Προσαρµοστική Συνεργατική Μάθηση στην εξ Αποστάσεως Εκπαίδευση: O σχηµατισµός των οµάδων ως κρίσιµος παράγοντας επιτυχίας

Προσαρµοστική Συνεργατική Μάθηση στην εξ Αποστάσεως Εκπαίδευση: O σχηµατισµός των οµάδων ως κρίσιµος παράγοντας επιτυχίας Γεώργιος Μαυροµµάτης ρ, Καθηγητής Πληροφορικής ΠΕ19 Καθηγητής Στρατ. Σχολής Ευελπίδων gmav@unipi.gr Ηλίας Μαραγκός ρ, Υπεύθυνος Σπουδών & Έρευνας, Τοµέας Νέων Τεχνολογιών Ινστιτούτο Επιµόρφωσης Εθν. Κέντρο ιοίκησης & Αυτοδιοίκησης emaragos@ekdd.gr Περίληψη Στην εργασία αυτή αναζητείται ο ρόλος της συνεργατικής µάθησης στην εξ αποστάσεως εκπαίδευση που δεν µπορεί να είναι άλλος από την προσαρµοστική συνεργατική µάθηση. Στην νέα εποχή που ολοταχώς οδεύουµε, η προσαρµοστικότητα είναι το ζητούµενο σε όλες τις λειτουργίες των συστηµάτων ηλεκτρονικής µάθησης. Ειδικότερα, προσαρµοστικότητα στην συνεργατική µάθηση είναι η κατάλληλη δηµιουργία, µε συγκεκριµένα κριτήρια, των οµάδων εργασίας. Στην περίπτωση της εξ αποστάσεως εκπαίδευσης, οι πρότερες γνώσεις και επιδόσεις είναι πιθανότατα το βασικότερο κριτήριο επιλογής οµάδων. Η παρούσα εργασία καταλήγει στην παρουσίαση µιας απλής µεθόδου για τη δηµιουργία οµάδων σε περιβάλλον εξ αποστάσεως συνεργατικής µάθησης µε κριτήριο την προϋπάρχουσα αναλυτική βαθµολογία ανά έννοια και ικανότητα. Η µέθοδος υλοποιείται εύκολα διότι χρησιµοποιούµε σαν εργαλείο ανοικτό λογισµικό, ενώ µπορεί να εφαρµοστεί και σε παραδοσιακό περιβάλλον εκπαίδευσης. Λέξεις κλειδιά: Εκπαίδευση, Ηλεκτρονική Μάθηση, Συνεργατική Μάθηση, Προσαρµοστικά Εκπαιδευτικά Συστήµατα. 1. Το περιβάλλον εκπαίδευσης του αύριο The next big killer application for the internet is going to be education. Education over the internet is going to be so big it is going to make email usage look like a rounding error. John Chambers, Πρόεδρος & ιευθύνων Σύµβουλος, Cisco Systems (2000). Η παραπάνω δήλωση αποτελεί µια ανεκπλήρωτη, ακόµα, πρόβλεψη. εν είναι όµως τυχαίο ότι επιχειρήσεις µε παγκόσµια εµβέλεια επεκτείνονται και στο e-learning, πέρα από το κύριο αντικείµενο απασχόλησής τους. Έχει γίνει πλέον ευρέως παραδεκτό ότι η ηλεκτρονική µάθηση έχει τη δυνατότητα να αλλάξει τον τρόπο που αντιλαµβανόµαστε την εκπαίδευση, οδηγώντας µας σε νέες µορφές µάθησης και µεθόδους διδασκαλίας. Η ηλεκτρονική µάθηση προσελκύει την προσοχή του ακαδηµαϊκού αλλά και του εµπορικού/βιοµηχανικού τοµέα. Πανεπιστήµια, ινστιτούτα και ιδρύµατα καθώς και παραγωγοί λογισµικού αλλά και εκδοτικοί οίκοι συµµετέχουν όλο και πιο ενεργά. Οι κυβερνήσεις, της Ελλάδας περιλαµβανοµένης,

