GroupAL: ein Algorithmus zur Formation und Qualitätsbewertung von Lerngruppen in E-Learning-Szenarien/GroupAL: an algorithm for group formation and quality evaluation of learning groups in e-learning scenarios

Der Wissensaustausch Lernender untereinander ist für E-Learning-Systeme und computer-gestütztes Lernen generell ein wichtiger Baustein zur Förderung der Motivation, der Lernzielerreichung sowie der Verbesserung der Problemlösekompetenz. Die positiven Effekte dieses Austausches hängen jedoch stark von der Eignung der Lernpartner in einer gebildeten Lerngruppe ab. In diesem Artikel werden Kriterienkategorien vorgestellt, die ein Gruppenformationsalgorithmus für Lerngruppen berücksichtigen sollte, sowie die existierenden algorithmischen Lösungen verwandter Arbeiten. Für die gleichzeitige Berücksichtigung aller dieser Kriterien wird der Algorithmus GroupAL vorgestellt. Dieser erlaubt beispielsweise die Verwendung mehrdimensionaler Kriterien, die wahlweise homogen oder heterogen ausgeprägt sein sollen, sowie die Bildung einheitlich guter Gruppen einer gesamten Kohorte von Lernenden. Die GroupAL-Architektur ermöglicht die Verwendung verschiedener Algorithmen zur Gruppenformation und definiert ein normiertes Gütemaß für Lerngruppen, welches den Vergleich verschiedener Gruppenformationen über Kriterienvariationen und Kohortenänderungen hinweg erlaubt. Die abschließend dargestellte Evaluation zeigt, dass GroupAL unter den gewählten Bedingungen bessere Ergebnisse liefert als bisherige Ansätze und umfassendere Anwendungsmöglichkeiten zur Lerngruppenbildung bietet.
Fostering knowledge exchange among peers is important aspect for motivation, achievement of learning goals as well as improvement of problem solving competency in elearning environments or for computer-based learning. Still, the positive effects of such an exchange depend strongly on the suitability of the selected peers in a learning group. This article describes categories of criteria to be considered by a group formation algorithm for learning groups. Additionally, existing algorithmic solutions from related work will be compared concerning several imposed requirements. For simultaneous consideration of all these requirements, the GroupAL algorithm is introduced. It supports the use of multi-dimensional criteria that are either expected to be matched homogeneous or heterogeneous among participants while aiming for equally good group formation for the whole cohort of participants to be matched. The underlying GroupAL architecture various group formation algorithms and defines a normed metric for learning group formations. This metric allows comparison of different created group formations and is robust against variations on number of used criteria or changes in the underlying cohort of participants. Finally, the presented evaluation reveals the advantages and widespread applicability of GroupAL in comparison to the investigated algorithmic solutions from related work. The approach chosen for GroupAL results in better cohort performance indices and group formation quality under the chosen conditions and with the selected data sets.

Location
Deutsche Nationalbibliothek Frankfurt am Main
Extent
Online-Ressource
Language
Englisch

Bibliographic citation
GroupAL: ein Algorithmus zur Formation und Qualitätsbewertung von Lerngruppen in E-Learning-Szenarien/GroupAL: an algorithm for group formation and quality evaluation of learning groups in e-learning scenarios ; volume:13 ; number:1 ; year:2014 ; pages:70-81 ; extent:12
i-com ; 13, Heft 1 (2014), 70-81 (gesamt 12)

Creator
Konert, Johannes
Burlak, Dmitrij
Göbel, Stefan
Steinmetz, Ralf

DOI
10.1515/icom-2014-0010
URN
urn:nbn:de:101:1-2023032814212541204048
Rights
Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
Last update
14.08.2025, 10:58 AM CEST

Data provider

This object is provided by:
Deutsche Nationalbibliothek. If you have any questions about the object, please contact the data provider.

Associated

  • Konert, Johannes
  • Burlak, Dmitrij
  • Göbel, Stefan
  • Steinmetz, Ralf

Other Objects (12)