謝濤 農(nóng)李巧 高楠

[摘? ?要] 學(xué)習(xí)分組是協(xié)作學(xué)習(xí)活動設(shè)計的首要階段。隨著學(xué)習(xí)場所的快速變化、多模態(tài)交互過程復(fù)雜性的增加，采用傳統(tǒng)的隨機(jī)分組、教師指派或?qū)W生自我選擇等方法進(jìn)行協(xié)作學(xué)習(xí)分組的效率十分低下。研究提出基于智能技術(shù)構(gòu)建自適應(yīng)的協(xié)作學(xué)習(xí)小組。首先，闡述了學(xué)習(xí)分組的價值，即構(gòu)建合理的協(xié)作學(xué)習(xí)環(huán)境、兼顧學(xué)生的個體差異和促進(jìn)教育資源優(yōu)質(zhì)公平;其次，總結(jié)了影響智能學(xué)習(xí)分組的因素，包括個體屬性、小組學(xué)術(shù)與物理構(gòu)成以及學(xué)習(xí)者與環(huán)境的交互;最后，描述了經(jīng)典場景下智能學(xué)習(xí)分組的通用模型，并討論了大數(shù)據(jù)背景下智能學(xué)習(xí)分組的前景與挑戰(zhàn)。針對大數(shù)據(jù)驅(qū)動智能學(xué)習(xí)分組的穩(wěn)定性問題，基于機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)思想構(gòu)建了大數(shù)據(jù)共識分組框架。此框架有望為人工智能促進(jìn)未來規(guī)?；膫€性化教育提供支持。

[關(guān)鍵詞] 分組; 人工智能; 智能學(xué)習(xí); 教育大數(shù)據(jù); 協(xié)作學(xué)習(xí)

[中圖分類號] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡介] 謝濤（1983—），男，四川巴中人。副教授，博士，主要從事智能教育關(guān)鍵技術(shù)與應(yīng)用研究。E-mail：xietao@swu.edu.cn。

一、引? ?言

分組學(xué)習(xí)把社會心理學(xué)的合作規(guī)律引進(jìn)教學(xué)中，強(qiáng)調(diào)人際之間的交往對于認(rèn)知發(fā)展的促進(jìn)作用。分組學(xué)習(xí)讓生生和師生之間通過自主探究、相互啟發(fā)來提高學(xué)生綜合素質(zhì)、提升學(xué)習(xí)質(zhì)量，形成一種生動活潑、全員參與的學(xué)習(xí)氛圍。分組學(xué)習(xí)的前提是將學(xué)生按照特定的標(biāo)準(zhǔn)劃分到合適的小組中，即學(xué)習(xí)分組。學(xué)習(xí)分組是構(gòu)建協(xié)作學(xué)習(xí)團(tuán)隊的首要任務(wù)，小組同伴對團(tuán)隊中成員的學(xué)習(xí)，甚至對整個團(tuán)隊目標(biāo)完成都有著重要的影響[1]。在大多數(shù)教學(xué)場景中，主要通過人工方式來完成學(xué)習(xí)分組。但考慮到學(xué)生在認(rèn)知、社會、文化、心理等方面的差異，人工分組是一件十分困難且耗時的工作。隨著計算機(jī)技術(shù)的發(fā)展，大多數(shù)學(xué)習(xí)分組可以通過算法來實現(xiàn)?；谒惴ǖ膶W(xué)習(xí)分組主要經(jīng)歷了適用于小規(guī)模班級教學(xué)的半智能化階段到可以應(yīng)用于大規(guī)模開放教育的全智能化階段。選擇合適的智能分組算法在個性化學(xué)習(xí)導(dǎo)航、精準(zhǔn)化學(xué)習(xí)資源推薦和智能化學(xué)生模型構(gòu)建等方面有著極其重要的作用。例如：實現(xiàn)學(xué)習(xí)資源推薦需要基于歷史訪問數(shù)據(jù)對學(xué)生偏好進(jìn)行相似性計算，學(xué)生被分為若干組，組內(nèi)學(xué)生盡可能相似，組間學(xué)生盡可能分離。這種分組結(jié)構(gòu)可以作為機(jī)器推理過程中的重要知識。然而，學(xué)習(xí)分組過程總是伴隨著不同的分組類型、技術(shù)采納和小組規(guī)模的艱難平衡，這為智能學(xué)習(xí)分組的成功實施帶來了新的巨大挑戰(zhàn)。

二、學(xué)習(xí)分組的概念

學(xué)習(xí)分組在傳統(tǒng)教學(xué)中應(yīng)用十分廣泛?！掇o?！穼Α胺帧钡慕忉尀椋瑓^(qū)劃開、由機(jī)構(gòu)內(nèi)獨(dú)立出的部分;對“組”下的定義為，結(jié)合、構(gòu)成，因工作和學(xué)習(xí)的需要結(jié)合成的小單位[2]。由夸美紐斯提出的班級授課制可知，學(xué)生作為個體在大班級中屬于“分”的獨(dú)立個體，按照一定的標(biāo)準(zhǔn)劃分為“組”后，便成為學(xué)習(xí)小組。組內(nèi)成員可以開展基于共同學(xué)習(xí)任務(wù)的合作，組間則體現(xiàn)分組的平等性或競爭關(guān)系。分組將學(xué)生參與的課堂教學(xué)組織成一個完整而又相互作用的系統(tǒng)，不但使學(xué)生的個性得以發(fā)展，還可以提升小組的學(xué)習(xí)績效。學(xué)習(xí)分組的產(chǎn)物通常被稱為學(xué)習(xí)共同體，意為小范圍、自然形成、以整體為本位的聯(lián)合。共同體強(qiáng)調(diào)人與人之間的緊密關(guān)系和社會聯(lián)接，建立在自然基礎(chǔ)上的群體之中。共同體與教育的結(jié)合是在尊重個體差異性的基礎(chǔ)上，使每個人都能展現(xiàn)其社會影響。因此，趙建華認(rèn)為，學(xué)習(xí)分組是“由兩個或兩個以上的個體組成，個體間相互依賴、積極互動、彼此影響，有調(diào)節(jié)成員行為的價值與規(guī)范”[3]。