προσαρµόζουν την πολιτική τους ώστε να προκαλέσουν και διευκολύνουν την διάδοση των τεχνολογιών ηλεκτρονικής µάθησης. Οι έννοιες της εξ Αποστάσεως Εκπαίδευσης (Distance Learning) και της Ηλεκτρονικής Μάθησης (e-learning) τείνουν ραγδαία να ταυτιστούν σε ένα κοινό σχήµα: πολυµεσικοί υπολογιστές που, µέσω ευρυζωνικών συνδέσεων και ειδικών προγραµµάτων, φέρνουν σε επαφή µαθητές, µαθήµατα και εκπαιδευτές. Τα ειδικά αυτά προγράµµατα, ανάλογα µε την µορφή της εκπαίδευσης που παρέχουν, µπορούν να καταταγούν σε δύο πολύ γενικές, και χωρίς σαφώς προσδιορισµένα όρια, κατηγορίες: Τα Συστήµατα ιαχείρισης Εκπαιδευτικού Υλικού (Learning Content Management Systems, LCMS) όπως είναι το Moodle και το Blackboard υποστηρίζουν την ασύγχρονη µορφή e-learning όπου οι εκπαιδευόµενοι και ο εκπαιδευτής µπορούν να χωρίζονται από την απόσταση αλλά και τον χρόνο. Οι πλατφόρµες τηλεδιάσκεψης όπως είναι το Centra και το WebEx υποστηρίζουν την σύγχρονη µορφή e-learning όπου οι εκπαιδευόµενοι και ο εκπαιδευτής χωρίζονται µόνο από την απόσταση και «συναντώνται» την ίδια χρονική στιγµή µέσω υπολογιστών. Το πέρασµα από την βιοµηχανική στην εποχή της ψηφιακής πληροφορίας έχει επηρεάσει τον ρόλο των ανθρώπων: από αλγοριθµικός (µε σαφώς προσδιορισµένα καθήκοντα) µέσα σε ιεραρχηµένες δοµές που ήταν, τείνει να εξελιχθεί σε ευέλικτη οντότητα µε συµµετοχή σε οµάδες ανθρώπων µε κοινούς στόχους και αµοιβαία οφέλη (Finnis 2004). Είναι γνωστό ότι, εξ αιτίας αυτών των αλλαγών, η εκπαίδευση ολοένα και περισσότερο παύει να είναι η παραδοσιακή διαδικασία που ξεκινά από την πρώιµη παιδική ηλικία και διαρκεί 15-20 έτη, αλλά γίνεται ανάγκη για συνεχή, δια βίου εκπαίδευση, επαναπροσανατολισµό και επανακατάρτιση των εργαζοµένων. Η ηλεκτρονική µάθηση εδώ καλείται και αναµένεται να παίξει τον πρωτεύοντα ρόλο. Όµως η πρόσβαση στις Τεχνολογίες της Πληροφορικής και των Επικοινωνιών (ΤΠΕ) δεν µπορεί, από µόνη της να οδηγήσει τον µαθητή, ιδιαίτερα τον ενήλικα εκπαιδευόµενο, να συµµετάσχει στην εκπαίδευση. Οι ΤΠΕ κατά κύριο λόγο βοηθούν στην αναίρεση των προβληµάτων που προέρχονται από τη διαφορά τόπου και χρόνου. Για να συµµετάσχουν οι άνθρωποι στις εκπαιδευτικές δράσεις ηλεκτρονικής µάθησης χρειάζονται ενδιαφέρον, ύπαρξη κινήτρων, ύπαρξη καλής επικοινωνίας και εκπαίδευση σε θέµατα σχετικά µε την εργασία τους, τη µετεξέλιξη τους και τα άλλα ενδιαφέροντά τους. Η έφεση για µάθηση δεν είναι απλά θέµα υποδοµών τεχνικής φύσεως αλλά και άλλων κοινωνικό-οικονοµικών παραγόντων (Selwyn et al. 2003). Από την άλλη πλευρά, οι αλλαγές στους ρυθµούς της ζωής και στα ΜΜΕ έχουν επηρεάσει την εκπαίδευση και αυτό γίνεται πλέον ιδιαίτερα αντιληπτό. Ο Homo Zappiens βρίσκεται ήδη ανάµεσά µας. (Veen 2005). Είναι κατά κύριο λόγο νέος και µαθαίνει «κάνοντας ζάπινγκ» στο εκπαιδευτικό υλικό, σε ένα ολοένα πιο χαοτικό περιβάλλον που διαρκώς αυξάνει ρυθµούς προσφοράς όγκου πληροφοριών. Σύµφωνα µε τον W. Veen, µπαίνουµε στην «εποχή της δικτύωσης» όπου το τυπικό περιβάλλον εκπαίδευσης θα είναι ένα διανεµηµένο, ψηφιακό, εικονικό κέντρο το learning mall. Έχουµε κατανεµηµένους µαθητές, κατανεµηµένους καθηγητές και κατανεµηµένο υλικό (Wessner et al. 2002). εν είναι απίθανο η επόµενη έννοια που θα εµφανιστεί µετά το e-learning και το m-learning (mobile learning) να είναι το G-learning ( Google-learning ). Προκειµένου να γίνουν πραγµατικότητα αυτές οι ιδιαίτερα αυξηµένες προσδοκίες, η εξέλιξη κινείται κατά µήκος δύο αξόνων: (πρόσβαση σε) περιεχόµενο (content) και συνεργατικότητα (collaboration). Αυτοί οι δύο άξονες επισηµαίνονται για το e-learning από την Ευρωπαϊκή Ένωση (COM 2001).

Σε ένα περιβάλλον σαν το learning mall που περιγράψαµε (εικ. 1) ο µαθητής βρίσκεται στο κέντρο και αυτό πρέπει φυσικά να συµβαίνει για κάθε µαθητή, όπου αυτός και αν βρίσκεται. Ένα τέτοιο περιβάλλον, εποµένως, δεν µπορεί παρά να είναι προσαρµοστικό τόσο στο περιεχόµενο όσο και στην συνεργατικότητα, ανεξάρτητα από το αν πρόκειται για σύγχρονη ή ασύγχρονη εκπαίδευση. Η προσαρµογή του υλικού στις ιδιαίτερες ανάγκες του καθενός αναµένεται να επιτευχθεί µέσα από την τεχνολογία των Αντικειµένων Μάθησης (Learning Objects) (Buzzetto-More & Pinhey 2006, Mavrommatis 2006). Η υποστήριξη της προσαρµοστικής συνεργατικής µάθησης είναι ίσως η πλέον καινούργια κατεύθυνση που έχουν πάρει τα προσαρµοστικά, εξ αποστάσεως, εκπαιδευτικά συστήµατα (Soller 2001). Στην επόµενη παράγραφο θα δούµε τις βασικές παραµέτρους της προσαρµοστικής συνεργατικής µάθησης. Άλλοι Μαθητές Εκπαιδευτές Περιεχόµενο Μαθητής Άλλοι Πόροι & Πηγές Υπηρεσίες Εικόνα 1: Learning mall, ο µαθητής στο επίκεντρο 2. Συνεργατική Μάθηση & προσαρµοστικότητα Η έρευνα στα προσαρµοστικά εκπαιδευτικά συστήµατα ηλεκτρονικής µάθησης είναι περίπου 15 ετών. Τα συστήµατα αυτά ρυθµίζουν την απόδοση και συµπεριφορά τους µε βάση τις ανάγκες, τα ιδιαίτερα χαρακτηριστικά και τις απαιτήσεις του κάθε χρήστη-µαθητή χωριστά. Πρόσφατα η έρευνα έχει στραφεί πλέον προς τα προβλήµατα του σχεδιασµού και µοντελοποίησης τέτοιων συστηµάτων. Υπάρχουν διάφορες τεχνικές προσαρµογής (adaptation techniques) που περιγράφονται στη βιβλιογραφία. Οι βασικές τεχνικές προσαρµοστικότητας στα περιβάλλοντα ηλεκτρονικής µάθησης σύµφωνα µε τους Brusilovsky (1998) και De Bra et al. (1999) είναι: Ο Προγραµµατισµός Ύλης (Curriculum Sequencing): βοηθά τον µαθητή να βρει την βέλτιστη διαδροµή διαµέσου του εκπαιδευτικού υλικού, ειδικά προσαρµοσµένη στις δικές του, προσωπικές ανάγκες.

