合作學(xué)習(xí)動態(tài)分組的研究進(jìn)展與思考
——基于國際文獻(xiàn)的系統(tǒng)綜述

鐘柏昌 黃水艷

(華南師范大學(xué) 教育信息技術(shù)學(xué)院，廣東廣州 510631)

一、背景與問題

自20世紀(jì)80年代引入合作學(xué)習(xí)以來，國內(nèi)相關(guān)研究已取得了豐碩成果，但也有諸多問題有待研究，尤其是新技術(shù)的使用和教學(xué)環(huán)境的變化，為合作學(xué)習(xí)帶來了新的問題和發(fā)展機遇。本文討論的動態(tài)分組即是一個方興未艾的主題。 一般認(rèn)為，合作學(xué)習(xí)以學(xué)習(xí)小組為基本形式，系統(tǒng)地利用教學(xué)動態(tài)因素之間的互動促進(jìn)學(xué)習(xí)者的學(xué)習(xí)，進(jìn)而共同實現(xiàn)教學(xué)目標(biāo)的教學(xué)活動(王坦, 2002)。合作學(xué)習(xí)的影響因素眾多，如學(xué)習(xí)目標(biāo)、互動模式、小組規(guī)模、小組數(shù)量和分組策略等，其中分組策略至關(guān)重要。傳統(tǒng)合作學(xué)習(xí)除隨機分組外，還習(xí)慣根據(jù)學(xué)習(xí)者個人特征(如學(xué)習(xí)成績、思維風(fēng)格、性別等)進(jìn)行同質(zhì)分組或者異質(zhì)分組。無論何種標(biāo)準(zhǔn)分組，傳統(tǒng)合作學(xué)習(xí)的小組成員一般維持不變，即所謂靜態(tài)分組。

然而，學(xué)習(xí)者的學(xué)習(xí)狀態(tài)不是一成不變的。研究表明，靜態(tài)分組可能會造成一系列問題，如：1)搭便車現(xiàn)象與旁觀者效應(yīng)，即團(tuán)隊成員缺乏責(zé)任意識，坐享其他成員的勞動果實。當(dāng)其他成員意識到有同伴搭便車時，也會降低自身參與度，導(dǎo)致整個團(tuán)隊都對小組任務(wù)持觀望態(tài)度(Puurtinen & Mappes, 2009)；2)角色固化，指因任務(wù)分工固定而導(dǎo)致團(tuán)隊成員持續(xù)做同一類任務(wù)或工作(Liu et al., 2010)；3)負(fù)面的小組思維效應(yīng)，指小組成員有時會保留其反對意見，特別是該小組已達(dá)成了共識(Kuhlen, 2005)；4)合作倦怠，指在學(xué)習(xí)過程中與相同的伙伴合作可能會讓學(xué)習(xí)者感到無聊(Chen, 2020)。

大多數(shù)研究主要關(guān)注小組的構(gòu)成，較少關(guān)注小組合作學(xué)習(xí)的動態(tài)變化，即缺少探究時間維度對小組合作學(xué)習(xí)的影響(Cronin et al., 2011; Goodman & Dabbish, 2011;Roe, 2008)。正如鐘等(Jong et al., 2006)的批評，靜態(tài)分組忽略了小組條件隨時間的變化，如小組成員之間的異質(zhì)性水平以及相處融洽度的變化。因此，小組構(gòu)成必須進(jìn)行不間斷的檢查，必要時應(yīng)加以調(diào)整。研究發(fā)現(xiàn)，采用動態(tài)分組(如互動協(xié)作小組、機遇性協(xié)作)可以顯著增加小組的集體認(rèn)知責(zé)任和學(xué)習(xí)收獲，彌補靜態(tài)分組的不足(Zhang et al., 2009; Siqin et al., 2015)。所謂動態(tài)分組指在合作學(xué)習(xí)中重組小組成員以實現(xiàn)預(yù)定的教育目標(biāo)(Zurita et al., 2005)。奧克利等(Oakley et al., 2004)認(rèn)為重組學(xué)習(xí)小組主要是為了解散功能失調(diào)的小組以重新組建更有效的小組。阿倫森(Aronson, 1978)認(rèn)為經(jīng)過一段時間的學(xué)習(xí)后，對于學(xué)習(xí)較差的小組成員，動態(tài)分組有助于重建小組學(xué)習(xí)。斯琴等(Siqin et al., 2015)也認(rèn)為動態(tài)分組極具研究價值，并希望揭示小組創(chuàng)建的機制及其動態(tài)變化的原因(Siqin et al., 2015)。遺憾的是，這些研究散見于國際期刊中，國內(nèi)文獻(xiàn)極少。為此，本文擬聚焦動態(tài)分組相關(guān)研究，開展系統(tǒng)的國際文獻(xiàn)綜述，探究動態(tài)分組的研究進(jìn)展、不足和發(fā)展趨勢，為國內(nèi)研究者提供借鑒。

二、研究方法與樣本分類

為確保樣本的質(zhì)量和代表性，文獻(xiàn)來源主要為國際權(quán)威數(shù)據(jù)庫Web of Science(WOS)。由于合作學(xué)習(xí)和協(xié)作學(xué)習(xí)經(jīng)?；煊?，筆者在WOS中分別以“collaborative learning & group”“cooperative learning & group”等為關(guān)鍵詞進(jìn)行主題檢索，限定年份為1990年1月-2020年12月，共獲得6060篇論文，最終確定兩條入選標(biāo)準(zhǔn)：1)以動態(tài)分組為研究對象或研究方法；2)聚焦教育教學(xué)領(lǐng)域，保留了十篇有效文獻(xiàn)。檢索策略及其形成的樣本代表性是確保綜述研究有效的關(guān)鍵 (Kitchenham et al., 2009)?；诖耍疚脑陉P(guān)鍵詞檢索的基礎(chǔ)上又采用滾雪球方法，即通過檢索論文的參考文獻(xiàn)和引文以獲得更多有效論文(Wohlin, 2014; Xia & Zhong, 2018)。截至2020年5月底，由綜合關(guān)鍵詞檢索和滾雪球方法獲得的有效文獻(xiàn)樣本21篇，時間跨度為1991年3月—2020年1月，其中，SSCI/SCI學(xué)術(shù)期刊論文15篇，EI檢索的會議論文六篇，均為高質(zhì)量文獻(xiàn)，具有較好的代表性。

本文首先對文獻(xiàn)歸類，從學(xué)習(xí)環(huán)境角度，將文獻(xiàn)分為三類，分別為傳統(tǒng)學(xué)習(xí)環(huán)境、計算機支持的合作學(xué)習(xí)環(huán)境和移動計算機支持的合作學(xué)習(xí)(Mobile Computer-Supported Collaborative Learning，MCSCL)環(huán)境的動態(tài)分組(見表一)，籍此開展分析和討論。

表一 合作學(xué)習(xí)文獻(xiàn)分類

三、傳統(tǒng)學(xué)習(xí)環(huán)境的動態(tài)分組研究

研究者在傳統(tǒng)學(xué)習(xí)環(huán)境先后開發(fā)了小組成績分工法、小組游戲競賽法、切塊拼接法、共學(xué)式、小組調(diào)查法和合作辯論等合作學(xué)習(xí)實施策略(曾琦, 2002)。其中，小組游戲競賽法和切塊拼接法(Jigsaw)具有代表性。