傳統(tǒng)學(xué)習(xí)分組通常采用隨機(jī)分組、教師指派或?qū)W生自我選擇等方法。隨機(jī)分組沒有固定的標(biāo)準(zhǔn)，學(xué)生被隨機(jī)分配到小組中。隨機(jī)分組大多數(shù)形成的是異質(zhì)小組（Heterogeneous Group），一般由不同學(xué)習(xí)能力、學(xué)習(xí)風(fēng)格、學(xué)習(xí)成績、性別、種族的學(xué)生組成[4]。教師指派分組往往憑借其主觀經(jīng)驗，根據(jù)學(xué)生表現(xiàn)、任務(wù)類型或教學(xué)目標(biāo)，既可以把學(xué)生分為同質(zhì)小組，也可以分為異質(zhì)小組。學(xué)生自我選擇分組是學(xué)生以自組織的方式構(gòu)成小組。學(xué)生傾向于選擇那些興趣愛好相同、社會關(guān)系好或知識水平相當(dāng)?shù)耐樽鳛榻M員，形成的是同質(zhì)小組（Homogeneous Group）[5]。隨機(jī)分組最簡單，卻是一種效率極低的分組方法，小組成員難以掌控分組的質(zhì)量，無法直接解決小組結(jié)構(gòu)變化和社會動力學(xué)帶來的協(xié)作學(xué)習(xí)問題。學(xué)生自我選擇可形成統(tǒng)一的小組目標(biāo)和學(xué)術(shù)氛圍，但難以控制組員的知識、技能和個性等在小組中分布的均衡性，缺少傾聽不同觀點(diǎn)、彼此爭辯的機(jī)會，難以產(chǎn)生不同的問題解決思路和方法。教師指派分組雖然可以避免隨機(jī)分組和學(xué)生自我選擇分組的缺點(diǎn)，但教師經(jīng)驗主導(dǎo)無法對學(xué)習(xí)者興趣、技能、心理素質(zhì)、個性等因素進(jìn)行綜合衡量。教師確定分組人數(shù)、指派組長不利于調(diào)動組內(nèi)其他成員的參與度，如果組員能力差異較大，容易出現(xiàn)由能力較強(qiáng)的組員主導(dǎo)整個小組活動，從而影響其他組員在小組中的存在感。

三、學(xué)習(xí)分組的價值取向

18世紀(jì)末，英國牧師倍爾等提出“導(dǎo)生制”。教師只面向班里一部分學(xué)生，即“導(dǎo)生”，“導(dǎo)生”向班內(nèi)其他學(xué)生轉(zhuǎn)授教師講過的內(nèi)容[6]。約翰·霍普金斯大學(xué)教授斯萊文（Slavin）提出，“學(xué)習(xí)小組成績分享法”和“切塊拼接法”，可謂學(xué)習(xí)分組思想的進(jìn)一步發(fā)展[7]。在我國，《詩經(jīng)·衛(wèi)風(fēng)》中的“有匪君子，如切如磋，如琢如磨”，《學(xué)記》中的“相觀而善謂之摩”“獨(dú)學(xué)而無友，則孤陋而寡聞”，近代陶行知的“小先生”制等均反映了學(xué)習(xí)分組的思想[8]?？梢姡瑢W(xué)習(xí)分組在教育教學(xué)中有著極其重要的作用。

（一）分組是協(xié)作學(xué)習(xí)的基礎(chǔ)

協(xié)作學(xué)習(xí)主要以小組為基本組成單位，將傳統(tǒng)面對面教學(xué)中單向知識信息傳遞轉(zhuǎn)變?yōu)榻虒W(xué)各個動態(tài)因素間的多邊交流，拓展師生、生生間的信息來源。合理的分組被認(rèn)為是協(xié)作學(xué)習(xí)取得成功的前提，它影響學(xué)習(xí)體念、學(xué)習(xí)有效性和學(xué)習(xí)效率[9]。學(xué)習(xí)科學(xué)家認(rèn)為，協(xié)作學(xué)習(xí)至少包含以下幾個層面的內(nèi)容：協(xié)作學(xué)習(xí)是以小組活動為主體的一種教學(xué)活動，協(xié)作學(xué)習(xí)是一種同伴之間的合作互助活動，協(xié)作學(xué)習(xí)是一種目標(biāo)導(dǎo)向活動，協(xié)作學(xué)習(xí)以各個小組在達(dá)成目標(biāo)過程中的總體成績?yōu)楠剟钜罁?jù)，協(xié)作學(xué)習(xí)由教師分配學(xué)習(xí)任務(wù)和控制教學(xué)進(jìn)程[10]。有效的協(xié)作需要有一定的物理邊界，即小組有特定的小組規(guī)模和成員配置。協(xié)作學(xué)習(xí)把學(xué)習(xí)者分為多個組別，組內(nèi)成員有共同的學(xué)習(xí)目標(biāo)，需要通過小組成員的共同努力來實現(xiàn)[11]。顯然，不同的教學(xué)方式對小組的構(gòu)成有著不同的要求，協(xié)作任務(wù)的差異性決定小組成員的流動性，而構(gòu)建科學(xué)合理的小組正是協(xié)作學(xué)習(xí)成功的必要前提。

