合作學習動態分組的研究進展與思考
——基于國際文獻的系統綜述

鐘柏昌 黃水艷

(華南師范大學 教育信息技術學院，廣東廣州 510631)

一、背景與問題

自20世紀80年代引入合作學習以來，國內相關研究已取得了豐碩成果，但也有諸多問題有待研究，尤其是新技術的使用和教學環境的變化，為合作學習帶來了新的問題和發展機遇。本文討論的動態分組即是一個方興未艾的主題。 一般認為，合作學習以學習小組為基本形式，系統地利用教學動態因素之間的互動促進學習者的學習，進而共同實現教學目標的教學活動(王坦, 2002)。合作學習的影響因素眾多，如學習目標、互動模式、小組規模、小組數量和分組策略等，其中分組策略至關重要。傳統合作學習除隨機分組外，還習慣根據學習者個人特征(如學習成績、思維風格、性別等)進行同質分組或者異質分組。無論何種標準分組，傳統合作學習的小組成員一般維持不變，即所謂靜態分組。

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

大多數研究主要關注小組的構成，較少關注小組合作學習的動態變化，即缺少探究時間維度對小組合作學習的影響(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性水平以及相處融洽度的變化。因此，小組構成必須進行不間斷的檢查，必要時應加以調整。研究發現，采用動態分組(如互動協作小組、機遇性協作)可以顯著增加小組的集體認知責任和學習收獲，彌補靜態分組的不足(Zhang et al., 2009; Siqin et al., 2015)。所謂動態分組指在合作學習中重組小組成員以實現預定的教育目標(Zurita et al., 2005)。奧克利等(Oakley et al., 2004)認為重組學習小組主要是為了解散功能失調的小組以重新組建更有效的小組。阿倫森(Aronson, 1978)認為經過一段時間的學習后，對于學習較差的小組成員，動態分組有助于重建小組學習。斯琴等(Siqin et al., 2015)也認為動態分組極具研究價值，并希望揭示小組創建的機制及其動態變化的原因(Siqin et al., 2015)。遺憾的是，這些研究散見于國際期刊中，國內文獻極少。為此，本文擬聚焦動態分組相關研究，開展系統的國際文獻綜述，探究動態分組的研究進展、不足和發展趨勢，為國內研究者提供借鑒。

二、研究方法與樣本分類

為確保樣本的質量和代表性，文獻來源主要為國際權威數據庫Web of Science(WOS)。由于合作學習和協作學習經常混用，筆者在WOS中分別以“collaborative learning & group”“cooperative learning & group”等為關鍵詞進行主題檢索，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準：1)以動態分組為研究對象或研究方法；2)聚焦教育教學領域，保留了十篇有效文獻。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鍵 (Kitchenham et al., 2009)。基于此，本文在關鍵詞檢索的基礎上又采用滾雪球方法，即通過檢索論文的參考文獻和引文以獲得更多有效論文(Wohlin, 2014; Xia & Zhong, 2018)。截至2020年5月底，由綜合關鍵詞檢索和滾雪球方法獲得的有效文獻樣本21篇，時間跨度為1991年3月—2020年1月，其中，SSCI/SCI學術期刊論文15篇，EI檢索的會議論文六篇，均為高質量文獻，具有較好的代表性。

本文首先對文獻歸類，從學習環境角度，將文獻分為三類，分別為傳統學習環境、計算機支持的合作學習環境和移動計算機支持的合作學習(Mobile Computer-Supported Collaborative Learning，MCSCL)環境的動態分組(見表一)，籍此開展分析和討論。