小組游戲競賽法指學(xué)習(xí)者每周在教師講授和小組活動后解散原小組，重新以學(xué)習(xí)成績相當(dāng)?shù)娜藶橐唤M開展競賽。每個競賽小組的優(yōu)勝者都為其所在小組贏得相同分?jǐn)?shù)，成績優(yōu)異的小組還可以獲得獎勵(Stevens et al., 1991)。該方法形式活潑，體現(xiàn)了公平、合作和競爭原則。切塊拼接法主要有四個流程：1)了解總?cè)蝿?wù)，分配子任務(wù)。初始分組后，學(xué)習(xí)者先了解總?cè)蝿?wù)，然后分配子任務(wù)；2)“專家組”學(xué)習(xí)與測試。不同小組的同一子任務(wù)的學(xué)習(xí)者隨機組成“專家組”，充分討論相應(yīng)的子任務(wù)直至熟練掌握；3)原小組傳授知識。學(xué)習(xí)者返回原小組，輪流向組員分享所學(xué)內(nèi)容直至成員掌握總?cè)蝿?wù)；4)原小組測試，以檢驗學(xué)習(xí)者個人學(xué)習(xí)狀況和小組互助學(xué)習(xí)狀況(Kousa, 2015; Weidman & Bishop, 2009)。切塊拼接法力求通過學(xué)習(xí)任務(wù)的交流互助形成和諧的同伴關(guān)系，促進(jìn)學(xué)習(xí)者有效信息的流動。

整體而言，小組游戲競賽法和切塊拼接法既有區(qū)別又有共同點。首先兩者分組狀態(tài)方面一致，皆經(jīng)歷小組創(chuàng)建、解散和重組的過程，是較具代表性的動態(tài)分組方法。在分組標(biāo)準(zhǔn)、觸發(fā)條件和調(diào)整頻次方面兩者又各具特色。例如，在分組標(biāo)準(zhǔn)方面，小組游戲競賽法以學(xué)習(xí)成績?yōu)榉纸M標(biāo)準(zhǔn)，切塊拼接法以學(xué)習(xí)任務(wù)為分組標(biāo)準(zhǔn)，其合理性依賴于教師的專業(yè)判斷。在觸發(fā)條件和調(diào)整頻次方面，小組游戲競賽法每周固定調(diào)整一次，切塊拼接法按照小組成員的學(xué)習(xí)狀態(tài)動態(tài)調(diào)整。在傳統(tǒng)學(xué)習(xí)環(huán)境下，動態(tài)分組的分組標(biāo)準(zhǔn)、觸發(fā)條件和調(diào)整頻次為未來厘清動態(tài)分組的基本規(guī)律提供了參考。然而，隨著技術(shù)的發(fā)展，學(xué)習(xí)者的學(xué)習(xí)環(huán)境發(fā)生了較大變化，傳統(tǒng)的動態(tài)分組法面臨挑戰(zhàn)，技術(shù)環(huán)境下的方法改良和創(chuàng)新不可避免。

四、計算機支持的合作學(xué)習(xí)動態(tài)分組研究

許多研究指出，如果沒有計算機的支持，教師難以為每個學(xué)習(xí)者找到合適的小組 (Hubscher, 2010)。斯?fàn)柊秃捅壤仆?Srba & Bielikova, 2014)認(rèn)為計算機支持的小組形成方法優(yōu)于傳統(tǒng)方法，因為它們能綜合問卷、Wiki或博客等信息考慮學(xué)習(xí)者的特征。為此，一些研究嘗試提出基于計算機支持的合作學(xué)習(xí)的算法、框架、技術(shù)和平臺等，促進(jìn)學(xué)習(xí)小組的動態(tài)形成。從技術(shù)角度看，已有研究可分為基于知識論壇(knowledge forum)的動態(tài)分組和基于分組算法的動態(tài)分組兩大類。

(一)基于知識論壇的動態(tài)分組

基于在線論壇的小組學(xué)習(xí)非常多見，但就動態(tài)分組而言，相關(guān)研究主要集中在知識建構(gòu)領(lǐng)域?qū)χR論壇的應(yīng)用。知識論壇是專門為支持知識建構(gòu)和創(chuàng)新而設(shè)計的網(wǎng)絡(luò)平臺。作為知識建構(gòu)環(huán)境，知識論壇能夠支持各類組織的知識探究、信息搜索以及對思想的創(chuàng)造性加工等 (Scardamalia et al., 2005)。知識論壇的核心是多媒體知識空間，它可以組成不同的視窗(view)，每個視窗關(guān)注一個探究主題(Scardamalia, 2004)。查茨克爾(Chatzkel, 2003)認(rèn)為，知識組織可以根據(jù)學(xué)習(xí)需求分組，并根據(jù)學(xué)習(xí)狀況重新調(diào)整小組成員和學(xué)習(xí)資源。研究表明，基于知識論壇的動態(tài)分組主要關(guān)注互動協(xié)作小組(interacting small-group)和機遇性協(xié)作(opportunistic collaboration)兩種策略。

互動協(xié)作小組是小組協(xié)作的增強版，指在協(xié)作過程中加入跨小組知識共享和交互。在知識論壇中，小組之間不再相互隔絕，而是通過組間交互促進(jìn)小組內(nèi)部的知識發(fā)展，從而促進(jìn)知識傳播，增進(jìn)集體知識(Zhang et al., 2009)。機遇性協(xié)作指在知識論壇中，學(xué)習(xí)者根據(jù)興趣和學(xué)習(xí)需求隨機選擇合作者(Siqin et al., 2015)，其流程是：教師先設(shè)置探究活動，學(xué)習(xí)者自由組成小組討論探究問題；然后隨著探究目標(biāo)的細(xì)化，學(xué)習(xí)者在知識論壇建立小組；在此期間，學(xué)習(xí)者可以自行選擇參與某個小組的討論(金慧等, 2014)。由此可見，機遇性協(xié)作是一種靈活、生成性和動態(tài)的設(shè)計(Siqin et al., 2015)。與靜態(tài)分組不同，機遇性協(xié)作沒有預(yù)先確定的討論焦點或時間安排(Zhang et al., 2009)。其外部結(jié)構(gòu)看似復(fù)雜，但每個小組成員責(zé)任明確，反而提高了協(xié)作效率、增強了研究興趣(Siqin et al., 2015)。格洛爾(Gloor, 2006)認(rèn)為機遇性協(xié)作有助于激發(fā)思維和交換思想。

研究者為了論證互動協(xié)作小組、機遇性協(xié)作相對于傳統(tǒng)靜態(tài)分組的優(yōu)劣，分別作了比較實驗。張等(Zhang et al., 2009)在知識論壇采用不同的分組策略(第一年為靜態(tài)分組、第二年為互動協(xié)作小組、第三年為機遇性協(xié)作)提高學(xué)習(xí)者對光學(xué)知識的集體認(rèn)知責(zé)任感。結(jié)果表明，靈活的機遇性協(xié)作可以引起更高層次的集體認(rèn)知責(zé)任和動態(tài)的知識進(jìn)步；且在參與模式、探究深度和知識理解深度方面，機遇性協(xié)作優(yōu)于互動協(xié)作小組，互動協(xié)作小組又優(yōu)于靜態(tài)分組。斯琴等(Siqin et al., 2015)采用靜態(tài)和機遇性協(xié)作的混合分組方式(前八周為靜態(tài)分組、后八周為機遇性協(xié)作)研究小組內(nèi)的協(xié)作活動，通過組內(nèi)交互、對話模式以及從對話中生成的知識演進(jìn)檢驗協(xié)作效果。結(jié)果再次證實，相對于靜態(tài)分組，機遇性協(xié)作更有助于提高集體認(rèn)知責(zé)任感，產(chǎn)生更高層次的問題和想法。然而，與張等(Zhang et al., 2009)結(jié)果不一致的是，斯琴等(Siqin et al., 2015)發(fā)現(xiàn)學(xué)習(xí)者較少使用元認(rèn)知策略且小組較少交互；在后八周中，小組成員的持續(xù)變化降低了小組成員的歸屬感，導(dǎo)致他們對共同監(jiān)管不夠重視。