（二）分組兼顧學(xué)生的個體差異

由于學(xué)生的認(rèn)知水平、地區(qū)、民族、個性、學(xué)習(xí)風(fēng)格、學(xué)習(xí)方法、文化背景存在差異，尊重學(xué)生個體差異才有構(gòu)建合作、對話、互動課堂的可能性。學(xué)習(xí)者異質(zhì)性的存在使學(xué)習(xí)者之間相互依存、相互協(xié)作、相互關(guān)愛、相互吸引。因此，在學(xué)習(xí)小組中，接受異質(zhì)、容納異質(zhì)、利用異質(zhì)、發(fā)掘異質(zhì)、優(yōu)化異質(zhì)是分組學(xué)習(xí)的重要特點(diǎn)。分組學(xué)習(xí)在充分考慮學(xué)生差異的基礎(chǔ)上，從學(xué)生的知識和能力水平、興趣愛好、學(xué)習(xí)風(fēng)格等出發(fā)，將具有類似特征的學(xué)生集中到一起，將具有不同特征的學(xué)生分配到水平相當(dāng)?shù)男〗M中進(jìn)行學(xué)習(xí)[12]。教師會根據(jù)學(xué)生的特點(diǎn)提供區(qū)別化、層次化、針對性的教學(xué)指導(dǎo)，以促進(jìn)每一個學(xué)生得到更好的發(fā)展。分組學(xué)習(xí)既考慮已有知識和能力水平的智力因素，也包含興趣愛好、學(xué)習(xí)風(fēng)格等非智力因素，具體表現(xiàn)在學(xué)習(xí)速度、學(xué)習(xí)方式、興趣愛好、學(xué)習(xí)動機(jī)、學(xué)習(xí)能力、學(xué)習(xí)毅力、學(xué)習(xí)方法等方面。分組學(xué)習(xí)尊重學(xué)生個體差異，在強(qiáng)調(diào)教學(xué)的獨(dú)特性和多樣性的同時，將學(xué)生的個性差異視為一種可以開發(fā)的教育資源，發(fā)掘?qū)W生個性潛能的生長點(diǎn)[13]。分組學(xué)習(xí)是一個動態(tài)的過程，強(qiáng)調(diào)將教與學(xué)有機(jī)結(jié)合起來，以實現(xiàn)教學(xué)相長。分組改善了學(xué)習(xí)條件，符合學(xué)生的心理特征和認(rèn)知規(guī)律，調(diào)節(jié)了教學(xué)中學(xué)生水平參差不齊的問題，避免了傳統(tǒng)教學(xué)“一刀切”、基礎(chǔ)差的學(xué)生“跟不上”、基礎(chǔ)好的學(xué)生“吃不飽”的尷尬局面。

（三）分組促進(jìn)教育資源優(yōu)質(zhì)公平

資源作為課堂教學(xué)中的重要組成要素，包括物質(zhì)資源和人力資源[14]。物質(zhì)資源有教材、教學(xué)資料、音像、儀器、多媒體設(shè)備、智能學(xué)習(xí)軟件、大數(shù)據(jù)、遠(yuǎn)程教育以及網(wǎng)絡(luò)信息等。人力資源包括教師、學(xué)生、校外專家等[15]。良好的分組可以讓每個學(xué)生有接觸優(yōu)質(zhì)教育資源的機(jī)會。分組學(xué)習(xí)把學(xué)生差異作為教學(xué)的重要資源，充分利用學(xué)生的認(rèn)知特點(diǎn)、學(xué)習(xí)興趣和學(xué)習(xí)風(fēng)格，發(fā)現(xiàn)每個學(xué)生的專長和才智，開發(fā)學(xué)生的多元智能，使生生、師生之間相互學(xué)習(xí)、相互激勵、取長補(bǔ)短、互幫互助、實現(xiàn)小組成員之間的優(yōu)勢互補(bǔ)，盡可能地發(fā)揮其差異資源的豐富性和潛在性，讓每個小組成員都得到最優(yōu)發(fā)展。分組學(xué)習(xí)讓教師的目光不再僅僅聚焦于“尖子生”或性格活躍的學(xué)習(xí)者身上，瓦解了傳統(tǒng)教學(xué)中人力資源分配不均的問題[16]。由此可見，學(xué)習(xí)分組無疑是解決教育資源公平分配的重要策略。

四、智能學(xué)習(xí)分組的通用模型

智能學(xué)習(xí)分組是利用相關(guān)智能技術(shù)將學(xué)生自動分配到合適的小組中。它涉及與分組有關(guān)的教學(xué)策略、算法、技術(shù)和方法，根據(jù)特定的標(biāo)準(zhǔn)將學(xué)習(xí)者劃分到不同簇群，其目的是使組員能更好地與同伴交互并使學(xué)習(xí)收獲最大化。

（一）影響智能學(xué)習(xí)分組的因素

1. 個體屬性

個體屬性大體可以分為學(xué)術(shù)、認(rèn)知和社會三個維度。Lei等人提出，智能學(xué)習(xí)分組至少要考慮六個個體屬性，包括性別、種族、成員之間的熟悉程度、能力、動機(jī)水平和來源[17]。Liu等人認(rèn)為，在進(jìn)行學(xué)習(xí)分組時應(yīng)考慮學(xué)術(shù)成果[18]。一般情況下，有較高學(xué)術(shù)成果的學(xué)生有更好的同伴交互習(xí)慣，也可能有更好的知識交換過程和學(xué)習(xí)結(jié)果。Lin等人發(fā)現(xiàn)，社交網(wǎng)絡(luò)可能會對小組學(xué)習(xí)績效產(chǎn)生重要影響[19]。不同的學(xué)習(xí)任務(wù)和學(xué)習(xí)目標(biāo)，分組所依據(jù)的個體屬性不同，有研究建議將學(xué)習(xí)者知識水平、技能、能力、學(xué)習(xí)風(fēng)格、人格特征、團(tuán)隊角色和社會交互作為分組依據(jù)[20]。在進(jìn)行學(xué)習(xí)分組時還應(yīng)考慮個體在小組中扮演的角色。Yeh等人提出8種角色：監(jiān)管員、信息提供員、小組指導(dǎo)員、氣氛營造員、意見提供者、提醒者、麻煩制造者和問題解決者[21]。在小組中扮演特定角色會使學(xué)生擁有集體責(zé)任感，從而有利于營造團(tuán)隊氛圍并進(jìn)行協(xié)作知識構(gòu)建。

