小组中角色的确立对CSCL学习效果的影响——基于人岗匹配思想

吴彦文，张嘉蓉

(华中师范大学 物理科学与技术学院，湖北 武汉 430079)

0 引言

CSCL(Computer Supported Collaborative Learning)利用计算机技术建立协作学习的环境，使师生、生生均在讨论与协作交流的基础上进行知识学习，是传统合作学习的延伸和发展[1]。现有的CSCL系统较大程度上提升了学生的学习效率，但仍存在成员参与度不高、个人特质难以充分发挥的问题。而企业的人才划分机制，为解决上述问题带来了灵感。

对于企业来说，人岗匹配是保证其高效运作的基础。利用各项指标可以精确地预测和评估员工对当前岗位的胜任程度，员工的才能在高匹配的岗位上得以充分发挥，团队的整体工作效率也因为人才的耦合得到最大提升。这样的机制同样适用于CSCL学习。在当前CSCL学习中，通常由个别成员承担大部分责任，而其他成员的责任感和参与度并不高。本文拟将企业中的人岗匹配思想引入到CSCL学习过程中，探究协同小组中成员角色及分工的确立，对提高其个人积极性以及小组整体学习效果是否有积极的影响。

1 研究现状分析

目前国内外有大量学者对影响CSCL学习效果的原因开展了研究。例如，Bot-icki等[2]通过采集学习者日常移动数据，向满足条件的学习者发出组队邀请，利用移动应用提高了分组的便利性；汤宗健等[3])探究了分组策略对CSCL学习效果的影响，并提出了以学生自主分组为主的分组策略；李浩君等[4]提出了一种基于KNN的学习伙伴分组原则，能够提升mCSCL的学习效率；郭有松等[5]提出了一种以学生的学习需求为依托，根据学习目标进行区分的分组策略，能更好地满足学生的个性化需求。从上述相关研究可以看出，分组策略一直是CSCL学习方面研究的热点，其中成员个体参与度的提升、学习任务的合理分配等问题依然有待进一步深入研究。

综上，本研究基于已有的研究成果，从企业运作的角度，基于人岗匹配的思想，采用层次分析法和模糊综合评价算法，为学习者确定组内角色，并以此为依据进行分组，以探究小组成员角色的确立对提升个体参与度及CSCL学习效果的影响。

2 CSCL分组策略研究

2.1 CSCL分组中“人岗匹配”的涵义

企业中的“人岗匹配”是指人和岗位的对应关系。每一个工作岗位都对任职者的素质有各方面的要求，只有当任职者具备多于这些要求的素质并达到规定的水平，才能最好的胜任这项工作，获得最大绩效[6]。本文的“人岗匹配”是指在CSCL学习中协同小组成员和组内角色的对应关系。为协同小组成员设定“岗位”，并按照个人特点分配不同岗位，有助于最大地发挥学习者个人优势，提高组内成员的配合度，从而提升小组整体学习效果[7]。据此，本研究将根据学习者的个性特征及能力素质确定其在组内的角色与分工，作为分组的依据。

2.2 协同小组内角色及其分工的研究

基于人岗匹配的思想，美国用于专业人才管理的PDP(Professional Dyna-Metric Programs)系统，即行为特质动态衡量系统，为CSCL小组中角色的确立提供了思路。参考PDP的人才划分机制和企业内各部门的要求，可为CSCL小组中各成员安排相应的组内角色。通过让学习者承担角色对应的职责，来提高其个体参与度，可降低CSCL学习过程中个别成员坐享其成、浑水摸鱼的概率。通过支持学习者充分发挥个人特长，加深小组及其成员学习效益最大化的程度。

参考PDP原理与CSCL学习过程，利用专家访谈法及问卷调查法，最终设计了以下5个组内角色：小组长、组织委员、执行委员、学习委员、课代表，分别对应PDP系统的五种性格类型，具体定义各角色的职责如图1所示。

图1 角色分配

2.3 各角色能力特征的提取

上述5种角色的特点及分工均有所不同，本研究采用模糊综合评价法和层次分析法，作为计算学习者与不同角色之间匹配程度的基础，对各个角色的能力特征进行提取。

2.3.1 各角色能力指标的确立

本研究采用非结构式访谈，根据自行编制的访谈提纲，对10余名相关专家进行了面对面访谈。经访谈分析，专家们初步提出了由知识获取、执行能力、交互能力等6个一级指标，和笔记浏览、资料贡献、在线时长等20个二级指标组成的初级角色匹配度评价指标。

为形成最终的评价指标体系，可接着向100余名专家及教师发放了角色匹配度指标甄选问卷。最终从上述初级指标中甄选出5个一级指标、15个二级指标，作为CSCL学习小组角色匹配度的评价要素，如图2所示。

图2 CSCL小组角色评价指标

2.3.2 各角色对应权重的确立

本研究采用层次分析法为上述指标确定权重。①结合图2分别建立1个一级指标判断矩阵和5个二级指标判断矩阵；②基于角色匹配目的，由十名专家按照AHP的1—9标度法比较上述六个矩阵中的要素，确定不同指标对于各个角色的重要程度；③计算上述判断矩阵的特征向量并进行归一化处理，得到各项指标的权重；④对上述矩阵进行一致性检验，一致性指标C.I.计算公式如式(1)。