整體而言，知識論壇為學(xué)習(xí)者提供了公共知識空間和話語工具，以促進(jìn)學(xué)習(xí)者對知識建設(shè)的集體責(zé)任(Siqin et al., 2015)。李等(Li et al., 2009)認(rèn)為知識論壇為學(xué)習(xí)者提供了開放的討論空間，方便學(xué)習(xí)者共享信息、交換想法。區(qū)別于傳統(tǒng)學(xué)習(xí)環(huán)境，知識論壇實現(xiàn)了從教師主導(dǎo)且預(yù)定的對話過程轉(zhuǎn)變?yōu)閷W(xué)習(xí)者圍繞知識建構(gòu)進(jìn)行自組織的分布式對話(Scardamalia et al., 2005)。由上述研究可知，從互動協(xié)作小組到機遇性協(xié)作，學(xué)習(xí)者的協(xié)作自由度逐漸提高。從分組標(biāo)準(zhǔn)看，互動協(xié)作小組和機遇性協(xié)作都強調(diào)學(xué)習(xí)者興趣和生成性目標(biāo)的重要性。從觸發(fā)條件看，兩者均以學(xué)習(xí)者主導(dǎo)為主和教師引導(dǎo)為輔。從調(diào)整頻次看，由于生成性的目標(biāo)不定，故兩者的調(diào)整頻次也不確定。

然而，也有學(xué)者指出，開放式的知識空間，學(xué)習(xí)者在合作過程中容易受到非小組內(nèi)部成員的干擾，難以探究小組內(nèi)的交互方式和對話模式等 (張浚鍙, 2013)。為此，研究者嘗試采用封閉的系統(tǒng)和相關(guān)算法探究動態(tài)分組。

(二)基于分組算法的動態(tài)分組

高效的優(yōu)化分組算法有助于解決分組的多目標(biāo)優(yōu)化問題，常見的分組算法較多，但就動態(tài)分組而言，相關(guān)研究集中在教學(xué)優(yōu)化算法、成組技術(shù)、漢明距離異構(gòu)分組算法(Hamming distance heterogeneous grouping algorithm)、配對策略算法和遺傳算法(Moreno et al., 2012)等的改良應(yīng)用。

1.成組技術(shù)：關(guān)注小組協(xié)作反饋

在教育虛擬環(huán)境中(如MOOC)，協(xié)作學(xué)習(xí)正成為學(xué)習(xí)成功的關(guān)鍵。學(xué)習(xí)者需要參加不斷變化的短期小組(通常少于一小時)的合作學(xué)習(xí)。這種動態(tài)小組的學(xué)習(xí)者經(jīng)常會遇到困難，尤其當(dāng)小組成員的學(xué)習(xí)特征無法互補時。盡管小組形成方法旨在解決小組兼容性問題，但是大多數(shù)方法并未考慮動態(tài)小組(Srba & Bielikova, 2014)。

研究者發(fā)現(xiàn)成組技術(shù)(group technology)能解決動態(tài)小組成員學(xué)習(xí)特征難以互補的問題。成組技術(shù)是揭示和利用事物間的相似性，按照一定的準(zhǔn)則分類成組，同組事物采用同一方法處理以提高效益的技術(shù)。其核心是成組工藝，它源于產(chǎn)品制造領(lǐng)域，主要步驟為：先將零件按分類編碼系統(tǒng)分類，其次制訂零件的分組加工工藝過程，接著分組設(shè)計生產(chǎn)工藝裝備，最后建造分組加工生產(chǎn)線(Srba & Bielikova, 2014)。成組技術(shù)應(yīng)用于教育領(lǐng)域(Cocea & Magoulas, 2010, 2012; Pollalis et al., 2009; Agustín-Blas et al., 2011)，是利用學(xué)習(xí)者特征的相似性分組。例如，斯?fàn)柊秃捅壤仆?Srba & Bielikova, 2014)提出了基于成組技術(shù)的新分組方法及其平臺(PopCorm)來優(yōu)化分組。作為具有實時協(xié)作功能的創(chuàng)新學(xué)習(xí)環(huán)境，PopCorm可以自動收集學(xué)習(xí)者信息。在該平臺開展在線協(xié)作學(xué)習(xí)時，該方法可以從小組協(xié)作反饋中提取學(xué)習(xí)者的協(xié)作學(xué)習(xí)數(shù)據(jù)，計算學(xué)習(xí)者特征(如協(xié)作特征和輸入的人格特質(zhì))的比較值，計算其相似度和相關(guān)系數(shù)，從而創(chuàng)建小組兼容性矩陣并聚類，最后輸出分組結(jié)果。小組完成任務(wù)后自動解散，根據(jù)新的任務(wù)需求再采用該方法形成新的小組。該方法可以及時反饋協(xié)作學(xué)習(xí)狀況，實時創(chuàng)建小組，并在迭代形成小組的過程中不斷綜合學(xué)習(xí)者的典型協(xié)作特征并優(yōu)化分類，實現(xiàn)更有效的協(xié)作方式。實驗表明，該方法以學(xué)習(xí)者協(xié)作特征迭代創(chuàng)建小組，提高了小組協(xié)作學(xué)習(xí)的質(zhì)量。

2.教學(xué)優(yōu)化算法：避免“原點偏好”

教學(xué)優(yōu)化算法(Teaching-learning-based optimization，TLBO)是基于群體的啟發(fā)式優(yōu)化算法(Rao et al., 2012)，優(yōu)化過程包括教學(xué)階段和學(xué)習(xí)階段。在教學(xué)階段，學(xué)習(xí)者根據(jù)“班級教師”(該班級最優(yōu)學(xué)習(xí)者)和班級平均水平的差異調(diào)整教學(xué)；在學(xué)習(xí)階段，學(xué)習(xí)者會隨機選取一名學(xué)習(xí)對象并根據(jù)彼此的差異調(diào)整學(xué)習(xí)。相較于其他小組智能優(yōu)化算法而言，TLBO算法的參數(shù)少、算法簡單、較易理解、求解速度迅速、精度較高，且具有較好的收斂能力(Zou et al., 2014)。然而，該算法在解決復(fù)雜實際問題時易陷入“原點偏好”(有向原點附近搜索的傾向性)的缺陷(平良川等, 2018)。

針對此缺陷，研究者進(jìn)行了改進(jìn)并應(yīng)用于教育領(lǐng)域。例如，鄒等(Zou et al., 2014)提出結(jié)合動態(tài)分組策略的教學(xué)優(yōu)化算法(DGSTLBO)，包括：首先，根據(jù)學(xué)習(xí)者之間的歐幾里得距離(Euclidean distance)將所有學(xué)習(xí)者分組(五人一組)；其次，在教學(xué)階段，為避免出現(xiàn)“原點偏好”，學(xué)習(xí)者根據(jù)“班級教師”和小組內(nèi)平均水平的差異調(diào)整學(xué)習(xí)；在學(xué)習(xí)階段，學(xué)習(xí)者在相應(yīng)小組選用隨機學(xué)習(xí)策略或量子行為學(xué)習(xí)策略(quantum-behaved learning strategy)進(jìn)行學(xué)習(xí)(Sun et al., 2004)，增強算法的利用性和收斂性能。然而，倘若小組結(jié)構(gòu)不變，小組之間將不會交換足夠的信息，依然容易造成局部最優(yōu)的情況。為此，該方法采用動態(tài)分組策略更新“班級老師”和小組結(jié)構(gòu)，即學(xué)習(xí)者經(jīng)過一定時間的學(xué)習(xí)后會重新分組學(xué)習(xí)。通過模擬實驗發(fā)現(xiàn)，動態(tài)分組策略使該算法具有更好的分組質(zhì)量和學(xué)習(xí)效果。