2. 小組學(xué)術(shù)構(gòu)成

Maqtary等人指出，小組學(xué)術(shù)構(gòu)成包括學(xué)習(xí)目標(biāo)和學(xué)習(xí)任務(wù)[20]。學(xué)習(xí)任務(wù)的類型和復(fù)雜度不同，完成這些任務(wù)所需小組屬性也不同，有些任務(wù)需要形成同質(zhì)小組，而有些需要形成異質(zhì)小組、混合小組或均衡小組。在異質(zhì)小組中，組內(nèi)成員具有不同的能力、才能、興趣和認(rèn)知水平。Scheurell認(rèn)為，最有效的協(xié)作小組需由擁有不同能力、性別和學(xué)術(shù)背景等的異質(zhì)學(xué)生組成[22]。理想情況下的分組應(yīng)為小組間體現(xiàn)出極小的區(qū)別，而小組內(nèi)則應(yīng)盡可能有較大的差異。同質(zhì)小組的含義與異質(zhì)小組截然相反，由具有相似認(rèn)知結(jié)構(gòu)、能力、經(jīng)驗和興趣的學(xué)生構(gòu)成。研究者發(fā)現(xiàn)，同質(zhì)小組比較容易完成一些固定的學(xué)習(xí)目標(biāo)，然而當(dāng)設(shè)置靈活的學(xué)習(xí)任務(wù)時構(gòu)建異質(zhì)小組的效果明顯優(yōu)于同質(zhì)小組[23]。異質(zhì)小組比同質(zhì)小組的學(xué)習(xí)效能更高，具有更高的知識獲取和概念吸收質(zhì)量。異質(zhì)小組的學(xué)生比同質(zhì)小組的學(xué)生更容易調(diào)整學(xué)習(xí)狀態(tài)，更快地、毫無沖突地承擔(dān)角色和責(zé)任。相反，同質(zhì)小組需要更多時間才能建立共識并開展有效的協(xié)作[24]。但學(xué)業(yè)成績的異質(zhì)性可能限制教師的教學(xué)滿足所有學(xué)生的學(xué)術(shù)和情感需求，更高的異質(zhì)性會導(dǎo)致更低的小組參與和協(xié)作[25]?；旌闲〗M是同質(zhì)小組、異質(zhì)小組的折中，既包含部分共同特征，也包含部分不同特征。Garshasbi等人呼吁構(gòu)建組內(nèi)同質(zhì)、組間異質(zhì)的小組，組間異質(zhì)可以促進(jìn)小組完成學(xué)習(xí)任務(wù)，決定了小組的學(xué)習(xí)速率和質(zhì)量;組內(nèi)同質(zhì)確保每個小組構(gòu)建的公平性以使每個小組都具備能獲得成功的條件[26]。均衡小組是由個性、能力等較強(qiáng)的學(xué)生與個性、能力較弱的學(xué)生組成一組，總體上各個組具有相似的小組成員構(gòu)成[27]。

3. 小組物理構(gòu)成

小組的物理構(gòu)成包括小組的規(guī)模、分組數(shù)量和分組策略等。Qiu等人發(fā)現(xiàn)，規(guī)模較小的小組，其協(xié)作學(xué)習(xí)效率較高，小組成員能夠更好地協(xié)作和交流，教師更容易對小組提供差異化指導(dǎo)[28]。Lou等人認(rèn)為，最優(yōu)配置的小組應(yīng)該有3～4人，如果小組成員超過10人，其學(xué)習(xí)效果與沒有分組基本沒有差異[29];但也有研究發(fā)現(xiàn)，包含2～6人的協(xié)作學(xué)習(xí)小組更為常見，當(dāng)小組規(guī)模超過6人時，小組結(jié)構(gòu)和粘性就會下降，從而影響協(xié)作參與度和學(xué)習(xí)效果[30]。Abuseileek進(jìn)一步發(fā)現(xiàn)，具有5人的小組其協(xié)作學(xué)習(xí)最為理想[31]。另外，傳統(tǒng)的分組策略通常將所有的學(xué)習(xí)者分組之后，小組結(jié)構(gòu)一般不會發(fā)生改變。但是，學(xué)生的認(rèn)知結(jié)構(gòu)、情感狀態(tài)和人際交互等都會隨著學(xué)習(xí)目標(biāo)和任務(wù)的變化而改變。如果小組成員之間不具有互補(bǔ)的知識結(jié)構(gòu)或可變化的社交關(guān)系，則不足以預(yù)測小組的學(xué)習(xí)效果。因此，智能學(xué)習(xí)分組應(yīng)根據(jù)學(xué)習(xí)任務(wù)的變化，對小組物理構(gòu)成進(jìn)行相應(yīng)的調(diào)整。智能學(xué)習(xí)分組既要支持靜態(tài)分組，也要支持動態(tài)分組。分配成員的過程在學(xué)習(xí)任務(wù)期間可以是靜態(tài)的，但也可根據(jù)學(xué)習(xí)任務(wù)的變化自適應(yīng)性地調(diào)整分組策略，以滿足不同學(xué)習(xí)任務(wù)的需求。

