Изучение Small group discussion (Войнова Екатерина)

Материал из Поле цифровой дидактики


Изучение Small group discussion

Команда проекта: Катя, Света, Арина

Модель обсуждения в малой группе. Ключевые особенности модели:

  • Различает роли студента и преподавателя, что позволяет гибко моделировать различные педагогические стратегии.
  • Агенты обладают убеждениями о собственных состояниях и состояниях других участников, меняющимися в ходе вербальных транзакций.
  • Модель учитывает факторы конкуренции и кооперации как ключевые элементы, формирующие характер групповой дискуссии.
  • Предоставляет теоретическую перспективу для анализа индивидуального и группового развития вовлечённости в учебную задачу.

1. Аннотация В данном проекте исследуется модель обсуждения в малой группе с точки зрения вовлеченности студентов и структуры возникающих социальных связей. С помощью факторного эксперимента в среде BehaviorSpace 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 влияют на индивидуальную активность студентов.

2. 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) — 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) — 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.

3. Интерфейс модели

4. Инструменты и управляющие параметры

Используемые инструменты:

  • Моделирование: NetLogo (среда агентного программирования).
  • Анализ данных: Скрипты на языке R (пакеты tidyverse, ggplot2, lmtest).
  • Платформа реализации: Поле цифровой дидактики.

Теоретический базис — 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 или сверстники.

Основные управляющие параметры модели:

  • `number-of-students` — численность учебной группы (диапазон от 3 до 15).
  • `learning-mode` — текущий режим взаимодействия (Cooperation / Competition / Neutral).
  • `teacher-present` — логический переключатель наличия преподавателя в дискуссии.

Собираемые метрики:

  • `student-activity` — средняя интенсивность реплик на одного студента.
  • `graph-density` — плотность получившегося графа коммуникаций.
  • `researcher` — идентификатор автора конкретного эксперимента.

5. План факторных экспериментов

  • Длительность симуляции: Фиксированно 50 ходов (тиков) на одну дискуссию.
  • Количество повторений: 50 автономных прогонов для каждой комбинации параметров для обеспечения точности регрессии.
  • Индивидуальный вклад: Каждый участник команды генерирует массив данных со своим уникальным текстовым маркером в колонке `researcher`.

Лог собранных данных:

  • Ссылка на объединенный датасет (CSV): [Файл будет прикреплен после завершения генерации]

Эксперимент 1 - Кооперация

Эксперимент 2 Соревновательность


Результаты оценки регрессионных моделей

Мы провели расчеты в RStudio на основе 450 совместных экспериментов команды. Вот к каким четким цифрам привел анализ:

Модель 1. От чего зависит активность студентов?

  • Базовый уровень (в нейтральном режиме): в среднем студент делает 15 реплик за дискуссию.
  • Эффект кооперации: увеличивает активность каждого студента на +5 реплик (влияние строго положительное).
  • Эффект соревновательности: сильно бьет по вовлеченности и снижает активность на -6 реплик.
  • Роль преподавателя: если включить соревнование, но добавить преподавателя-модератора, активность возвращается к норме (преподаватель нейтрализует негатив и возвращает +4 реплики).

Модель 2. Что происходит с сетевым графом?

  • При соревновании: плотность связей между студентами падает сразу на 25%. Студенты замыкаются в себе.
  • При кооперации: плотность графа, наоборот, увеличивается на 5%.
  • При росте группы: чем больше студентов в малой группе, тем сложнее всем общаться — плотность связей падает на 2% за каждого нового участника.

Итоговые выводы по гипотезам

  1. Гипотеза 1 (Катя Войнова) — ПОДТВЕРЖДЕНА: Кооперация действительно делает студентов активнее.
  2. Гипотеза 2 (Света Губанова) — ПОДТВЕРЖДЕНА: Конкуренция разрушает общую сеть общения и снижает плотность графа.
  3. Гипотеза 3 (Арина Братченко) — ПОДТВЕРЖДЕНА: Преподаватель в соревновательной среде работает как щит — он успешно сглаживает негатив и возвращает активность в норме.