表一 合作學習文獻分類

三、傳統學習環境的動態分組研究

研究者在傳統學習環境先后開發了小組成績分工法、小組游戲競賽法、切塊拼接法、共學式、小組調查法和合作辯論等合作學習實施策略(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習者每周在教師講授和小組活動后解散原小組，重新以學習成績相當的三人為一組開展競賽。每個競賽小組的優勝者都為其所在小組贏得相同分數，成績優異的小組還可以獲得獎勵(Stevens et al., 1991)。該方法形式活潑，體現了公平、合作和競爭原則。切塊拼接法主要有四個流程：1)了解總任務，分配子任務。初始分組后，學習者先了解總任務，然后分配子任務；2)“專家組”學習與測試。不同小組的同一子任務的學習者隨機組成“專家組”，充分討論相應的子任務直至熟練掌握；3)原小組傳授知識。學習者返回原小組，輪流向組員分享所學內容直至成員掌握總任務；4)原小組測試，以檢驗學習者個人學習狀況和小組互助學習狀況(Kousa, 2015; Weidman & Bishop, 2009)。切塊拼接法力求通過學習任務的交流互助形成和諧的同伴關系，促進學習者有效信息的流動。

整體而言，小組游戲競賽法和切塊拼接法既有區別又有共同點。首先兩者分組狀態方面一致，皆經歷小組創建、解散和重組的過程，是較具代表性的動態分組方法。在分組標準、觸發條件和調整頻次方面兩者又各具特色。例如，在分組標準方面，小組游戲競賽法以學習成績為分組標準，切塊拼接法以學習任務為分組標準，其合理性依賴于教師的專業判斷。在觸發條件和調整頻次方面，小組游戲競賽法每周固定調整一次，切塊拼接法按照小組成員的學習狀態動態調整。在傳統學習環境下，動態分組的分組標準、觸發條件和調整頻次為未來厘清動態分組的基本規律提供了參考。然而，隨著技術的發展，學習者的學習環境發生了較大變化，傳統的動態分組法面臨挑戰，技術環境下的方法改良和創新不可避免。

四、計算機支持的合作學習動態分組研究

許多研究指出，如果沒有計算機的支持，教師難以為每個學習者找到合適的小組 (Hubscher, 2010)。斯爾巴和比利科娃(Srba & Bielikova, 2014)認為計算機支持的小組形成方法優于傳統方法，因為它們能綜合問卷、Wiki或博客等信息考慮學習者的特征。為此，一些研究嘗試提出基于計算機支持的合作學習的算法、框架、技術和平臺等，促進學習小組的動態形成。從技術角度看，已有研究可分為基于知識論壇(knowledge forum)的動態分組和基于分組算法的動態分組兩大類。

(一)基于知識論壇的動態分組

基于在線論壇的小組學習非常多見，但就動態分組而言，相關研究主要集中在知識建構領域對知識論壇的應用。知識論壇是專門為支持知識建構和創新而設計的網絡平臺。作為知識建構環境，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)，每個視窗關注一個探究主題(Scardamalia, 2004)。查茨克爾(Chatzkel, 2003)認為，知識組織可以根據學習需求分組，并根據學習狀況重新調整小組成員和學習資源。研究表明，基于知識論壇的動態分組主要關注互動協作小組(interacting small-group)和機遇性協作(opportunistic collaboration)兩種策略。

互動協作小組是小組協作的增強版，指在協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小組內部的知識發展，從而促進知識傳播，增進集體知識(Zhang et al., 2009)。機遇性協作指在知識論壇中，學習者根據興趣和學習需求隨機選擇合作者(Siqin et al., 2015)，其流程是：教師先設置探究活動，學習者自由組成小組討論探究問題；然后隨著探究目標的細化，學習者在知識論壇建立小組；在此期間，學習者可以自行選擇參與某個小組的討論(金慧等, 2014)。由此可見，機遇性協作是一種靈活、生成性和動態的設計(Siqin et al., 2015)。與靜態分組不同，機遇性協作沒有預先確定的討論焦點或時間安排(Zhang et al., 2009)。其外部結構看似復雜，但每個小組成員責任明確，反而提高了協作效率、增強了研究興趣(Siqin et al., 2015)。格洛爾(Gloor, 2006)認為機遇性協作有助于激發思維和交換思想。