3.遺傳算法：優(yōu)化分組過程

在眾多分組算法中，基于遺傳算法的動態(tài)分組研究成果豐富。遺傳算法(genetic algorithms)通過模擬自然進(jìn)化過程搜索最優(yōu)解 (鄭樹泉, 2019)。運算過程一般包括六個步驟：1)初始群體的個體是隨機產(chǎn)生的；2)個體評價，即計算群體中每個個體的適應(yīng)度，用來判斷群體中個體優(yōu)劣程度；3)選擇運算，即從群體中選擇優(yōu)勝的個體，淘汰劣質(zhì)個體；4)交叉運算，即把兩個父代個體的部分結(jié)構(gòu)替換重組生成新個體；5)變異運算，即將變異算子作用于群體，修改個體的基因值；6)終止條件判斷，即群體經(jīng)過選擇、交叉、變異運算后將得到下一代群體，若滿足某種收斂指標(biāo)，則以進(jìn)化過程中所得到的具有最大適應(yīng)度的個體作為最優(yōu)解輸出，終止計算。(王鐵方, 2016)

與傳統(tǒng)啟發(fā)式搜索算法相比，選擇、交叉和變異運算僅利用適應(yīng)度大小作為運算指標(biāo)隨機操作，降低了一般啟發(fā)式算法在搜索過程中對人機交互的依賴(馬永杰等, 2012)。

最初，研究者尚未發(fā)掘遺傳算法應(yīng)用于動態(tài)分組研究的可能性，但也極力推動動態(tài)分組研究的發(fā)展。例如，鐘等(Jong et al., 2004)以概念圖學(xué)習(xí)診斷系統(tǒng)為支撐設(shè)計動態(tài)分組框架，包括項目庫、教材、專家概念圖以及評估概念圖等模塊。每個學(xué)習(xí)階段結(jié)束后，研究者先利用概念學(xué)習(xí)診斷系統(tǒng)的序列概率比測試(Sequential Probability Ratio Test，SPRT)檢定學(xué)習(xí)者對概念的學(xué)習(xí)狀況(學(xué)習(xí)成功、學(xué)習(xí)失敗和學(xué)習(xí)不完全)，籍此計算學(xué)習(xí)者知識結(jié)構(gòu)的分?jǐn)?shù)，最后根據(jù)學(xué)習(xí)者的知識結(jié)構(gòu)互補計算小組成員的最佳組合。分組實施后，研究還設(shè)計了“補救—指令決策路徑(Remedial-Instruction Decisive path，RID path)”算法，即系統(tǒng)收集學(xué)習(xí)者學(xué)習(xí)失敗的知識點并生成補救學(xué)習(xí)材料，鞏固學(xué)習(xí)薄弱點。為減少全班分組次數(shù)并確保表現(xiàn)良好小組的學(xué)習(xí)狀態(tài)，鐘等(Jong et al., 2005, 2006a)在該框架基礎(chǔ)上將學(xué)習(xí)過程分為多個階段，每個階段結(jié)束后進(jìn)行小組重組，并以重組閾值作為重組標(biāo)準(zhǔn)。若所有小組的組內(nèi)互補分?jǐn)?shù)都高于重組閾值則不需要重組；若組內(nèi)互補分?jǐn)?shù)低于重組閾值的小組多于一半則采取完全重組；若組內(nèi)互補分?jǐn)?shù)低于重組閾值的小組不足一半則采取部分重組。重組閾值可以由教師根據(jù)所有學(xué)習(xí)者的學(xué)習(xí)情況和教學(xué)計劃靈活設(shè)置。結(jié)果再次佐證，相對于靜態(tài)分組的學(xué)生，采用該方法的學(xué)生在學(xué)習(xí)和社交方面表現(xiàn)良好且知識結(jié)構(gòu)較穩(wěn)定。然而，有關(guān)重組閾值的研究尚未達(dá)到較高的精準(zhǔn)度，難以依據(jù)不同課程給出具體數(shù)值。

由于上述動態(tài)框架仍無法精確指出知識結(jié)構(gòu)的差異以及分組標(biāo)準(zhǔn)單一等問題，鐘等(Jong et al., 2006b)對此作了優(yōu)化：對序列概率比測試檢定的不完整學(xué)習(xí)概念進(jìn)行學(xué)習(xí)成績測試，以明確知識結(jié)構(gòu)的差異；以知識結(jié)構(gòu)和思維風(fēng)格為分組標(biāo)準(zhǔn)進(jìn)行異質(zhì)分組。結(jié)果表明，相對于鐘等(Jong et al., 2005,2006a)的動態(tài)分組策略，該分組策略可以更有效地提高學(xué)習(xí)成績。此外，陳等(Chan et al., 2007)在鐘等(Jong et al., 2005)的基礎(chǔ)上將思維風(fēng)格作為分組標(biāo)準(zhǔn)，證實了動態(tài)分組策略能提高學(xué)習(xí)者的學(xué)習(xí)成就。吳(Wu, 2010)則提出了兩階段的學(xué)習(xí)策略：第一階段為期中考試前，學(xué)習(xí)者自學(xué)簡單概念后采用序列概率比測試評估學(xué)習(xí)者的學(xué)習(xí)狀態(tài)。如果學(xué)習(xí)者被評估為學(xué)習(xí)失敗，系統(tǒng)會收集這些失敗的概念并生成補救學(xué)習(xí)材料；第二階段為期中考試后，采用合作學(xué)習(xí)模式，以期中考試成績進(jìn)行初始分組；隨后在鐘等(Jong et al., 2005)的基礎(chǔ)上增加人際關(guān)系作為動態(tài)分組條件，經(jīng)過三次動態(tài)分組優(yōu)化小組配置。結(jié)果顯示，該方法可以有效提高學(xué)習(xí)者的學(xué)習(xí)成績并增加學(xué)習(xí)者間的互動。

2010年以來，隨著技術(shù)的發(fā)展，研究者開始將遺傳算法應(yīng)用于動態(tài)分組研究。例如，陳等(Chan et al., 2010)除了沿襲鐘等(Jong et al., 2006a)的做法，還將遺傳算法作為動態(tài)分組的核心算法。遺傳算法將序列概率比測試評估的學(xué)習(xí)狀況當(dāng)作學(xué)習(xí)者的學(xué)習(xí)基因，以知識互補性為適應(yīng)度，經(jīng)過選擇、交叉和變異等運算求出最優(yōu)分組情況，并結(jié)合學(xué)習(xí)階段和重組閾值進(jìn)行重組。鐘等(Jong et al., 2014)在其前期研究的基礎(chǔ)上采用遺傳算法優(yōu)化分組過程，進(jìn)一步論證了相比隨機分組，該方法能改善學(xué)習(xí)者的在線學(xué)習(xí)表現(xiàn)和學(xué)習(xí)成績。蘇等(Su et al., 2014)和施等(Shih et al., 2018)在鐘等(Jong et al., 2005)的基礎(chǔ)上除了增添人際關(guān)系為分組標(biāo)準(zhǔn)外，還使用遺傳算法優(yōu)化分組結(jié)果，運算過程包括四個階段：首先，決定種群的個體數(shù)量及運行的世代數(shù)量后，系統(tǒng)隨機生成一個初始種群并開始進(jìn)化；其次，利用遺傳算法和學(xué)習(xí)者的學(xué)習(xí)概念圖生成具有較高互補性的新群體；再次，將學(xué)習(xí)者的社會網(wǎng)絡(luò)數(shù)據(jù)輸入遺傳算法中，以生成更好的分組解決方案；最后，當(dāng)產(chǎn)生最大世代數(shù)時，算法終止，系統(tǒng)輸出最佳分組結(jié)果。該研究調(diào)整頻率設(shè)定為兩周一次。結(jié)果表明，該方法改善了學(xué)習(xí)者的學(xué)習(xí)狀態(tài)。

