协作学习是一种以小组或团队进行学习的学习模式,是培养学习者的沟通和理解能力的重要途径。其中,分组问题是协作学习的关键问题之一,已成为教育科学领域研究中具有挑战性的问题。近年来,分组问题得到了国内外学者的高度关注,取得大量的研究成果。然而,现有协作学习分组研究主要考虑学习者之间的相似性或者差异性,并没有均衡考虑小组之间的公平性,这在一定程度上影响了教育公平。针对此问题,本文研究了协作学习的公平分组问题,提出了一种协作学习分组算法,主要工作如下:（1）本文在均衡考虑公平性和差异性的情况下,提出一种基于公平性和差异性的协作学习分组算法,该算法将个体差异度最大的学生尽可能分在一组,小组与小组之间的差异度尽量接近,使分组结果达到组内最大化异质、组间最大化同质,同时也满足了均衡公平性与差异性的需求。进一步,为了验证本文所提出的基于公平性和差异性的协作学习分组算法有效性,采用方差分析法在真实数据集上进行实验,实验结果表明,本文所提出的基于公平性和差异性的协作学习分组算法对学生学习成绩的提高有显著效果。同时,可以有效地提高组内差异,保证组间的公平性,达到“组内异质,组间同质”的分组效果。（2）本文提出了一种用于评估组内差异度的指标,且分组中所含元素间的最小差异度与该值呈正相关关系,即组内差异度越大,则该值越大,因此,使用该值能够准确反映出分组算法是否提高了所有组内元素间的差异度。进一步,在模拟实验中,通过与随机分组方法、基于K-Means聚类分组方法以及本文所提出的协作学习分组算法的组内最小差异度指标的比较,验证了本文所提出的协作学习分组算法能够有效地提高组内差异度。（3）本文在所提出的协作学习分组算法的基础上,设计并实现了均衡差异性与公平性的协作学习分组原型系统。该系统采用B/C体系结构,主要分为教师模块和学生模块,其中,教师模块中的分组算法实现了随机分组与差异性分组两种方式,满足了自动分组的需求。最后,本文对分组模块进行功能测试,以此来验证所提出的分组算法的稳定性和有效性,确保该系统正常稳定的运行。