研究者為了論證互動協作小組、機遇性協作相對于傳統靜態分組的優劣，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(第一年為靜態分組、第二年為互動協作小組、第三年為機遇性協作)提高學習者對光學知識的集體認知責任感。結果表明，靈活的機遇性協作可以引起更高層次的集體認知責任和動態的知識進步；且在參與模式、探究深度和知識理解深度方面，機遇性協作優于互動協作小組，互動協作小組又優于靜態分組。斯琴等(Siqin et al., 2015)采用靜態和機遇性協作的混合分組方式(前八周為靜態分組、后八周為機遇性協作)研究小組內的協作活動，通過組內交互、對話模式以及從對話中生成的知識演進檢驗協作效果。結果再次證實，相對于靜態分組，機遇性協作更有助于提高集體認知責任感，產生更高層次的問題和想法。然而，與張等(Zhang et al., 2009)結果不一致的是，斯琴等(Siqin et al., 2015)發現學習者較少使用元認知策略且小組較少交互；在后八周中，小組成員的持續變化降低了小組成員的歸屬感，導致他們對共同監管不夠重視。

整體而言，知識論壇為學習者提供了公共知識空間和話語工具，以促進學習者對知識建設的集體責任(Siqin et al., 2015)。李等(Li et al., 2009)認為知識論壇為學習者提供了開放的討論空間，方便學習者共享信息、交換想法。區別于傳統學習環境，知識論壇實現了從教師主導且預定的對話過程轉變為學習者圍繞知識建構進行自組織的分布式對話(Scardamalia et al., 2005)。由上述研究可知，從互動協作小組到機遇性協作，學習者的協作自由度逐漸提高。從分組標準看，互動協作小組和機遇性協作都強調學習者興趣和生成性目標的重要性。從觸發條件看，兩者均以學習者主導為主和教師引導為輔。從調整頻次看，由于生成性的目標不定，故兩者的調整頻次也不確定。

然而，也有學者指出，開放式的知識空間，學習者在合作過程中容易受到非小組內部成員的干擾，難以探究小組內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和相關算法探究動態分組。

(二)基于分組算法的動態分組

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

1.成組技術：關注小組協作反饋

在教育虛擬環境中(如MOOC)，協作學習正成為學習成功的關鍵。學習者需要參加不斷變化的短期小組(通常少于一小時)的合作學習。這種動態小組的學習者經常會遇到困難，尤其當小組成員的學習特征無法互補時。盡管小組形成方法旨在解決小組兼容性問題，但是大多數方法并未考慮動態小組(Srba & Bielikova, 2014)。

研究者發現成組技術(group technology)能解決動態小組成員學習特征難以互補的問題。成組技術是揭示和利用事物間的相似性，按照一定的準則分類成組，同組事物采用同一方法處理以提高效益的技術。其核心是成組工藝，它源于產品制造領域，主要步驟為：先將零件按分類編碼系統分類，其次制訂零件的分組加工工藝過程，接著分組設計生產工藝裝備，最后建造分組加工生產線(Srba & Bielikova, 2014)。成組技術應用于教育領域(Cocea & Magoulas, 2010, 2012; Pollalis et al., 2009; Agustín-Blas et al., 2011)，是利用學習者特征的相似性分組。例如，斯爾巴和比利科娃(Srba & Bielikova, 2014)提出了基于成組技術的新分組方法及其平臺(PopCorm)來優化分組。作為具有實時協作功能的創新學習環境，PopCorm可以自動收集學習者信息。在該平臺開展在線協作學習時，該方法可以從小組協作反饋中提取學習者的協作學習數據，計算學習者特征(如協作特征和輸入的人格特質)的比較值，計算其相似度和相關系數，從而創建小組兼容性矩陣并聚類，最后輸出分組結果。小組完成任務后自動解散，根據新的任務需求再采用該方法形成新的小組。該方法可以及時反饋協作學習狀況，實時創建小組，并在迭代形成小組的過程中不斷綜合學習者的典型協作特征并優化分類，實現更有效的協作方式。實驗表明，該方法以學習者協作特征迭代創建小組，提高了小組協作學習的質量。