基于遺傳算法的動態(tài)分組框架經(jīng)過迭代改善后，演變出了相對成熟的動態(tài)分組機制，包括：1)分組標(biāo)準(zhǔn)，以學(xué)習(xí)者的知識結(jié)構(gòu)為主，嘗試結(jié)合多種個人特征(思維風(fēng)格、人際關(guān)系等)，從單一標(biāo)準(zhǔn)轉(zhuǎn)變?yōu)槎嗑S標(biāo)準(zhǔn)，進(jìn)而提高動態(tài)分組標(biāo)準(zhǔn)的全面性；2)觸發(fā)條件，強調(diào)每個學(xué)習(xí)階段結(jié)束后重組；3)調(diào)整頻次，教師根據(jù)教學(xué)概念和實驗時長靈活設(shè)置學(xué)習(xí)階段的次數(shù)和時長，并根據(jù)重組閾值細(xì)化小組的調(diào)整頻次。相關(guān)研究也再度證實了動態(tài)分組可以有效促進(jìn)學(xué)習(xí)者的學(xué)業(yè)成就。

4.配對策略算法：提高學(xué)習(xí)者的學(xué)習(xí)效果

倫尼和莫里森(Rennie & Morrison, 2013)認(rèn)為學(xué)習(xí)者的良好人際關(guān)系是合作學(xué)習(xí)的動力。配對策略算法(pairing strategy algorithms)主張兩個有良好關(guān)系的學(xué)習(xí)者為一組，彼此學(xué)習(xí)或模仿。該算法的目的是通過分析人際關(guān)系為學(xué)習(xí)者找到最佳的合作伙伴，促進(jìn)全班的整體成就(Chuang et al., 2012)。

為探究算法結(jié)合配對方式實現(xiàn)動態(tài)分組的具體做法，研究者設(shè)計并開展了相應(yīng)的教學(xué)實驗。例如，莊等(Chuang et al., 2012)提出了基于配對策略算法的分組方法，具體步驟如下：1)友誼排名，通過社會網(wǎng)絡(luò)分析人際關(guān)系并進(jìn)行友誼排序；2)學(xué)習(xí)成就檢測，以過去考試成績?yōu)闇?zhǔn)；3)配對策略，對照組采用隨機配對，實驗組結(jié)合友誼排名和過去的考試成績進(jìn)行配對學(xué)習(xí)；4)評估，配對學(xué)習(xí)后進(jìn)行測試，檢驗學(xué)習(xí)情況和人際關(guān)系；5)重新配對，按照評估情況重新配對，一般有三種情況：①班級平均成績下降，表明以前的分組不能提高成績，需要重新檢查社會網(wǎng)絡(luò)；②成績優(yōu)異者成績下降，兩人皆出現(xiàn)此情況，意味著配對出現(xiàn)問題；③相對于上次班級整體成績，成績顯著下降，則需要重新分組。結(jié)果表明，與隨機分組相比，該方法可改進(jìn)學(xué)習(xí)效果，同時使低成就者找到更合適的合作者。然而，從評估效果看，三種情況既有交叉且難以窮盡，還需重新探究配對效果。

5.漢明距離異構(gòu)分組算法：實現(xiàn)多維分組

還有一些算法雖也采取配對學(xué)習(xí)方式，但分組標(biāo)準(zhǔn)卻不一致。例如，黃等(Hwang et al., 2013a, 2013b)提出了漢明距離異構(gòu)分組算法：首先，將兩個知識水平異質(zhì)性最高的學(xué)習(xí)者組成學(xué)習(xí)小組；接著，依次將異質(zhì)性第二高的兩個學(xué)習(xí)者組成學(xué)習(xí)小組；最后，將剩余的中等異質(zhì)性的學(xué)習(xí)者兩兩分組。該算法兼具同質(zhì)和異質(zhì)兩種分組方式。以此為基礎(chǔ)，陳等 (Chen et al. 2016)還增添了性別和認(rèn)知風(fēng)格作為分組標(biāo)準(zhǔn)。隨后，參考漢明距離異構(gòu)分組算法，陳等(Chen et al., 2020)提出了新的動態(tài)分組算法：首先，通過問卷獲得學(xué)習(xí)者的認(rèn)知風(fēng)格和性別數(shù)據(jù)；然后，每次調(diào)整學(xué)習(xí)小組時，通過系統(tǒng)測驗計算出學(xué)習(xí)者當(dāng)前的知識水平；最后，根據(jù)認(rèn)知風(fēng)格、性別、知識水平加權(quán)計算的結(jié)果分組。在調(diào)整頻次方面，依據(jù)奧蘇貝爾有意義學(xué)習(xí)理論和課程內(nèi)容特點，研究者認(rèn)為學(xué)習(xí)者的知識水平可能在一周內(nèi)發(fā)生變化，故學(xué)習(xí)小組每周重組一次。研究表明，相對靜態(tài)分組，該方法更有助于提高學(xué)習(xí)者的合作能力(代表學(xué)習(xí)者在合作過程中進(jìn)行協(xié)調(diào)、討論并最終與同伴達(dá)成共識的努力水平)，改善學(xué)習(xí)效果。

總之，算法的改良和創(chuàng)新應(yīng)用豐富了動態(tài)分組的研究，如基于成組技術(shù)的新分組方法改善了數(shù)據(jù)輸入情況，結(jié)合動態(tài)分組策略的教學(xué)優(yōu)化算法改良了本身的算法，基于遺傳算法的動態(tài)分組發(fā)展完善了系統(tǒng)框架，結(jié)合配對策略算法的分組方法改變了小組合作學(xué)習(xí)方式，以及參考漢明距離異構(gòu)分組算法實現(xiàn)了多維標(biāo)準(zhǔn)的動態(tài)分組。

然而，上述五類算法的動態(tài)分組標(biāo)準(zhǔn)、觸發(fā)條件和調(diào)整頻次各有不同。在分組標(biāo)準(zhǔn)方面，第一類研究以學(xué)習(xí)者的協(xié)作特征為分組標(biāo)準(zhǔn)；第二類研究以學(xué)習(xí)者之間的歐幾里得距離為分組標(biāo)準(zhǔn)；第三類研究以知識結(jié)構(gòu)為主，還嘗試結(jié)合多種個人特征(思維風(fēng)格、人際關(guān)系等)；第四類研究強調(diào)人際關(guān)系和學(xué)習(xí)成績；第五類研究以知識水平、性別和認(rèn)知風(fēng)格為分組標(biāo)準(zhǔn)。在觸發(fā)條件和調(diào)整頻次方面，第一類研究以教師需求為判斷條件，依賴教師對教學(xué)內(nèi)容的安排；第二類研究沒有闡述明確的判斷條件，只強調(diào)小組結(jié)構(gòu)變化的重要性，沒有固定的調(diào)整周期；第三類研究以學(xué)習(xí)階段和重組閾值為依據(jù)靈活調(diào)整；第四類研究沒有詳細(xì)說明觸發(fā)條件和調(diào)整頻次；第五類研究嚴(yán)格按照周期執(zhí)行分組調(diào)整，一般要求每周調(diào)整一次。

