Computer-based learning environments (CBLEs) are powerful tools to support student learning. Increasingly of interest is the data that is recorded as learners interact with a CBLE. This process data yields opportunities for researchers to examine learners’ engagement with a CBLE and explore whether specific interactions are associated with learner variables, with direct implications for improving learning outcomes and CBLE design. As CBLEs increase in number and complexity, researchers continue to seek more effective strategies to analyze process data. While a variety of strategies are in use, from visualizations to predictive modeling, none yet offer the capabilities to both uncover hidden, meaningful interactions and descriptively analyze those interactions rapidly across the complete data set. This paper details a method that addresses current challenges, and then applies the method to existing data from a prior study which investigated the effects of adding a visual scaffold to a chemistry-based CBLE. Using a biochemical coding approach through a cultural-historical activity theory (CHAT) framework, the method successfully identified 257 unique, meaningful patterns of interaction that were strategically grouped into nine categories of mediated actions. Though no differences in mediated actions were observed between learners in the experimental (visual scaffolds) and control conditions, three mediated actions were significantly and positively associated with higher learning outcomes in the visual scaffold condition. The results not only provide insight into why the addition of visual scaffolds led to higher learning outcomes among participants but have broader implications for filling a gap in the field of process data analytics for CBLEs in science education.

基于计算机的学习环境 (CBLE) 是支持学生学习的强大工具。人们越来越感兴趣的是学习者与 CBLE 交互时记录的数据。这个过程数据为研究人员提供了检查学习者参与 CBLE 的机会，并探索特定的交互是否与学习者变量相关，对改善学习成果和 CBLE 设计有直接影响。随着 CBLE 数量和复杂性的增加，研究人员继续寻求更有效的策略来分析过程数据。虽然使用了多种策略，从可视化到预测建模，但还没有一种策略能够提供发现隐藏的、有意义的交互并在整个数据集中快速描述性地分析这些交互的能力。本文详细介绍了一种解决当前挑战的方法，然后将该方法应用于先前研究中的现有数据，该研究调查了将视觉支架添加到基于化学的 CBLE 的效果。通过文化历史活动理论 (CHAT) 框架使用生化编码方法，该方法成功地识别了 257 种独特、有意义的交互模式，这些模式被战略性地分为九类中介行动。尽管在实验（视觉支架）和控制条件下的学习者之间没有观察到中介行为的差异，但三种中介行为与视觉支架条件下的更高学习成果显着正相关。结果不仅深入了解为什么添加视觉支架会导致参与者获得更高的学习成果，而且对于填补科学教育中 CBLE 过程数据分析领域的空白具有更广泛的意义。该方法成功地确定了 257 种独特、有意义的互动模式，这些模式被战略性地分为九类调解行动。尽管在实验（视觉支架）和控制条件下的学习者之间没有观察到中介行为的差异，但三种中介行为与视觉支架条件下的更高学习成果显着正相关。结果不仅深入了解为什么添加视觉支架会导致参与者获得更高的学习成果，而且对于填补科学教育中 CBLE 过程数据分析领域的空白具有更广泛的意义。该方法成功地确定了 257 种独特、有意义的互动模式，这些模式被战略性地分为九类调解行动。尽管在实验（视觉支架）和控制条件下的学习者之间没有观察到中介行为的差异，但三种中介行为与视觉支架条件下的更高学习成果显着正相关。结果不仅深入了解为什么添加视觉支架会导致参与者获得更高的学习成果，而且对于填补科学教育中 CBLE 过程数据分析领域的空白具有更广泛的意义。尽管在实验（视觉支架）和控制条件下的学习者之间没有观察到中介行为的差异，但三种中介行为与视觉支架条件下的更高学习成果显着正相关。结果不仅深入了解为什么添加视觉支架会导致参与者获得更高的学习成果，而且对于填补科学教育中 CBLE 过程数据分析领域的空白具有更广泛的意义。尽管在实验（视觉支架）和控制条件下的学习者之间没有观察到中介行为的差异，但三种中介行为与视觉支架条件下的更高学习成果显着正相关。结果不仅深入了解为什么添加视觉支架会导致参与者获得更高的学习成果，而且对于填补科学教育中 CBLE 过程数据分析领域的空白具有更广泛的意义。