Ordered Network Analysis of Epistemic Emotions during Collaborative Problem Solving
Deze studie maakt gebruik van geordende netwerkanalyse om onderscheidende persistentie- en transitiepatronen van epistemische emoties tijdens collaboratief probleemoplossend vermogen te onthullen, waarbij wordt aangetoond hoe rapportagemethoden en groepsnelheid de dynamiek van affectieve toestanden zoals verwarring en nieuwsgierigheid beïnvloeden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je naar een groep vrienden kijkt die samen een lastige puzzel proberen op te lossen. Je ziet hen misschien fronsen, lachen of discussiëren, maar wat gebeurt er eigenlijk in hun hoofd? Deze vraag bevindt zich op het snijvlak van psychologie en informatica, een vakgebied dat probeert te begrijpen hoe onze gevoelens—zoals verwarring, nieuwsgierigheid of frustratie—de manier waarop we leren en met anderen samenwerken, vormgeven. Wetenschappers weten al lang dat deze "epistemische emoties" (gevoelens die te maken hebben met denken en begrijpen) niet zomaar willekeurige ruis zijn; ze zijn de motor van het leren. Het tracken ervan is echter alsoak je rook probeert te vangen met je handen. Als je mensen vraagt om te stoppen en te zeggen wat ze voelen terwijl ze aan het werk zijn, doorbreek je hun concentratie. Als je wacht tot het einde om het te vragen, kunnen ze de exacte volgorde van gebeurtenissen vergeten of door elkaar halen wat ze eerst voelden versus wat ze later voelden. Omdat er geen perfecte "waarheidsmachine" bestaat om gedachten te lezen, moeten onderzoekers vertrouwen op slimme manieren om deze emotionele reizen achteraf te reconstrueren.
Dit artikel werpt een frisse blik op dat reconstructieproces. De onderzoekers verzamelden een groep studenten die een gezamenlijke probleemoplossende taak uitvoerden met een balansweegschaal en wat mysterieuze blokken. In plaats van hen te onderbreken, bekeken de studenten achteraf een video van hun eigen sessie en klikten ze op knoppen om te rapporteren hoe zij zich op verschillende momenten voelden. Sommige klikken waren vrijwillig (wanneer ze een sterke emotie voelden), en andere werden afgedwongen door een timer die na 60 seconden stilte verscheen. Het team gebruikte vervolgens een speciaal wiskundig instrument genaamd "Ordered Network Analysis" (ONA). Denk bij ONA niet aan een simpele lijst van gevoelens, maar aan een kaart van een metrosysteem. Het vertelt je niet alleen welke stations (emoties) zijn bezocht; het tekent de sporen om aan te geven naar welk station je meestal reist. Leidde een moment van verwarring tot frustratie, of ontketende het nieuwsgierigheid? Door deze sporen in kaart te brengen, ontdekten de auteurs dat de manier waarop groepen door emoties bewegen sterk afhangt van hoe snel ze het probleem oplossen en hoe ze gevraagd worden hun gevoelens te rapporteren.
De studie laat zien dat er een "stabiele kern" van emoties is die de meeste groepen delen: nieuwsgierigheid, optimisme en verwarring. Deze drie gevoelens zijn als de centrale hub van het metrosysteem; ze cirkelen constant terug naar zichzelf en zijn met elkaar verbonden. Dit suggereert dat wanneer mensen samenwerken, ze vaak in een staat van "productieve strijd" blijven, waarbij ze nieuwsgierig en optimistisch zijn, zelfs terwijl ze verward zijn, in plaats van snel te schakelen tussen totaal verschillende stemmingen.
Echter, de kaart ziet er heel anders uit afhankelijk van hoe snel de groep werkte. De "snelle" groepen hadden sporen die nauw tussen nieuwsgierigheid en optimisme cirkelden. Ze leken moeiteloos door de taak te glijden, en wanneer ze een hobbel tegenkwamen, herstelden ze snel naar een staat van nieuwsgierigheid. Interessant genoeg vertoonden de snelle groepen ook een snelle glijvlucht naar "ontkoppeling" (disengagement), wat suggereert dat misschien één of twee mensen de bus bestuurden terwijl de anderen alleen toekeken. In contrast hiermee hadden de "langzame" groepen een veel rommeliger kaart. Hun sporen waren zwaar gewogen richting verwarring, conflict en frustratie. Voor deze groepen leidde verward raken vaak direct tot discussie of het gevoel vast te zitten. Het artikel suggereert dat snelheid niet alleen gaat over hoe slim de groep is; het is een teken van hoe hun emoties georganiseerd zijn. Snelle groepen hadden een soepelere emotionele coördinatie, terwijl langzame groepen vastzaten in een lus van strijd.
De studie ontdekte ook dat de methode die wordt gebruikt om de gegevens te verzamelen de kaart volledig verandert. Wanneer studenten hun gevoelens vrijwillig rapporteerden (zelf-gevangen), toonde de kaart meer dramatische verschuivingen, inclusief pieken in frustratie en verrassing. Het was alsof ze de knop alleen indrukten wanneer er iets spannends of irritants gebeurde. Maar wanneer de timer hen dwong te rapporteren (proef-gevangen), zag de kaart er anders uit: de kernemoties (nieuwsgierigheid, optimisme, verwarring) hadden veel sterkere lussen, wat suggereert dat wanneer mensen eraan herinnerd worden om even in te checken, ze beseffen dat ze al een tijdje in een stabiele staat van denken verkeren. De auteurs merken op dat omdat de gedwongen rapportages veel vaker voorkwamen (64% van de tijd) dan de vrijwillige (36%), de "gedwongen" kaart waarschijnlijk een beter beeld geeft van de continue stroom van emotie, terwijl de "vrijwillige" kaart de momenten van hoog drama benadrukt.
Uiteindelijk suggereert het artikel dat we niet alleen moeten kijken naar wat voor emotie een student voelt, maar naar hoe ze van de ene naar de andere emotie bewegen. Een computersysteem dat studenten moet helpen, zou niet in paniek moeten raken wanneer het "verwarring" ziet. In plaats daarvan zou het naar de sporen moeten kijken: leidt de verwarring naar nieuwsgierigheid (een goed teken), of spiraalt het naar conflict en ontkoppeling (een slecht teken)? De auteurs concluderen dat het begrijpen van deze emotionele paden cruciaal is voor het bouwen van betere AI-tutors die weten wanneer ze stil moeten blijven en wanneer ze moeten ingrijpen, om groepen te helpen navigeren door de rommelige, emotionele reis van het gezamenlijk oplossen van problemen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.