Diversibute ("diverse distribution")

Dieses JavaScript-Module dient dazu eine Gruppe in möglichst heterogene und dennoch möglichst gleichgroße Untergruppen einzuteilen. Für die Bewertung der Heterogenität werden den Gruppenmitgliedern Eigenschaftswerte zugeschrieben, anhand derer die Algorithmen eine Heterogenität berechnen. Ergebnis des Algorithmus sind mehrere heterogene Gruppenzusammensetzungen.

Anwendungsbereiche liegen unter anderem in der Bildungsarbeit. Eine Seminarleiterin oder ein Seminarleiter kann mit diesem Algorithmus anhand einiger Merkmale gezielt heterogene Gruppenzusammensetzungen berechnen lassen. Auch Lehrer und Lehrerinnen können dies nutzen um diverse Gruppen berechnen zu lassen, die möglichst gleich groß sind. Diversität bringt einerseits neue Lernpotenziale in die Gruppen und anderseits kann es die Bildung von Toleranz fördern, dadurch dass sie dadurch gefordert wird.

Installation

Dieses Modul kann ohne weiteres in NodeJS Projekten eingebunden werden. Dies setzt eine NodeJS Laufzeitumgebung voraus.

Anschließend das Modul einfach als Abhängigkeit über npm installieren npm install diversibute@https://github.com/akramer-zibra/diversibute --save

Es können auch spezifische Versionen des Moduls installiert werden. ies lässt sich dadurch erreichen, dass in der Github URL die gewünschte Version an das Ende anghängt wird, z.B. so https://github.com/akramer-zibra/diversibute#0.3.0

Beispiel

Dieses Beispiel berechnet für eine Gruppe bestehend aus 19 Personen und jeweils 3 Merkmalen eine möglicht heterogene und ausgewogene Aufteilung in 4 Gruppen.

var diversibute = require('diversibute')

// Beispiel Eingabedaten
var data = {
    A: [1.6, 0, 2.4],
    B: [8.6, 1.3, 6.2],
    C: [6.6, 1.2, 2.3],
    D: [6.6, 3.6, 0],
    E: [8.7, 4.1, 8.3],
    F: [1.2, 4.1, 1.4],
    G: [0, 1.2, 1.5],
    H: [2.7, 3.6, 5],
    I: [1.6, 7.8, 5.8],
    J: [1.2, 3.7, 0],
    K: [7.9, 0, 1.6],
    L: [9, 2.9, 0],
    M: [3.2, 7.4, 5.5],
    N: [7.3, 1.2, 8.7],
    O: [1.4, 7.8, 7.7],
    P: [1.5, 1, 1.2],
    Q: [8.1, 0, 2.6],
    R: [9.2, 0, 0],
    S: [6.4, 1.3, 0]
}

// Anzahl gewünschter Gruppen
var groups = 4;

// Gruppen berechnen
diversibute.diverse(data, groups, {results: 5}).then(result => {
    console.log(result)
})

Ein vollständiges Anwendungsbeispiel gibt es hier diversibute-example

Funktionsweise

Das Modul besitzt eine einzige Methode diverse() über die der Verteilalgorithmus ausgeführt wird.

Parameter	Typ	Beschreibung
data	Object	Schlüssel sind Bezeichnungen der Gruppenmitglieder. Values sind Array-Collections mit Dezimalwerten zwischen 0 und 10
groups	number	Anzahl der gewünschten Gruppenanzahl
settings	Object	Konfigurationsobjekt

Konfiguration

Der Verteilalgorithmus lässt sich durch nachfolgende Konfigurationswerte steuern

Wert	Typ	Beschreibung	default
algorithmus	string	Wählt zwischen den beiden Algorithmen genetic und monte-carlo	genetic
results	number	Definiert die Anzahl der gewünschten Resultate	1

Ergebnis

Nachfolgende Tabelle erklärt die Datenstruktur der Ergebnisse

Wert	Typ	Beschreibung
input.data	Object	Die Eingabedaten
input.groups	number	Die Anzahl an gewünschten Gruppen
settings	Object	Die angewendete Konfiguration dieser Berechnung
results	Array	Eine Array-Collection mit berechneten [Zusammensetzungen](#Struktur der berechneten Zusammensetzungen) Objekten

Struktur der berechneten Zusammensetzungen

Wert	Typ	Beschreibung
groups	Array	Ist ein Array mit Arrays. Letzteren Arrays beschreiben die berechneten Gruppenzusammensetzungen
seq	Array	Eine sequentielle Repräsentation der berechneten Gruppenzusammensetzung. Die Werte stehen für Gruppen. Der Index enstspricht den Keys der Eingabewerte
score	number	Der berechnete Fitness-Wert des Ergebnis. Höher ist besser

Advanced

Spezielle Konfigurationswerte für genetic-Algorithmus

Diese Werte funktinieren ausschließlich für den genetic-Algorithmus

Wert	Typ	Beschreibung	default
populationStartSize	number	Definiert die Größe der Startpopulation	40
populationMaxSize	number	Definiert die maximale Größe der Population	100
evolutions	number	Definiert wieviele Evolutionen der Algorithmus durchläuft, bis er sein Ergebnis zurückgibt	100

Interception

Wert	Typ	Beschreibung	default
bunches	number	Definiert, in wievielen Schritten der genetische Algorithmus zum Ergebnis kommt	1
interceptor	Function	Definiert eine Callback-Function, die während des Evolutionsprozesses aufgerufen wird. bunsches muss hierfür größer als 1 sein	undefined

Testing

Der Code kann mithilfe des Skripts npm test durchgetestet werden.

Inspiration

Dieses Modul ist wesentlich von der Idee der Kreativen Felder von Olaf-Axel Burow inspiriert. Burow versteht Kreativität als ein Zusammenspiel mehrerer Personen und deren sozialen Eigenschaften. Seine Theorie ist eine Weiterentwicklung der Feldtheorie aus der Gestaltpsychologie beziehungsweise Gruppendynamik. Ein kreatives Feld ist ähnlich einem Magnetfeld: es ist durch die Polung seiner Bestandteile gekennzeichnet. Bei Kreativen Feldern ist ein Schlüssel die Heterogenität der Beteiligten.

License

Dieses Modul ist unter der GNU-GPLv3 lizensiert und aus diesem Grund frei zugänglich.