Η Προσαρµοσµένη Παρουσίαση (Adaptive Presentation): δηµιουργεί το περιεχόµενο που παρουσιάζεται στον εκπαιδευόµενο σύµφωνα µε τους δικούς του στόχους, γνώσεις και προτιµήσεις. Η Προσαρµοστική Συνεργατική Μάθηση (Adaptive Collaboration Support): χρησιµοποιεί τη γνώση του συστήµατος για τους διάφορους χρήστες (µαθητές) ώστε να σχηµατίζει ταιριαστές οµάδες συνεργατικής µάθησης. Η Συνεργατική Μάθηση (Collaborative Learning) επιχειρεί να µετατρέψει τον εκπαιδευτικό προσανατολισµό από µαθητοκεντρικό σε «οµάδο-κεντρικό» φέρνοντας στο επίκεντρο τις οµάδες µαθητών. Στην παραδοσιακή Συνεργατική Μάθηση οι µαθητές εργάζονται µαζί για να πετύχουν έναν κοινό στόχο. Σύµφωνα µε τον Sharan (1980), συνεργατική µάθηση είναι «ένα σύνολο εκπαιδευτικών µεθόδων που χρησιµοποιούν µικρές οµάδες µαθητών µε στόχο να ενισχύσουν την διάδραση και ανταλλαγή ανάµεσά τους κατά την µελέτη ενός θέµατος». Οι συνεργατικές µέθοδοι µάθησης χρησιµοποιούνται παγκόσµια, σε αρκετή έκταση, κατά τη διάρκεια διδασκαλίας µε παραδοσιακό τρόπο, ενώ στην Ελλάδα αυτό συµβαίνει σε µικρότερο βαθµό. Είναι γεγονός ότι παρουσιάζουν αρκετή δυσκολία στην εφαρµογή τους, κυρίως κατά την αρχική προσαρµογή του οργανισµού στον νέο τρόπο διδασκαλίας (Gallardo et al. 2003, Lonchamp 2007). Το πρόβληµα επιτείνεται από την απροθυµία που συχνά παρουσιάζεται τόσο από πλευράς µαθητών-εκπαιδευοµένων να συµµετέχουν όσο και των καθηγητών-εισηγητών να τις εφαρµόσουν (Bower & Richards 2006). Παρ όλες τις δυσκολίες, είναι προφανής η χρησιµότητα τέτοιων µεθόδων. Ξεπερνώντας τις πολύ σηµαντικές κοινωνικές, ψυχολογικές και εκπαιδευτικές επιπτώσεις που συνάγονται από όσα εκθέσαµε στην προηγούµενη παράγραφο, αναφέρουµε µόνο µία παράµετρο: Οι εργοδότες απαιτούν από τους εργαζοµένους τους να έχουν αναπτυγµένες ικανότητες συνεργασίας (Bower & Richards 2006) και εποµένως η εκπαιδευτική διαδικασία θα έπρεπε να φροντίζει, µεταξύ άλλων, για την ανάπτυξη και αυτών των ικανοτήτων. Εκτός από την απαραίτητη προσαρµογή της κουλτούρας και, ενδεχοµένως, κάποιων ροών εργασίας του εκπαιδευτικού οργανισµού, τα συστατικά που οδηγούν στην επιτυχηµένη εφαρµογή των συνεργατικών µεθόδων είναι κοινωνικής και τεχνολογικής φύσεως (Abramowicz et al. 2003). Είναι φυσικό η τεχνολογία να παίζει σηµαντικότατο ρόλο στην περίπτωση της ηλεκτρονικής µάθησης. Όπως έχουµε όµως ήδη πει, δεν είναι αρκετή από µόνη της. Κατά κύριο λόγο, οι κοινωνικοί παράγοντες είναι αυτοί που εξασφαλίζουν την επιτυχία. Στους παράγοντες αυτούς, ιδιαίτερα στη Συνεργατική Μάθηση, περιλαµβάνονται και δεσπόζουν οι εκπαιδευτικές µέθοδοι και η οργάνωση και διαχείριση των οµάδων. Η δηµιουργία των οµάδων, που είναι ένα από τα σηµαντικά βήµατα της Συνεργατικής Μάθησης, γίνεται µε έναν από τους παρακάτω γενικούς τρόπους: 1. Τυχαία επιλογή από τον καθηγητή, 2. Αυτο-τοποθέτηση από τους µαθητές, 3. Ανάθεση σε οµάδες µε βάση την επιλογή εργασίας από τους µαθητές, 4. Επιλεκτική τοποθέτηση. Στην τελευταία περίπτωση οι οµάδες σχηµατίζονται µε κριτήρια που έχουν σχεδιαστεί και καθοριστεί για τα παραδοσιακά περιβάλλοντα συνεργατικής µάθησης, στην κλασική τάξη. Τέτοια κριτήρια είναι, µεταξύ άλλων, η ικανότητα, εµπειρία, ηλικία, εθνικότητα, φύλο, µητρική γλώσσα, οικονοµική και οικογενειακή κατάσταση, κοινωνικότητα και άλλα (Bekele 2005). Όµως, στην εξ αποστάσεως εκπαίδευση, οι µαθητές-επιµορφούµενοι έρχονται ελάχιστα ή και καθόλου σε φυσική επαφή. Ακόµα,

υπάρχει µία διαρκώς αυξανόµενη τάση να χρησιµοποιούνται οι ικανότητες (competencies) του κάθε ατόµου στον σχεδιασµό προσαρµοσµένων διδακτικών εµπειριών, µέσα από ανάλυση της µέχρι ώρας απόδοσής τους. Έτσι είναι φανερό ότι από όλα τα κριτήρια σχηµατισµού οµάδων που αναφέραµε, οι πρότερες γνώσεις (το γνωστικό υπόβαθρο) είναι ίσως το πλέον σηµαντικό. Η εκπαίδευση µέσα από τις τεχνολογίες πληροφορικής και επικοινωνιών έχει ως σηµαντική παράµετρό της την µαζικότητα. Απευθύνεται εποµένως ταυτόχρονα σε σαφώς µεγαλύτερες οµάδες ανθρώπων απ ό, τι συµβαίνει στην περίπτωση της παραδοσιακής εκπαίδευσης. Έτσι, ενώ σχεδόν όλες οι µέθοδοι συνεργατικής µάθησης χρησιµοποιούν οµάδες µε µικρό αριθµό µελών, είναι προφανές ότι αυτό δεν είναι η συνήθης περίπτωση στην εξ αποστάσεως εκπαίδευση. Όµως, πόσο µεγάλη µπορεί να είναι µία εκπαιδευτική οµάδα, χωρίς να χάνει µεγάλο µέρος της αποτελεσµατικότητάς της; Ενώ, µιλώντας για συνεργατική µάθηση στην κλασικού τύπου εκπαίδευση, τα µεγέθη είναι της τάξης των οµάδων 3-4 ατόµων για περίοδο µιας ώρας, ή ηµέρας, στην περίπτωση της εξ αποστάσεως εκπαίδευσης, αναφέρονται εφαρµογές συνεργατικής µάθησης µε οµάδες 40 ατόµων για περίοδο ενός έτους (Dillenbourg 1999). Στην περίπτωση αυτή µάλιστα, των εικονικών οµάδων συνεργατικής µάθησης, οι σχέσεις των ανθρώπων µπορεί να διέπονται από αρκετά χαλαρούς κανόνες ενώ η εφαρµογή τους γίνεται για µεγάλο χρονικό διάστηµα. Εδώ, είναι πολύ πιθανόν να βρίσκει εφαρµογή ο γνωστός στην βιβλιογραφία αριθµός του Dunbar (Dunbar 1992) σύµφωνα µε τον οποίο, προκειµένου µία κοινωνική οµάδα να µπορεί να διατηρεί την συνοχή της και να λειτουργεί παραγωγικά χωρίς ιδιαίτερες συµβάσεις και αυστηρούς κανόνες, δεν πρέπει να ξεπερνά τον αριθµό των 150 µελών. Παρόλο που ο αριθµός αυτός µόνο σαν άνω φράγµα µπορεί να θεωρηθεί, µετά από αυτά, γίνεται παραπάνω από προφανής η ανάγκη δηµιουργίας οµάδων όχι µε τυχαίο τρόπο, αλλά µε συγκεκριµένα κριτήρια ξεφεύγοντας από την απλή ή/και τυχαία επιλογή. Συνοψίζοντας τα παραπάνω, γίνεται φανερό ότι: Η συνεργατική µάθηση αποτελεί απαραίτητο στοιχείο της ηλεκτρονικής µάθησης, Στη συνεργατική µάθηση η σωστή επιλογή των οµάδων αποτελεί κρίσιµο παράγοντα επιτυχίας, Οι οµάδες µπορούν να είναι αρκετά µεγαλύτερες από τις αντίστοιχες στην παραδοσιακή εκπαίδευση, Το σηµαντικότερο κριτήριο δηµιουργίας των οµάδων είναι οι πρότερες γνώσεις και απόδοση των ατόµων. Με ποιό τρόπο, όµως, θα συσχετίσουµε τις πρότερες γνώσεις; Έχει αναφερθεί κατ επανάληψη ότι η συνεργατική µάθηση αποδίδει τα µέγιστα όταν οι οµάδες είναι ετερογενείς (Stahl 1996, Slavin 1995, Tinzmann et al. 1990). Η ετερογένεια ενισχύει την εµφάνιση διαφορετικών απόψεων και τρόπων σκέψης σύµφωνα µε τις επιταγές του κονστρουκτιβισµού. Για παράδειγµα, η µέθοδος Jigsaw (Aronson & Patnoe, 1997) ζητά ετερογενείς οµάδες αλλά χρησιµοποιεί και προσωρινές οµοιογενείς οµάδες, τις αποκαλούµενες οµάδες ειδικών (expert groups). στην Team Assisted Individualization (Slavin et al, 1986) οι µαθητές παίρνουν οδηγίες από τον εκπαιδευτή σε µικρές οµοιογενείς οµάδες ενώ εξασκούνται σε ετερογενείς οµάδες.

