面向社交關系的學習小組劃分策略研究

楊桂松， 李燕婷， 何杏宇

（上海理工大學a.光電信息與計算機工程學院；b.出版印刷與藝術設計學院，上海200093）

0 引 言

課堂教育是長久以來主要的教學組織形式，傳統(tǒng)的課堂教育模式是由教師進行講授，將知識傳授給學生，這種單向授課方式的弊端主要在于容易導致學生缺乏主動、合作、探究的意識和能力。研究發(fā)現(xiàn)學習小組中產(chǎn)生的集體智慧可以有效地促進學生對知識的掌握情況［1］。因此，為了充分利用集體智慧在教學中的優(yōu)勢，學習小組被越來越多的學校引入教育模式中，通過將學生劃分為小組，使同學們分工合作，最終達到互利共贏的目的。小組合作促使目前的課堂由單一師生互動轉(zhuǎn)向師生和學生間的交互活動，強調(diào)了學生學習主體地位的發(fā)揮，有利于提高學習效率并養(yǎng)成學生的合作交往能力［2］。此外，小組合作為學生提供更多實踐機會的同時可以增強學生交流-交互-溝通的能力。

然而，學習小組的組建過程中面臨著一系列問題，比如，如何進行高效的分組，才能體現(xiàn)分組的價值，真正地提高教學質(zhì)量等。早期工作通常關注學生的個人特征。如根據(jù)組內(nèi)成員之間個人特征的相似度劃分得到的異質(zhì)分組策略和同質(zhì)分組策略，以及將異質(zhì)分組策略和同質(zhì)分組策略相結(jié)合的混合分組策略等。

此外，社交關系是指人與人之間交際產(chǎn)生的關系，是人類社會中不可缺少的組成部分。良好的社交關系可以引導社交主體雙方相互促進，共同進步。而處于青少年時期的學生，通常思維活躍，感情豐富，更容易受到社交關系的影響。社交關系融洽的學生之間的合作更容易激發(fā)學生們的積極性及主觀能動性，互相幫助，取長補短，從而極大提高學習效率。

社交關系對于小組學習的促進作用可以從以下3個層面進行考量［3］。

（1）認知層面。凱斯利的交互理論指出，社交在學習者進行知識獲取和知識共享的過程中非常重要［4］。通過小組中學生之間對同一問題的不同看法的相互交流，可以加深學生的理解，從而增強學生對于知識的多層次掌控能力。

（2）心理層面。人本身具有交往的需求，社交在幫助學生獲取信息的同時也能增強學生自身的歸屬感，從而提升學生參與合作學習的積極性。

（3）社會行為層面。小組內(nèi)融洽的合作氛圍對學生社會能力的發(fā)展具有促進作用，也有助于發(fā)展學生相互溝通的能力及競爭與合作的能力。

總之，社交關系在學生的學習生活中的影響不容小覷。

然而以往的分組策略通常不考慮社交關系的因素，使用這些策略進行小組劃分很容易將關系不夠融洽甚至有矛盾的學生劃分為1組。這會導致組內(nèi)學生之間相互合作的意愿降低，不僅不利于學生的合作學習，達不到提升學習效率的預期目標，還有可能導致組內(nèi)學生間矛盾的進一步激化。因此，為避免出現(xiàn)這種情況，本文將社交關系的因素納入分組時考慮的因素范疇，提出一種面向社交關系的分組策略，目的在于進一步提升分組質(zhì)量。

基于提出的分組策略，如何將這些策略應用于現(xiàn)實的教學環(huán)境中又成為了亟待解決的問題。傳統(tǒng)的教育模式中通常是由老師依據(jù)分組策略的原則對學生進行分組，然而這種做法耗費精力的同時難以保證分組的客觀性。近年來，隨著互聯(lián)網(wǎng)技術的快速發(fā)展，各行各業(yè)都開始嘗試與大數(shù)據(jù)技術結(jié)合，以提升服務質(zhì)量，教育行業(yè)也不例外。為適應“互聯(lián)網(wǎng)+”的新環(huán)境，教育部門及高校開始著力發(fā)展探索基于互聯(lián)網(wǎng)的教育服務新模式和信息時代教育治理新模式［5］。大數(shù)據(jù)技術的發(fā)展也使得挖掘教育數(shù)據(jù)背后隱含的信息從而有針對性地提升教學質(zhì)量成為可能。