五、移動計算機支持的合作學(xué)習(xí)動態(tài)分組

隨著移動學(xué)習(xí)、泛在學(xué)習(xí)的提出以及無線通信技術(shù)的迅速發(fā)展，移動計算機支持的合作學(xué)習(xí)成為合作學(xué)習(xí)的新范例。在移動計算機支持的合作學(xué)習(xí)中，分組標(biāo)準(zhǔn)不應(yīng)只考慮學(xué)習(xí)者的個人特征 (年齡、性別、技能、文化、宗教等)，還應(yīng)參考學(xué)習(xí)者學(xué)習(xí)行為(交流、偏好、運動等)和動態(tài)的語境信息，因為大部分移動計算機支持的合作學(xué)習(xí)活動發(fā)生在自然場所(如花園、森林、博物館等)(Amara et al., 2015)。

智能手機和平板電腦等智能移動終端具有移動性、獨立性、適應(yīng)性、連通性和上下文敏感性等特點(Amara et al., 2015)，允許學(xué)習(xí)者隨時隨地參與高水平的協(xié)作學(xué)習(xí)，學(xué)習(xí)者不再局限于計算機屏幕前而能面對面地交流。有研究提出可以使用藍(lán)牙、射頻識別、全球定位系統(tǒng)(Ge et al., 2018)和近距離無線通信技術(shù) (Lee & Kuo, 2014)等無線通訊設(shè)備協(xié)助動態(tài)分組。

例如，祖里塔等(Zurita et al., 2005)介紹了小學(xué)一年級學(xué)習(xí)者利用無線聯(lián)網(wǎng)的手持設(shè)備尋找成員合作學(xué)習(xí)的方法。前三天學(xué)習(xí)者隨機分組，接下來的12天學(xué)習(xí)者每四天利用手持設(shè)備依次以學(xué)習(xí)成就、偏好和社交性為標(biāo)準(zhǔn)尋找小組成員。研究表明，小組的動態(tài)形成顯著改善了學(xué)習(xí)者的學(xué)習(xí)和社交行為(交流、互動、幫助、談判等)的質(zhì)量和數(shù)量。波奇基等(Boticki et al., 2011)要求學(xué)習(xí)者(8-9歲)根據(jù)手持設(shè)備的屏幕信息(不同的分?jǐn)?shù)——數(shù)學(xué)的分?jǐn)?shù)概念)，通過溝通、談判和協(xié)調(diào)組成小組實現(xiàn)一個特定目標(biāo)(將手持設(shè)備的分?jǐn)?shù)相加為1)。結(jié)果表明，該方法促進(jìn)了學(xué)習(xí)者的協(xié)作學(xué)習(xí)。上述兩個研究證實了手持設(shè)備的運用可以使協(xié)作活動更加自由，且有助于學(xué)習(xí)者的社交行為。然而，兩項實驗對象皆為低年級學(xué)習(xí)者，且學(xué)習(xí)活動皆為有趣的數(shù)字拼接游戲，學(xué)習(xí)對象和內(nèi)容的覆蓋面較窄。

此外，阿瑪拉等(Amara et al., 2016)通過對178篇論文的元分析發(fā)現(xiàn)移動計算機支持的合作學(xué)習(xí)研究存在不足。例如，大多數(shù)解決方案不允許教師自定義分組過程，也難以自動捕獲和評估學(xué)習(xí)行為和上下文信息。為此，阿瑪拉等(Amara et al., 2015)提出了定制分組機制：允許教師自由選擇分組標(biāo)準(zhǔn)的類型、數(shù)量和權(quán)重；然后系統(tǒng)地結(jié)合移動技術(shù)(GPS、藍(lán)牙、RFID等)收集學(xué)習(xí)者的個人特征、行為和動態(tài)的上下文語境信息，并通過算法計算最優(yōu)組合。經(jīng)模擬評估發(fā)現(xiàn)，無論同質(zhì)或者異質(zhì)分組，該方法對協(xié)作學(xué)習(xí)的有效性均比隨機分組高。

整體而言，人們基于移動計算機支持的合作學(xué)習(xí)環(huán)境采用不同的移動技術(shù)支持動態(tài)分組，而動態(tài)分組的標(biāo)準(zhǔn)也隨著移動技術(shù)的特性發(fā)生變化。分組標(biāo)準(zhǔn)不僅涉及學(xué)習(xí)者的主觀層面還結(jié)合客觀因素(如學(xué)習(xí)者行為和上下文語境信息等)，以適應(yīng)學(xué)習(xí)者所處環(huán)境的變化。然而，目前研究主要借助移動技術(shù)進(jìn)行簡單的動態(tài)分組，且大部分停留在理論框架的設(shè)想層面，實證研究較缺乏。

六、總結(jié)與展望

傳統(tǒng)合作學(xué)習(xí)的靜態(tài)分組面臨搭便車現(xiàn)象與旁觀者效應(yīng)、角色固化、負(fù)面的小組思維效應(yīng)和合作倦怠等困境。為解決這一難題，研究者提出了動態(tài)分組策略，以彌補靜態(tài)分組的不足。本研究發(fā)現(xiàn)，動態(tài)分組不僅具有多重教育價值，而且在具體操作層面，采用動態(tài)分組的環(huán)境不同，具體表現(xiàn)也不一致，為未來研究提供了不同角度的洞見和潛能。

(一)主要進(jìn)展

之前研究專注于小組的構(gòu)成，較少關(guān)注小組合作學(xué)習(xí)的動態(tài)變化(Cronin et al., 2011; Goodman & Dabbish, 2011; Roe, 2008)。動態(tài)分組研究所取得的進(jìn)展可以從兩個角度進(jìn)行觀察：一是動態(tài)分組的教育價值，二是動態(tài)分組的操作方法(分組機制)。

1.動態(tài)分組的教育價值

相關(guān)研究結(jié)論顯示，動態(tài)分組研究主要關(guān)注多次改變小組結(jié)構(gòu)對學(xué)習(xí)者學(xué)習(xí)效果的影響，涉及學(xué)業(yè)成就、合作能力和學(xué)習(xí)積極性等。

1)促進(jìn)學(xué)習(xí)者的學(xué)業(yè)成就

在合作學(xué)習(xí)中，靜態(tài)分組固定學(xué)習(xí)小組的結(jié)構(gòu)，忽略了小組之間信息交流的重要性，容易導(dǎo)致局部最優(yōu)。動態(tài)分組強調(diào)小組之間的交流互動，以促進(jìn)小組內(nèi)部的知識發(fā)展，進(jìn)而促進(jìn)全班學(xué)習(xí)者的學(xué)業(yè)成就。例如，張等(Zhang et al., 2009)和斯琴等(Siqin et al., 2015)允許學(xué)習(xí)者在組間共享信息、交換想法以解決問題，提高學(xué)習(xí)者更高水平的集體認(rèn)知責(zé)任和產(chǎn)生更高水平的問題和想法；鐘等(Jong et al., 2006a, 2006b, 2014)、陳等(Chan et al., 2007)、吳(Wu, 2010)、蘇等(Su et al., 2014)和施等(Shih et al., 2018)認(rèn)為，相比靜態(tài)分組，動態(tài)分組可以有效提高學(xué)習(xí)者的學(xué)習(xí)成績。

