2010年 IEEE 会议论文（pp. 395–398）。作者提出一种基于计算机的学生分组方法，结合九型人格类型（经 RHETI 测评）与由眼动追踪系统评估的神经语言程序学（NLP）画像，用于师生间缺乏身体互动的数字化学习环境；三年案例研究表明该方法能提升团队沟通与协作效果。
原文出处：Florin-Claudiu Pop, Mircea-Florin Vaida, Marcel Cremene, "An alternative strategy for grouping students in eLearning using an Enneagram methodology and eye tracking". 2010 IEEE, pp. 395–398.（2010年 IEEE 会议论文，第395–398页；978-1-4244-8460-7/10）
作者单位：罗马尼亚克卢日-纳波卡技术大学（The Technical University of Cluj-Napoca），电子、通信与信息技术学院，通信系。
译者说明：本文原载 IEEE 会议论文集。文中含四幅图（图1—图4），原作以图片形式呈现；本译文同时给出原图与中文化重绘，图中全部英文标签已译为中文，并以对照表完整呈现其内容。术语约定：「Enneagram」译为「九型人格」，「Enneatype」译为「九型人格类型（九型类型）」，「RHETI」为「赖斯九型人格类型指标（Riso-Hudson Enneagram Type Indicator）」，「NLP」为「神经语言程序学」，「eLearning」译为「数字化学习」，「eye tracking」译为「眼动追踪」，「triad」译为「三元组（三中心）」。
利用九型人格方法与眼动追踪在数字化学习中对学生进行分组的一种替代策略
Florin-Claudiu Pop、Mircea-Florin Vaida、Marcel Cremene
摘要
当今教育的一大趋势，是把基于计算机的任务与实践活动结合起来。学生经常被鼓励以小组形式合作，来解决复杂任务并培养协作技能。然而，在教师与学生之间几乎没有或完全没有身体互动的数字化学习环境中，经典的分组策略无法适用。我们提出一种基于计算机的分组方法，它兼顾学生的类型学（typology）以及神经语言程序学（NLP）画像。类型依据九型人格方法论、借助 RHETI 测验来确定；NLP 画像则由一套眼动追踪系统基于眼球运动模式来评估。案例研究表明，使用本方法所创建的小组，成员之间的沟通有所增加、实践成果也更好。这源于成员之间的相容性，而相容性又促成了更好的协作。
关键词：数字化学习；学生分组；分组策略；眼动追踪。
一、引言
在近年技术进步的推动下，一种新途径——电子支持的学习与教学（数字化学习）——正越来越多地被用于传统教育之外。数字化学习便于开展小组学习活动，尤其是协作式学习。学生通过小组合作来培养协作技能，教师也更易于管理他们。当学生为达成共同目标而协同工作，并且有积极正向的结构来支持这一过程时，协作式学习才是有效的 [1]。文献中已提出过多种分组策略。
一种常见策略基于学生的技能。在这种情况下，每个小组都安排一名专家，以尽量缩小成员之间的知识差距。另一种分组策略是挑选那些更有可能胜任某个既定角色的学生。例如，一名学生负责设计，另一名负责任务管理，还有一名实际执行活动。
角色是一种常见的社会心理学因素，对群体有着显著影响。但其他分组策略还会考虑关系、权力或依赖性等因素 [2]。
本文探讨数字化学习中的学生分组问题——在这种情境下，教师与其学生之间几乎没有或完全没有身体上的互动。鉴于这些情形，我们只能依靠计算机来分析学生的心理与技术画像。目标是把班级学生划分为若干小组并相应地分配角色，以最大化基于团队的项目效率。
本文的组织如下：下一节介绍我们方案所考虑的人格因素；第三节描述所提出的分组策略；结果在第四节讨论；第五节为结论。
二、人格因素
A. 九型人格（The Enneagram of Personality）
九型人格（The Enneagram of Personality）是「九型图（Enneagram figure）」在人格特征方面的一种应用，包含九种类型（图1）。
- 完美主义者、改革者（Perfectionist, Reformer）
- 助人者、给予者（Helper, Giver）
- 表现者、生产者、成就者（Performer, Producer, Achiever）
- 悲情浪漫者、个人主义者、鉴赏家（Tragic Romantic, Individualist, Connoisseur）
- 观察者、探究者、智者（Observer, Investigator, Sage）
- 魔鬼代言人、忠诚者、排难者、守护者（Devil's Advocate, Loyalist, Troubleshooter, Guardian）