研究發(fā)現(xiàn)，大數(shù)據(jù)技術中的聚類算法與分組的思想相似，并且聚類算法具有容易實現(xiàn)，便于更新，更加客觀的優(yōu)點。因此，早期工作開始將聚類算法用于小組劃分的實現(xiàn)，從而在提高分組效率的同時有效提升分組的客觀性。

基于以上背景，提出一種面向社交關系的學習小組劃分策略，使用大數(shù)據(jù)技術，在現(xiàn)有分組策略的基礎上，將社交關系的因素納入分組要考慮的因素范疇，即在滿足現(xiàn)有分組策略的基礎上將社交關系更密切的學生劃分為1組，從而在實現(xiàn)分組策略優(yōu)勢的同時增強學生在小組協(xié)作中的積極性，最終提升小組合作的效率。

1 分組策略概況

近年來，一系列分組策略被提出。根據(jù)劃分小組的依據(jù)不同大致可將現(xiàn)有的分組策略分為隨機分組、異質(zhì)分組、同質(zhì)分組、混合分組幾種（見表1）。

表1 常見的分組策略

（1）隨機分組策略。是指隨機聚合4～6個人為1組，常見的隨機分組的形式有將班級中前后桌幾個人劃分為1個小組。一般來說，隨機分組的策略可以極大地節(jié)省分組時間，但該策略不針對學生的具體特征，缺乏科學依據(jù)，既不能保證小組內(nèi)成員之間的和諧，也不能保證小組間競爭力的均衡。該分組策略常用于課堂上的即時討論，很少作為固定小組劃分策略。

（2）異質(zhì)分組策略。遵循“組內(nèi)相異，組間相似”的原則。其中組內(nèi)相異是指同一小組內(nèi)的成員在學習成績、思維方式、性別等方面存在差異，具有一定的互補性。組間相似是指各小組之間的成員分布情況大致均衡，從而在滿足公平分組的原則下充分發(fā)揮學生的主觀能動性，提高小組之間的競爭力。劉東［6］在普通高?；@球?qū)ｍ椊虒W中進行了異質(zhì)分組合作教學組織形式和常規(guī)教學組織形式的實驗研究。證明了在異質(zhì)分組合作教學組織形式下學生可以獲得較強的內(nèi)部動機水平。另外有研究者探討了異質(zhì)分組教學模式在大學健美操教學中的應用，研究表明異質(zhì)分組教學模式在培養(yǎng)學生健美操的動作技能、動作配合、創(chuàng)編能力、團隊協(xié)作能力等方面明顯優(yōu)于傳統(tǒng)的教學模式［7］。

（3）同質(zhì)分組策略。然而，研究發(fā)現(xiàn)，異質(zhì)小組有時并不能保證全部學生都積極參與，以至于合作學習中出現(xiàn)“邊緣學生”。這是由于部分成績較差學生在小組討論問題時不能跟上其他學生的進度，從而更加被落在后邊。為避免“邊緣學生”的出現(xiàn)，學者們又提出了同質(zhì)分組的策略。同質(zhì)分組是指將知識基礎、性格特征、興趣愛好等相似的學生分到同一個小組中，相互促進，共同進步。劉文閣等［8］通過教學實踐過程中的實驗研究，初步證明了同質(zhì)分組的可行性。肖子一［9］研究了同質(zhì)分組在教學上的作用，經(jīng)統(tǒng)計得出，結(jié)合同質(zhì)分組教學能更好地完善教學技能和技術水平。但是同質(zhì)分組的缺點在于容易導致小組間競爭力的顯著不平衡。