2.教學優化算法：避免“原點偏好”

教學優化算法(Teaching-learning-based optimization，TLBO)是基于群體的啟發式優化算法(Rao et al., 2012)，優化過程包括教學階段和學習階段。在教學階段，學習者根據“班級教師”(該班級最優學習者)和班級平均水平的差異調整教學；在學習階段，學習者會隨機選取一名學習對象并根據彼此的差異調整學習。相較于其他小組智能優化算法而言，TLBO算法的參數少、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，研究者進行了改進并應用于教育領域。例如，鄒等(Zou et al., 2014)提出結合動態分組策略的教學優化算法(DGSTLBO)，包括：首先，根據學習者之間的歐幾里得距離(Euclidean distance)將所有學習者分組(五人一組)；其次，在教學階段，為避免出現“原點偏好”，學習者根據“班級教師”和小組內平均水平的差異調整學習；在學習階段，學習者在相應小組選用隨機學習策略或量子行為學習策略(quantum-behaved learning strategy)進行學習(Sun et al., 2004)，增強算法的利用性和收斂性能。然而，倘若小組結構不變，小組之間將不會交換足夠的信息，依然容易造成局部最優的情況。為此，該方法采用動態分組策略更新“班級老師”和小組結構，即學習者經過一定時間的學習后會重新分組學習。通過模擬實驗發現，動態分組策略使該算法具有更好的分組質量和學習效果。

3.遺傳算法：優化分組過程

在眾多分組算法中，基于遺傳算法的動態分組研究成果豐富。遺傳算法(genetic algorithms)通過模擬自然進化過程搜索最優解 (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生的；2)個體評價，即計算群體中每個個體的適應度，用來判斷群體中個體優劣程度；3)選擇運算，即從群體中選擇優勝的個體，淘汰劣質個體；4)交叉運算，即把兩個父代個體的部分結構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，則以進化過程中所得到的具有最大適應度的個體作為最優解輸出，終止計算。(王鐵方, 2016)

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

最初，研究者尚未發掘遺傳算法應用于動態分組研究的可能性，但也極力推動動態分組研究的發展。例如，鐘等(Jong et al., 2004)以概念圖學習診斷系統為支撐設計動態分組框架，包括項目庫、教材、專家概念圖以及評估概念圖等模塊。每個學習階段結束后，研究者先利用概念學習診斷系統的序列概率比測試(Sequential Probability Ratio Test，SPRT)檢定學習者對概念的學習狀況(學習成功、學習失敗和學習不完全)，籍此計算學習者知識結構的分數，最后根據學習者的知識結構互補計算小組成員的最佳組合。分組實施后，研究還設計了“補救—指令決策路徑(Remedial-Instruction Decisive path，RID path)”算法，即系統收集學習者學習失敗的知識點并生成補救學習材料，鞏固學習薄弱點。為減少全班分組次數并確保表現良好小組的學習狀態，鐘等(Jong et al., 2005, 2006a)在該框架基礎上將學習過程分為多個階段，每個階段結束后進行小組重組，并以重組閾值作為重組標準。若所有小組的組內互補分數都高于重組閾值則不需要重組；若組內互補分數低于重組閾值的小組多于一半則采取完全重組；若組內互補分數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所有學習者的學習情況和教學計劃靈活設置。結果再次佐證，相對于靜態分組的學生，采用該方法的學生在學習和社交方面表現良好且知識結構較穩定。然而，有關重組閾值的研究尚未達到較高的精準度，難以依據不同課程給出具體數值。

