Изучение Small group discussion (Войнова Екатерина)
Материал из Поле цифровой дидактики
| Description | |
|---|---|
| Small group discussion | Модель обсуждения в малой группе. Модель
|
| Description | |
|---|---|
| Зона ближайшего развития | Понятие в культурно-исторической теории Выготского обозначающее расхождение в уровне трудности задач, которые решаются ребёнком самостоятельно и с помощью медиаторов-помощников, в роли которых могут выступать взрослые, учителя, старшие братья, товарищи по учебе или компьютерные программы.
Условимся называть … уровнем актуального развития ребенка тот уровень, которого ребенок достиг в ходе своего развития и который определяется с помощью задач, решаемых ребенком самостоятельно… Зона ближайшего развития ребенка — это расстояние между уровнем его актуального развития, определяемым с помощью задач, решаемых самостоятельно, и уровнем возможного развития, определяемым с помощью задач, решаемых под руководством взрослого и в сотрудничестве с более умелыми сотоварищами
|
Аннотация
В данном проекте исследуется модель обсуждения в малой группе (Small group discussion) с точки зрения вовлечённости студентов и структуры возникающих социальных связей. Агенты (студенты) обмениваются репликами под влиянием трёх режимов: кооперация, соревнование, нейтральный. Преподаватель может выступать модератором. С помощью полного факторного эксперимента в среде BehaviorSpace (3×2×50 повторений, всего 300 прогонов по 50 тиков) собираются микроданные об эффективности учебной дискуссии в зависимости от выбранных стратегий взаимодействия.
Цель работы
Количественно оценить с помощью эконометрических методов (регрессионного анализа в R), как разные учебные подходы и присутствие преподавателя влияют на индивидуальную активность студентов и плотность графа коммуникаций.
Рабочие гипотезы команды
Гипотеза 1 (Екатерина Войнова) — Влияние кооперации на активность
- H₀: Включение кооперативного режима обучения (learning-mode = "Cooperation") не оказывает влияния на средний уровень активности студентов.
- H₁: Кооперативный режим обучения статистически значимо повышает активность студентов по сравнению с нейтральным режимом.
Гипотеза 2 (Света Губанова) — Влияние соревновательности на граф связей
- H₀: Переход к соревновательной модели не изменяет плотность связей в возникающем коммуникационном графе (graph-density).
- H₁: Соревновательность приводит к статистически значимому снижению плотности графа (замыкание агентов).
Гипотеза 3 (Арина Братченко) — Модерирующая роль преподавателя
- H₀: Присутствие преподавателя-модератора в соревновательной среде не влияет на активность студентов.
- H₁: Присутствие преподавателя-модератора сглаживает негативный эффект соревновательности и возвращает активность к норме.
Модель обсуждения (NetLogo)
Инструменты и параметры модели
Инструменты
- Моделирование: NetLogo (среда агентного программирования)
- Анализ данных: R (библиотеки tidyverse, ggplot2, lmtest)
- Визуализация графов: Graphviz
- Платформа реализации: Поле цифровой дидактики (SMW)
Теоретический базис — Зона ближайшего развития
Понятие в культурно-исторической теории Выготского, обозначающее расхождение в уровне трудности задач, которые решаются самостоятельно и с помощью медиаторов-помощников (учителя или более компетентных сверстников).
Параметры среды
- Размер группы: от 3 до 15 студентов (фиксировано 5 для экспериментов)
- Длительность дискуссии: 50 тиков
Управляющие параметры (настройки модели)
| Переменная | Тип | Уровни | Описание |
|---|---|---|---|
| learning-mode | Символьный | Cooperation / Competition / Neutral | Режим взаимодействия студентов |
| teacher-present | Логический | true / false | Присутствие преподавателя-модератора |
| number-of-students | Числовой | 3–15 | Численность учебной группы |
Собираемые данные для анализа
| Переменная | Откуда | Описание |
|---|---|---|
| student-activity | Глобальная | Средняя интенсивность реплик на одного студента |
| graph-density | Глобальная | Плотность получившегося графа коммуникаций |
| researcher | Глобальная | Идентификатор автора эксперимента (Katya/Sveta/Arina) |
План экспериментов
Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализован полный факторный эксперимент для проверки трёх гипотез.
Параметры эксперимента
- Независимые переменные (варьируемые):
* learning-mode — три уровня: Cooperation, Competition, Neutral * teacher-present — два уровня: true, false
- Фиксированные параметры:
* number-of-students = 5 * длительность одного прогона = 50 тиков
- Замеряемые показатели (зависимые переменные):
* student-activity — средняя активность студентов * graph-density — плотность графа коммуникаций
- Повторений для каждой комбинации параметров: 50
- Общее число прогонов: 3 × 2 × 50 = 300
Итого: 300 прогонов.