- 享乐主义者、热情者、远见者、梦想家、通才（Epicure, Enthusiast, Visionary, Dreamer, Generalist）
- 老板、头领、挑战者、对抗者（Boss, Top Dog, Challenger, Confronter）
- 调停者、和平缔造者、维护者（Mediator, Peacemaker, Preservationist）
九型图上的各个点，标示出九种主要的「自我原型（ego-archetypal）」形态——即九种被称为「九型类型（Enneatypes）」的人类人格类型——在心理上相互连接的方式。九型类型有各种不同的名称，或更笼统地以数字来指称。每一个九型类型（其主要特征）都对应着一套独特而习惯性的思维与情绪模式。
| 编号 | 类型名称（中文／English） |
|---|---|
| 1 | 完美主义者、改革者（Perfectionist, Reformer） |
| 2 | 助人者、给予者（Helper, Giver） |
| 3 | 表现者、生产者、成就者（Performer, Producer, Achiever） |
| 4 | 悲情浪漫者、个人主义者、鉴赏家（Tragic Romantic, Individualist, Connoisseur） |
| 5 | 观察者、探究者、智者（Observer, Investigator, Sage） |
| 6 | 魔鬼代言人、忠诚者、排难者、守护者（Devil's Advocate, Loyalist, Troubleshooter, Guardian） |
| 7 | 享乐主义者、热情者、远见者、梦想家、通才（Epicure, Enthusiast, Visionary, Dreamer, Generalist） |
| 8 | 老板、头领、挑战者、对抗者（Boss, Top Dog, Challenger, Confronter） |
| 9 | 调停者、和平缔造者、维护者（Mediator, Peacemaker, Preservationist） |
我们的目标是创建一个和谐的小组，使具有相容九型类型的成员能够轻松协作，并取得有价值的成果。但仅靠类型学，还不足以向小组成员分配角色。
B. 将眼球运动模式与人格特征相关联
借助 NLP（神经语言程序学），可以根据眼球运动模式在不同结构中的一些特定特征对人们进行分类 [6]。如果我们能够确定一个人占主导的模式，就可以发送一条经过调整、适合此人的信息。
视觉结构（visual structure）对视觉材料、图形、图像等敏感的人具有代表性。这类人会依据当下的态度做出精准的眼球运动；当他们思考时，会抬起眼睛并带有视觉接触。听觉结构（auditory structure）基于听觉。这一类别的人对声音效果、噪音与语音语调敏感；当他们寻找某物时，眼睛会向左或向右侧移动。
感觉结构（sensitive structure）包括对非言语沟通（extra verbal communication）敏感的人。其特点是：交谈时眼睛向下移动，并伴有左右移动。握手言和类（kinesthesia，动觉）的人并非一种独立的结构，而是不同结构的组合；其特点是整体性的移动与对空间的需求，眼睛没有精确的运动，因此在活动过程中会出现向上、向下、向左、向右的移动。
给定特征集（T, N），分组策略就是一个从（T, N）到（G, R）的函数。这一过程在本节末尾予以详述。
三、所提出的分组策略
A. 场景
我们使用数字化学习来教授与软件相关的学科：面向对象程序设计（Object Oriented Programming）与软件工程（Software Engineering）。每门课程之后都跟随实践性学习活动。每个课程模块的第一部分，用于让学生熟悉实践活动所使用的技术。我们利用这段适应期来观察学生。这种观察由学生在跟进理论内容时所使用的眼动追踪系统完成，同时也由主持实践活动的教师来进行。
学期中途，需要把学生分配到各个工作组。每个工作组都会获得一个项目，并在学期末进行评估。在小组内，每名学生扮演一个明确定义的角色。由于这是一个软件项目，我们提出的角色有：项目经理、设计师、分析师、程序员、测试员与技术文档撰写者。由于成员人数有限，并非每个小组都能体现出每一个角色。对于分组过程，会为每名学生确定两个特征：
- NLP 画像 N。由眼动追踪系统在模块第一部分、学生使用数字化学习环境时完成。
- 类型 T，依据九型人格。类型使用 RHETI 测验来评估，学生在分组之前参加该测验。
B. 数字化学习平台
我们的数字化学习平台有两个组成部分，分别对应学习过程中所涉及的两方（图2）：
- 学习助手（Learning assistant）——旨在通过追踪课程参与者的进度并提供计算机辅助，来帮助他们；
- 教学助手（Teaching assistant）——供课程所有者用来监督学习过程。