4. 學(xué)習(xí)者與環(huán)境的交互

隨著信息技術(shù)的發(fā)展，學(xué)習(xí)者與學(xué)習(xí)環(huán)境的交互模式也需要被考慮到智能學(xué)習(xí)分組中。智能學(xué)習(xí)既支持學(xué)習(xí)者在任何時間、任何地點(diǎn)的自定步調(diào)學(xué)習(xí)，也支持虛擬和現(xiàn)實學(xué)習(xí)場景的無縫轉(zhuǎn)化。學(xué)習(xí)者可以根據(jù)當(dāng)前的情境自主選擇學(xué)習(xí)內(nèi)容，同時學(xué)習(xí)環(huán)境可以記錄學(xué)習(xí)者特征、環(huán)境屬性、學(xué)習(xí)時間、學(xué)習(xí)行為和學(xué)習(xí)地點(diǎn)偏好等信息。其中，學(xué)習(xí)者特征可以讓學(xué)習(xí)者通過移動設(shè)備自行提交，環(huán)境信息可以利用移動設(shè)備自帶的GPS、RFID等功能實時獲取，學(xué)習(xí)者行為信息可以從學(xué)習(xí)者與同伴之間的交流、與系統(tǒng)之間的交互等過程中提取。在充分考慮學(xué)習(xí)者所在學(xué)習(xí)環(huán)境的前提下，才能制定符合學(xué)習(xí)者需求的分組策略。因此，智能分組是一種可定制方案，即教師可以根據(jù)學(xué)習(xí)環(huán)境的不同，定義分組的數(shù)量、規(guī)模和類型。

（二）通用模型

在已有的計算機(jī)支持協(xié)作學(xué)習(xí)的研究中，較為通用的智能學(xué)習(xí)分組模型包含數(shù)據(jù)輸入、分組優(yōu)化和結(jié)果輸出三部分，如圖1所示。這種思想認(rèn)為，不是所有的因素都與協(xié)作學(xué)習(xí)目的直接相關(guān)，而是依賴協(xié)作任務(wù)的情境和教師對協(xié)作過程的設(shè)計。因此，需要從大量影響智能學(xué)習(xí)分組的因素中遴選出有效因素的集合，然后將其作為智能算法的輸入，通過控制算法的參數(shù)實現(xiàn)不同的分組結(jié)果。通用模型的輸入主要以個體屬性、小組學(xué)術(shù)與物理構(gòu)成和學(xué)習(xí)者與環(huán)境交互子集的優(yōu)化組合作為學(xué)習(xí)分組算法的數(shù)據(jù)源。在早期的學(xué)習(xí)分組算法研究中，一般采用動態(tài)優(yōu)化算法，如基因算法、蟻群優(yōu)化、粒子群優(yōu)化算法[32]等。這類算法主要利用學(xué)習(xí)者的多個屬性將其劃分到當(dāng)前情境最優(yōu)的協(xié)作學(xué)習(xí)小組中。例如：基因算法通過適應(yīng)性函數(shù)來保證小組間績效的均衡性，使每一個小組的成員擁有不同的知識和技能水平。近期的研究多采用機(jī)器學(xué)習(xí)算法（如聚類和分類等）實現(xiàn)智能學(xué)習(xí)分組。聚類算法通過無監(jiān)督的方式將沒有事先標(biāo)注組別的數(shù)據(jù)通過一定的特征相似性度量聚到一起;分類算法則需要在訓(xùn)練階段有明確的類別，在測試階段根據(jù)已訓(xùn)練好的模型將數(shù)據(jù)劃分到已知的類別中。模型的輸出一般是分組類型（如同質(zhì)小組、異質(zhì)小組、混合小組和均衡小組等）、分組數(shù)目、小組規(guī)模和子組等。通用模型的主要缺陷是由于算法復(fù)雜度的限制，能用于分組的數(shù)據(jù)量很少，一般多用于班級規(guī)模的協(xié)作學(xué)習(xí)，且分組一旦形成將難以動態(tài)修改。

五、基于大數(shù)據(jù)的智能學(xué)習(xí)分組

（一）大數(shù)據(jù)時代智能學(xué)習(xí)分組的前景

一方面，智能學(xué)習(xí)分組可用于大規(guī)模個性化學(xué)習(xí)資源推薦。個性化學(xué)習(xí)推薦系統(tǒng)的主要目標(biāo)是將大量的學(xué)習(xí)資源、學(xué)習(xí)同伴等對象在有限時間內(nèi)推薦給最合適的目標(biāo)學(xué)習(xí)者，降低學(xué)習(xí)者的認(rèn)知負(fù)載。隨著數(shù)據(jù)不斷增長，新用戶不斷到來，新的學(xué)習(xí)行為不斷產(chǎn)生，冷啟動問題成為個性化學(xué)習(xí)推薦系統(tǒng)的主要瓶頸。簡言之，冷啟動是指對于新到來的學(xué)生，在沒有先驗知識、歷史行為數(shù)據(jù)的前提下，幾乎不可能為其推薦最合適的學(xué)習(xí)對象;學(xué)生所發(fā)表的意見、上傳的資料只能被少量的用戶評級或回復(fù)，但這些項目很難被及時地推薦給其他學(xué)習(xí)者。近年來，有研究提出，將學(xué)習(xí)者先進(jìn)行分組，然后為每個組提供一個公共的推薦項目列表，即形成分組推薦系統(tǒng)[33]。分組推薦系統(tǒng)所提供的項目一般可以滿足大量的組內(nèi)成員的需求，不需要過度依賴于歷史數(shù)據(jù)，可以很好地解決數(shù)據(jù)稀疏性和冷啟動問題。