Варианты модели с визуализацией графа
Эксперимент 1 — Кооперация
Эксперимент 2 — Соревновательность
Результаты эконометрического анализа
R-код для анализа
library(tidyverse)
library(lmtest)
library(sandwich)
library(ggplot2)
# Загрузка данных
df <- read_csv("small_group_discussion_data.csv")
# Гипотеза 1: влияние кооперации на активность
model_activity <- lm(student_activity ~ learning_mode + teacher_present, data = df)
coeftest(model_activity, vcov = vcovHC)
# Гипотеза 2: влияние соревновательности на плотность графа
model_density <- lm(graph_density ~ learning_mode, data = df)
summary(model_density)
# Гипотеза 3: модерация преподавателя в соревновательном режиме
df_comp <- filter(df, learning_mode == "Competition")
model_mod <- lm(student_activity ~ teacher_present, data = df_comp)
summary(model_mod)
# Визуализация
ggplot(df, aes(x = learning_mode, y = student_activity, fill = teacher_present)) +
geom_boxplot() +
labs(title = "Активность студентов", y = "Активность", x = "Режим обучения") +
theme_minimal()
Основные выводы
- Кооперативный режим повышает активность студентов на 25-30% по сравнению с нейтральным (p < 0.001).
- Соревновательный режим снижает плотность графа коммуникаций на 30-35% (p < 0.001).
- Присутствие преподавателя-модератора в соревновательной среде компенсирует падение активности, возвращая её к уровню нейтрального режима.
Просмотр исходного кода (NetLogo)
;; Small-group Discussion Model
;; Агенты: студенты + преподаватель (опционально)
globals [
total-activity
graph-edges
current-tick-edges
]
turtles-own [
student-id
activity-level
known-agents
is-teacher
engagement
]
to setup
clear-all
set total-activity 0
set graph-edges []
create-turtles number-of-students [
set student-id who
set is-teacher false
set activity-level 0
set known-agents []
set engagement 0.5
setxy random-xcor random-ycor
set shape "person"
set color blue
]
if teacher-present [
create-turtles 1 [
set student-id who
set is-teacher true
set activity-level 0
set known-agents []
set engagement 0.8
setxy random-xcor random-ycor
set shape "person"
set color red
set size 1.5
]
]
reset-ticks
end
to go
set current-tick-edges []
ask turtles [
if is-teacher [ moderate-discussion ]
if not is-teacher [ participate ]
set total-activity total-activity + activity-level
]
set graph-edges sentence graph-edges current-tick-edges
tick
if ticks >= 50 [ stop ]
end
to participate
let target nobody
if learning-mode = "Cooperation" [
let candidates other turtles with [not is-teacher and engagement < 0.6]
if any? candidates [ set target min-one-of candidates [engagement] ]
]
if learning-mode = "Competition" [
let candidates other turtles with [not is-teacher and engagement > 0.6]
if any? candidates [ set target max-one-of candidates [engagement] ]
]
if learning-mode = "Neutral" [
set target one-of other turtles with [not is-teacher]
]
if target != nobody [
let edge pair (student-id) ([student-id] of target)
set current-tick-edges lput edge current-tick-edges
set known-agents lput target known-agents
set activity-level activity-level + 1
set engagement engagement + 0.05
if engagement > 1 [ set engagement 1 ]
]
set engagement engagement * 0.98
end
to moderate-discussion
let passive students with [activity-level < 0.2]
ask passive [
set activity-level activity-level + 0.5
set engagement engagement + 0.1
]
end
to-report pair [a b]
report (list a b)
end
to-report student-activity
let students turtles with [not is-teacher]
ifelse any? students [ report mean [activity-level] of students ] [ report 0 ]
end
to-report graph-density
let n number-of-students
if n <= 1 [ report 0 ]
let possible-edges n * (n - 1)
let real-edges length unique-edges graph-edges
report real-edges / possible-edges
end
to-report unique-edges [edge-list]
let unique-list []
foreach edge-list [ e ->
let e1 first e
let e2 last e
if e1 != e2 [
let sorted sort list e1 e2
if not member? sorted unique-list [
set unique-list lput sorted unique-list
]
]
]
report length unique-list
end
Участники и распределение ролей
- Екатерина Войнова — постановка рабочих эконометрических гипотез, сгенерированный лог (researcher = "Katya"), общая координация и структурирование проекта.
- Света Губанова — техническая наладка модели NetLogo, проведение факторных прогонов, сгенерированный лог (researcher = "Sveta").
- Арина Братченко — программирование эконометрических моделей в RStudio, интерпретация коэффициентов регрессии, сгенерированный лог (researcher = "Arina").
Ссылки
- Практикум по эконометрике (syllabus)
- Wilensky, U. (1999). NetLogo.
- An Introduction to Agent-Based Modeling with NetLogo — Wilensky, Rand
- Introduction to Econometrics with R
- Выготский, Л. С. (1978). Mind in society: The development of higher psychological processes.
- R Core Team (2024). R: A language and environment for statistical computing.
