运用博弈论与多层分析预测影响协作学习成果的因素：一项实证研究
计算机与社会
2016-10-18 v1 计算机科学与博弈论
摘要
本研究旨在提出一个模型，用于预测小组项目中影响个体协作学习成果的社会与心理因素。该模型基于两种理论建立，即多层分析与合作博弈论（CGT）。在CGT中，一组参与者形成联盟并为联盟中每个成员分配一组收益。Shapley值是CGT中最重要的解概念之一。它代表了联盟成员间公平且高效的收益分配。所提出的方法应用于一个由78名大一新生组成的样本，这些学生处于第一学期，学习哲学思维课程且由同一位教授指导。数据收集工具包括自我评估、同伴评估、测验和观察。研究得出结论，学习成果与贡献可由内容所提供的参与程度最佳预测。而人格特质以及学习风格对贡献的影响最小。此外，结果表明Shapley值可用作个体学习成果的良好预测因子。这些结果表明CGT可作为分析协作学习中反复出现的互动的良好引擎。
引用
@article{arxiv.1610.05075,
title = {Employing Game theory and Multilevel Analysis to Predict the Factors that affect Collaborative Learning Outcomes: An Empirical Study},
author = {Sara Taraman and Yasmin Hassan and Doaa Shawky and Ashraf H. Badawi},
journal= {arXiv preprint arXiv:1610.05075},
year = {2016}
}
备注
17 pages