C.I.=(λmax-n)/(n-1)

(1)

式中:λmax为上述矩阵的最大特征根，一致性比率C.R.=C.I./R.I.<0.1，则上述权重的设置合理。

经上述步骤，最终得到各角色指标权重，以小组长为例，其各指标权重如表1所示。

表1 小组长各指标权重分配

2.4 分组实例

以笔者所从教的《模拟电子技术》CSCL课堂中10位学习者为例，根据模糊综合评价的结果为其确定组内角色，并进行分组。

2.4.1 建立评价标准集

根据角色分配的目的，针对图2的评价指标体系，建立评价标准集V={V1，V2，V3，V4，V5}={优，良，中，较差，差}。利用评价标准集评判各角色能力特征的等级，通过评分集Y={Y1，Y2，Y3，Y4，Y5}={1，0.8，0.6，0.4，0.2}赋予评价标准集V中各元素具体分数。表示被评为V1得1分，V2得0.8分，V3得0.6分，V4得0.4分，V5得0.2分。

2.4.2 建立评价隶属度矩阵

为得到学习者对于各个角色的评价隶属度矩阵，向40名专家及教师发放基于图2编制的能力综合评价表。统计学习者某能力被评为某等级的人数Sij，除以总人数得到Rij，表2中每一行的Rij构成该能力的单因素隶属度矩阵Ri。以学习者A为例，就小组长角色而言，其知识获取能力的二级指标隶属度如表2所示。

表2 知识获取能力二级指标的隶属度

2.4.3 分组结果

利用上述评价指标体系为10位学习者确定角色及分组。

根据模糊关系合成原则B=A∘R，采用模糊算子M(∧,∨)进行合成，得到各角色的模糊评价模型。以A同学为例，计算其与小组长角色的综合模糊评价矩阵，得到最终评价结果向量：

B=A∘R=A∘(B1,B2,B3,B4,B5)T=(0.175,0.376 6,0.368,0.084 4,0.025)。

然后根据角色评价向量B和评分集Y，计算各评价对象的匹配分数W=∑bi·yi。得到W1=0.73584，即A同学与小组长角色的匹配分数为0.735 84。

根据以上方法得到全体学习者与各角色的匹配分数W后，基于组内异质，组间同质的原则进行分组。将W1值最大的两位学习者确认为两组的小组长，将剩下的人中W2值最大的两位学习者确认为两组的学习委员，以此类推，直至全部学习者的角色和分组均被确认。W3，W4，W5分别代表了学习者与课代表、执行委员、组织委员的匹配分数。

基于上述分组策略，将10位学习者编号为1-10，其角色分配情况及分组结果如表3所示。

表3 分组结果

3 教学效果实证分析

3.1 研究思路与方法

利用本人所讲授的“模拟电子技术”CSCL课程，对电通专业大二的学生开展基与CSCL的教学实践。在该年级该专业的86位学生中随机选取40人参与实践，将其分成A、B两班，每班20人，分别按照随机方式和本文所述方法分组，每组5人，共分成8组。

本研究采用统计方式进行实验控制，以不同的分组方式为自变量，学习效果为因变量，进行单因素协方差分析。将A班20位学习者作为对照组，B班20位学习者作为实验组。学期结束后，填写调查问卷，通过知识保持、知识迁移和学习满意度3个方面进行考察，对比得出结论。

3.2 研究数据统计与分析

3.2.1 各学习效果单因素方差分析

以小组中成员的分组方式作为自变量，三项学习效果测验得分为因变量，进行单因素方差分析。从表4的分析结果中看出，A、B两班的知识保持测验、知识迁移测验和学习满意度测验得分差异显著。这表明在CSCL学习中，协同小组的分组方式对于学习者的知识保持能力、知识迁移能力、学习满意度均有显著的影响。

表4 各学习效果单因素方差分析结果

3.2.2 各学习效果描述性统计分析

A、B两班各学习效果的描述性统计结果如表5所示。从表中数据可以看出，B班的知识保持得分和知识迁移得分以及学习满意度均大于A班。这表明，相对于随机分组、自行分工的学习方式，采用角色匹配的方式进行分组，对学习者的知识保持能力、知识迁移能力、学习满意度的提升均有显著的促进作用。

表5 各学习效果描述性统计分析结果

4 结语

本研究为提高协同小组成员的学习积极性和小组协作效率，参照企业的运作方式和人才划分机制，提出了基于模糊综合评价和AHP方法的分组策略，根据学习者与各个角色间的匹配程度，基于组间同质、组内异质原则形成分组结果。

通过对《模拟电子技术》CSCL课程的40名学生进行教学实证研究，证明了在CSCL学习中，充分考虑学习者的学习能力与其个性特征，合理地安排每个小组成员的角色和任务，能够很大程度上提高学习者以及协同小组整体的学习效果。在下一步研究中，可以利用组内互评、组间互评的形式，建立实时评价机制，通过评价结果的反馈，提高CSCL小组内学习者的自发性和合作性，并对分工进行及时地调整，提高任务安排的合理性，从而进一步提升CSCL的学习效果。