本论文来源于江苏省高校自然科学基金资助项目“高校信息化与核心竞争力研究”(05KJB120041)，以及工大教学在线(南京工业大学，2006-，在研)科研课题的子课题--E-Learning学习机制研究。通过对E-Learning学习机制的研究，采用Multi-Agent的技术方法，减少参与者人为干涉系统行为、网络控制及通信量，直接提高学习的效率，改善交互质量。从而最大程度的降低因分组决策错误而造成的资源浪费和经济损失，达到改善教学系统知识交换、整合、沉淀、创新、增值等的环境，提高高校核心竞争力的目的。　　 本文系统研究了协作学习的基本思想及协作学习中典型的分组问题。运用粗糙集的思想和Multi-Agent的技术方法，重点研究协作学习中的分组过程。根据南京工业大学“工大教学在线”的实际应用背景，构造分组Agent结构。将粗糙集理论与E-Learning协作学习问题相结合，研究在信息缺失情况下的分组问题，利用Multi-Agent实现分组模型中的各个角色，动态智能的做出积极有效地在线辨识和判断分析。　　 本文从构造分组协作学习模型入手，联系实际背景，设计了一套分组策略。有效地分析组内成员之间复杂协作关系，解决分组问题，以克服协作学习的信息障碍和通讯障碍，提高学习群体性协作效率。并用Benchmark算例测试算法的性能，验证模型的有效性。实验结果数据表明，模型较好的考虑了E-Learning实际应用中的信息缺失的特性，具有较强的可行性和实用性，符合高校教学环境。研究成果较好的解决了E-Learning远程教育急待解决的问题。