στην Learning Together (Johnson & Johnson, 1999) οι µαθητές έχουν έναν κοινό στόχο δουλεύοντας σε ετερογενείς οµάδες. στην STAD (Student Teams-Achievement Divisions) (Slavin, 1995) οι µαθητές χωρίζονται σε ετερογενείς οµάδες µελέτης. Η απόδοση της κάθε οµάδας αξιολογείται µε τεστ που όµως κάθε µέλος της δίνει χωριστά. παρόµοια µε την STAD είναι η µέθοδος Teams-Games-Tournaments (TGT) (De Vries & Slavin 1978). Οι οµάδες πρέπει να είναι ετερογενείς, ενώ η αξιολόγηση γίνεται µέσα από «τουρνουά» όπου µαθητές µε ισοδύναµη ικανότητα (οµογενείς) ανταγωνίζονται µεταξύ τους. Επιπλέον, κάθε τυπικό γνωστικό πεδίο δεν είναι ούτε πλήρες ούτε αυτόνοµο, π.χ. η επιστήµη των υπολογιστών έχει κοινά µε τα µαθηµατικά, τη φυσική κλπ. Ακόµα, υπάρχει έντονη και αυξανόµενη τάση για διαθεµατικές εκπαιδευτικές διαδικασίες, που φυσικά περιλαµβάνουν και την συνεργατική µάθηση (Burkhardt & Turner 2001). Και εδώ, η ετερογένεια είναι ιδιαίτερα επιθυµητή. Καταλήγοντας, στόχος µας είναι η δηµιουργία ετερογενών οµάδων µε κριτήριο το γνωστικό υπόβαθρο ή/και τις πρότερες γνώσεις. Στην επόµενη παράγραφο θα δούµε σε ποιο βαθµό αυτό υποστηρίζεται σήµερα, παρουσιάζοντας µερικά επιλεγµένα παραδείγµατα από τρέχοντα περιβάλλοντα ηλεκτρονικής µάθησης. 3. Που βρισκόµαστε σήµερα; Υπάρχουν αρκετά παραδείγµατα ανάπτυξης λογισµικού για υποστήριξη συνεργατικών µεθόδων. Αυτά µπορεί να είναι υποσυστήµατα κάποιας ευρύτερης πλατφόρµας, π.χ. Moodle, αυτόνοµα συστήµατα, π.χ. (Lukosch 2007) ενώ άλλες περιπτώσεις είναι επικεντρωµένες σε µία µόνο µέθοδο, π.χ. Jigsaw (Gallardo et al. 2003). Παρόλο που τα περισσότερα συστήµατα e-learning, ερευνητικά και εµπορικά, παρέχουν κάποιες δυνατότητες για συνεργατική µάθηση (ξεκινώντας από τα «κλασικά» forums και chat µέχρι τα wikis και άλλα, περισσότερο εξειδικευµένα), γενικά η κατάσταση βρίσκεται σε πρώϊµη φάση. εν υπάρχει κανένα σύστηµα που να παρέχει ολοκληρωµένες κα πλήρεις επιλογές συνεργατικής µάθησης (Wessner et al. 2002). Ακόµα λιγότερες είναι οι περιπτώσεις που µπορεί να δει κάποιος, έστω ίχνη προσαρµοστικής συνεργατικής µάθησης. Μάλιστα το 2000, µία έρευνα που εξέτασε 15 ερευνητικά προσαρµοστικά εκπαιδευτικά συστήµατα δεν ανέφερε κανένα να υποστηρίζει προσαρµοστικότητα σε σχέση µε την συνεργατική µάθηση (Fung & Yeung 2000). Σήµερα τα πράγµατα δεν είναι πολύ καλύτερα από τότε στο θέµα αυτό. Θα δούµε σε συντοµία τρεις περιπτώσεις λογισµικών εφαρµογών για ηλεκτρονική µάθηση και τη σχέση που έχουν µε την υποστήριξη προσαρµοστικότητας στην συνεργατική µάθηση. 1. Centra Πρόκειται για µια από τις πλέον διαδεδοµένες εµπορικές πλατφόρµες σύγχρονης εξ αποστάσεως εκπαίδευσης. Το πρόγραµµα υποστηρίζει τη δηµιουργία οµάδων εκπαιδευοµένων που τοποθετούνται σε ανεξάρτητες εικονικές «αίθουσες». Οι µαθητές κάθε δωµατίου µοιράζονται τον ίδιο εικονικό χώρο και έχουν στη διάθεσή τους το ίδιο υλικό. Το υλικό που ο εκπαιδευτής αναθέτει µπορεί να είναι διαφορετικό για κάθε αίθουσα.