另一方面，智能學(xué)習(xí)分組可用于構(gòu)建大規(guī)模開放學(xué)習(xí)者模型。從傳統(tǒng)班級教學(xué)到翻轉(zhuǎn)課堂，再到大規(guī)模在線開放課程，用數(shù)據(jù)來刻畫學(xué)習(xí)過程、學(xué)習(xí)狀態(tài)、情感體驗和元認(rèn)知水平是學(xué)習(xí)者模型所要解決的主要問題。學(xué)習(xí)者模型主要從學(xué)習(xí)者與學(xué)習(xí)平臺、課程資源等交互數(shù)據(jù)中構(gòu)建，用于教師更好地理解學(xué)生的知識和技能水平。而開放學(xué)習(xí)者模型除了學(xué)習(xí)模型的標(biāo)準(zhǔn)含義外，還要求學(xué)習(xí)者建模的結(jié)果可以被學(xué)習(xí)者直接使用。組員可以通過眾包提供一些額外的基礎(chǔ)信息，甚至修改和完善已有的學(xué)習(xí)者模型，從而增加學(xué)習(xí)者模型服務(wù)的精準(zhǔn)度。常用的學(xué)習(xí)者模型有重疊模型、刻板模型、基于本體的學(xué)生模型和基于機(jī)器學(xué)習(xí)的學(xué)生模型。在這些模型中，分組包含兩層含義：將大量歷史數(shù)據(jù)對象劃分到若干個簇群，或?qū)⑿碌絹淼臄?shù)據(jù)對象劃分到已知的簇群中。

（二）大數(shù)據(jù)對智能學(xué)習(xí)分組的挑戰(zhàn)

1. 多源數(shù)據(jù)異構(gòu)

大數(shù)據(jù)時代，學(xué)習(xí)者屬性、學(xué)習(xí)環(huán)境、學(xué)習(xí)資源的差異化程度更加明顯。學(xué)習(xí)者的背景既有在校學(xué)生也有成人學(xué)生，他們可能有不同的認(rèn)知信念、學(xué)習(xí)偏好和情感追求，甚至有較大的種族、文化差異。學(xué)習(xí)資源可能既包括文本媒體類型，也包括動畫、視頻、VR等多模態(tài)資源。有效的智能分組隨著大規(guī)模異構(gòu)數(shù)據(jù)的到來變得更加困難。大數(shù)據(jù)時代，用于學(xué)習(xí)分組的數(shù)據(jù)不限于教師診斷和學(xué)生自我報告，更會利用大量的認(rèn)知測評、社會行為和實踐技能等數(shù)據(jù)。利用多模態(tài)數(shù)據(jù)進(jìn)行智能學(xué)習(xí)分組更是一個懸而未決的難題。顧小清等人認(rèn)為，智能教育主要面臨多源情境數(shù)據(jù)的獲取、多模態(tài)數(shù)據(jù)的兼容性等挑戰(zhàn)，從而影響精準(zhǔn)教學(xué)干預(yù)和學(xué)習(xí)結(jié)果解釋的科學(xué)性[34]。數(shù)據(jù)采集時需要結(jié)合教育大數(shù)據(jù)平臺，收集線上線下學(xué)習(xí)者的認(rèn)知、身體、心理、行為、學(xué)習(xí)過程及學(xué)習(xí)狀態(tài)數(shù)據(jù)，整合機(jī)器學(xué)習(xí)、語音分析、表情和動作識別等技術(shù)，構(gòu)建智能學(xué)習(xí)分組系統(tǒng)中基于教育過程和學(xué)習(xí)者行為的量化標(biāo)準(zhǔn)。數(shù)據(jù)采集需要對學(xué)習(xí)者的學(xué)習(xí)狀態(tài)、學(xué)習(xí)偏好、協(xié)作交互和學(xué)習(xí)績效等做出分析和建模，為學(xué)習(xí)者智能分組策略的設(shè)計、小組生成、小組成員的精準(zhǔn)劃分與動態(tài)調(diào)整提供全景化和模式化操作。針對多源數(shù)據(jù)的非結(jié)構(gòu)化、稀疏和高維特點(diǎn)，需要采用多角色、多層級、跨平臺的教育數(shù)據(jù)采集框架，實現(xiàn)數(shù)據(jù)源接入、數(shù)據(jù)清洗、模型構(gòu)建、模型訓(xùn)練、模型評估、模型發(fā)布、任務(wù)調(diào)度等一體化功能。

2. 分組結(jié)果的穩(wěn)定性

大數(shù)據(jù)具有量大、快速變化等特征。海量和高速動態(tài)數(shù)據(jù)可能會導(dǎo)致許多已有的智能學(xué)習(xí)分組模型失效。例如：基因算法隨著迭代次數(shù)的增加，執(zhí)行效率變得越來越低，面對海量多模態(tài)數(shù)據(jù)時將變得異常困難。在能處理大數(shù)據(jù)的模型中，智能學(xué)習(xí)分組難以實現(xiàn)分組的通用性和穩(wěn)定性。通用性是指分組算法能處理大量異構(gòu)數(shù)據(jù)的分組問題;穩(wěn)定性是指分組結(jié)果可以達(dá)到一個穩(wěn)定的狀態(tài)，不會隨著分組模型和參數(shù)選擇的不同而不同。但實際上，智能學(xué)習(xí)分組極大地依賴算法方面的假設(shè)。構(gòu)建同質(zhì)或異質(zhì)小組目標(biāo)不同，算法選擇的標(biāo)準(zhǔn)亦不同;對于同一個分組問題，不同算法的參數(shù)導(dǎo)致分組結(jié)果會出現(xiàn)差異;即使使用相同的參數(shù)設(shè)置，不同的數(shù)據(jù)屬性也會導(dǎo)致不同的分組結(jié)果。例如：使用k-NN和k-Means算法可能得到如圖2所示的兩個完全不同的結(jié)果，會給教學(xué)人員帶來極大的困擾。