面向课程参与者，追踪其学习进度并提供计算机辅助。
- 依据网络摄像头评估学习者对视觉场景的反应；
- 眼动追踪组件（基于 MPT 机器感知工具箱框架）：人脸检测、眼睛检测、眨眼检测、颜色追踪；
- 实时眼动追踪 → 生成学习者的 NLP 画像。
供课程所有者用以监督学习过程。
- CMS 内容管理系统：承载并管理学习过程中传达给学生的信息；
- 知识处理器：进行 ROI（兴趣区域）识别与标注，并把内容切分为知识单元（文本块或图像）；
- 文本：分词、去除停用词，并基于 WordNet 词典做同义词语义分析；图像：添加语义描述；
- 交互知识模块：以视觉场景的语义信息作为检索模式，借助维基百科提供新知识。
两个组成部分分别对应学习过程中的两方：学习助手面向课程参与者，教学助手面向课程所有者。
学习助手依靠网络摄像头来评估学习者对视觉场景的反应。大致而言，视觉场景由文本区域与图像构成。这些元素被称为「兴趣区域（Regions of Interest, ROI）」。对文本区域的典型反应是：阅读全部文本，并把注意力集中在对学习者而言是全新的、或被有意标记为重要的元素上（例如某些加粗的词语）。可与学习困难相关联的行为则包括：对视觉场景某些区域的注视时间更长，或阅读模式不规则。
学习助手的眼动追踪组件基于「机器感知工具箱（Machine Perception Toolbox, MPT）」框架 [7]，该框架提供了用于实时感知原语的跨平台库，包括人脸检测、眼睛检测、眨眼检测与颜色追踪。MPT 支持眼睛检测，我们用它来实现实时眼动追踪。
图3 展示了眼动追踪窗口：其中人脸由白色矩形框定，双眼则由两个较小的矩形标出。眼动追踪引擎针对每一帧评估眼睛位置，剔除异常值，并对每 15 帧的归一化一致值取平均。归一化通过考虑视频帧中的头部位置来实现。所得数值被送往场景追踪组件进行分析。
识别对学习者而言重要的元素，称为场景追踪（scene tracking）。在场景追踪过程中，需要把学习者的注视转化为某个 ROI。首先，我们评估场景中每个元素的注视次数，然后选出超过某一阈值的元素。我们把这种元素选择称为兴趣追踪（interest tracking）。
为简化起见，我们选取学习者注视最多的第一个元素。这就是学生相对于该视觉场景的主要兴趣所在。随后，这个兴趣元素被送往教学助手进行统计处理。基于所收到的兴趣，会以新知识的形式返回一个响应——即与该场景中最受关注元素相关的额外信息。
教学助手是一套 CMS（内容管理系统），用于承载并管理在学习过程中传达给学生的信息。首先，教师创建课程材料。课程流程类似于一份典型的演示文稿，逐页推进。
知识处理器是执行 ROI 识别与标注的自动过程。它分析内容，并把它切分为知识单元。每个知识单元可以是一个文本块或一幅图像。
文本块被切分为文本片段，并移除停用词。每个文本片段与其语义相近的词条相链接。语义分析使用一个名为 WordNet [8] 的词典来检索同义词。图像则添加一段语义描述。
关于视觉场景的语义信息，被交互知识模块用作检索模式。我们使用维基百科作为新知识的来源。当一个检索模式链接到某个维基百科页面时，该页面便作为基于学习者兴趣的新知识，被发送给学习助手。
我们数字化学习平台的视频演示见：http://mercur.utcluj.ro/eyetracking/
C. 学生分组
在创建学生小组时，我们希望最大化小组成员之间的正向互动。如果我们考虑到成员之间的相容性，就可以做到这一点。换言之，我们希望让所有九种九型类型都表现为互补的方面。
在成员人数有限（少于九人）、但具有特定互动关系的情况下，也可以实现所有类型学的体现。一个小组至少需要三名成员，才能达到最优结构（「三的法则」）。
一种策略可能认为：九型人格被组织为三个三元组（图4），每个三元组中的九型类型被认为具有相似的特征。Rohr 将其称为「本能组（Gut）」「情感组（Heart）」与「思维组（Head）」三元组 [9]。一个最优的小组结构需要至少各有一名来自每个三元组的代表，但并非任意代表都可以。
每个九型类型都与位于不同三元组中的另外两个类型相连接。这种连接在九型图的表示中以一条路径（线）标出。例如，第九型与第三型和第六型相连。这些连接显示了某个九型类型在整合（成长）或解体（压力）条件下的行为方式。例如，在压力之下，第九型会表现得像第六型；而在成长时，则会表现得像第三型。
在我们的研究中，我们考虑一个基础类型、一个沿整合方向的类型，以及一个沿解体方向的类型（图4）。
■ 本能组（Gut，8/9/1） ■ 情感组（Heart，2/3/4） ■ 思维组（Head，5/6/7）
| 类型 | 所属三元组 | 整合（成长）方向 | 解体（压力）方向 |
|---|---|---|---|
| 1 改革者 | 本能组（Gut） | → 7 | → 4 |
| 2 助人者 | 情感组（Heart） | → 4 | → 8 |
