随着网络技术的普及和教育信息化程度的提高,计算机支持的协作学习(CSCL)的研究和应用目前已成为教育技术领域的一个研究热点。它是通过网络和计算机来支持学习伙伴之间的交互活动,进行协作学习;而合适的分组方式是协作学习顺利展开的前提条件。分组后的伙伴关系网络和小组特征结构将影响协作小组学习的积极性、目标、进度和效果。因此,如何找到合适的学习伙伴形成较优的协作学习小组很重要,它将直接影响CSCL中学习的效率。然而,人们关于CSCL的研究主要是针对协作的操作方法、策略设计和绩效评价等方面进行探讨,但是对协作前的准备——分组缺乏有效的策略研究。首先,对于影响学生分组的因素缺乏全面的考虑,更对学生的一些关键信息的表示缺乏深入的探讨。其次,已有的伙伴模型没有考虑到伙伴的协作能力,并且不能体现出伙伴之间的关系;第三,目前的集中式的学生信息的存储不易于学生维护自己的信息,从而影响了学生的学习的积极性;第四,学生分组是一个优化问题,目前的学习小组多是由教师随机指定,缺少寻找合适学习伙伴进行较优分组的相关策略和算法。针对以上问题,本文提出了关于CSCL的伙伴模型的研究。开展的研究工作主要包括以下几个方面:第一,对应于协作学习中学生分组的过程,从总体上分析了CSCL中选择学习伙伴的关键因素,建立了具有动态协作信息的伙伴模型,对其进行了形式化的描述;并深入的研究了如何对学习者的动态协作信息(主要是知识水平、认知能力、协作能力)进行表示。其中通过模糊集思想来进行知识水平的评测,专家评判方法来进行协作能力的表示。第二,研究了在伙伴模型如何应用FOAF的表示方法。其中:对如何扩展FOAF的词汇表以适应协作学习的环境进行了研究,并在扩展的词汇表基础上对已建立的伙伴模型用FOAF来进行描述,体现了伙伴模型中伙伴之间的关系;提出了基于FOAF的伙伴模型网络框架,实现了学生信息的分布式存储和管理。第三,分析了学习伙伴分组的特点,基于蚁群觅食原理的聚类分析和K-means算法,设计了通过学习伙伴聚类来实现学习小组分组的算法。第四,在上述工作的基础上,论文设计了基于FOAF的伙伴模型的网络的显示和学习小组分组算法的仿真实验,实验表明针对CSCL的伙伴模型的相关研究是一种可行的、有效的方法。本文的研究对改进计算机支持的协作学习的组织方式、提高协作学习的效率、推动CSCL的进一步发展具有一定的促进作用,对协作学习环境下的虚拟学习社区的建立也具有积极的意义。