（4）混合分組策略。為綜合考慮異質(zhì)分組及同質(zhì)分組的優(yōu)勢，學者們引入了混合分組的策略。羅凌等［10］提出了基于模糊C均值的在線協(xié)作學習混合分組算法，該算法將異質(zhì)和同質(zhì)分組相結(jié)合，既保證了學習風格、知識水平、學習目標和興趣愛好具有相似性的學習者劃分到同一組，同時考慮到了活躍度和性別差異對學習效果的影響，使得小組劃分更加合理。還有學者提出為避免單一化、固定化所帶來的負面影響，課堂教學中的合作學習應該根據(jù)教學的具體需要，定期輪換小組組織形式，同質(zhì)、異質(zhì)小組交替運用，發(fā)揮各自的優(yōu)點［11］。

前面幾種分組策略的一個共同缺點在于他們都是以學生的被動接受為前提，而沒有充分考慮學生的個性化學習特點，從而無法滿足學生個性化成長的要求。基于此，移動協(xié)作學習的個性化分組策略被提出，首先以學生的學習需求為依托，通過分析設計形成學習目標，然后形成協(xié)作任務，再通過移動學習平臺發(fā)布學習目標，形成學習小組雛形，經(jīng)過多次迭代，最終形成協(xié)作學習小組［12］。

具體的分組實現(xiàn)方面。在“互聯(lián)網(wǎng)+教育”的背景下，大數(shù)據(jù)技術開始被廣泛用于教學過程中進行現(xiàn)實教學環(huán)境中學習小組的劃分以提升教學質(zhì)量。例如針對協(xié)作學習異質(zhì)群組構(gòu)建的原則和多目標優(yōu)化等問題，一種改進的密度聚類算法被提出，從而實現(xiàn)異質(zhì)分組［13］。還有學者利用改進的K-Means聚類算法結(jié)合梯度選擇提出了基于學生特征聚類的網(wǎng)絡協(xié)作學習分組算法，從而提高異質(zhì)分組的質(zhì)量［14］。

現(xiàn)有的分組策略均有其自身的優(yōu)勢，然而，通過調(diào)查可以發(fā)現(xiàn)這些分組策略都只考慮學生的個人特征如學習成績、思維方式、性別等方面，研究表明，社交關系也會對學生的合作學習產(chǎn)生較大的影響，在多個合作任務場景中，人們更愿意與值得信賴的朋友合作，特別是當人們被要求與合作者進行信息交互時。然而，目前尚未有文獻在劃分學習小組時考慮社交關系的影響。因此，本文提出一種同時考慮學生的個人特征和社交關系的學習小組劃分策略，使用大數(shù)據(jù)技術在現(xiàn)有分組策略的基礎上，將社交關系的因素納入分組要考慮的因素范疇，最終達到提升分組效果的目的。

2 研究設計

2.1 研究問題

基于以上研究現(xiàn)狀，本研究提出以下研究問題：

（1）如何將社交關系的因素加入劃分學習小組的考慮范疇。

（2）如何根據(jù)考慮社交關系之后的分組策略進行現(xiàn)實教學環(huán)境中的學習小組劃分。

2.2 研究方法

本研究先使用問卷調(diào)查法收集學生的社會性交互動機、行為和影響等數(shù)據(jù)，并構(gòu)建出學生之間的社交關系網(wǎng)絡。對于劃分好的小組間的社交關系質(zhì)量，本研究同樣使用問卷調(diào)查法進行數(shù)據(jù)收集以便后續(xù)對于分組效果的評估，問卷中的問題采用互動三維度模型，包括協(xié)作意愿、協(xié)作過程與協(xié)作目標?！皡f(xié)作意愿”用于表示小組內(nèi)學生在解決問題時的合作傾向；“協(xié)作過程”指能夠讓所有成員都做出貢獻的潛在互惠關系，強調(diào)個體間相互影響和每個成員對任務的貢獻；“協(xié)作目標”指組內(nèi)成員對于問題的解決情況［15］?；谠撃Ｐ?，本研究抽取了10個問題加入到調(diào)查問卷中以研究學生參加小組合作學習的積極性，如表2所示。每個問題有“從不、偶爾、經(jīng)常、總是”4個選項，對問卷調(diào)查得到的結(jié)果計算其均值，以表示各問題角度下學生的表現(xiàn)情況。