3. 分組過程的可解釋性

基于大數(shù)據(jù)的智能學(xué)習(xí)分組過程可解釋性差?？山忉屝员欢x為向人類解釋或提供可理解的術(shù)語的能力，它既是人類與決策模型之間的接口，也是決策模型的精準(zhǔn)代理[35]。換句話說，可解釋性是人類可以理解的語言和工具。在智能學(xué)習(xí)分組中，可解釋性可以幫助大數(shù)據(jù)專家和教師更好地理解學(xué)習(xí)分組過程，尋找系統(tǒng)各元素之間的相關(guān)性。盡管近年來的機(jī)器學(xué)習(xí)（如神經(jīng)網(wǎng)絡(luò)等）模型取得了巨大成功，但一般而言，越復(fù)雜的模型，可解釋性越差。它如同一個黑盒，當(dāng)輸入給定數(shù)據(jù)會產(chǎn)生不同的分組結(jié)果，但是由于不清楚其具體決策過程和依據(jù)，智能學(xué)習(xí)分組的可靠性會受到一定的質(zhì)疑。當(dāng)然，影響分組可解釋性的因素也可能是人為的。由于不同的研究者觀察問題的角度不同，給“可解釋性”賦予的含義不同，所提出的可解釋性方法各有側(cè)重。

（三）大數(shù)據(jù)共識分組框架

在上述所有的挑戰(zhàn)中，分組穩(wěn)定性問題可能給教師決策過程帶來極大的困擾，因為教師使用不同的方法、技術(shù)和策略可能產(chǎn)生不同的學(xué)習(xí)分組;分組穩(wěn)定性問題也可能誤導(dǎo)推薦系統(tǒng)的知識推理過程，導(dǎo)致同一個組的學(xué)習(xí)者得到不同的推薦項目或不同組的學(xué)習(xí)者得到相同的推薦項目。因此，分組穩(wěn)定性問題是影響分組質(zhì)量的關(guān)鍵因素，亟須得到解決。本研究針對分組穩(wěn)定性問題提出大數(shù)據(jù)共識分組框架，如圖3所示。共識分組是指不依賴單個算法的能力或避免單個數(shù)據(jù)集主導(dǎo)整個智能學(xué)習(xí)分組的過程，而是將算法獨(dú)立地運(yùn)行在數(shù)據(jù)集的內(nèi)部，最后通過協(xié)商產(chǎn)生最終的分組結(jié)果。數(shù)據(jù)集內(nèi)部協(xié)商的過程被稱為共識。共識分組基于機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)思想，將多個次優(yōu)的分組結(jié)果進(jìn)行組合，最終得到一個更好、更穩(wěn)定的分組結(jié)果。共識分組認(rèn)為，數(shù)據(jù)是多視圖的，而非單視圖的，數(shù)據(jù)是協(xié)同工作的，而非孤立存在的，共識分組的核心并非分組算法本身，而是分組結(jié)果的協(xié)商過程。共識分組框架中數(shù)據(jù)源來自學(xué)習(xí)者日常的多模態(tài)數(shù)據(jù)，包括網(wǎng)絡(luò)訪問、交互行為、物聯(lián)網(wǎng)、攝像頭等，通過語義抽取和融合構(gòu)建描述學(xué)習(xí)的多維數(shù)據(jù)模型。該框架的主體是共識分組模型，將標(biāo)準(zhǔn)化的數(shù)據(jù)首先分割為n個不相交的子集，對每一個子集使用機(jī)器學(xué)習(xí)算法實現(xiàn)分組，最后通過一組共識分組函數(shù)決定最終的分組結(jié)果。運(yùn)行在每一個數(shù)據(jù)子集上的機(jī)器學(xué)習(xí)算法可以從簡單的k-Means聚類算法到復(fù)雜的神經(jīng)網(wǎng)絡(luò)分類模型。該框架的輸出是一個組內(nèi)同質(zhì)、組間異質(zhì)的簇群劃分，可以顯示實時和歷史分組情況，也可以通過共識過程區(qū)分正常和風(fēng)險學(xué)習(xí)者。

六、結(jié)? ?語

本文的主要貢獻(xiàn)是勾勒出了智能學(xué)習(xí)分組的藍(lán)圖，強(qiáng)調(diào)了學(xué)習(xí)分組在未來個性化教育（如協(xié)作學(xué)習(xí)、個性化學(xué)習(xí)推薦系統(tǒng)）中的重要性，并提出了既可用于協(xié)作學(xué)習(xí)，也可以用于復(fù)雜智慧環(huán)境下的智能學(xué)習(xí)分組技術(shù)框架，以期在未來的規(guī)?；?、個性化教育中為教學(xué)過程和管理提供智能決策。本文所呈現(xiàn)的分組模型已通過算法實現(xiàn)。下一步工作將重點(diǎn)介紹算法設(shè)計細(xì)節(jié)和智能學(xué)習(xí)分組的有效性。

[參考文獻(xiàn)]

[1] 何文濤，梁晨，龐興會，路璐.協(xié)作學(xué)習(xí)活動設(shè)計的困境與出路[J].電化教育研究，2021，42（3）：103-110.

[2] 夏征農(nóng)，陳至立.辭海[M].6版.上海：上海辭書出版社，2010.

[3] 趙建華.計算機(jī)支持的協(xié)作學(xué)習(xí)[M].上海：上海教育出版社，2006.

