群体智慧与教育研究

陈雁青

摘 要：自存在可考证的历史以来，人类就是一种群居动物，生活在各种类型的群体中。而教育在很大程度就是一种典型的群体行为。本文通过对于群体的研究，试图以群体智慧形成过程的理论为出发点，分析群体决策的价值，从而为教育提供有价值的方法和策略。

关键词：群体心理学 群体智慧 自组织 超个体 群体决策

一、引言

群体心理学的研究应当以古斯塔夫.勒庞发表的《乌合之众》一书作为正式科学研究的标志，虽然书中存在诸多非科学的内容。对于群体的研究，从政治、经济、教育等各个角度看，都具有极大的价值，实际上，社会的发展本质就是解决如何管理、发展群体及平衡群体与个人关系的问题。从有可考证的历史以来，人类一直就是群居动物，采取各种形式的族群方式生活在一起。家庭聚在一起形成家族，人群聚在一起形成城镇，商人聚在一起形成集市，学生聚在一起形成班级……到了今天，因特网的兴起，进一步把人类的集群方式推向了新的高度：没有时间限制，没有地域阻隔，即便是一件小事，一个想法，甚至是一个错误，无论是关于物质的还是精神的，都可能形成一个群体。

为了能够更方便地研究群体特性，勒庞试图把个体的个性化特征从群体研究中尽可能地剔除出去，强调因为群体的组成而体现出来的独特群体特征，并使用一些极端的例证来论证研究的正确性。书中认为：“群体不具有智慧，一旦一个人融入群体，个性便会被湮没，成为群体思想的牺牲品。”虽然这样的结论存在诸多问题，但在那个年代和当时的研究环境下，无论他的研究方法还是研究成果，具有极大的创新和科学意义。把人的个性化的东西极大简化，采用机械论的观点看待群体中的个人，这在相当长的一段时间内，为相当多的研究者所采用，并视为真理。霍布斯将个体的人视作一台受到外力作用的复杂机器，那么人的自由意志应该置于何种地位呢？霍布斯认为，自由意志根本就不存在。

人类的复杂性导致了群体研究的困难，相当长的时间里，群体研究同自然科学研究的发展相比，进展缓慢，成果不明显。霍布斯正是感受到了科学推理和数学论证的威力，从而试图建立一种基于科学推理的政治体系。这些研究对于后来的群体研究仍然具有重大影响，即便需要充分考虑个性特点，也应当是置于群体这个框架之下 ，进行一定程度的抽象和简化后，才具有研究的科学性、客观性、可验证性。

除了自我单独学习之外，多数教育和培训活动都属于典型的社会群体行为。正规教育包含小学、初中、高中、大学、研究生，每位学生都在班级这个群体之中，各个班级组成学校，进一步形成全部的学生群体。非正规的群体教育则更早始于幼儿园和各种课外培训班。社会教育的范畴则更加广阔，包含各种各样的单位培训活动、职业培训、健身指导、音乐美术学习等等。除了这些实际社会中的群体，通过网络组成了更多类型和不同目的的群体。通过微信类工具，班级有班级的群，课程有课程的群，兴趣爱好者的群，共享资料的群，等等。既然教育是一种典型的群体活动，而教育质量的提升对于社会发展非常重要。那么，利用对群体智慧的研究成果，提升教育质量，是一项重要的研究课题。

二、蚁群优化

蜜蜂和蚂蚁被称之为“社会性昆虫”，是因为它们集群在一起的时候，能够形成复杂的分工合作体系。群体中的每一个个体遵循一些规则，这些规则帮助它们从群体中获得昀大的利益，这样的群体可以称之为“超个体”。超个体中没有个人领导者，但是这种组织形式能够提升群体的智慧，利用这种智慧，群体可以形成群体决策。超个体不是简单的个体叠加，而是更加强大，表现出与个人甚至是迥然不同的特征或者能力。简单过程产生复杂模式的过程称之为“自组织”，通过自组织则会产生群体智能。本文主要研究的目的是通过理解自组织如何产生群体智能这个过程，将其应用到教育实践中去，从而丰富教学方法，提高教学质量。班级教学往往是老师主导的过程，从某种角度看，老师就是该学习群体中的中心人物或者主导人物，而自组织则是一个典型的去中心化的过程。

蚂蚁为了更快地运送食物回到巢穴，需要寻找食物和巢穴之间的昀短距离。科学家在蚂蚁回巢穴的路上设置障碍，形成一长一短两条通路。一开始，蚂蚁随意选择两条通路，但是几分钟后，蚂蚁就会发现较短的通路。蚂蚁是如何发现较短路径的呢？一开始，不同的蚂蚁随机选择了不同的路径，在它们行进过程中会释放一种化学物质，选择路径较短的蚂蚁由于能够更快地返回，导致该路径上化学物质的浓度相对较高，因此更多的蚂蚁选择浓度较高的路径，形成了进一步的浓度强化，昀终，所有的蚂蚁都找到了较短路径。这显然是由于群体的存在才能产生的一种能力。人类比蚂蚁的智慧和能力要高得多，教学中可以参考该类案例设计教学方法以提升质量和效率。利用蚁群优化逻辑，普渡大学的罗素艾伯哈特和美国劳动统计局的吉姆设计了粒子群优化（ PSO）。在教学过程中，我们同样可以利用蚁群优化来设计教学方法，比如老师给出一个题目，学生们首先写下自己的答案，然后根据周围同学的答案来调整自己的答案，这个过程可以一直持续下去，随着时间的推移，整个班级可能找到了一个昀优答案，这其实就是正反馈的价值。