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

2010年以來，隨著技術的發展，研究者開始將遺傳算法應用于動態分組研究。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分組的核心算法。遺傳算法將序列概率比測試評估的學習狀況當作學習者的學習基因，以知識互補性為適應度，經過選擇、交叉和變異等運算求出最優分組情況，并結合學習階段和重組閾值進行重組。鐘等(Jong et al., 2014)在其前期研究的基礎上采用遺傳算法優化分組過程，進一步論證了相比隨機分組，該方法能改善學習者的在線學習表現和學習成績。蘇等(Su et al., 2014)和施等(Shih et al., 2018)在鐘等(Jong et al., 2005)的基礎上除了增添人際關系為分組標準外，還使用遺傳算法優化分組結果，運算過程包括四個階段：首先，決定種群的個體數量及運行的世代數量后，系統隨機生成一個初始種群并開始進化；其次，利用遺傳算法和學習者的學習概念圖生成具有較高互補性的新群體；再次，將學習者的社會網絡數據輸入遺傳算法中，以生成更好的分組解決方案；最后，當產生最大世代數時，算法終止，系統輸出最佳分組結果。該研究調整頻率設定為兩周一次。結果表明，該方法改善了學習者的學習狀態。

基于遺傳算法的動態分組框架經過迭代改善后，演變出了相對成熟的動態分組機制，包括：1)分組標準，以學習者的知識結構為主，嘗試結合多種個人特征(思維風格、人際關系等)，從單一標準轉變為多維標準，進而提高動態分組標準的全面性；2)觸發條件，強調每個學習階段結束后重組；3)調整頻次，教師根據教學概念和實驗時長靈活設置學習階段的次數和時長，并根據重組閾值細化小組的調整頻次。相關研究也再度證實了動態分組可以有效促進學習者的學業成就。

4.配對策略算法：提高學習者的學習效果

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

為探究算法結合配對方式實現動態分組的具體做法，研究者設計并開展了相應的教學實驗。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，通過社會網絡分析人際關系并進行友誼排序；2)學習成就檢測，以過去考試成績為準；3)配對策略，對照組采用隨機配對，實驗組結合友誼排名和過去的考試成績進行配對學習；4)評估，配對學習后進行測試，檢驗學習情況和人際關系；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絡；②成績優異者成績下降，兩人皆出現此情況，意味著配對出現問題；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。結果表明，與隨機分組相比，該方法可改進學習效果，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.漢明距離異構分組算法：實現多維分組

還有一些算法雖也采取配對學習方式，但分組標準卻不一致。例如，黃等(Hwang et al., 2013a, 2013b)提出了漢明距離異構分組算法：首先，將兩個知識水平異質性最高的學習者組成學習小組；接著，依次將異質性第二高的兩個學習者組成學習小組；最后，將剩余的中等異質性的學習者兩兩分組。該算法兼具同質和異質兩種分組方式。以此為基礎，陳等 (Chen et al. 2016)還增添了性別和認知風格作為分組標準。隨后，參考漢明距離異構分組算法，陳等(Chen et al., 2020)提出了新的動態分組算法：首先，通過問卷獲得學習者的認知風格和性別數據；然后，每次調整學習小組時，通過系統測驗計算出學習者當前的知識水平；最后，根據認知風格、性別、知識水平加權計算的結果分組。在調整頻次方面，依據奧蘇貝爾有意義學習理論和課程內容特點，研究者認為學習者的知識水平可能在一周內發生變化，故學習小組每周重組一次。研究表明，相對靜態分組，該方法更有助于提高學習者的合作能力(代表學習者在合作過程中進行協調、討論并最終與同伴達成共識的努力水平)，改善學習效果。

總之，算法的改良和創新應用豐富了動態分組的研究，如基于成組技術的新分組方法改善了數據輸入情況，結合動態分組策略的教學優化算法改良了本身的算法，基于遺傳算法的動態分組發展完善了系統框架，結合配對策略算法的分組方法改變了小組合作學習方式，以及參考漢明距離異構分組算法實現了多維標準的動態分組。

