偏好分组工具：让学生按自己的选择组成小组

每次课堂活动要分组，总有学生举手问：「老师，我可以和同桌一组吗？」全部随机抽签，学生会觉得自己的意愿被忽略；完全放开自由组队，又常常出现小圈子、落单学生，以及十分钟还没分完的尴尬。偏好分组工具（preference group maker）正是为这个两难点设计的：先把学生的选择收集起来，再按预设规则自动生成小组名单。本文面向 K-12 教师、高校讲师和企业培训师，讲清它的原理、完整操作步骤、真实案例与使用边界。

为什么「让学生自己选」常常以混乱收场

自由组队最大的吸引力是学生有主动权，但它在真实教室里会撞上三个问题。第一是小圈子固化：关系好的几个人每次都锁在一起，跨圈层的合作机会被吃掉了。第二是落单：社交上比较安静的学生站在教室中间，等别人来邀请，最后被老师硬塞进某组，反而更尴尬。第三是时间成本：一个 40 人的班级让学生自由走动组队，通常要花掉 8 到 15 分钟，还要老师反复催促和调整。

完全随机分组能解决这三个问题——速度快、过程公开、没有谁被针对。但它牺牲了另一种东西：学生的动机。当学生能和自己愿意合作的人一起做事，讨论更容易启动，分工也更愿意承担。这是很多一线教师的共同观察，而不是某一份实验报告的结论。

所以真正的问题不是「随机好还是自由好」，而是「怎样在保留公平的前提下，尽量尊重学生的意愿」。这就是偏好分组工具要处理的区间：把选择变成数据，再用规则把它变成一份尽量合理、且能当场解释清楚的名单。

偏好分组工具到底是什么

偏好分组工具是一类收集「谁想和谁一组」「谁想做什么主题」等偏好信息，再按规则输出小组名单的工具或流程。它和纯粹的随机分组工具的区别在于输入：随机分组只需要一份名单和一个组数，偏好分组还需要额外一轮志愿收集。

关键点在于，偏好只是「输入」而不是「结果」。工具会尽量满足偏好，但通常会设定上限，例如每人最多填两个想合作的伙伴，或者每组最多容纳两名来自同一志愿的学生。这样既能照顾意愿，又不会被少数人的志愿把全班的组合结构锁死。用一句更直白的话说：偏好分组是「带约束的随机」，而不是「自己找人」。

如果你把偏好分组工具和 随机配对工具 放在一起看会更清楚。两人一组、只想快速配对时，随机配对工具几十秒就能给出结果；而当任务需要三到五人的协作、并且你希望照顾学生的合作意愿时，偏好分组流程才真正有价值。

三种常见的偏好分组模式

模式一：自由志愿。 学生直接填几位想合作的伙伴，工具尽量把他们放进同一组。适合已经建立了班级安全感、教师对学生关系有把握的场景，例如学期中期的项目课。风险是热门学生被「抢」，需要设置每人最多被选中的次数。

模式二：兴趣优先。 学生不填人，而是填主题偏好，比如「我想研究海洋塑料」「我想做数据可视化」。工具按兴趣把学生聚成组。这种模式特别适合项目制学习和阅读圈，因为它让分组依据从「跟谁熟」变成「做什么事」，社交压力明显降低。

模式三：有限志愿。 每人只能填一到两个想合作的对象，剩下的位置由工具补齐。这是大多数课堂最稳妥的折中：既给了主动权，又保留了跨圈层混合的空间，也最容易向学生解释「为什么你没有和好朋友一组」。

用偏好分组工具组建小组：分步操作

下面是一套可以直接照做的流程，适用于 20 到 45 人的班级或培训小组。

1. 先确定组的数量和人数区间。 例如 36 人分成 6 组、每组 6 人，或者分成 9 组、每组 4 人。先定数字，再收集偏好，否则后面的填表规则会失控。
2. 选择偏好模式。 想让学生自己找人，用自由志愿；想让分组依据更「任务化」，用兴趣优先；不确定就选有限志愿。
3. 设置约束条件。 常见设置是「每人最多填两个志愿」「每组最多两名来自同一志愿的同学」「必须包含至少一名上次没有合作过的同学」。约束是公平的保障，不要省。
4. 用一张表单收集偏好。 纸质小条、在线表单都行，花五分钟就能收完。让学生写全名而不是昵称，避免重名或识别错误。
5. 把名单和偏好一起放进工具。 如果你的目标是先得到一份公平的基础分组，可以用 随机分组工具 生成名单，再把志愿信息手工微调；也可以用表格函数做一次匹配。
6. 检查三类特殊学生。 一组一组看：谁被拒绝了、谁重复被选、谁完全没被提到。这三类学生需要老师人工介入，而不是交给规则处理。
7. 当场公布结果并说明规则。 一句话解释「为什么这样分」，能大幅降低学生的情绪反应：「这次每个人最多填两个志愿，剩下的位置系统补齐，所以每组都混了不同圈子的同学。」

