A “Mixed” Strategy for Collaborative Group Formation and Its Learning Outcomes

Abstract

This study uses homogeneity in personal learning styles and heterogeneity in subject knowledge for collaborative learning group decomposition indicating that groups are “mixed” in nature. Homogeneity within groups was formed using K-means clustering and greedy search, whereas heterogeneity imbibed using agenda-driven search. For checking learning effectiveness, a simple schema of collaborative learning was proposed and prototype learning system developed using Android Emulator. Multiple regression analysis was applied on their learning results to derive regression coefficients for determining learning efficiency. The derived set of regression coefficients suggests more the time taken to form groups, better the student learning quality.

The Effect of Picture Story Book Based on Scientific Approach with Discovery Method on Collaboration Attitude of Elementary Student

“…Teamwork or collaborative was identified as one of eleven essential learning outcomes in the seminal AACU report College Learning for the New Global Century [31]. However, an important aspect of collaborative work is its group formation [32]. Over the years, several methods of collaborative group formation have been proposed by the researchers.…”

Arcabouço de Formação de Pares para Online Peer Assessment

“…Os trabalhos relacionados para a definição dos atributos e características, assim como as técnicas e algoritmos para a aplicação no AFP-OPA, partiram da formação de grupos no contexto da aprendizagem colaborativa com suporte computacional. As características e/ou atributos selecionados para o agrupamento foram perfil de personalidade [Balmaceda et al, 2014;Reis et al, 2018] e notas [Ho et al, 2009;Khandaker e Soh, 2010;Webber e Lima, 2012;Kardan e Sadeghi, 2016;Maina et al, 2017;Acharya e Sinha, 2018].…”

“…", que são as notas nas atividades, além de uma informação adicional, perfil de personalidade, que tem se mostrado relevante em estudos recentes para a formação de grupos [Reis et al, 2018]. Para reunir as informações das características e atributos, dentre as tecnologias computacionais, foi possível detectar que algoritmos de agrupamento, neste caso o K-Means, que é um dos algoritmos comumente utilizado nas pesquisas [Webber e Lima, 2012;Maina et al, 2017;Acharya e Sinha, 2018], funcionando para agrupar estudantes em similaridade de notas.…”

Revisão Sistemática da Literatura: Formação de Grupos na Aprendizagem Colaborativa com Suporte Computacional

“…O estudo de [Acharya e Sinha, 2018] utiliza a busca dirigida por agenda, que é uma agenda que contém a lista de tarefas que um sistema pode executar, além de algoritmo de agrupamento para o agrupamento dos estudantes. Além de [Acharya e Sinha, 2018], [Webber e Lima, 2012] e [Maina et al, 2017] são outros trabalhos que utilizam algoritmos de agrupamento de dados. Algoritmos de agrupamento objetivam particionar objetos em grupos, com base em características que estes objetos possuem [Linden, 2009].…”

“…Conforme a Tabela 2, é possível destacar que o nível de conhecimento prévio do estudante, aquilo que ele já está familiarizado em relação ao conteúdo estudado, é a característica mais utilizada na hora de agrupar os alunos, com base nas notas anteriores, presente em 10 trabalhos da RSL [Ounnas et al, 2009;Ho et al, 2009;Khandaker e Soh, 2010a;Khandaker e Soh, 2010b;Moreno et al, 2012;Webber e Lima, 2012;Kardan e Sadeghi, 2016;Maina et al, 2017;Acharya e Sinha, 2018;Garshasbi et al, 2019].…”