学位论文 > 优秀研究生学位论文题录展示

数据挖掘在智能教学系统中的应用研究与设计

作　者: 张晓清
导　师: 肖建华
学　校: 湘潭大学
专　业: 软件工程
关键词: 网络智能教学系统数据挖掘知识点表示学生模型
分类号: TP311.13
类　型: 硕士论文
年　份: 2008年
下　载: 135次
引　用: 1次
阅　读: 论文下载

内容摘要

目前随着校园计算机网络的普及,如何利用计算机网络资源建立一个智能化、个性化的教育教学环境,已经成为当今信息教育发展的关键性技术问题。人工智能应用到早期的教学产生了智能教学系统(ITS,IntelligentTutoring System),ITS是一项涉及人工智能、计算机科学、教育学、心理学和行为科学的综合性课题,其目的就是由计算机系统担当学习的引导者和帮助者,即赋予计算机系统以智能,由计算机在一定程度上替代人类教师实现最佳教学效果。ITS改变了传统教学模式和教学环境,完成传统教学模式下需要完成的教学任务,并起到传统教学不可替代的更好的教学效果。但随着计算机网络技术的发展以及人们需求的提高,也看到了智能教学系统存在着一些不足:如智能性和个性化欠缺、大量的学生信息库资源浪费而知识库不够丰富等。本文将数据挖掘技术运用到智能教学系统的开发过程中,从而在学生信息库中挖掘出更多或更有价值的信息,来充分应用或者重组和丰富知识库。通过智能教学系统对数据挖掘技术的引用而加强智能教学系统服务的智能性和个性化。本文以智能教学系统的组成和此系统的实现流程为线索,详细介绍了本智能教学系统的各个组成部分的设计和实现的过程。使用数据挖掘的关联挖掘规则和决策树挖掘算法,加强本智能教学系统的智能性和个性化。在设计过程中,根据建构主义教学理论,本文试图改变传统的用专家模型来评估学生的学习效果的思想,本文将用学生学习效果来调整专家模型。本论文所作的主要工作如下:(1)通过对现有网络智能教学系统的研究分析,归纳出了现有网络智能教学系统存在智能性差,在教学中积累的大量教学资源浪费的缺点,提出数据挖掘在智能教学系统中的应用研究与设计的课题(2)根据知识点间的依赖关系,给出了AOV网的知识点关系表示方法,基于建构主义教学思想和覆盖型学生模型的特点,通过对学生信息库的挖掘,挖掘出了更适合学生学习AOV网。同时为了表示每个专业所学课程间的依赖关系,也使用了AOV网的数据结构。(3)基于认知型学生模型和个性化教学特点,通过对学生信息库数据的挖掘,挖掘出了符合学生认知特点的教学策略。(4)开发了一套原型系统,重点实现了导航学习功能。

全文目录

摘要  4-5
ABSTRACT  5-10
第1章引言  10-20
  1.1 研究背景  10-12
    1.1.1 研究背景  10-11
    1.1.2 理论及实际意义  11-12
  1.2 ITS国内外研究综述  12-17
    1.2.1 国外ITS研究研究重点  12-15
    1.2.2 ITS在中国的研究的现状和重点  15-16
    1.2.3 ITS的发展趋势  16-17
  1.3 数据挖掘技术在智能教学系统中的应用背景  17-18
  1.4 主要研究内容  18
  1.5 论文组织结构  18-20
第2章智能教学系统及数据挖掘技术的相关理论  20-34
  2.1 建构主义学习理论  20-23
    2.1.1 建构主义学习理论的基本内容  20-22
    2.1.2 建构主义学习理论对网络教学系统的指导作用  22-23
  2.2 知识的表示与推理  23-26
    2.2.1 知识的类型  23
    2.2.2 知识表示  23-25
    2.2.3 推理机的推理方法  25-26
  2.3 数据挖掘技术及应用  26-34
    2.3.1 数据挖掘的定义  26
    2.3.2 数据挖掘的过程  26-27
    2.3.3 决策树学习算法  27-32
    2.3.4 关联规则挖掘  32-33
    2.3.5 数据挖掘在智能教学系统中的应用  33-34
第3章应用数据挖掘的智能教学系统的总体设计  34-40
  3.1 设计目标  34
  3.2 系统的网络结构  34-35
  3.3 系统框架模型的设计  35-36
  3.4 系统实现的结构和流程设计  36-38
  3.5 系统实现的流程设计  38-40
第4章智能教学系统各组成模型的设计  40-52
  4.1 智能教学系统模型的组成和功能  40-41
  4.2 知识库的设计  41-46
    4.2.1 按专业课程间关系的设计  41-42
    4.2.2 知识点关系的表示  42-46
  4.3 学生模型的构建  46
  4.4 教学策略的生成  46-47
  4.5 教师模型的构建  47-48
  4.6 决策推理模型的设计  48-52
    4.6.1 推理机制  48
    4.6.2 产生式系统的组成  48-49
    4.6.3 产生式系统的推理策略  49-50
    4.6.4 推理机  50-51
    4.6.5 系统推理模型  51-52
第5章数据挖掘技术在智能教学系统中的应用研究  52-62
  5.1 关联挖掘规则在学生信息库中的应用  52-56
    5.1.1 算法设计  52-55
    5.1.2 挖掘结果分析及应用  55-56
  5.2 基于决策树的教学规则的生成  56-62
    5.2.1 学生认知能力的定量评估——加权评价算法  56-57
    5.2.2 基于学生认知能力的教学策略生成算法——改进决策树算法  57-58
    5.2.3 系统应用实例  58-62
第6章系统实现与测试  62-68
  6.1 系统开发工具  62
  6.2 智能教学系统关键模型的实现  62-64
    6.2.1 系统中领域知识库的生成及组成  62-63
    6.2.2 推理机制的产生式的生成和组成  63-64
  6.3 系统架构  64-65
  6.4 网络智能教学系统导航学习的实现  65-67
    6.4.1 登录设计与实现  65-66
    6.4.2 网上学习模块设计与实现  66-67
  6.5 模拟学习环境的学习效果测试与分析  67-68
第7章总结与展望  68-70
  7.1 论文总结  68-69
  7.2 以后的工作  69-70
参考文献  70-72
致谢  72-73
附录 A(攻读学位期间发表论文目录)  73

数据挖掘在智能教学系统中的应用研究与设计

内容摘要

全文目录

相似论文