Schülergruppen-Generator
- Teilweise AnwesenheitLege fest, welche Personen in welchen Sessions teilnehmen, statt alle in jeder Runde einzuplanen.
- Kapazitäten nach Gruppe und SessionGib jeder Gruppe eine eigene Kapazität und überschreibe sie pro Session, wenn Raumgrößen oder Betreuung wechseln.
- Session-spezifische RegelnWende Zusammenhalten-, Trennen-, Pinning-, Wiederholungs- und Balance-Regeln nur auf relevante Sessions an.
- Gewichtete weiche ConstraintsFüge Präferenzen hinzu, die bei Bedarf verletzt werden dürfen, und gewichte sie gegenüber anderen Zielen.
- Zielwerte für Paar-BegegnungenSteuere, wie oft bestimmte Paare sich im Plan begegnen sollen, inklusive exakter, minimaler oder maximaler Zielwerte.
- Erweiterte Constraint-FeinsteuerungFeinsteuere Wiederholungslimits, Attribut-Balance-Modi, Penalties und weitere Constraint-Details.
- Solver-EinstellungenPasse Laufzeitlimits, deterministische Seeds, Solver-Familie und weitere Optimierungseinstellungen an.
- ErgebnisanalysePrüfe Score-Aufschlüsselungen, Constraint-Erfüllung, Penalties und gespeicherte Ergebnisse genauer.
Einsatzfälle für einen Schülergruppen-Generator
Erstelle Unterrichtsgruppen schneller und berücksichtige bei Bedarf Fähigkeiten, Rollen, Sitzdynamiken oder Wiederholungen.
Schüler-Projektgruppen
Teile eine Klassenliste in Projektteams auf und balanciere optional nach Fähigkeit, Niveau, Rolle oder Interesse.
Unterrichtsaktivitäten
Erstelle schnelle Gruppen für Diskussionen, Stationen, Übungen, Arbeitsblätter oder gemeinsame Aufgaben.
Laborgruppen
Ordne Schüler Laborgruppen oder kleinen Arbeitsteams zu, ohne Unterrichtszeit mit manuellem Sortieren zu verbringen.
Peer-Review-Gruppen
Erzeuge Gruppen für Feedback, Lesekreise, Kritikrunden oder Peer-Learning-Aktivitäten.
Sitz- und Tischgruppen
Erstelle Tischgruppen und nutze Zusammenhalten- oder Trennregeln, wenn die Klassendynamik es erfordert.
Wiederholte Rotationen
Nutze mehrere Sessions, damit Schüler mit unterschiedlichen Mitschülern arbeiten und Wiederholungen reduziert werden.
Häufige Fragen
GroupMixer verwenden
Füge deine Namen (einen pro Zeile) in das Textfeld ein, lege die Anzahl der Gruppen oder Personen pro Gruppe fest und klicke auf "Gruppen generieren". Deine Gruppen erscheinen sofort.
Datenschutz, Zugriff und Limits
Ja. GroupMixer ist vollständig kostenlos nutzbar. Wenn du es hilfreich findest und die Entwicklung unterstützen möchtest, kannst du über GitHub Sponsors spenden. Auf GitHub Sponsors spenden.
Nein. Für GroupMixer gibt es keine Nutzungsbeschränkungen.
Nein. Du brauchst kein Konto und keine Registrierung. Namen einfügen, die Einrichtung anpassen und direkt Gruppen generieren.
In deinem Browser auf diesem Gerät. Deine Teilnehmerliste und alle anderen Daten, die du eingibst, bleiben während der Arbeit auf deinem Gerät.
Ja. Nachdem die Seite geladen wurde, kannst du GroupMixer in deinem Browser weiter offline verwenden.
Steuerung und erweiterte Einrichtung
Ja. Öffne die erweiterten Optionen, um Keep-Together- und Keep-Apart-Regeln, mehrere Sitzungen und Attributausgleich hinzuzufügen.
Ja. Füge deinen Teilnehmenden Attribute wie Rolle, Fähigkeit, Geschlecht oder Abteilung hinzu und wähle dann aus, welches Attribut über die Gruppen hinweg ausgeglichen werden soll.
Ja. Verwende "Pinned people" in den erweiterten Optionen, um bestimmte Personen über alle Sitzungen hinweg an eine bestimmte Gruppe zu pinnen. Das ist nützlich für Leitende, Vortragende oder alle, die in einer bekannten Gruppe bleiben müssen.