然而，上述五類算法的動態分組標準、觸發條件和調整頻次各有不同。在分組標準方面，第一類研究以學習者的協作特征為分組標準；第二類研究以學習者之間的歐幾里得距離為分組標準；第三類研究以知識結構為主，還嘗試結合多種個人特征(思維風格、人際關系等)；第四類研究強調人際關系和學習成績；第五類研究以知識水平、性別和認知風格為分組標準。在觸發條件和調整頻次方面，第一類研究以教師需求為判斷條件，依賴教師對教學內容的安排；第二類研究沒有闡述明確的判斷條件，只強調小組結構變化的重要性，沒有固定的調整周期；第三類研究以學習階段和重組閾值為依據靈活調整；第四類研究沒有詳細說明觸發條件和調整頻次；第五類研究嚴格按照周期執行分組調整，一般要求每周調整一次。

五、移動計算機支持的合作學習動態分組

隨著移動學習、泛在學習的提出以及無線通信技術的迅速發展，移動計算機支持的合作學習成為合作學習的新范例。在移動計算機支持的合作學習中，分組標準不應只考慮學習者的個人特征 (年齡、性別、技能、文化、宗教等)，還應參考學習者學習行為(交流、偏好、運動等)和動態的語境信息，因為大部分移動計算機支持的合作學習活動發生在自然場所(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、適應性、連通性和上下文敏感性等特點(Amara et al., 2015)，允許學習者隨時隨地參與高水平的協作學習，學習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牙、射頻識別、全球定位系統(Ge et al., 2018)和近距離無線通信技術 (Lee & Kuo, 2014)等無線通訊設備協助動態分組。

例如，祖里塔等(Zurita et al., 2005)介紹了小學一年級學習者利用無線聯網的手持設備尋找成員合作學習的方法。前三天學習者隨機分組，接下來的12天學習者每四天利用手持設備依次以學習成就、偏好和社交性為標準尋找小組成員。研究表明，小組的動態形成顯著改善了學習者的學習和社交行為(交流、互動、幫助、談判等)的質量和數量。波奇基等(Boticki et al., 2011)要求學習者(8-9歲)根據手持設備的屏幕信息(不同的分數——數學的分數概念)，通過溝通、談判和協調組成小組實現一個特定目標(將手持設備的分數相加為1)。結果表明，該方法促進了學習者的協作學習。上述兩個研究證實了手持設備的運用可以使協作活動更加自由，且有助于學習者的社交行為。然而，兩項實驗對象皆為低年級學習者，且學習活動皆為有趣的數字拼接游戲，學習對象和內容的覆蓋面較窄。

此外，阿瑪拉等(Amara et al., 2016)通過對178篇論文的元分析發現移動計算機支持的合作學習研究存在不足。例如，大多數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習行為和上下文信息。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準的類型、數量和權重；然后系統地結合移動技術(GPS、藍牙、RFID等)收集學習者的個人特征、行為和動態的上下文語境信息，并通過算法計算最優組合。經模擬評估發現，無論同質或者異質分組，該方法對協作學習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習環境采用不同的移動技術支持動態分組，而動態分組的標準也隨著移動技術的特性發生變化。分組標準不僅涉及學習者的主觀層面還結合客觀因素(如學習者行為和上下文語境信息等)，以適應學習者所處環境的變化。然而，目前研究主要借助移動技術進行簡單的動態分組，且大部分停留在理論框架的設想層面，實證研究較缺乏。

六、總結與展望

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

(一)主要進展

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

1.動態分組的教育價值

相關研究結論顯示，動態分組研究主要關注多次改變小組結構對學習者學習效果的影響，涉及學業成就、合作能力和學習積極性等。

1)促進學習者的學業成就

在合作學習中，靜態分組固定學習小組的結構，忽略了小組之間信息交流的重要性，容易導致局部最優。動態分組強調小組之間的交流互動，以促進小組內部的知識發展，進而促進全班學習者的學業成就。例如，張等(Zhang et al., 2009)和斯琴等(Siqin et al., 2015)允許學習者在組間共享信息、交換想法以解決問題，提高學習者更高水平的集體認知責任和產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)認為，相比靜態分組，動態分組可以有效提高學習者的學習成績。