2)改進(jìn)學(xué)習(xí)者的合作能力

合作能力代表了學(xué)習(xí)者在合作過程中協(xié)調(diào)、討論并最終與同伴達(dá)成共識的努力水平。區(qū)別于靜態(tài)分組，動態(tài)分組可以讓學(xué)習(xí)者迭代學(xué)習(xí)，總結(jié)合作學(xué)習(xí)技巧，促進(jìn)合作交流。例如，陳等(Chen et al., 2020)發(fā)現(xiàn)，相比靜態(tài)分組，每周調(diào)整小組成員更有助于提高學(xué)習(xí)者的合作能力；又如，莊等(Chuang et al., 2012)發(fā)現(xiàn)優(yōu)化分組算法可以幫助低成就者找到更合適的合作者。除直接指向?qū)W習(xí)層面的合作能力外，在動態(tài)分組過程中，學(xué)習(xí)者通過組間交流互動，可鍛煉其更具普適價值的合作能力——人際溝通與交往能力。例如，鐘等(Jong et al., 2005)認(rèn)為，相對于靜態(tài)分組的學(xué)習(xí)者，動態(tài)分組的學(xué)習(xí)者在學(xué)習(xí)和社交方面表現(xiàn)良好；又如，祖里塔等(Zurita et al., 2005)發(fā)現(xiàn)，小組的動態(tài)形成顯著改善了學(xué)習(xí)者的學(xué)習(xí)和社交行為(交流、互動、幫助、談判等)的質(zhì)量和數(shù)量。

3)提高學(xué)習(xí)者的學(xué)習(xí)積極性

在整個學(xué)習(xí)過程中，如果學(xué)習(xí)者長期與相同的伙伴合作，可能會感到無聊或者倦怠。動態(tài)分組鼓勵學(xué)習(xí)者與不同的小組成員交互學(xué)習(xí)，提高學(xué)習(xí)者的學(xué)習(xí)積極性。例如，機遇性協(xié)作策略在明確個人責(zé)任的情況下自然形成小組，有助于激發(fā)學(xué)習(xí)者的研究興趣。鐘等(Jong et al., 2005)通過課堂觀察發(fā)現(xiàn)，相比靜態(tài)分組，動態(tài)分組的學(xué)習(xí)者參與小組討論更積極主動。研究者通過訪談還發(fā)現(xiàn)，靜態(tài)小組的學(xué)習(xí)者期望新的小組成員參與，以改善他們的學(xué)習(xí)結(jié)果。此外，施等(Shih et al., 2018)發(fā)現(xiàn)，采用動態(tài)分組的方式可以鼓勵學(xué)習(xí)者更好地學(xué)習(xí)。

當(dāng)然，動態(tài)分組也可能引發(fā)負(fù)面效應(yīng)，如需要花費師生大量的時間和精力(張浚鍙, 2013)，且可能增加學(xué)習(xí)者的認(rèn)知負(fù)荷；小組成員多次調(diào)整導(dǎo)致學(xué)習(xí)者失去小組歸屬感或聯(lián)系感(Siqin et al., 2015)。

2.動態(tài)分組機制

作為合作學(xué)習(xí)的下位概念，動態(tài)分組為合作學(xué)習(xí)研究開拓了不同的分組機制。相對于靜態(tài)分組，動態(tài)分組除了重視分組標(biāo)準(zhǔn)外，還強調(diào)重組的觸發(fā)條件和調(diào)整頻次。在具體操作層面，動態(tài)分組的環(huán)境不同，具體表現(xiàn)也不一。

從分組標(biāo)準(zhǔn)看，動態(tài)分組在傳統(tǒng)學(xué)習(xí)環(huán)境和計算機支持的合作學(xué)習(xí)環(huán)境中均選取常用的學(xué)習(xí)者個人特征作為依據(jù)，如學(xué)習(xí)成績、學(xué)習(xí)能力、思考風(fēng)格、知識結(jié)構(gòu)等；而其在移動計算機支持的合作學(xué)習(xí)環(huán)境中還增添了學(xué)習(xí)者的學(xué)習(xí)行為和動態(tài)上下文語境信息，甚至是個人健康等。此外，因傳統(tǒng)學(xué)習(xí)環(huán)境缺乏工具和數(shù)據(jù)支持，以單一的標(biāo)準(zhǔn)分組為主；而后兩者在計算機的支持下，提高了數(shù)據(jù)的處理速度，進(jìn)而從一維標(biāo)準(zhǔn)向多維標(biāo)準(zhǔn)分組演變。

從觸發(fā)條件看，動態(tài)分組在傳統(tǒng)學(xué)習(xí)環(huán)境中，觸發(fā)條件單一且主觀，而在計算機支持的合作學(xué)習(xí)環(huán)境中觸發(fā)條件不僅多樣，且使用多個觸發(fā)條件時還存在多種關(guān)系(如優(yōu)先級等)的處理問題。例如，鐘等(Jong et al., 2006a, 2006b, 2014)、陳等(Chan et al., 2007,2010)、吳(Wu, 2010)、蘇等(Su et al., 2014)和施等(Shih et al., 2018)認(rèn)為，學(xué)習(xí)階段為一級觸發(fā)條件，而重組閾值為二級觸發(fā)條件；在移動計算機支持的合作學(xué)習(xí)環(huán)境中，觸發(fā)條件也較為主觀，主要以教師要求為主。例如，祖里塔等(Zurita et al., 2005)規(guī)定學(xué)習(xí)小組在一定時間內(nèi)根據(jù)教師要求進(jìn)行重組。

從調(diào)整頻次看，三種學(xué)習(xí)環(huán)境中小組調(diào)整主要有兩種表現(xiàn)：1)有序變化，遵循一定的規(guī)則調(diào)整小組。例如，施等(Shih et al., 2018)兩周調(diào)整一次；又如，陳等(Chen et al., 2020)每周調(diào)整一次；2)隨機變化，沒有按照嚴(yán)格的規(guī)則進(jìn)行調(diào)整，如基于知識論壇的動態(tài)分組，主要按學(xué)習(xí)者的興趣調(diào)整。

(二)存在不足

盡管動態(tài)分組研究取得了諸多進(jìn)展，但理論層面和教學(xué)實踐還存在不足，尤其是相關(guān)概念的廓清、分組技術(shù)的研發(fā)和應(yīng)用范圍的擴(kuò)展，均有待開拓。

1.理論基礎(chǔ)較為薄弱

在理論基礎(chǔ)方面，除了陳等(Chen et al., 2020)提及的奧蘇貝爾有意義學(xué)習(xí)理論以及張等(Zhang et al., 2009)和斯琴等(Siqin et al., 2015)提及的知識建構(gòu)理論外，鮮有研究描述動態(tài)分組的理論基礎(chǔ)。動態(tài)分組是個復(fù)雜的過程，前期研究表明動態(tài)分組的依據(jù)多元，如果缺少明確的理論基礎(chǔ)做支撐，則這些維度及其各自的重要性就缺乏“合法性”，從而陷入經(jīng)驗主義陷阱。此外，如果沒有理論基礎(chǔ)的指引，也就難以為動態(tài)分組設(shè)置合適的調(diào)整時機(如重組閾值等觸發(fā)條件)和頻次，只憑教師主觀判斷難免缺乏科學(xué)性和合理性。

