren, wie Erhebungsmethoden und die Gruppengeschwindigkeit die Dynamik affektiver Zustände wie Verwirrung und Neugier beeinflussen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie beobachten eine Gruppe von Freunden, die versuchen, gemeinsam ein kniffliges Rätsel zu lösen. Sie bemerken vielleicht, wie sie die Stirn runzeln, lachen oder streiten, aber was geschieht eigentlich in ihren Köpfen? Diese Frage liegt an der Schnittstelle zwischen Psychologie und Informatik – einem Feld, das versucht zu verstehen, wie unsere Gefühle – wie etwa Verwirrung, Neugier oder Frustration – die Art und Weise beeinflussen, wie wir lernen und mit anderen zusammenarbeiten. Wissenschaftler wissen schon lange, dass diese „epistemischen Emotionen“ (Gefühle, die mit dem Denken und Verstehen zusammenhängen) nicht bloß zufälliges Rauschen sind; sie sind der Motor des Lernens. Das Tracking dieser Gefühle ist jedoch so schwierig, als versuche man, Rauch mit den Händen einzufangen. Wenn man die Menschen bittet, innezuhalten und zu sagen, was sie fühlen, während sie arbeiten, unterbricht man ihre Konzentration. Wenn man wartet, bis die Aufgabe beendet ist, um zu fragen, erinnern sie sich vielleicht nicht mehr an die genaue Abfolge der Ereignisse oder bringen die Reihenfolge ihrer Gefühle durcheinander. Da es keine perfekte „Wahrheitsmaschine“ gibt, die Gedanken lesen kann, müssen sich Forscher auf kluge Wege verlassen, um diese emotionalen Reisen im Nachhinein zu rekonstruieren.
Diese Arbeit wirft einen frischen Blick auf diesen Rekonstruktionsprozess. Die Forscher ließen eine Gruppe von Studenten an einer kollaborativen Problemlösungsaufgabe teilnehmen, die eine Balkenwaage und einige mysteriöse Blöcke beinhaltete. Anstatt sie zu unterbrechen, sahen sich die Studenten im Anschluss eine Videoaufnahme ihrer eigenen Sitzung an und klickten auf Knöpfe, um zu berichten, wie sie sich zu verschiedenen Zeitpunkten fühlten. Einige Klicks erfolgten freiwillig (wenn sie eine starke Emotion spürten), andere wurden durch einen Timer erzwungen, der nach 60 Sekunden Stille aufpoppte. Das Team nutzte dann ein spezielles mathematisches Werkzeug namens „Ordered Network Analysis“ (ONA). Betrachten Sie ONA nicht als eine einfache Liste von Gefühlen, sondern als eine Karte eines U-Bahn-Systems. Es sagt einem nicht nur, welche Stationen (Emotionen) besucht wurden; es zeichnet die Gleise nach, um zu zeigen, zu welcher Station man normalerweise als Nächstes reist. Führte ein Moment der Verwirrung zu Frustration oder entfachte er Neugier? Durch die Kartierung dieser Gleise fanden die Autoren heraus, dass die Art und Weise, wie Gruppen durch Emotionen navigieren, stark davon abhängt, wie schnell sie das Problem lösen und wie sie gebeten werden, ihre Gefühle zu melden.
Die Studie zeigt, dass es einen „stabilen Kern“ an Emotionen gibt, den die meisten Gruppen teilen: Neugier, Optimismus und Verwirrung. Diese drei Gefühle sind wie der zentrale Knotenpunkt des U-Bahn-Systems; sie kreisen ständig um sich selbst und sind miteinander verbunden. Dies deutet darauf hin, dass Menschen bei der Zusammenarbeit oft in einem Zustand des „produktiven Ringens“ verharren, in dem sie trotz Verwirrung neugierig und optimistisch bleiben, anstatt rapide zwischen völlig unterschiedlichen Stimmungen hin und her zu schwanken.
Das Bild sieht jedoch sehr unterschiedlich aus, je nachdem, wie schnell die Gruppe arbeitete. Die „schnellen“ Gruppen hatten Spuren, die eng zwischen Neugier und Optimismus kreisten. Sie schienen mühelos durch die Aufgabe zu gleiten, und wenn sie auf ein Hindernis stießen, kehrten sie schnell wieder zur Neugier zurück. Interessanterweise zeigten die schnellen Gruppen auch ein schnelles Abgleiten in „Desinteresse“, was darauf hindeutet, dass vielleicht ein oder zwei Personen den Bus steuerten, während die anderen nur zusahnen. Im Gegensatz dazu war die Karte der „langsamen“ Gruppen viel chaotischer. Ihre Spuren waren stark gewichtet in Richtung Verwirrung, Konflikt und Frustration. Bei diesen Gruppen führte Verwirrung oft direkt zu Streit oder zum Gefühl, festzustecken. Die Arbeit legt nahe, dass Geschwindigkeit nicht nur etwas über die Intelligenz der Gruppe aussagt, sondern ein Zeichen dafür ist, wie ihre Emotionen organisiert sind. Schnelle Gruppen hatten eine glattere emotionale Koordination, während langsame Gruppen in einer Schleife des Ringens feststeckten.
Die Studie entdeckte auch, dass die Methode der Datenerhebung die Karte völlig verändert. Wenn die Studenten ihre Gefühle freiwillig meldeten (selbst erfasst), zeigte die Karte dramatischere Wechsel, einschließlich Spitzen in Frustration und Überraschung. Es war, als ob sie nur dann den Knopf drückten, wenn etwas Aufregendes oder Nerviges passierte. Aber wenn der Timer sie zum Melden zwang (proben-erfasst), sah die Karte anders aus: Die Kernemotionen (Neugier, Optimismus, Verwirrung) hatten viel stärkere Schleifen, was darauf hindeutet, dass die Menschen, wenn sie daran erinnert werden, innezuhalten, realisieren, dass sie sich schon eine ganze Weile in einem stabilen Denkzustand befunden haben. Die Autoren merken an, dass die erzwungenen Meldungen viel häufiger stattfanden (64 % der Zeit) als die freiwilligen (36 %), weshalb die „erzwungene“ Karte wahrscheinlich ein besseres Bild des kontinuierlichen emotionalen Flusses liefert, während die „freiwillige“ Karte die Momente hoher Dramatik hervorhebt.
Letztendlich legt die Arbeit nahe, dass wir nicht nur darauf schauen sollten, welche Emotion ein Student fühlt, sondern wie er von einer zu einer anderen wechselt. Ein Computersystem, das Schülern helfen soll, sollte nicht einfach in Panik geraten, wenn es „Verwirrung“ erkennt. Stattdessen sollte es die Gleise betrachten: Führt die Verwirrung zu Neugier (ein gutes Zeichen) oder gerät sie in eine Spirale aus Konflikt und Desinteresse (ein schlechtes Zeichen)? Die Autoren kommen zu dem Schluss, dass das Verständnis dieser emotionalen Pfade entscheidend ist, um bessere KI-Tutoren zu bauen, die wissen, wann sie schweigen und wann sie eingreifen müssen, um Gruppen dabei zu helfen, die chaotische, emotionale Reise der Problemlösung zu bewältigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.