[4] FU Q K， HWANG G J. Trends in mobile technology-supported collaborative learning： a systematic review of journal publications from 2007 to 2016[J]. Computers & education， 2018， 119（4）： 129-143.

[5] CHEN C M， KUO C H. An optimized group formation scheme to promote collaborative problem-based learning[J]. Computers & education， 2019， 133（5）： 94-115.

[6] 吳鵬澤.基于導(dǎo)生制的主題教學(xué)設(shè)計與應(yīng)用[J].教育研究，2011（12）：103-106.

[7] SLAVIN R E. Educational psychology： theory and practice[M]. New Jersey：Prentice Hall，2019.

[8] 周洪宇.陶行知畫傳[M].山東：山東教育出版社，2017.

[9] KROUSKA A， VIRVOU M. An enhanced genetic algorithm for heterogeneous group formation based on multi-characteristics in social-networking-based learning[J]. IEEE transactions on learning technologies， 2019， 13（3）： 465-476.

[10] FU Q K， HWANG G J. Trends in mobile technology-supported collaborative learning： a systematic review of journal publications from 2007 to 2016[J]. Computers & education， 2018， 119： 129-143.

[11] 王靖，王琦，鄧雯心.協(xié)作知識建構(gòu)中認(rèn)知沖突消解支架設(shè)計與實證[J].電化教育研究，2021，42（9）：84-90，114.

[12] 約翰遜.合作學(xué)習(xí)[M].伍新春，鄭秋，張潔，譯.北京：北京師范大學(xué)出版社，2004：18-20.

[13] 張詩雅.課堂有效學(xué)習(xí)的指導(dǎo)策略研究[D].上海：上海師范大學(xué)，2015.

[14] 王鑒，王明娣.高效課堂的建構(gòu)及其策略[J].教育研究，2015，36（3）：112-118.

[15] 王鑒.課堂研究概論[M].北京：人民教育出版社，2007.

[16] 李子建，邱德峰.學(xué)生自主學(xué)習(xí)：教學(xué)條件與策略[J].全球教育展望，2017，46（1）：47-57.

[17] LEI S A， KUESTERMEYER B N， WESTMEYER K A. Group composition affecting student interaction and achievement： instructors' perspectives[J]. Journal of instructional psychology， 2010， 37（4）： 317.

[18] LIU C C， TSAI C C. An analysis of peer interaction patterns as discoursed by on-line small group problem-solving activity[J]. Computers & education， 2008， 50（3）： 627-639.

[19] LIN J W， HUANG H H， CHUANG Y S. The impacts of network centrality and self-regulation on an e-learning environment with the support of social network awareness[J]. British journal of educational technology， 2015， 46（1）： 32-44.

[20] MAQTARY N， MOHSEN A， BECHKOUM K. Group formation techniques in computer-supported collaborative learning： a systematic literature review[J]. Technology， knowledge and learning， 2019， 24（2）： 169-190.

[21] YEH Y C. Analyzing online behaviors， roles， and learning communities via online discussions[J]. Journal of educational technology & society， 2010， 13（1）： 140-151.

[22] SCHEUERELL S. Virtual warrensburg： using cooperative learning and the internet in the social studies classroom[J]. The social studies， 2010， 101（5）： 194-199.

[23] OUNNAS A， DAVIS H C， MILLARD D E. A framework or semantic group formation in education[J]. Journal of educational technology & society， 2009， 12（4）： 43-55.

[24] MANSKE S， HECKING T， CHOUNTA I A， et al. Using differences to make a difference： a study on heterogeneity of learning groups[M]. Gothenburg， Sweden： The International Society of the Learning Sciences， 2015.

[25] EVERTSON C M， SANFORD J P， EMMER E T. Effects of class heterogeneity in junior high school[J]. American educational research journal， 1981， 18（2）： 219-232.

[26] GARSHASBI S， MOHAMMADI Y， GRAF S， et al. Optimal learning group formation： a multi-objective heuristic search strategy for enhancing inter-group homogeneity and intra-group heterogeneity[J]. Expert systems with applications， 2019， 11（3）： 506-521.

[27] CESARENI D， CACCIAMANI S， FUJITA N. Role taking and knowledge building in a blended university course[J]. International journal of computer-supported collaborative learning， 2016， 11（1）： 9-39.

[28] QIU M， MCDOUGALL D. Influence of group configuration on online discourse reading[J]. Computers & education，2015，87（9）：151-165.

[29] LOU Y， ABRAMI P C， D'APOLLONIA S. Small group and individual learning with technology： ameta-analysis[J]. Review of educational research， 2001， 71（3）： 449-521.

[30] JOLLIFFE W. Cooperative learning in the classroom： putting it into practice[M]. London： Sage， 2007.

[31] ABUSEILEEK A F. The effect of computer-assisted cooperative learning methods and group size on the EFL learners' achievement in communication skills[J]. Computers & education， 2012， 58（1）： 231-239.

[32] LIN Y T， HUANG Y M， CHENG S C. An automatic group composition system for composing collaborative learning groups using enhanced particle swarm optimization[J]. Computers & education， 2010， 55（4）： 1483-1493.

[33] DWIVEDI P， BHARADWAJ K K. e-Learning recommender system for a group of learners based on the unified learner profile approach[J]. Expert Systems， 2015， 32（2）： 264-276.

[34] 顧小清，李世瑾.人工智能教育大腦：以數(shù)據(jù)驅(qū)動教育治理與教學(xué)創(chuàng)新的技術(shù)框架[J].中國電化教育，2021（1）：80-88.

[35] 紀(jì)守領(lǐng)，李進(jìn)鋒，杜天宇，等.機(jī)器學(xué)習(xí)模型可解釋性方法，應(yīng)用與安全研究綜述[J].計算機(jī)研究與發(fā)展，2019，56（10）：2071.