表2 調(diào)查問卷表

3 基于大數(shù)據(jù)和社交關系的學習小組劃分策略

現(xiàn)有的幾種分組策略中，由于隨機分組不針對學生的具體特征，隨機將學生劃分為小組的形式，不能達到分組真正要實現(xiàn)的預期目標，因此在本文提出的分組策略中不考慮隨機分組，而分別在異質(zhì)分組及同質(zhì)分組中加入社交網(wǎng)絡的因素。同時，借助大數(shù)據(jù)技術實現(xiàn)分組策略，進一步提高分組質(zhì)量。

3.1 面向社交關系的異質(zhì)分組策略

面向社交關系的異質(zhì)分組策略是指在遵循異質(zhì)分組“組內(nèi)相異，組間相似”的原則的情況下將社交關系上更密切的學生劃分在同一小組，從而使得組內(nèi)成員不僅滿足異質(zhì)分組的特征互補原則，同時關系更加密切。關系融洽的小組內(nèi)的合作更容易保證組內(nèi)成員的積極參與和相互幫扶，繼而有效避免異質(zhì)分組合作學習中“邊緣學生”的出現(xiàn)。因此，面向社交關系的異質(zhì)分組策略可以在滿足現(xiàn)有異質(zhì)分組策略優(yōu)勢的情況下有效規(guī)避現(xiàn)有異質(zhì)分組的不足，從而提升分組質(zhì)量。

使用面向社交關系的異質(zhì)分組策略劃分學習小組的模型可以分為數(shù)據(jù)預處理、聚類、分組3個模塊。初始學生數(shù)據(jù)經(jīng)過數(shù)據(jù)預處理模塊可以得到處理后的學生信息，作為聚類的輸入，經(jīng)過聚類之后形成簇。為滿足異質(zhì)分組“組內(nèi)相異，組間相似”的原則，基于聚類形成的簇在考慮社交關系的情況下從每個簇中抓取1個學生從而構(gòu)建出最終的面向社交關系的異質(zhì)學習小組。

（1）數(shù)據(jù)預處理。該分組策略將學習成績、性別、性格、興趣愛好等因素作為衡量學生特征的指標。其中，學習成績?nèi)≈捣秶鸀椋?，100］，性別取值為｛男，女｝，并且根據(jù)《性格解析》作者弗洛倫斯·妮蒂雅［16］對性格的分類，將性格分為4種基本類型：活潑型、完美型、力量型及和平型，并將這幾種性格類型分別記為｛1，2，3，4｝，以便后續(xù)對數(shù)據(jù)進行分析；將學生的主要興趣愛好歸納為：｛體育，電影，讀書，音樂，旅游｝這5個興趣項，分別記為｛1，2，3，4，5｝。通過對學生的信息進行整理，每個學習對象可以通過｛姓名，成績，性別，性格，興趣愛好｝表示。

（2）聚類。聚類算法中，DBSCAN算法無法預先指定需要聚類的簇的數(shù)目，因此通過DBSCAN算法得到的異質(zhì)小組不能達到預期的分組效果。而K-Means算法可以預先指定需要劃分的簇數(shù)，且更容易實現(xiàn)。因此，本模型使用K-Means算法作為聚類算法。KMeans算法可以把數(shù)據(jù)分成不同的簇，使得簇與簇之間的相似度盡可能低，而簇內(nèi)數(shù)據(jù)之間相似度盡可能高［17］。

為減輕K-Means算法中初始聚類中心的選取可能會對聚類結(jié)果產(chǎn)生的影響，選擇初始鄰域密度最高的k個點作為算法的初始聚類中心。經(jīng)過迭代，K-Means算法將原始數(shù)據(jù)點聚成k個簇，這k個簇滿足簇內(nèi)相似度較高而簇間相似度較低的原則。圖1所示為KMeans算法的原理及將數(shù)據(jù)聚為兩類時的流程演示。