2.技術(shù)研發(fā)零散，尚未成熟

在傳統(tǒng)學(xué)習(xí)環(huán)境下，動態(tài)分組難以快速獲取學(xué)習(xí)者合作學(xué)習(xí)的狀態(tài)數(shù)據(jù)。為解決這一難題，研究者在計算機支持的合作學(xué)習(xí)中嘗試?yán)闷脚_并結(jié)合不同算法進(jìn)行動態(tài)分組方法的改良和創(chuàng)新。例如，陳等(Chan et al., 2010)和鐘等(Jong et al., 2014)借助嵌入序列概率比測試算法和遺傳算法的概念學(xué)習(xí)診斷系統(tǒng)快速評估學(xué)習(xí)者的知識水平并優(yōu)化分組；又如，基于成組技術(shù)的新分組方法借助PopCorm平臺改善動態(tài)分組的輸入情況等。然而，這些分組算法具有一定的技術(shù)難度，不利于普及推廣，且缺少通用的可由教師定制的分組平臺。此外，關(guān)于小組重組的時機，一些研究引入了重組閾值的概念，但從操作層面看，依然缺少如何基于不同分組依據(jù)計算重組閾值以及判定其合理性的算法或標(biāo)準(zhǔn)。另外，小組成員多次調(diào)整可能導(dǎo)致學(xué)習(xí)者失去小組歸屬感或聯(lián)系感(Siqin et al., 2015)，這在高競爭性的合作學(xué)習(xí)中可能帶來負(fù)面效果。

3.實踐應(yīng)用的學(xué)段和學(xué)科分布不均，覆蓋面窄

在教育實踐層次，大部分研究以大學(xué)學(xué)習(xí)者為實驗對象且以電子線路、數(shù)學(xué)等理科課程開展教學(xué)實驗，而基于其他年齡層和學(xué)科的實證研究較零散。在本文綜述的21篇動態(tài)分組文獻(xiàn)中，面向小學(xué)階段的研究只有四例，如莊等(Chuang et al., 2012)、祖里塔等(Zurita et al., 2005)、張等(Zhang et al., 2009)和波奇基等(Boticki et al., 2011)，暫時沒有面向初高中階段的研究；學(xué)科方面，除大學(xué)理科課程外，面向小學(xué)科學(xué)的僅一例，如張等(Zhang et al., 2009)；面向小學(xué)數(shù)學(xué)學(xué)科的兩例，如祖里塔等(Zurita et al., 2005)和波奇基等(Boticki et al., 2011)。簡言之，動態(tài)分組的實證研究較缺乏，且教育層次不均、學(xué)科覆蓋面較窄。

整體而言，就國際范圍看，現(xiàn)階段的動態(tài)分組研究依然較零散，處于初創(chuàng)階段，尚未成熟，呈現(xiàn)出“理論基礎(chǔ)摸索，應(yīng)用研究起步，研究體系松散”的狀態(tài)；就國內(nèi)而言則基本屬于空白，有待拓展。

(三)未來展望與建議

毋庸置疑，動態(tài)分組將成為未來合作學(xué)習(xí)乃至學(xué)習(xí)科學(xué)研究的重要方向，需要不同領(lǐng)域的研究者深入研究。針對不足，筆者認(rèn)為后續(xù)研究可以從多個角度或方向深化，建議包括：

1.夯實理論基礎(chǔ)

概念界定和理論基礎(chǔ)是動態(tài)分組的研究起點和基礎(chǔ)。概念界定方面，需要厘清靜態(tài)分組和動態(tài)分組的區(qū)別與聯(lián)系，探討動態(tài)分組的核心本質(zhì)、要素等內(nèi)涵，以及特征和適用范圍等外延，進(jìn)而形成動態(tài)分組的基本認(rèn)知體系。理論基礎(chǔ)方面，需要確認(rèn)動態(tài)分組之于合作學(xué)習(xí)的意義和價值，研究學(xué)習(xí)小組調(diào)整依據(jù)和頻次的科學(xué)基礎(chǔ)等。例如，現(xiàn)有研究以奧蘇貝爾有意義學(xué)習(xí)理論為依據(jù)，認(rèn)為學(xué)習(xí)者知識水平在一周時間發(fā)生變化，故學(xué)習(xí)小組需要每周動態(tài)調(diào)整(Chen et al., 2020)。除此之外，班杜拉的社會學(xué)習(xí)理論、皮亞杰認(rèn)知發(fā)展理論、西蒙斯的聯(lián)通主義，乃至腦科學(xué)與學(xué)習(xí)科學(xué)的最新進(jìn)展，均與動態(tài)分組有或明或暗的聯(lián)系，但顯然缺少具體而充分的研究。

2.突破關(guān)鍵技術(shù)

動態(tài)分組的基本思想來源于計算機領(lǐng)域，研究可以融合多學(xué)科的技術(shù)和算法，結(jié)合教育學(xué)、心理學(xué)等基礎(chǔ)理論，探索動態(tài)分組的基本規(guī)律，從而突破動態(tài)分組的關(guān)鍵技術(shù)。

除了文中提及的分組算法，動態(tài)分組還可以嘗試借鑒靜態(tài)分組的研究成果，如基于聚類和梯度選擇的網(wǎng)絡(luò)協(xié)作學(xué)習(xí)分組算法(Density-Based Improved K-Means With Gradient Select Grouping Algorithm，GSDBK-means)、基于模糊C均值算法(Fuzzy C-Means，F(xiàn)CM)和混合聚類的分組算法(羅凌等, 2017)和自編碼神經(jīng)網(wǎng)絡(luò)(AutoEncoder，AE)(陳甜甜等, 2021)等。以上算法結(jié)合動態(tài)分組的特性優(yōu)化改進(jìn)，可以為未來動態(tài)分組的關(guān)鍵技術(shù)突破提供新的思路。

3.探索動態(tài)分組新角度

目前，動態(tài)分組機制尚未完善，動態(tài)分組的實踐應(yīng)用需要在不同的學(xué)段和學(xué)科中拓展豐富，應(yīng)用案例的積累和分享是目前關(guān)注的重點之一。動態(tài)分組的影響因素眾多，除了分組標(biāo)準(zhǔn)、觸發(fā)條件和調(diào)整頻次外，還可以探究不同規(guī)模小組的動態(tài)分組。例如，鄒等(Zou et al., 2014)以五人為一組；小組游戲競賽法以三人為一組；此外，莊等(Chuang et al., 2012)和陳等(Chen et al., 2020)以兩人為一組(異質(zhì)分組)開展配對學(xué)習(xí)。然而，鐘等(Zhong et al., 2017)認(rèn)為配對學(xué)習(xí)的有效開展，本質(zhì)上要通過交互交流尋找知識水平相當(dāng)?shù)耐?Zhong et al., 2017)。因此，從學(xué)習(xí)主體匹配的角度看，未來的研究可以探究同質(zhì)分組和異質(zhì)分組對動態(tài)分組效果的影響，以及不同規(guī)模條件下的動態(tài)分組學(xué)習(xí)效果；或者探索動態(tài)分組與靜態(tài)分組的混合式應(yīng)用策略；也可以研究不同主體(教師、學(xué)習(xí)者或系統(tǒng))主導(dǎo)的動態(tài)分組教學(xué)過程和效果。在學(xué)習(xí)環(huán)境方面，除了探究本文提到的三種學(xué)習(xí)環(huán)境下的動態(tài)分組，還可以探究混合學(xué)習(xí)環(huán)境下的動態(tài)分組。此外，現(xiàn)代學(xué)習(xí)科學(xué)研究仍在不斷探究性別差異對靜態(tài)分組的影響，未來也可以探究性別差異對動態(tài)分組的影響。總之，未來需要不斷探索新的角度并開展嚴(yán)謹(jǐn)?shù)慕虒W(xué)實驗，在實踐中獲得更多的經(jīng)驗證據(jù)以支持和豐富動態(tài)分組研究。