三、无形的领导者

米尔格拉姆安排一群人站在康尼狄格州纽黑文市的大街上盯着六楼的一扇窗户。他发现，在只有一个人盯着窗户的情况下，会有约 40%的路停下来一同注视。当有两个人注视时，这一比例上升到 60%。当有五个人时，比例上升为 90%。这一现象称之为“无形的领导者”，一般说来，一个群体中如果有 5%的领导者知道目标，则可以有 90%的机会领导群体达成目标，这也有效地解释了部分蜜蜂发现蜜源后引导其他蜜蜂达到蜜源处的过程。实验说明，蜜蜂并不是根据跳“ 8”字舞来沟通蜜源位置的，多数蜜蜂是处于无目标飞行状态，其中部分蜜蜂发现蜜源后径直向目标前进，从而带动了其他无目标飞行的蜜蜂。实际上在我们下火车寻找出站口的过程中，你会发现多数人并没有通过看到出站口的标志来选择方向，更多的时候是跟随周围和前面的人，一开始可能会有人走错了方向，但是很快你就发现人群形成了有序的人流，几乎没有人再走错方向。

学校教学中，我们也会发现，如果一个班级中有几个同学参加某种竞赛得奖，或者几个人特别喜欢某个学科，往往会带动更多的人对其产生学习兴趣，这种作用往往比老师引导和强调要有效得多。这实际上就是一种跟随效应，体现了“无形的领导者”这一群体现象。老师可以利用这一群体现象进行引导，通过有意识的培养和引导这些无形的领导者，利用实际的组织活动和网络上的虚拟群体来将自己的学生纳入到一个群体中来，让这些无形的领导者带动更多的同学提升学习质量和水平。

四、群体决策的价值

一个群体进行决策时往往受到群体领袖式人物的引导，多数人可能选择不去决策而直接听从群体领袖的决策，这往往是群体领袖通过各种手段或者习惯性的培养而导致的结果。实验证实，在几乎所有情况下，如果每个人获得了独立思考和决断权力后，利用群体决策得到的结果往往会更加贴近正确的判断。

多数情况下，群体可以采用两种方法获得决策，多数表决制或者计算平均值方法。在什么情况下采用哪种方法要取决于具体的问题。多数表决制在现实社会中应用广泛，上至选举总统，下到选举班长，都是这种模式。这种方式不一定得到昀优解，但往往能得到较优解，同时带来群体稳定等其他方面的优点。在教育中，选举班干部、三好学生等往往采用这种模式，增加学生的参与感，但是对于课程学习方面这种方式往往不容易采用。实际上有很多教学内容是可以采取这种方法的，比如音乐课上要练习哪一首歌曲，语文课上要共同分享的哪一本课外读物，数学课上大家感兴趣的某种奥数专题等等。该方法基于参与感往往会带来后续的学习兴趣这一可能性。对于第二种方法的多个实例可以参考作家詹姆斯.索罗维基的《群体的智慧》一书。第二种方法很容易设计教学题目，比如让所有的学生用同一把尺子量课桌的长度，把这些长度加和后平均，结果往往优于绝大多数学生个体的测量结果。该方法基于个体误差能够有效抵消这一原理。

现在培训中流行的“世界咖啡”方法实际就是一种群体决策方法，参与者在一个自由宽松的环境里面，这里面没有老师，没有权威，只有一个引导者或者说是组织者，帮助参与者正常开展讨论和决策活动。参与者分成多个小组，就一个讨论议题，每个小组都提出问题，并试图找出解决方法。然后这些小组的人员开始互换，参考前面讨论的结果，进一步优化甚至彻底改变解决方法，直到一个约定的时刻结束。“世界咖啡”往往能够带来让大家吃惊的结果，因为每个人的认知不同，在充分参考不同认知的情况下，经过不断的优化，结果往往更加接近于昀优决策。对于没有准确答案的决策性问题该方法尤其适用。

五、结论

个体组成群体后，个性化有被抑制的现象，个体间的相互作用使得群体产生了个体所不具有的群体智慧。教育是一种基本且昀为重要的社会活动，很多情况下是一种群体活动，深入研究群体，通过对群体特性的理解，通过适当的方法刺激群体智慧的产生，提高群体智慧的质量，对于优化教育的组织、管理、质量和效率等方面的内容能够起到极大的促进作用。本文通过蚁群优化、无形的领导者、群体决策的价值等几个方面探讨了群体智慧的价值，并给出了在教育中如何应用的建议。人的复杂性导致了群体研究的复杂性，后续的工作要引入更多相关领域学科方面的成果，进一步定性定量研究群体间个体相互作用的机制和新环境下的群体特性。

参考文献：

[1]（法）古斯塔夫.勒庞，张妤洁译，乌合之众：大众心理研究[M].南京江苏人民出版社，2011.4.

[2]菲利普.鲍尔，暴永宁译，预知社会-群体行为的内在法则[M].当代中国出版社，2015.9.

[3]C. Ronald Kube；Eric Bonabeau. Cooperative transport by ants and robots. Robotics and Autonomous Systems， 2000，1/2.

[4]Kennedy J， Eberhart R C. Particle swarm optimization[C]. International Symposium on Neural Networks， 1995.

[5]Bozeman B， Brandstatter H， Davis J A， et al. Group decision making[J]. Journal of Policy Analysis and Management， 1982.

[6]詹姆斯 .索罗维基. 群体的智慧[M].中信出版社， 2010.10.