一种针对教育场景的特征均衡智能分组方法技术

本发明专利技术公开了一种针对教育场景的特征均衡智能分组方法，基于遗传算法的核心思想，将智能分组问题转化为多目标优化求解问题，通过对学习者特征进行编码表示，随机产生分组方案形成种群解集空间，通过迭代搜索的方式在有限时间寻求分组的较优解。其次针对人数不均衡情况下小组难以均分问题，提出了特征插值法的解决方法，从而解决小组人数不同难以保持组间同质的问题。总之，本方法在解决协作学习中自动化形成组间同质、组内异质的分组问题基础上，可有效提升教育场景下协作学习的实践效果。

【技术实现步骤摘要】
一种针对教育场景的特征均衡智能分组方法
本专利技术属于教育和信息技术应用的交叉领域，具体来说，是一种支持有效开展协作教学实践的学习者特征均衡的智能分组方法。
技术介绍
随着我国教育信息化的快速发展，在线学习及混合式学习在我国中小学及高等教育中不断发展。协作学习是在这些不同的教育场景中开展教学活动常用的教学策略之一。协作学习强调在学习过程中将不同特征的学习者以某种方式进行组织，通过组内交互和协作，共同完成特定的学习任务或解决相关学习问题，促进以小组为基础的知识建构。协作学习活动在传统课堂和在线教育环境下的实施面临的主要挑战来源于开展协作学习活动的核心步骤——分组。分组是指依据具体的目标，将不同的学习者以某种方式进行人员组织。在小班教学过程中，任课教师对学生的基本情况（专业背景、知识水平、所属专业等）都有较为清楚的了解，因此在课堂开展协作学习的时候，教师可以依据自身教学经验为不同的学习者分配小组，进而在小组开展协作学习。另外，同一班级的学生因为彼此熟悉的关系，在面临课堂协作学习任务的时候也容易自发地形成分组，教师在此基础上做一些微观调整即可本文档来自技高网...

【技术保护点】
1.一种针对教育场景的特征均衡智能分组方法，其特征在于包括如下步骤：/n步骤一，学习者特征数据采集，所述学习者特征数据分为稳态特征和动态特征；/n步骤二，学习者表征，以矩阵的形式表征每一位学习者，矩阵的每一行表示一位学习者，每一列代表学习者的某一类特征；/n步骤三，学习者特征归一化，对特征数据归一化处理；/n步骤四，特征插值，基于特征均值的插值法进行特征插值；/n第五，生成分组方案，随机初始化分组方案、评估分组方案适应度、将适应度转换为被选中的概率，选择适应度高的分组方案、选出的分组方案之间交叉进化、随机选择分组方案进行变异操作后生成新的解集空间，然后不断迭代这个搜索过程直到生成较优的分组方案...

【技术特征摘要】
1.一种针对教育场景的特征均衡智能分组方法，其特征在于包括如下步骤：
步骤一，学习者特征数据采集，所述学习者特征数据分为稳态特征和动态特征；
步骤二，学习者表征，以矩阵的形式表征每一位学习者，矩阵的每一行表示一位学习者，每一列代表学习者的某一类特征；
步骤三，学习者特征归一化，对特征数据归一化处理；
步骤四，特征插值，基于特征均值的插值法进行特征插值；
第五，生成分组方案，随机初始化分组方案、评估分组方案适应度、将适应度转换为被选中的概率，选择适应度高的分组方案、选出的分组方案之间交叉进化、随机选择分组方案进行变异操作后生成新的解集空间，然后不断迭代这个搜索过程直到生成较优的分组方案。

【专利技术属性】
技术研发人员：李旭，欧阳璠，陈文智，张紫徽，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33