| 3 成就者 | 情感组（Heart） | → 6 | → 9 |
| 4 浪漫者 | 情感组（Heart） | → 1 | → 2 |
| 5 观察者 | 思维组（Head） | → 8 | → 7 |
| 6 忠诚者 | 思维组（Head） | → 9 | → 3 |
| 7 享乐者 | 思维组（Head） | → 5 | → 1 |
| 8 挑战者 | 本能组（Gut） | → 2 | → 5 |
| 9 调停者 | 本能组（Gut） | → 3 | → 6 |
理想的小组结构将拥有类型为 3、6、9 的成员。其他可行的分组类型组合有：(1, 7, 4)、(2, 4, 8)、(4, 1, 2)、(5, 8, 7)、(7, 5, 1)、(8, 5, 2)，以 1、2、4、5、7、8 作为主要特征。
在小组结构中使用九型类型，可以确保类型学的多样性。但如果我们想要最大化一个小组的成功，这还不够。为此，我们把九型人格规则与由眼动追踪系统确定的 NLP 画像结合起来，以获得在每个 NLP 结构（视觉、听觉、感觉、动觉）中都有代表性人物的小组。
四、结果
案例研究在为期三年的时间里，围绕面向对象程序设计与软件工程课程的实践活动、与学生们一起开展。一半学生使用所提出的策略进行分组，另一半则使用基于技能的分组策略（每组一名专家）。每个学生小组都被分配了一个实际的软件项目。
小组项目的第一部分是依据规格说明创建一份「任务笔记（Task notebook）」。随后，小组会把任务分配给每名成员，并在「外部／内部例会（External/Internal Reunion meetings）」中明确地指出并分析各项缺点。最终成果是一份「规格说明笔记（Specification Notebook）」和一个软件应用。
我们在实验中所观察的工作组总数为 52 个。实验表明，使用所提出策略创建的团队成员，比经典团队的成员能够进行更多的沟通。沟通以头脑风暴为特色，所有这些方面都体现为使小组更具生产力。
另一项实验是在暑期一年级学生在 Wirtek（一家丹麦软件公司）克卢日-纳波卡分公司的实习期间进行的。共安排了三个轮次的实习阶段，每个实习阶段为期三周。每个阶段录取 12 名学生，并将其分为两个小队。实习聚焦于使用 C# 与 Java 的新技术来开发软件项目。
第一轮包括最优秀的学生。在分队过程中，他们是依据偏好来分组的。第二轮学生是依据九型人格方法论来划分的，由软件技能较低的学生组成。第三轮则依照软件公司确立的某些人格标准来分组。
由软件公司进行的最终评估，分析了所获得的技术能力、总体训练反应以及团队协作能力。第一组学生取得了最好的技术成绩，且呈线性发展；团队之间的协作过程有限，每名学生各自完成专门的任务。
第二组学生在技术能力方面起步时遇到巨大困难。团队成员之间的相容性帮助他们以指数方式发展。最终评估显示，他们所获得的技术能力结果非常令人期待，成员之间的关系也非常开放与和谐。
在第三组中，团队是依据公司的标准（涉及五种人格类型）来创建的。最终评估的结论是：在技术技能与社会互动方面，第二组学生比第一组和第三组表现出更好的进步。
五、结论
在本文中，我们为数字化学习环境提出了一种分组策略——在这种环境中，教师与其学生之间几乎没有或完全没有身体上的互动。但有效的分组策略需要考虑人格因素，而这些因素很难由计算机来评估。
由于我们的数字化学习平台具备一套眼动追踪方案，我们利用它来创建学生的神经语言程序学（NLP）画像——在他积极使用平台的过程中完成。我们工作的另一个原创之处，是使用依据九型人格方法论、借助 RHETI 测验确定的类型学。
小组由 3 名类型相容的成员组成。相容性依据九型图上的整合方向与解体方向。这同时也确保每个小组在每个九型三元组中都各有一名成员。NLP 画像也在小组结构中发挥作用，因为每个小组都需要在每个已定义的画像中有一名代表。
我们在三年时间里开展了案例研究来检验我们的方案，参与的学生具有不同的团队合作经验水平。我们的结果表明，使用本方法创建的小组，在不考虑人格因素的小组之上，就自我发展与团队沟通而言表现更好。
在完成作业的过程中，所有小组都被建议使用头脑风暴技术。使用了头脑风暴的小组成员表现出更好的进步——并不是特别体现在所获知识方面，而是体现在学会如何把知识同创造力结合起来方面。
致谢
本工作得到罗马尼亚国家项目 PNCDI II（编号 1083 与 1062）的资助，该项目由 UEFISCSU 提供经费。
参考文献
- D. Johnson, and R. Johnson, "Learning Together and Alone: Cooperative, Competitive, and Individualistic Learning", (3rd edition), Prentice Hall, Englewood Cliffs, NJ, 1991.