Εικόνα 2: Χωρισµός οµάδων στο Centra Ο εκπαιδευτής έχει τη δυνατότητα να «περνά» από τη µια αίθουσα στην άλλη και να κατευθύνει τους µαθητές, ενώ µπορεί να αλλάζει τη σύνθεση των αιθουσών µεταφέροντας τους µαθητές. Ακόµα, ο εκπαιδευτής µπορεί να «προαγάγει» κάποιο µαθητή σε συντονιστή της αίθουσας, παρέχοντάς του έτσι αυξηµένες δυνατότητες χειρισµού του συστήµατος, πάντα µέσα στην συγκεκριµένη αίθουσα. Ο χωρισµός των οµάδων ωστόσο γίνεται είτε µε τυχαίο τρόπο αυτόµατα από το σύστηµα ή µε επιλογή και ανάθεση του καθηγητή (εικ. 2). εν υπάρχει καµιά υποστήριξη αυτόµατης επιλογής των οµάδων µε κάποια κριτήρια από το σύστηµα. 2. Moodle Προϊόν διδακτορικής διατριβής αρχικά, το Moodle (Modular Object-Oriented Dynamic Learning Environment) είναι πλατφόρµα ασύγχρονης εκπαίδευσης (LCMS). Πρόκειται για ελεύθερο λογισµικό ή αλλιώς λογισµικό ανοικτού πηγαίου κώδικα. Ο σχεδιασµός του έγινε στηριγµένος στις αρχές του κονστρουκτιβισµού αλλά και του κοινωνικού κονστρουκτιβισµού (Social Constructivism) και εποµένως διαθέτει αρκετά εργαλεία που µπορούν να χρησιµοποιηθούν για να υποστηρίξουν συνεργατική µάθηση. Το Moodle δίνει τη δυνατότητα δηµιουργίας οµάδων στις οποίες ο καθηγητής µπορεί να αναθέτει διαφορετικό υλικό και/ή εργασίες κλπ. Η δηµιουργία των οµάδων και η ανάθεση µαθητών σε αυτές γίνεται µε «χειρωνακτικό» τρόπο από τον καθηγητή µε όποια κριτήρια αυτός έχει κατά νου (εικ. 3). Εικόνα 3:Χωρισµός οµάδων στο Moodle

3. LAMS Το LAMS (Learning Activity Management System) (Dalziel 2003) είναι ένα αρκετά πρόσφατο εργαλείο για σχεδιασµό, διαχείριση και παρουσίαση εξ αποστάσεως συνεργατικών εκπαιδευτικών δραστηριοτήτων. Σύµφωνα µε τους δηµιουργούς του, επεκτείνοντας την έννοια του διδακτικού σχεδιασµού (instructional design), το LAMS στηρίζεται στην έννοια του εκπαιδευτικού σχεδιασµού (learning design) µε τον οποίο περιγράφονται όχι ακολουθίες από περιεχόµενο (ύλη), αλλά ακολουθίες από συνεργατικές δραστηριότητες µε σκοπό τη µάθηση. Στις ακολουθίες δραστηριοτήτων του LAMS προβλέπεται και η δηµιουργία οµάδων Grouping (εικ. 4). Εικόνα 4: ραστηριότητες LAMS Όµως και εδώ, όπως και στην περίπτωση του Centra οι οµάδες δηµιουργούνται είτε από το σύστηµα µε αυτόµατο, αλλά τυχαίο, τρόπο ή από τον καθηγητή µε δική του επιλογή και ανάθεση (εικ. 5). Μάλιστα, οι οµάδες που δηµιουργούνται εδώ είναι περισσότερο στατικές από αυτές του Centra µε σχετικά περιορισµένες δυνατότητες µετατροπής τους κατά τη διάρκεια εξέλιξης των δραστηριοτήτων. Εικόνα 5: Χωρισµός οµάδων στο LAMS

Γίνεται φανερό ότι σε κανένα από τα παραδείγµατα που παρουσιάστηκαν δεν υποστηρίζεται η προσαρµοστικότητα στην συνεργατική µάθηση. Οι επιλογές της δηµιουργίας οµάδων γίνονται είτε µε τυχαίο τρόπο από το σύστηµα, ή από τον ίδιο τον εκπαιδευτή µε χειρωνακτικό (ή διαισθητικό) τρόπο. Και όµως, σε ένα ψηφιακό περιβάλλον όπως είναι αυτά της ηλεκτρονικής µάθησης δηµιουργείται σχεδόν αυθόρµητα η ανάγκη αυτοµατοποίησης αυτής της διαδικασίας που θα υποστηρίζει εκπαιδευτές και εκπαιδευόµενους. 4. Η ηµιουργία των Συνεργατικών Οµάδων H µέθοδοι που είναι γνωστές κάτω από τον γενικό όρο Task Analysis (Clark & Estes 1996) έχουν σαν αρχή ότι κάθε σύνθετο γνωστικό πεδίο ή ικανότητα µπορεί να αναλυθεί σε µια σειρά από απλούστερες ικανότητες και γνώσεις που το απαρτίζουν. Έτσι, προκειµένου να διδάξει κάποιος ένα σύνθετο γνωστικό αντικείµενο πρέπει να διδάξει πρώτα όλα τα απλούστερα γνωστικά αντικείµενα που το απαρτίζουν. Με τον τρόπο αυτό, εάν κάποιος επιθυµεί, είναι δυνατόν να προχωρήσει την ανάλυση σε ακόµα µεγαλύτερη λεπτοµέρεια, µέχρι του σηµείου που διευκολύνονται οι απαιτήσεις του σχεδιασµού του. Έστω ότι επιθυµούµε να διδάξουµε ένα θέµα Χ που µέσω Task Analysis το έχουµε αναλύσει στα επιµέρους θέµατα {Χ 1, Χ 2,...,Χ κ }. Κάθε ένα από τα επιµέρους θέµατα έχει ως προαπαιτούµενα µία σειρά από γνώσεις και δεξιότητες. Έστω {Υ 1,Υ 2,...,Υ λ } το σύνολο των προαπαιτούµενων γνώσεων (εικ. 6). Χ Χ 1 Χ 2... Χ κ Υ 1, Υ 2,...,Υ λ Εικόνα 6: διδακτικός στόχος, ανάλυση και προαπαιτούµενα Ιδιαίτερα στα περιβάλλοντα ηλεκτρονικής µάθησης είναι συνηθισµένη αυτή η πρακτική. Η ύλη διδάσκεται σε µικρές ενότητες που κάθε µια έχει ένα συγκεκριµένο εκπαιδευτικό στόχο. Κάθε ενότητα ακολουθείται από τεστ και άλλου είδους αξιολόγηση. Οι αρχές του κονστρουκτιβισµού δεν παραβιάζονται κατ ανάγκην µε αυτό τον σχεδιασµό. Η αξιολόγηση έχει κύριο σκοπό να υποβοηθήσει το µαθητή στην ανακάλυψη των κενών του και των δυνατών του σηµείων. Ο µαθητής έχει την δυνατότητα να περιηγηθεί ελεύθερα σε όλο το υλικό, ενώ του παρέχονται και άλλες πηγές πέραν της βασικής ύλης, τόσο µέσα στο σύστηµα όσο και στον παγκόσµιο ιστό. Επιπλέον τα συνεργατικά εργαλεία τον φέρνουν σε επαφή και διάδραση µε τους συµµαθητές και καθηγητές του. Υποθέτουµε ότι οι προαπαιτούµενες γνώσεις έχουν ήδη αξιολογηθεί και βαθµολογηθεί. Για κάθε µαθητή Μ της κοινότητας µπορούµε εποµένως να ορίσουµε ένα λ-διάστατο διάνυσµα που θα περιέχει την αξιολόγησή του στις προαπαιτούµενες γνώσεις και δεξιότητες: Μ = { y 1, y 2,..., y λ },

