课堂社会网络的全局结构预测学业与心理社会适应

《PNAS Nexus》：The global structure of classroom social networks predicts academic and psycho-social adjustment

　　

摘要

人类具有深刻的社会性，在早期生活中，课堂友谊塑造了学业和社会情感发展。课堂同伴生态描述了个体关系所处的社会结构，这种结构构成了学生在这类课堂中学习发展的背景。然而，研究刚刚开始探索这些全局社会网络结构如何与课堂层面的结果相关联。利用包含 1,433 个课堂中 35,038 名学生的庞大数据集，我们从四种不同的网络类型（即友谊、排斥、帮助和课间接触）中提取了 314 个社会网络指标，并应用机器学习预测各种课堂层面的结果，包括学业成就、动机和社会融合。除了学校轨道、社会经济地位和人口统计因素外，课堂网络预测了学业成就（高达 2% 的方差）和幸福感（高达 18% 的方差）。然而，它们并没有显著改善对教学和学习环境其他特征的预测——例如教学方法和动机特征。对不同结果的预测能力高度依赖于网络类型和网络指标类别。这些见解将社会网络定位为理解教育环境各个方面的有力工具，并为基于网络的干预措施提供信息。