真实案例：一次高中生物课的兴趣分组

一位高中生物老师要带一个 38 人的班级做为期三周的生态调研项目，需要分成 8 组。她的做法是：先用兴趣优先模式，让学生从「校园植物多样性」「水质检测」「昆虫观察」「数据可视化」四个主题中选两个；再设置约束，每组不超过 5 人、每组至少包含一名不同行政班的同学；然后用一张在线表单收集。

结果是 7 组顺利生成，只有一组超员需要拆分。她单独处理了两个情况：一个学生四个主题都选了「都可以」，被随机安排到人数最少的小组；另一个学生只想和固定好友做「数据可视化」，而该组已满，她提前私下说明并给了他「昆虫观察」组的数据整理角色。项目结束时她反馈，最明显的变化是组内讨论启动得快，因为「至少主题是大家自己选的」。

这个案例的重点不是工具多神奇，而是它把老师从「现场调解」变成了「提前设计」：规则在收集偏好之前就定好，结果出来只需要处理少数例外。

企业培训与工作坊中的偏好分组

偏好分组在成人场景里同样好用，甚至更少社交顾虑。常见做法是在工作坊开始前发一份简短问卷，让参与者勾选「想深入讨论的议题」和「希望认识的岗位类型」，然后按议题分组。这样做的好处是分组话题天然有黏性，破冰阶段不需要太多引导。

如果是跨部门培训，建议优先用兴趣优先模式而不是自由志愿。成人更倾向于和自己熟悉的人坐在一起，自由志愿往往会让同一个部门的人继续扎堆，跨部门交流的目标就落空了。这时候「每组至少两名来自不同部门的成员」这类约束比偏好本身更重要。

分组完成后，给每组取个名字能显著提升归属感，小组名称生成器 可以几秒钟产出一批候选名称，省掉现场想名字的冷场。如果培训中还需要有人代表小组发言，用 随机点名器 抽人比老师指定更少争议。

公平性风险与应对方法

偏好分组最大的隐患是「热门学生被争抢，安静学生没人选」。这不是工具的错，而是把社交偏好直接暴露出来的必然结果。应对方式之一是改用兴趣优先模式，让分组依据从人际关系转向任务内容。

第二个隐患是固化。如果一学期每次分组都用自由志愿，学生的合作圈其实没有变化。一个实用的做法是限制比例：一学期里最多两次自由志愿，其余用有限志愿或随机分组，并明确告诉学生这个安排。

第三个隐患是「解释不清」。当学生问「为什么我落在这个组」时，老师需要能给出规则层面的答案，而不是「系统就这么分的」。所以第 3 步的约束条件和第 7 步的当场说明，其实是一体的：规则事先公开，结果才站得住。

什么时候不适合用偏好分组工具

如果任务只有 5 到 10 分钟，比如课堂小练习或快速讨论，收集偏好本身就要花掉比活动更长的时间，这时候直接用 随机配对工具 或随机分组更快，而且学生也不会在意。

如果班级里有明显的排挤或霸凌情况，把「你想和谁一组」写成书面志愿，可能会让被排挤的学生再次受伤。这种情况应该由老师直接安排分组，并在事后单独关注相关学生的状态，而不是把问题交给一个自动规则。

此外，如果评价方式高度依赖小组均衡（比如竞赛性质的任务需要实力平均），那么偏好分组的优先级应该低于能力平衡。可以先用偏好做初步分组，再检查每组的能力结构，必要时手动交换一到两名成员。

常见问题

偏好分组和随机分组，哪个更公平？

从程序上看，随机分组更公平，因为每个人被分到任何一组的概率相同，也最容易向学生解释。偏好分组是在公平的基础上加入意愿权重，适合需要长期协作、需要动机支撑的任务。两者不是替代关系：短任务用随机，长项目用偏好加约束。

学生填的志愿一个都没被满足，怎么办？

先检查是不是志愿过于集中在同一个热门学生身上，这是最常见的原因。可以提前告诉学生「志愿是参考，不是承诺」，并在公布结果时说明规则。对情绪反应较大的学生，私下沟通一次通常比当众解释更有效。

一个班 40 多人，手动处理会不会太麻烦？

收集偏好通常 5 分钟以内就能完成，真正的负担在检查例外个体上，一般只需处理 2 到 5 个特殊情况。如果你希望更快拿到基础名单，可以先用随机分组生成一份均衡名单，再做小幅人工调整。

偏好分组会让班级小团体更明显吗？

有可能，尤其是频繁使用自由志愿时。比较稳妥的做法是限制使用频率，并在约束条件里加入「每组至少一名此前未合作过的同学」，用规则主动制造跨圈层接触。

在线教学或远程培训能用吗？

可以。把志愿表单放在会议开始前发放，分组结果直接贴进会议室的分组列表即可。远程场景下学生更难私下协商，反而降低了「临时换组」的概率，规则执行更干净。

现在就开始

偏好分组不复杂：先定规则，再收志愿，最后处理少数例外。如果你只想先拿到一份公平、可解释的基础名单，直接打开 随机分组工具，输入名单和组数，几秒钟就能完成；再结合一张志愿收集表，你就能在公平和意愿之间找到那个刚刚好的平衡点。