όπου οι τιµές των y i βρίσκονται στο διάστηµα της -όποιας- βαθµολογίας έχουµε επιλέξει για το σύστηµά µας. Επόµενο βήµα είναι η οµαδοποίησή (clustering) των µαθητών χρησιµοποιώντας έναν σχετικό αλγόριθµο (Maragos & Despotis 2003). Κάθε µαθητής παριστάνεται από το αντιπροσωπευτικό του διάνυσµα που περιέχει το υπόβαθρό του. Έτσι δηµιουργούµε οµοιογενείς οµάδες ειδικών (expert groups). Προκειµένου να κατασκευάσουµε τις ετερογενείς οµάδες, δεν έχουµε παρά να επιλέξουµε ένα άτοµο από κάθε µία «οµάδα ειδικών». Προκειµένου να γίνει περισσότερο κατανοητή η διαδικασία θα παραθέσουµε ένα παράδειγµα. Τα στοιχεία προέρχονται από τεχνική επιτροπή της Ένωσης Τεχνικών Ενέργειας Βόρειας Αµερικής. Σύµφωνα µε την σχετική µελέτη (SolarOnLine 2008) η εφαρµογή της task analysis πάνω στο επάγγελµα του τεχνικούεγκαταστάτη Ηλιακών Φωτοβολταϊκών Συστηµάτων (PV) δίνει τις παρακάτω συνιστώσες γνώσεις/ικανότητες (skills): S1 Τήρηση των, γενικών αλλά και ειδικών για τα PV, κανόνων ασφάλειας και υγιεινής. S2 ιενέργεια χωροταξικής µελέτης. S3 Επιλογή κατάλληλου συστήµατος. S4 Προσαρµογή των µηχανικών µερών του PV. S5 Προσαρµογή των ηλεκτρικών µερών του PV. S6 Επιτόπια εγκατάσταση των υποσυστηµάτων. S7 Έλεγχος και επιθεώρηση του συστήµατος. S8 Συντήρηση και διόρθωση βλαβών PV. Ο σχεδιασµός ενός Μαθήµατος (Course) που θα οδηγεί στην απόκτηση του σχετικού τίτλου σπουδών θα πρέπει εποµένως να περιέχει τουλάχιστον τις παραπάνω ενότητες. Η εν λόγω µελέτη αναλύει και σε επόµενο επίπεδο κάθε ένα από τα 8 αντικείµενα, σε υπο-ικανότητες δηλαδή που τα συνιστούν. Για παράδειγµα, η κατηγορία S1 αναλύεται σε 9 υποκατηγορίες, η κατηγορία S2 σε 10 υποκατηγορίες, η S8 σε 7, κ.ο.κ. εν αναφέρουµε την πλήρη ανάλυση για λόγους οικονοµίας χώρου. Επιπλέον, για την απλότητα του παραδείγµατός µας θα χρησιµοποιήσουµε µόνο το πρώτο επίπεδο ανάλυσης. Έστω ότι το Μάθηµα έχει εξελιχθεί, έχουν διδαχθεί οι πρώτες 7 ενότητες και οι εκπαιδευόµενοι έχουν αξιολογηθεί σε αυτές. Προκειµένου να διεξαχθεί η διδασκαλία του επόµενου και τελευταίου γνωστικού υποπεδίου S8, ο εκπαιδευτής αποφασίζει να χρησιµοποιήσει συνεργατική µάθηση και για το λόγο αυτό να δηµιουργήσει ετερογενείς οµάδες. Για να το επιτύχει θα χρησιµοποιήσει την απόδοση των µαθητών στα προηγούµενα (προαπαιτούµενα) µαθήµατα S1...S7. Έτσι, σε σχέση µε την περιγραφή του προβλήµατος που κάναµε νωρίτερα σε αυτή την παράγραφο όπως φαίνεται στην εικόνα 6, θα έχουµε: ιδακτικός Στόχος: X = S8 = Συντήρηση και διόρθωση βλαβών PV Ανάλυση στόχου: 7 υποκατηγορίες που πρέπει να διδαχθούν (παραλείπονται διότι δεν χρειάζονται για το παράδειγµά µας. Όποιος επιθυµεί µπορεί να κατεβάσει το σχετικό αρχείο από την αναφορά που δίνεται). Προαπαιτούµενες γνώσεις: Υ i = {S1, S2, S3, S4, S5, S5, S7} Έστω ότι οι µαθητές είναι 6 µε απόδοση στις προαπαιτούµενες γνώσεις Υ i σύµφωνα µε τον πίνακα 1 (κλίµακα βαθµολογίας 1-100).

