学位论文 > 优秀研究生学位论文题录展示

E-Learning平台上基于学习行为分析的个性化教学系统的研究与实现

作 者: 丁旭
导 师: 王大玲
学 校: 东北大学
专 业: 计算机应用技术
关键词: 网络学习 Web使用挖掘 学习行为 关联规则 学习对象 E-learning平台
分类号: TP391.6
类 型: 硕士论文
年 份: 2008年
下 载: 144次
引 用: 0次
阅 读: 论文下载
 

内容摘要


网络和信息技术的迅猛发展,改变着人们的学习方式和沟通方式,越来越多的学习者开始加入到网络学习的队伍中来。E-learning平台是实施网络学习的重要途径,它为学习者提供了丰富的学习资源和便捷的学习服务。但目前绝大多数E-learning学习平台仍以教学资料为主体,以至于学习者面临E-learning学习平台中教育资源库的海量数据常显得无所适从,学习者丧失学习的主动性,同时也使不同学习进度、不同学习方式和不同学习兴趣的学习者的个性化需求无法得到充分满足。针对目前网络学习中存在的上述问题,本文提出在原有E-learning平台基础上,构建一种以学习者为中心的学习行为分析模型,用来分析学习者的学习需要、学习兴趣和学习行为习惯。基于此模型,为学习者提供个性化的教育资源,做到因材施教。在构建学习行为分析模型的过程中,本文作了如下研究:1)以行为科学理论为基础,依据“以人为本”的原则,通过问卷调查,详细分析了学习者的学习特征以及学习者对学习资源、学习工具、学习过程的需求,明确了学习者对E-learning平台的使用需求;2)利用Web使用挖掘技术,对学习者的网络行为信息进行采集和整理;3)改进传统关联规则算法中频繁序列集的组织形式,在疑似序列集和可信序列集之间增加一个推测序列集,用来提高关联规则发现的速度;4)重构学习资源存储形式,引入面向对象方法,将学习资源按照不同封装粒度,构建成原子型学习对象和复合型学习对象,以提高学习资源的利用率。本文描述的模型及实现的系统提供的功能可以合理组织学习资源,基本满足学习者的网络学习需求,并且能够跟踪学习者学习行为,发现学习者的学习习惯,分析汇总学习者学习行为规则,据此向学习者推荐合理学习资源和学习路径,使其进行智能化、个性化的学习。

全文目录


摘要  6-7
Abstract  7-12
第一章 绪论  12-22
  1.1 研究背景及意义  12-17
    1.1.1 E-learning学习平台概述  12-14
    1.1.2 网络学习行为概述  14-16
    1.1.3 网络学习行为研究的意义  16-17
  1.2 国内外研究现状  17-19
  1.3 本文的研究内容  19
  1.4 课题的来源  19-20
  1.5 本文的组织结构  20-22
第二章 相关理论与技术  22-32
  2.1 行为科学理论  22-24
    2.1.1 行为科学概念  22-23
    2.1.2 行为科学在网络教育领域的研究内容  23
    2.1.3 行为科学对网络学习行为研究的意义  23-24
  2.2 Web挖掘技术  24-28
    2.2.1 Web挖掘的定义  24
    2.2.2 Web挖掘的分类  24-25
    2.2.3 Web使用挖掘的一般过程  25-28
  2.3 教育信息标准及其E-learning模型  28-30
    2.3.1 教育信息化技术标准  28-29
    2.3.2 E-learning模型  29-30
  2.4 本章小结  30-32
第三章 基于学习行为分析的个性化教学系统需求分析  32-40
  3.1 系统需求描述  32-35
    3.1.1 网络学习者的特征  32-34
    3.1.2 网络学习资源  34
    3.1.3 网络学习行为的过程  34-35
    3.1.4 网络学习工具  35
  3.2 个性化教学系统功能分析  35-36
  3.3 网络学习行为属性分析  36-37
  3.4 本章小结  37-40
第四章 E-learning平台上学习行为模型构建  40-56
  4.1 学习对象模型  40-47
    4.1.1 学习对象的定义及分类  40-42
    4.1.2 学习对象模型的构建  42-45
    4.1.3 学习对象的形式化表示方法  45-47
  4.2 学习行为模型挖掘  47-55
    4.2.1 符号和定义  48-49
    4.2.2 学习行为模型的构建  49-55
  4.3 本章小结  55-56
第五章 基于学习行为分析的个性化教学系统的设计与实现  56-72
  5.1 系统设计目标  56-57
  5.2 系统总体结构设计  57-58
  5.3 E-learning平台模块的设计与实现  58-60
    5.3.1 E-learning平台模块的设计  58-59
    5.3.2 E-learning平台的实现  59-60
  5.4 学习对象创建与组织模块的设计与实现  60-61
  5.5 数据采集与预处理模块设计  61-66
    5.5.1 从Web服务器中进行数据采集  62-65
    5.5.2 从数据库服务器中进行数据采集  65-66
  5.6 学习行为分析模块设计  66-69
    5.6.1 学习特征识别  67-68
    5.6.2 有效会话识别  68
    5.6.3 学习模式发现  68
    5.6.4 学习内容推荐模块  68-69
  5.7 系统评价  69-70
  5.8 本章小结  70-72
第六章 总结  72-74
  6.1 本文的贡献  72-73
  6.2 系统实施情况  73
  6.3 进一步的工作  73-74
参考文献  74-78
致谢  78-80
攻硕期间发表的论文及参加的科研项目  80-82
附录A 学习行为调查问卷  82-83

相似论文

  1. 基于多元智能理论的网络学习评价研究,G434
  2. 城镇失业青年“自性”学习行为研究,G729.2
  3. 基于数据挖掘的税务稽查选案研究,F812.42
  4. CMC环境下大学生在线学习评价研究,G434
  5. 关联规则算法在高职院校贫困生认定工作中的应用,G717
  6. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  7. 数据挖掘在学校管理和学生培养中的应用,TP311.13
  8. 数据挖掘技术在独立学院教学评估中的应用研究,TP311.13
  9. 通信行为指纹研究,TP311.13
  10. 动态关联规则的研究,TP311.13
  11. 数据挖掘在学生评价系统中的应用,TP311.13
  12. 面向隐私保护的关联规则挖掘研究,TP311.13
  13. 基于关联规则和图排序的句子情感倾向性研究,TP391.1
  14. 基于数据挖掘的入侵检测技术的研究,TP393.08
  15. 变革型领导对团队学习行为的作用机制研究,F224
  16. 基于数据仓库的新农合管理系统研究,TP311.13
  17. 基于聚类分析和关联规则的痹证医案处方用药规律研究,R255.6
  18. 再生障碍性贫血中医证候分型文献的数据挖掘研究,R259
  19. 基于Web使用挖掘的网站优化研究,TP393.092
  20. 流数据挖掘在网络流量分析中的应用研究,TP393.06
  21. 关联规则挖掘的改进算法在入侵检测中的应用,TP311.13

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 教学机、学习机
© 2012 www.xueweilunwen.com