2)改進學習者的合作能力

合作能力代表了學習者在合作過程中協調、討論并最終與同伴達成共識的努力水平。區別于靜態分組，動態分組可以讓學習者迭代學習，總結合作學習技巧，促進合作交流。例如，陳等(Chen et al., 2020)發現，相比靜態分組，每周調整小組成員更有助于提高學習者的合作能力；又如，莊等(Chuang et al., 2012)發現優化分組算法可以幫助低成就者找到更合適的合作者。除直接指向學習層面的合作能力外，在動態分組過程中，學習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)認為，相對于靜態分組的學習者，動態分組的學習者在學習和社交方面表現良好；又如，祖里塔等(Zurita et al., 2005)發現，小組的動態形成顯著改善了學習者的學習和社交行為(交流、互動、幫助、談判等)的質量和數量。

3)提高學習者的學習積極性

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

當然，動態分組也可能引發負面效應，如需要花費師生大量的時間和精力(張浚鍙, 2013)，且可能增加學習者的認知負荷；小組成員多次調整導致學習者失去小組歸屬感或聯系感(Siqin et al., 2015)。

2.動態分組機制

作為合作學習的下位概念，動態分組為合作學習研究開拓了不同的分組機制。相對于靜態分組，動態分組除了重視分組標準外，還強調重組的觸發條件和調整頻次。在具體操作層面，動態分組的環境不同，具體表現也不一。

從分組標準看，動態分組在傳統學習環境和計算機支持的合作學習環境中均選取常用的學習者個人特征作為依據，如學習成績、學習能力、思考風格、知識結構等；而其在移動計算機支持的合作學習環境中還增添了學習者的學習行為和動態上下文語境信息，甚至是個人健康等。此外，因傳統學習環境缺乏工具和數據支持，以單一的標準分組為主；而后兩者在計算機的支持下，提高了數據的處理速度，進而從一維標準向多維標準分組演變。

從觸發條件看，動態分組在傳統學習環境中，觸發條件單一且主觀，而在計算機支持的合作學習環境中觸發條件不僅多樣，且使用多個觸發條件時還存在多種關系(如優先級等)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)認為，學習階段為一級觸發條件，而重組閾值為二級觸發條件；在移動計算機支持的合作學習環境中，觸發條件也較為主觀，主要以教師要求為主。例如，祖里塔等(Zurita et al., 2005)規定學習小組在一定時間內根據教師要求進行重組。

從調整頻次看，三種學習環境中小組調整主要有兩種表現：1)有序變化，遵循一定的規則調整小組。例如，施等(Shih et al., 2018)兩周調整一次；又如，陳等(Chen et al., 2020)每周調整一次；2)隨機變化，沒有按照嚴格的規則進行調整，如基于知識論壇的動態分組，主要按學習者的興趣調整。

(二)存在不足

盡管動態分組研究取得了諸多進展，但理論層面和教學實踐還存在不足，尤其是相關概念的廓清、分組技術的研發和應用范圍的擴展，均有待開拓。

1.理論基礎較為薄弱

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

2.技術研發零散，尚未成熟

在傳統學習環境下，動態分組難以快速獲取學習者合作學習的狀態數據。為解決這一難題，研究者在計算機支持的合作學習中嘗試利用平臺并結合不同算法進行動態分組方法的改良和創新。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習診斷系統快速評估學習者的知識水平并優化分組；又如，基于成組技術的新分組方法借助PopCorm平臺改善動態分組的輸入情況等。然而，這些分組算法具有一定的技術難度，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計算重組閾值以及判定其合理性的算法或標準。另外，小組成員多次調整可能導致學習者失去小組歸屬感或聯系感(Siqin et al., 2015)，這在高競爭性的合作學習中可能帶來負面效果。

