智能学习分组:从通用模型到大数据框架

学习分组是协作学习活动设计的首要阶段.随着学习场所的快速变化、多模态交互过程复杂性的增加,采用传统的随机分组、教师指派或学生自我选择等方法进行协作学习分组的效率十分低下.研究提出基于智能技术构建自适应的协作学习小组.首先,阐述了学习分组的价值,即构建合理的协作学习环境、兼顾学生的个体差异和促进教育资源优质公平;其次,总结了影响智能学习分组的因素,包括个体属性、小组学术与物理构成以及学习者与环境的交互;最后,描述了经典场景下智能学习分组的通用模型,并讨论了大数据背景下智能学习分组的前景与挑战.针对大数据驱动智能学习分组的稳定性问题,基于机器学习中的集成学习思想构建了大数据共识分组框架.此框架有望为人工智能促进未来规模化的个性化教育提供支持.