圖1 K-Means算法的原理與流程

（3）分組。區(qū)別于現(xiàn)有異質(zhì)分組策略重復不放回的從聚類結(jié)果得到的k個簇中隨機選取一個節(jié)點形成多個小組，從而使得每個小組包括k個節(jié)點的做法，模型中加入了社交關系的因素。具體做法為，首先根據(jù)問卷調(diào)查等方法，將學生之間的社交關系顯式刻畫為社交關系網(wǎng)，其中，各結(jié)點表示學生，結(jié)點之間的連線表示社交關系，連線上的值（0～1）表示社交親密度，即學生之間社交關系的密切程度。圖2所示為5個學生的社交關系網(wǎng)的示例。

圖2 5個學生的社交關系網(wǎng)

已知所有學生的社交關系網(wǎng)之后，基于聚類模塊生成的k個簇，可以重新構(gòu)建社交關系圖。新的社交關系圖只考慮K-Means算法形成的簇間成員的社交關系，即將社交關系網(wǎng)中相鄰簇的成員之間的社交關系提取出來形成新的社交關系圖。

針對新的社交關系圖進行分組，每次從簇內(nèi)樣本數(shù)最多的簇中的結(jié)點出發(fā)，依據(jù)深度優(yōu)先遍歷的規(guī)則，依次從下一簇中選取一個結(jié)點形成路徑，選擇總權重最大的路徑中的結(jié)點形成1組。重復上述過程直至分好的小組數(shù)達到需要的組數(shù)閾值。由于聚類得到的簇中樣本數(shù)可能不相等，從而導致某些組人數(shù)不足的情況，此時需從剩余未分組的學生中挑選與現(xiàn)有組內(nèi)各成員社交權重總和最大的學生歸入小組，直至不存在未分組的學生。從而使得最終的分組結(jié)果既滿足異質(zhì)分組策略的“組內(nèi)相異，組間相似”的原則，又可以滿足社交關系對分組的影響。

圖3所示為面向社交關系的異質(zhì)分組流程圖。

圖3 面向社交關系的異質(zhì)分組流程圖

具體算法步驟為：

步驟1對原始學生數(shù)據(jù)進行數(shù)據(jù)預處理。

步驟2對預處理后的學生數(shù)據(jù)進行聚類，形成k個不相交的由學生組成的簇。

步驟3找出包含學生數(shù)目最多的簇，從該簇中隨機選取1個未分組的學生，根據(jù)社交親密度依次從下一個簇中選取1個與該組內(nèi)學生的社交親密度總和最大的學生，加入該組。

步驟4判斷小組數(shù)是否達到給定閾值，如果是，執(zhí)行步驟5，否則，重復步驟3。

步驟5判斷是否存在組員數(shù)目不足給定值的簇。若有，從剩余未分組的學生中挑選1個與現(xiàn)有組內(nèi)成員社交親密度權重總和最大的學生歸入該組。

步驟6重復步驟5直至各小組組員數(shù)目均不小于組員數(shù)目的閾值。

3.2 面向社交關系的同質(zhì)分組策略

與異質(zhì)分組不同，同質(zhì)分組是指將知識基礎、性格特征、興趣愛好等特征相似的學生分到同一個小組中，相互促進。同質(zhì)分組可以使得各方面差異不大的學生相互幫助，各盡己力，從而提升小組整體水平。面向社交關系的同質(zhì)分組策略不僅需要滿足組內(nèi)相似的原則，還要使組內(nèi)成員之間的社交關系盡可能緊密，從而在實現(xiàn)同質(zhì)分組優(yōu)勢的同時提升組內(nèi)學生參與合作學習的積極性，提升分組后的教學質(zhì)量。

使用面向社交關系的同質(zhì)分組策略劃分學習小組的模型主要包括數(shù)據(jù)預處理及聚類兩大模塊。其中，數(shù)據(jù)預處理模塊與上節(jié)中的數(shù)據(jù)預處理相同。而本節(jié)的聚類特征除考慮學生的個人特征如學習成績、性別、性格、興趣愛好等，還將學生的社交特征考慮在內(nèi)。