Ja. Lege die Anzahl der Sitzungen fest und aktiviere "Avoid repeat pairings", um Wiederholungen über Runden hinweg zu reduzieren.
Ja. Verwende den Szenario-Editor für teilweise Anwesenheit. Du kannst festlegen, welche Teilnehmenden an jeder Sitzung teilnehmen, bevor du den Plan generierst.
Ja. Verwende den Szenario-Editor, um benutzerdefinierte Gruppenkapazitäten festzulegen, einschließlich unterschiedlicher Kapazitäten für verschiedene Gruppen oder Sitzungen.
Ja. Verwende Group Visits im Szenario-Editor, um exakte, minimale oder maximale Besuchszahlen für ausgewählte Personen und ausgewählte Gruppen über ausgewählte Sitzungen hinweg festzulegen. Das ist nützlich für Stationenrotationen, Aufgabenexposition und Besuchsobergrenzen.
Verwende den Szenario-Editor für Steuerungen, die diese Seite nicht anbietet, etwa teilweise Anwesenheit, benutzerdefinierte Kapazitäten nach Gruppe und Sitzung, sitzungsspezifische Regeln, gewichtete Präferenzen, Pair Encounters, Group Visits, erweiterte Feinabstimmung, Solver-Einstellungen, frühere Ergebnisse und Ergebnisanalyse.
Automatischer Algorithmus
GroupMixer verwendet eine hybride Optimierungspipeline. Das Szenario wird in eine dichte, indizierte Darstellung kompiliert, ein hochwertiger zulässiger Startplan wird erstellt, und anschließend läuft ein Local-Search-Optimierer mit score-erhaltenden Move-Previews, Record-to-Record-Akzeptanz, adaptiver Auswahl von Move-Familien, Diversifikation und laufzeitabhängigem Stoppkriterium. Auto-Solver-Architekturkarte ansehen.
Der Solver minimiert einen gewichteten Score. Die wichtigsten Terme sind Strafwerte für wiederholte Begegnungen, Strafwerte für Attributausgleich, gewichtete Strafwerte für weiche Constraints und eine Belohnung für eindeutige Kontakte. Niedriger ist besser: Wiederholungen und Constraint-Verletzungen erhöhen den Score, während neue eindeutige Paarungen ihn senken.
GroupMixer startet nicht mit einer rein zufälligen Gruppierung. Zuerst versucht es einen beschränkten, vom Constraint-Szenario bzw. Oracle geleiteten Konstruktor. Dieser Konstruktor baut ein hart gültiges Gerüst, nutzt reine Social-Golfer-Struktur, wo sie Wiederholungen reduziert, projiziert diese Struktur zurück in das reale Szenario und validiert das Ergebnis, bevor die Suche beginnt.
Die dichte Suchmaschine schlägt wiederholt lokale Änderungen am aktuellen Plan vor. Jede Kandidatenänderung wird vor der Entscheidung des Optimierers gegen das Scoring-Modell geprüft, sodass die Suche den Plan verbessern kann, ohne die harten Gültigkeitsbedingungen zu verletzen.
Suche und Reduzierung von Wiederholungen
Ja. Die Hauptsuche ist ein Optimierer im Stil der iterierten lokalen Suche mit Record-to-Record- oder Threshold-Accepting-Verhalten: Verbessernde Moves werden akzeptiert, und begrenzt nicht verbessernde Moves können früh akzeptiert werden, damit die Suche lokale Optima verlassen kann. GroupMixer verwendet außerdem adaptive Nachbarschaftsauswahl, Diversifikationsschübe und tabu-inspirierte Mechanismen in spezialisierten Pfaden zur Wiederholungsminimierung. Es ist nicht nur eine einzelne Metaheuristik aus dem Lehrbuch, sondern kombiniert mehrere Suchideen rund um das Scoring-Modell für Gruppenzuweisungen.
Die Reduzierung von Wiederholungen beginnt vor der lokalen Suche. GroupMixer versucht, ein starkes Kontaktmuster im Social-Golfer-Stil zu konstruieren, mit exakten oder nahezu exakten Null-Wiederholungs-Strukturen, wenn sie zum Szenario passen. Danach verfolgt die dichte Suche Paar-Kontaktzahlen, belohnt Erstkontakte, bestraft Wiederholungsexzesse und verbessert den Plan, ohne Anforderungen zu verletzen.