Πίνακας 1: Μαθητές Αξιολόγηση πρότερης γνώσης Μαθητές Αξιολόγηση σε προαπαιτούµενες γνώσεις S1 S2 S3 S4 S5 S6 S7 1 90 95 87 77 60 80 83 2 81 99 99 80 81 78 77 3 80 72 89 90 98 87 87 4 60 56 98 99 76 89 79 5 100 100 88 76 67 98 65 6 50 87 86 55 75 73 65 Για να δηµιουργήσουµε τις «οµάδες ειδικών» χρησιµοποιούµε το λογισµικό CLUTO (Karypis 2003). Το CLUstering TOolkit είναι ένα εργαλείο δηµιουργίας οµάδων (clusters), το οποίο µπορεί κάποιος να προµηθευτεί δωρεάν από το Πανεπιστήµιο της Minnesota από τη διεύθυνση http://cluto.ccgb.umn.edu/cgibin/wcluto/wcluto.cgi και να το εγκαταστήσει στον υπολογιστή του. Το πρόγραµµα εκτελείται από τη γραµµή εντολών, αλλά διατίθεται και διαδικτυακή (web-based) υπηρεσία, όπου ο χρήστης µπορεί να υποβάλλει το αρχείο δεδοµένων του και να πάρει τα αποτελέσµατα. Το CLUTO επιδέχεται αρκετά µεγάλης έκτασης παραµετροποίηση, υλοποιεί και παρέχει τρεις κατηγορίες αλγορίθµων οµαδοποίησης (partitional, agglomerative, graph partitioning), ενώ για τον υπολογισµό της οµοιότητας µπορεί να χρησιµοποιήσει αρκετούς από τους, γνωστούς από τη βιβλιογραφία συντελεστές (coefficients), π.χ. cosine, ευκλείδια απόσταση, Jaccard κλπ. Τα δεδοµένα υποβάλλονται οργανωµένα σε πίνακα που αποθηκεύεται σε αρχείο κειµένου µε κατάλληλη µορφή (εικ. 7). Η πρώτη γραµµή του αρχείου περιέχει το πλήθος των γραµµών (άτοµα) και το πλήθος των στηλών (χαρακτηριστικάβαθµολογίες στην περίπτωσή µας). Μετά την επιτυχή εκτέλεσή του, το πρόγραµµα δίνει διάφορες πληροφορίες στην οθόνη και σε αρχείο κειµένου. Εικόνα 7: Προετοιµάζοντας την εισαγωγή δεδοµένων Ακολουθούν τα αποτελέσµατα από δυο εκτελέσεις του προγράµµατος. Στο παράδειγµά µας χρησιµοποιήσαµε και στις δύο περιπτώσεις την εξ ορισµού, για το πρόγραµµα, µετρική οµοιότητας που είναι η συνάρτηση συνηµιτόνου, ενώ για τον αλγόριθµο οµαδοποίησης χρησιµοποιήσαµε την παράµετρο -clmethod=direct η οποία

υπολογίζει ταυτόχρονα όλες τις οµάδες και που σύµφωνα µε το βιβλίο οδηγιών δίνει καλύτερα αποτελέσµατα όταν ζητάµε µικρό αριθµό οµάδων (<=10-20). Τα δύο παραδείγµατα εκτέλεσεων διαφέρουν µόνο ως προς τον αριθµό των οµάδων που ζητάµε: στην πρώτη περίπτωση είναι δύο ενώ στην δεύτερη τρεις. Ενδεικτικά παρατίθεται η έξοδος του προγράµµατος στην οθόνη για την περίπτωση των δύο οµάδων (εικ. 8). Εικόνα 8: Προετοιµάζοντας την εισαγωγή δεδοµένων Οι πίνακες 2 και 3 δείχνουν τα αποτελέσµατα που έχουν προκύψει στην περίπτωση που ζητάµε 2 και 3 οµάδες αντίστοιχα. Πίνακας 2: ύο οµάδες Οµάδα Μέλη (α/α µαθητή) Cluster 0 1,2,5,6 Cluster 1 3,4 Προεπιλεγµένος αριθµός Οµάδων N = 2 Πίνακας 3: Τρεις οµάδες Οµάδα Μέλη (α/α µαθητή) Cluster 0 3,4 Cluster 1 1,5 Cluster 2 2,6 Προεπιλεγµένος αριθµός Οµάδων N = 3

5. Συµπεράσµατα Στα σηµερινά περιβάλλοντα ηλεκτρονικής µάθησης η συνεργατική µάθηση αποτελεί βασική παράµετρο, πλήρως σύµφωνη µε τις κρατούσες αντιλήψεις περί µαθήσεως (κονστρουκτιβισµός κλπ). Στην παρούσα εργασία, παρουσιάστηκαν τα βασικά χαρακτηριστικά της συνεργατικής µάθησης καθώς και η σύνδεσή της µε τα µοντέρνα συστήµατα e-learning. Παρόλο που στον τοµέα των εργαλείων συνεργατικής µάθησης έχουν γίνει µεγάλα βήµατα προόδου (και έπονται ακόµα µεγαλύτερα.), οι πλατφόρµες δεν παρέχουν ιδιαίτερες ευκολίες στον σχηµατισµό των συνεργατικών οµάδων, πράγµα που φάνηκε µέσα από παρουσίαση επιλεγµένων, διαδεδοµένων εργαλείων ηλεκτρονικής µάθησης. Και όµως, το βήµα αυτό, αποτελεί ένα από τα σηµαντικότερα στη διαδικασία της συνεργατικής µάθησης. Υποστηρίξαµε ότι σε περιβάλλον εξ αποστάσεως εκπαίδευσης ο σχηµατισµός των οµάδων πρέπει να γίνεται µε συγκεκριµένα κριτήρια, και αναγνωρίστηκε η πρότερη γνώση (υπόβαθρο) των µαθητών σαν το πλέον σηµαντικό κριτήριο. Τέλος, παρουσιάστηκε µια απλή, εύκολα υλοποιήσιµη µέθοδος αυτόµατου καθορισµού των οµάδων. Η µέθοδος χρησιµοποιεί task analysis, την βαθµολογία των µαθητών από τις προηγούµενες ενότητες που έχουν παρακολουθήσει, ενώ υλοποιήθηκε µε χρήση ελεύθερου λογισµικού. Ακόµα, παρουσιάστηκε παράδειγµα που στηρίχθηκε σε πραγµατικά δεδοµένα task analysis. Οπωσδήποτε, είναι γνωστό ότι η µέθοδος task analysis σε κάποιες περιπτώσεις είναι αποτελεσµατική και σε κάποιες άλλες λιγότερο, ανάλογα µε το είδος του γνωστικού πεδίου που προσπαθεί να αναλύσει. Επιπλέον, η task analysis είναι δύσκολη στην υλοποίησή της, ακόµα και στις περιπτώσεις όπου ενδείκνυται. Από την άλλη πλευρά οι µέθοδοι clustering έχουν αποτελέσµατα των οποίων η αξία δεν είναι εύκολο να υπολογιστεί ή να αποδειχτεί. Για το λόγο αυτό πρέπει µετά την αυτόµατη δηµιουργία των οµάδων να παρεµβαίνει, ενδεχοµένως, διορθωτικά και ο εκπαιδευτής. Κλείνοντας, σηµειώνουµε ότι το πεδίο αυτό έρευνας είναι ανοικτό και εξελισσόµενο, ενώ συνδέεται άµεσα µε την τεχνολογία των Αντικειµένων Μάθησης. Στην (Pollalis & Mavrommatis 2007) µπορεί κάποιος να βρει σχετικό µαθηµατικό µοντέλο και αυστηρή αλγοριθµική προσέγγιση στο ζήτηµα, όπου η έννοια των Αντικειµένων Μάθησης χρησιµοποιείται κατάλληλα, ώστε ταυτόχρονα µε τη δηµιουργία των συνεργατικών οµάδων να συντίθεται για κάθε οµάδα και το κατάλληλο εκπαιδευτικό υλικό. Αναφορές Abramowicz, W., Kaczmarek, T., Kowalkiewicz, M. (2003). E-Collaboration System Designed to Improve Learning Processes, Eli Cohen, Elizabeth Boyd (ed.), Informing Science + IT Education Conference, Pori, Finland, 2003, ISSN 1535-0703, 767-777. Aronson, E., Patnoe, S. (1997). The Jigsaw Classroom, second ed. 729 Longman, NY. Bekele, R. (2005). Computer-Assisted Learner Group Formation Based on Personality Traits, PhD Dissertation, University of Hamburg, December 2005. Bower, Μ., Richards D. (2006). Collaborative learning: Some possibilities and limitations for students and teachers, Proceedings of the 23rd annual ascilite conference: Who s learning? Whose technology?, ascilite 2006.