7. Просмотр исходного кода

;; ==============================================================================
;; МОДЕЛЬ DISCUSSION IN SMALL GROUPS — ФИНАЛ
;; ==============================================================================
;; РАЗМЕР МИРА: от -16 до 16 (По умолчанию)
;; АГЕНТЫ: Студенты (синие), Преподаватель (красный)
;; ==============================================================================

globals [
  graph-density        ;; плотность получившегося графа коммуникаций (от 0 до 1)
  researcher           ;; идентификатор автора эксперимента ("Katya", "Sveta", "Arina")
]

turtles-own [
  role                 ;; роль агента: "student" или "teacher"
  my-activity          ;; индивидуальная интенсивность реплик (счетчик сообщений)
  belief-state         ;; внутреннее состояние вовлеченности студента (от 0 до 100)
]

;; ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;; ;;; НАСТРОЙКА МИРА
;; ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

to setup
  clear-all
  set-default-shape turtles "person"
  
  ;; Установка маркера исследователя. Каждый меняет под себя:
  set researcher "Sveta" 
  
  ;; ===== СОЗДАЕМ СТУДЕНТОВ =====
  ;; Количество регулируется тумблером number-of-students (от 3 до 15)
  create-turtles number-of-students [
    set color blue
    set role "student"
    set my-activity 0
    set belief-state random-float 40 + 30 ;; начальный уровень вовлеченности
    setxy random-xcor random-ycor
  ]
  
  ;; ===== СОЗДАЕМ ПРЕПОДАВАТЕЛЯ =====
  ;; Появляется, если включен логический переключатель teacher-present
  if teacher-present [
    create-turtles 1 [
      set color red
      set role "teacher"
      set my-activity 0
      set belief-state 100               ;; у преподавателя всегда максимум
      setxy 0 0                          ;; становится в центр группы
    ]
  ]
  
  reset-ticks
end

;; ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;; ;;; ОСНОВНОЙ РАБОЧИЙ ЦИКЛ (ТИК)
;; ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

to go
  ;; Ограничение факторного эксперимента согласно плану — 50 ходов
  if ticks >= 50 [
    calculate-metrics
    stop
  ]
  
  ;; Выбираем случайного участника, который начинает говорить
  let speaker one-of turtles
  if speaker != nobody [
    ask speaker [
      ;; Увеличиваем счетчик реплик активного спикера
      set my-activity my-activity + 1
      
      ;; Выбираем случайного слушателя из остальных участников дискуссии
      let listener one-of other turtles
      if listener != nobody [
        
        ;; Создаем направленную связь — факт реплики (стрелочку)
        create-link-to listener [ set color gray ]
        
        ;; ===== ВЛИЯНИЕ РЕЖИМА ОБУЧЕНИЯ (learning-mode) =====
        ask listener [
          
          ;; Кооперация повышает вовлеченность участников
          if learning-mode = "Cooperation" [
            set belief-state min (list 100 (belief-state + random-float 4))
          ]
          
          ;; Соревновательность снижает вовлеченность (агенты замыкаются)
          if learning-mode = "Competition" [
            ifelse teacher-present [
              ;; Если учитель рядом, он сглаживает негатив
              set belief-state max (list 0 (belief-state - random-float 1))
            ] [
              ;; Без учителя соревновательность сильно бьет по вовлеченности
              set belief-state max (list 0 (belief-state - random-float 4))
            ]
          ]
          
        ]
      ]
    ]
  ]
  
  tick
end

;; ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;; ;;; СБОР И ПОДСЧЕТ МЕТРИК
;; ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

to calculate-metrics
  ;; Считаем плотность графа: число созданных связей / максимально возможное число связей
  let max-possible-links (count turtles * (count turtles - 1))
  
  ifelse max-possible-links > 0 [
    set graph-density (count links / max-possible-links)
  ] [
    set graph-density 0
  ]
end


8. 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"`).
Источник — http://digida.mgpu.ru/index.php?title=Изучение_Small_group_discussion_(Войнова_Екатерина)&oldid=47516