Constraints und Optimalität
Anforderungen wie Anwesenheit, Kapazität, Fixed Placements, Keep Together und Keep Apart werden während der Planerstellung erzwungen und vor der Suche validiert. Präferenzen wie Repeat Limit, Balance Attributes, Attribute Totals, Prefer Together, Prefer Apart, Pair Encounters und Group Visits werden als gewichtete Strafwerte oder Ziele dargestellt, sodass sie gegeneinander abgewogen werden können, wenn das Szenario überbeschränkt ist.
Anforderungen sind Regeln, die GroupMixer erfüllen muss, um einen Plan zurückzugeben. Dazu gehören Anwesenheit, Gruppenkapazität, Fixed Placements, Keep Together und Keep Apart. Präferenzen sind bewertete Ziele: Sie zu verletzen ist erlaubt, erhöht aber den Score. Dazu gehören Repeat Limit, Balance Attributes, Attribute Totals, Prefer Together, Prefer Apart, Pair Encounters, Group Visits und das Ziel eindeutiger Kontakte.
Wenn GroupMixer einen Score von 0 findet, weist das auf Optimalität für das aktive Scoring-Modell hin: Es gibt keine verbleibenden bewerteten Verletzungen oder Wiederholungsstrafen, die verbessert werden könnten. In vielen eingeschränkten Szenarien kann das wahre Optimum jedoch größer als 0 sein, weil Anforderungen in Konflikt stehen oder das Design mathematisch unmöglich ist. GroupMixer ist nicht dafür ausgelegt zu beweisen, dass ein positiver Score global optimal ist, und für viele komplexe Szenarien ist ein solcher Beweis in der Praxis völlig undurchführbar.
Nein. Anforderungen werden als Zulässigkeitsregeln behandelt, nicht als Vorschläge. GroupMixer versucht zuerst qualitätsorientierte Konstruktoren; wenn diese keinen Plan erstellen können, kann es auf einen SAT-basierten Zulässigkeitskonstruktor zurückgreifen. Wenn der SAT-Solver beweist, dass die Anforderungen unerfüllbar sind, schlägt GroupMixer fehl, statt sie zu lockern. Wenn ein erfüllender Plan gefunden wird, nutzt GroupMixer ihn als Ausgangspunkt und optimiert anschließend Präferenzen und andere Qualitätsziele weiter.
Benchmarks und bessere Ergebnisse
In den meisten Fällen wahrscheinlich nicht. Allgemeine Optimierungstools wie OR-Tools können Teile dieses Problems modellieren, aber für die meisten praktischen Szenarien ist es außerordentlich schwer, allein mit einem generischen Solver bessere Pläne als GroupMixer zu erhalten. GroupMixer kombiniert Suche mit problemspezifischen Konstruktionsheuristiken, die eine generische Constraint-Suche nicht kostengünstig neu entdecken wird: Round-Robin-Paarpläne, Kirkman- und nahezu Kirkman-Dreiersysteme, affine Ebenen über endlichen Körpern und Transversaldesign-Konstruktionen, MOLS- und MOLR-Konstruktionen, RTDs aus Quasi-Differenzmatrizen, auflösbare BIBDs, eigene Social-Golfer-Starterbanken, veröffentlichte Planbanken und rekursives Lifting. GroupMixer zu schlagen erfordert normalerweise einen anderen kombinierten Algorithmus, nicht nur ein generisches Modell.
Bitte melde ihn über die Seite für Feature-Anfragen. Gib die Form des Szenarios, das GroupMixer-Ergebnis, den besseren Plan und deine Bewertungsmethode an. Fälle, in denen eine andere Methode GroupMixer schlägt, sind besonders nützlich, weil sie zu Regressionstests oder Benchmark-Fällen für die Verbesserung des Solvers werden können. Eine Feature-Anfrage senden.
Die Suche verwendet randomisierte Exploration, sofern kein deterministischer Seed angegeben ist. Unterschiedliche Läufe können daher verschiedene hochwertige Pläne mit demselben oder ähnlichen Scores finden. Im Szenario-Editor können fortgeschrittene Nutzerinnen und Nutzer einen Seed setzen, wenn Reproduzierbarkeit wichtig ist.