同樣使用K-Means算法對這些特征進行聚類，聚類得到的簇滿足同質(zhì)分組“組內(nèi)相似，組間相異”的原則?？紤]到聚類后簇內(nèi)包含樣本點數(shù)量可能不等的情況，若聚類后形成的小組中存在組員數(shù)未達到閾值的情況，則先將各小組按照其包含的組員數(shù)由大至小排列，從第1個小組中選取1個與最后1個小組內(nèi)所有學生社交特征余弦相似性總和最大的學生，并將其歸入最后一組。重復這一過程直至各小組中組員數(shù)均超過其閾值。

圖4所示為面向社交關系的同質(zhì)分組流程圖。具體算法步驟為：

圖4 面向社交關系的同質(zhì)分組流程圖

步驟1對原始學生數(shù)據(jù)進行數(shù)據(jù)預處理。

步驟2基于已經(jīng)處理后的學生數(shù)據(jù)，進行聚類。

步驟3判斷各組內(nèi)學生數(shù)是否不低于給定閾值，如果是，程序結(jié)束；否則，重復步驟4。

步驟4選擇學生數(shù)目低于給定閾值的小組，從學生數(shù)目大于給定值的小組中選取與該組內(nèi)學生的社交親密度總和大的學生加入該組。

4 結(jié)果與分析

為了對所提出的分組策略進行驗證，本研究使用python語言對40個學生的樣本數(shù)據(jù)進行了試驗。以面向社交關系的異質(zhì)分組為例，目的是將40個學生分成不相交的5個小組。

首先使用K-Means進行聚類，得到如圖5所示的結(jié)果。8個簇分別為：

圖5 聚類結(jié)果圖（灰色表示所有學生均未分組）

接著從學生數(shù)最多的簇Ⅶ中隨機選取1個學生例如17加入第1組，從由40個學生組成的社交關系網(wǎng)中提取簇Ⅰ和簇Ⅶ的社交關系圖，從簇Ⅰ中選取社交親密度最高的29加入紅色組。再從簇Ⅱ中選取與紅色組中學生17、29社交親密度總和最大的學生6加入紅色組。以此類推，從剩余5簇中各選取1個學生加入紅色組。

重復上述過程，直到初步形成5個小組，如圖6所示，分別為：［｛17，29，6，5，20，28，11，32｝，｛18，27，1，13，15，36，7，33｝，｛19，30，9，2，26，12，37｝，｛21，39，4，16，3，40｝，｛22，34，8，31｝］。各小組中成員數(shù)量分別為8，8，7，6，4。未分組的學生有［10，14，23，24，25，35，38］。

圖6 初步分組結(jié)果圖（相同顏色表示同小組，灰色表示尚未分組）

為滿足各小組學生數(shù)均不低于8人，對于人數(shù)不足的橙色組，未分組的學生中選擇與該組中學生的社交親密度總和最大的10加入該組，以此類推。如圖7所示，最終形成的小組為：［｛17，29，6，5，20，28，11，32｝，｛18，27，1，13，15，36，7，33｝，｛19，30，9，2，26，12，37，10｝，｛21，39，4，16，3，40，23，25｝，｛22，34，8，31，14，24，35，38｝］。

圖7 最終分組結(jié)果圖（相同顏色表示同小組）

5 結(jié) 語

為了充分利用集體智慧在教學中的優(yōu)勢，學習小組被越來越多的學校引入教育模式中。本文中歸納總結(jié)了4種現(xiàn)有的劃分學習小組的分組策略，并分別比較了這幾種分組策略的優(yōu)勢和不足。在現(xiàn)有的分組策略的基礎上，本文在分組時加入了社交關系的因素，目的是進一步增強學生參與分組討論學習的積極性。研究發(fā)現(xiàn)，通過構(gòu)建基于大數(shù)據(jù)技術的小組劃分框架，進行基于社交關系的分組策略的小組劃分可以得到預期的分組結(jié)果，有助于為現(xiàn)實教學環(huán)境中的分組提供技術支撐。