- J. W. Thibaut, and H. H. Kelley, "The social psychology of groups". 1959. John Wiley, New York.
- F.-C. Pop, M.-F. Vaida, "Adaptable learning using eye tracking". Digital Learning India 2009, the 5th annual conference, India.
- D. R. Hudson, R. Hudson, "The wisdom of Enneagram", The Bantam Dell Publishing, Random House, 1999.
- M.-F. Vaida, "Technical Education and Brainstorming Technique", the 6th IASTED International Conference on Web-Based Education, WBE2007.
- S. Knight, "NLP at work. The Difference that Makes a Difference in Business", Sue Knight Books & Talks, 2002.
- I. Fasel, R. Dahl, J. Hershey, B. Fortenberry, J. Susskind, and J. Movellan, "The machine perception toolbox", http://mplab.ucsd.edu/grants/project1/freesoftware/mptwebsite/API/index.html
- C. Fellbaum, "WordNet: An Electronic Lexical Database". MIT Press, Cambridge, MA, 1998.
- R. Rohr, R. Ebert, "Discovering the Enneagram: An Ancient Tool a New Spiritual Journey", Crossroad Publishing Company, New York, 1992.
- I. Myers Briggs, P. Myers Briggs, "Gifts Differing: Understanding Personality Type". Mountain View, CA: Davies-Black Publishing, 1995.
- E. Broer, N. G. McCarley, "Using and validating the Myers-Briggs Type Indicator in mainland China". Journal of Psychological Type, 51, 5-21, 1999.
- C. H. Amato, L. H. Amato, "Enhancing Student Team Effectiveness: Application of Myers-Briggs Personality Assessment in Business Courses". Journal of Marketing Education, Vol. 27, No. 1, 41-51, 2005.
- S.-T. Shen, S. D. Prior, A. S. White, M. Karamanoglu, "Using personality type differences to form engineering design teams". Journal of the Higher Education Academy Engineering Subject Centre, Vol 2, No 2, 2007.
- F. Tian, S. Wang, C. Zheng, Q. Zheng, "Research on E-learner Personality Grouping Based on Fuzzy Clustering Analysis". Computer Supported Cooperative Work in Design, 2008. CSCWD, pp. 1035–1040. April 2008.
- R. B. Cattell, "The description and measurement of personality". New York: Harcourt, Brace, & World, 1946.
（译者注：本译文仅供学习交流之用，版权归原作者及 IEEE 所有。原文图1—图4为图片，本译文中的图1—图4均先给出原图、再附中文化重绘示意图，图内英文标签均已译为中文。原文参考文献按原样保留英文。）