Brusilovsky, P. (1998). Adaptive Educational Systems on the World-Wide-Web: A Review of Available Technologies. Proc. of workshop WWW-Based Tutoring at 4th Intern. Conference on Intelligent Tutoring Systems (ITS'98). Buzzetto-More, N., Pinhey, K. (2006). Guidelines and Standards for the Development of Fully Online Learning Objects, Interdisciplinary Journal of Knowledge and Learning Objects, Volume 2, 2006 Burkhardt, J., Turner, P. (2001). Student teams and Jigsaw techniques in an undergraduate CSE project course, 31st ASEE/IEEE Frontiers in Education Conference, October 10-13, 2001 Reno, NV. Clark, R., Estes F. (1996). Cognitive task analysis. Int. Journal of Educ. Resources, 1996, 25: 403 17. COM (2001). The elearning Action Plan. Commission of the European Communities, 172 final. Dalziel, J. (2003). Implementing learning design: the Learning Activity Management System (LAMS). Available at www.melcoe.mq.edu.au/documents/ascilite2003 Dalziel Final.pdf De Bra, P., Brusilovsky, P., & Houben, G.-J. (1999). Adaptive Hypermedia: From Systems to Framework, ACM Computing Surveys 31(4), December 1999. De Vries, D., Slavin, R. (1978). Teams-Games-Toumaments (TGT): Review of ten classroom experiments. Journal of Research and Development in Education, 12, 28-38. Dillenbourg, P. (1999). What do you mean by collaborative leraning?. In P. Dillenbourg (Ed) Collaborative-learning: Cognitive and Computational Approaches. (pp.1-19). Oxford: Elsevier, 1999. Dunbar, R.I.M. (1992). Neocortex size as a constraint on group size in primates, Journal of Human Evolution 22: 469-493. Finnis, J. (2004). Learning Technology: The Myths and Facts, International Journal of Instructional Technology and Distance Learning, Vol. 1 No 5 May 2004. Fung, A., Yeung, J., (2000). An object model for a web-based adaptive educational system. ICEUT2000, Educational Uses of Communication and Information Technologies, Beijing, China, August 21-25, 2000. Gallardo, T., Guerrero, L., Collazos, C., Pino, J., Ochoa, S. (2003). Supporting JIGSAW-type Collaborative Learning, 2003, Proceedings of the 36th Annual Hawaii International Conference on System Sciences, 6-9 Jan. 2003. Johnson, D., Johnson, R. (1999). Learning Together and Alone: Cooperative, Competitive, and Individualistic Learning. Allyn & Bacon, ISBN 785 978-0205287710. Karypis, G. (2003). CLUTO, A Clustering Toolkit, University of Minnesota, Department of Computer Science, Technical Report: #02-017, November 28, 2003 Lonchamp, J. (2007). Towards a Web Platform for Collaborative Learning Practice, Evaluation and Dissemination, Journal of Computers, Vol. 2, No. 5, July 2007.

Lukosch, S. (2007). Facilitating Shared Knowledge Construction in Collaborative Learning, Informatica 31 (2007) 167 174. Maragos, E.K., Despotis, D.K., (2003). Evaluation of High School Performance: A Data Envelopment Analysis Approach. Apors Proceedings. New Delhi, India 435-442. Mavrommatis, G. (2006). Learning Objects and Objectives towards Automatic Learning Construction, European Journal of Operational Research, Volume 187, Issue 3, 16 June 2008, Pages 1449-1458. Available online: doi:10.1016/j.ejor.2006.09.024. Pollalis, Y., Mavrommatis, G. (2007). Using Similarity Measures for Collaborating Groups Formation: A Model for Distance Learning Environments, European Journal of Operational Research, doi:10.1016/j.ejor.2007.11.053, available online. Selwyn, Ν., Gorard, S., Furlong J. (2003). How Do Adults Use ICTs for Learning?, School of Social Sciences, Cardiff University. Sharan, S. (1980). Cooperative learning in small groups: Recent methods and effects on achievement, attitudes, and ethnic relations. Review of Educational Research, 50, pp. 241-271. Slavin, R. E. (1995). Cooperative learning: Theory, research, and practice (2nd ed.). Boston: Allyn & Bacon. Slavin, R., Leavey, M., Madden, N. (1986). Team Accelerated Instruction: Mathematics. Charlesbridge, Watertown, MA. Soller, A. (2001). Supporting Social Interaction in an Intelligent Collaborative Learning System, International Journal of Artificial Intelligence in Education (2001), 12, 40-62. SolarOnLine (2008). Objectives and Task Analysis for the Solar Photovoltaic System Installer, North American Board of Certified Energy Practitioners Technical Committee Document 2002, τελευταία πρόσβαση 19-1-2008, http://www.solenergy.org/pdf/task%20analysis-pv%20installer.pdf Stahl R. J. (1996). Cooperative learning: a science context and an introduction to its essential elements. In R. J. Stahl (Ed.), Cooperative Learning in Science, Addison-Wesley Publishing Co. Tinzmann, M.B., Jones, B.F., Fennimore, T.F., Bakker, J., Fine, C. and Pierce, J. (1990) What Is the Collaborative Classroom?", NCREL, Oak Brook, 1990. http://www.ncrel.org/sdrs/areas/rpl_esys/collab.htm Veen, W. (2005). 2020 Visions/Wim Veen s Projection, Prof. Wim Veen, Delft University of Technology, The Netherlands (Online Educa Berlin 2005 Special Site). Wessner, Μ., Haake, J., Tietze, D. (2002). An Infrastructure for Collaborative Lifelong Learning, Proceedings of the 35th Hawaii International Conference on System Sciences 2002, published by IEEE.