| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-16页 |
| 1.1.1 MOOC的兴起与发展 | 第12-13页 |
| 1.1.2 MOOC教学面临的问题 | 第13-15页 |
| 1.1.3 MOOC课堂与传统课堂的对比 | 第15-16页 |
| 1.2 网络学习行为研究现状 | 第16-17页 |
| 1.3 主要问题 | 第17页 |
| 1.4 本文的主要工作 | 第17-20页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 本文的组织结构 | 第18-20页 |
| 第2章 网络学习相关研究 | 第20-27页 |
| 2.1 学习行为相关理论 | 第20-21页 |
| 2.2 学习大数据及挖掘应用 | 第21-22页 |
| 2.3 数据挖掘方法 | 第22-25页 |
| 2.3.1 Apriori算法与关联分析 | 第22-24页 |
| 2.3.2 无监督学习K-均值聚类方法 | 第24-25页 |
| 2.3.3 决策树分类算法 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 学习行为与学习效果关联分析 | 第27-45页 |
| 3.1 影响学习行为的因素 | 第27-29页 |
| 3.1.1 影响学习行为的内部因素 | 第27-28页 |
| 3.1.2 影响学习行为的外部因素 | 第28-29页 |
| 3.2 影响学习效果的学习行为分析 | 第29-33页 |
| 3.3 学习行为与学习效果关联分析CAA算法设计 | 第33-41页 |
| 3.3.1 学习行为形式化表示 | 第33-34页 |
| 3.3.2 等频分箱法离散学习行为原始数据 | 第34-36页 |
| 3.3.3 学习行为与学习效果关联分析CAA算法设计 | 第36-38页 |
| 3.3.4 学习行为数据采集与离散处理 | 第38-39页 |
| 3.3.5 实验结果及结果分析 | 第39-41页 |
| 3.4 不利于提高学习效果的学习行为分析 | 第41-43页 |
| 3.5 实验结果应用价值 | 第43页 |
| 3.5.1 改善学习者的学习习惯 | 第43页 |
| 3.5.2 基于学习行为的日常学习考查体系 | 第43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 MOOC学习行为与学习效果聚类分析 | 第45-51页 |
| 4.1 聚类分析方法 | 第45-46页 |
| 4.1.1 相似度计算 | 第45页 |
| 4.1.2 数据归一化处理 | 第45-46页 |
| 4.2 学习行为与学习效果聚类分析WK-means算法设计 | 第46-48页 |
| 4.2.1 学习行为特征选择和表示 | 第46-47页 |
| 4.2.2 加权相似度计算 | 第47页 |
| 4.2.3 学习行为与学习效果聚类分析WK-means算法设计 | 第47-48页 |
| 4.3 实验结果及分析 | 第48-49页 |
| 4.4 该研究的现实应用意义 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 学习风格模型构建与学习伙伴网络构建 | 第51-56页 |
| 5.1 学习行为与学习风格的关系 | 第51-52页 |
| 5.2 学习风格决策分类LSDT算法设计 | 第52-54页 |
| 5.2.1 LSDT算法的学习行为特征选择及表结构设计 | 第52-53页 |
| 5.2.2 决策分值特征选择 | 第53页 |
| 5.2.3 学习风格决策分类LSDT算法设计 | 第53-54页 |
| 5.3 实验结果及分析 | 第54-55页 |
| 5.4 现实应用价值 | 第55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