3.實踐應用的學段和學科分布不均，覆蓋面窄

在教育實踐層次，大部分研究以大學學習者為實驗對象且以電子線路、數學等理科課程開展教學實驗，而基于其他年齡層和學科的實證研究較零散。在本文綜述的21篇動態分組文獻中，面向小學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；學科方面，除大學理科課程外，面向小學科學的僅一例，如張等(Zhang et al., 2009)；面向小學數學學科的兩例，如祖里塔等(Zurita et al., 2005)和波奇基等(Boticki et al., 2011)。簡言之，動態分組的實證研究較缺乏，且教育層次不均、學科覆蓋面較窄。

整體而言，就國際范圍看，現階段的動態分組研究依然較零散，處于初創階段，尚未成熟，呈現出“理論基礎摸索，應用研究起步，研究體系松散”的狀態；就國內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，動態分組將成為未來合作學習乃至學習科學研究的重要方向，需要不同領域的研究者深入研究。針對不足，筆者認為后續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

概念界定和理論基礎是動態分組的研究起點和基礎。概念界定方面，需要厘清靜態分組和動態分組的區別與聯系，探討動態分組的核心本質、要素等內涵，以及特征和適用范圍等外延，進而形成動態分組的基本認知體系。理論基礎方面，需要確認動態分組之于合作學習的意義和價值，研究學習小組調整依據和頻次的科學基礎等。例如，現有研究以奧蘇貝爾有意義學習理論為依據，認為學習者知識水平在一周時間發生變化，故學習小組需要每周動態調整(Chen et al., 2020)。除此之外，班杜拉的社會學習理論、皮亞杰認知發展理論、西蒙斯的聯通主義，乃至腦科學與學習科學的最新進展，均與動態分組有或明或暗的聯系，但顯然缺少具體而充分的研究。

2.突破關鍵技術

動態分組的基本思想來源于計算機領域，研究可以融合多學科的技術和算法，結合教育學、心理學等基礎理論，探索動態分組的基本規律，從而突破動態分組的關鍵技術。

除了文中提及的分組算法，動態分組還可以嘗試借鑒靜態分組的研究成果，如基于聚類和梯度選擇的網絡協作學習分組算法(Density-Based Improved K-Means With Gradient Select Grouping Algorithm，GSDBK-means)、基于模糊C均值算法(Fuzzy C-Means，FCM)和混合聚類的分組算法(羅凌等, 2017)和自編碼神經網絡(AutoEncoder，AE)(陳甜甜等, 2021)等。以上算法結合動態分組的特性優化改進，可以為未來動態分組的關鍵技術突破提供新的思路。

3.探索動態分組新角度

目前，動態分組機制尚未完善，動態分組的實踐應用需要在不同的學段和學科中拓展豐富，應用案例的積累和分享是目前關注的重點之一。動態分組的影響因素眾多，除了分組標準、觸發條件和調整頻次外，還可以探究不同規模小組的動態分組。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(異質分組)開展配對學習。然而，鐘等(Zhong et al., 2017)認為配對學習的有效開展，本質上要通過交互交流尋找知識水平相當的同伴(Zhong et al., 2017)。因此，從學習主體匹配的角度看，未來的研究可以探究同質分組和異質分組對動態分組效果的影響，以及不同規模條件下的動態分組學習效果；或者探索動態分組與靜態分組的混合式應用策略；也可以研究不同主體(教師、學習者或系統)主導的動態分組教學過程和效果。在學習環境方面，除了探究本文提到的三種學習環境下的動態分組，還可以探究混合學習環境下的動態分組。此外，現代學習科學研究仍在不斷探究性別差異對靜態分組的影響，未來也可以探究性別差異對動態分組的影響。總之，未來需要不斷探索新的角度并開展嚴謹的教學實驗，在實踐中獲得更多的經驗證據以支持和豐富動態分組研究。