| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第12-32页 |
| 1.1 研究背景与意义 | 第12-16页 |
| 1.1.1 研究背景 | 第12-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 文献综述 | 第16-26页 |
| 1.2.1 国内外研究现状分析 | 第19-22页 |
| 1.2.2 文献评述 | 第22-26页 |
| 1.3 研究方案 | 第26-32页 |
| 1.3.1 主要研究内容 | 第26-28页 |
| 1.3.2 研究方法 | 第28-29页 |
| 1.3.3 文章结构 | 第29-31页 |
| 1.3.4 创新之处 | 第31-32页 |
| 2 基于贝叶斯网络的隐马尔柯夫模型 | 第32-49页 |
| 2.1 贝叶斯网络模型 | 第32-34页 |
| 2.2 隐马尔柯夫模型与序列分类算法 | 第34-45页 |
| 2.2.1 隐马尔柯夫模型概述 | 第35-43页 |
| 2.2.2 序列分类方法概述 | 第43-45页 |
| 2.3 隐马尔柯夫过程逻辑斯蒂模型 | 第45-49页 |
| 2.3.1 HMM过程回归模型 | 第45-46页 |
| 2.3.2 HMM过程回归模型的参数估计方法 | 第46-47页 |
| 2.3.3 HMM过程回归模型估计与评价方法 | 第47-49页 |
| 3 网络学习特征分析 | 第49-100页 |
| 3.1 总体规模 | 第50-54页 |
| 3.1.1 学生入学情况 | 第50-51页 |
| 3.1.2 学生毕业与退学情况 | 第51-52页 |
| 3.1.3 在读学生规模 | 第52-53页 |
| 3.1.4 结论 | 第53-54页 |
| 3.2 毕业生学习时长 | 第54-57页 |
| 3.2.1 学制与概念 | 第54-55页 |
| 3.2.2 学业成果的定义 | 第55-56页 |
| 3.2.3 结论 | 第56-57页 |
| 3.3 学生基本信息 | 第57-67页 |
| 3.3.1 学习属性：入学批次、层次、专业 | 第57-59页 |
| 3.3.2 自然属性：性别、地域、年龄 | 第59-67页 |
| 3.3.3 结论 | 第67页 |
| 3.4 学生网上学习行为差异 | 第67-71页 |
| 3.4.1 总体时间分析 | 第68页 |
| 3.4.2 BBS行为差异 | 第68-71页 |
| 3.4.3 结论 | 第71页 |
| 3.5 统考表现 | 第71-77页 |
| 3.5.1 参加统考的学生规模 | 第72-73页 |
| 3.5.2 统考分科目及格率 | 第73-76页 |
| 3.5.3 结论 | 第76-77页 |
| 3.6 学分情况 | 第77-80页 |
| 3.6.1 选课学分的总体情况 | 第77页 |
| 3.6.2 分批次、分专业学生的前期学分选择与取得情况 | 第77-80页 |
| 3.6.3 结论 | 第80页 |
| 3.7 不同专业关键课程 | 第80-87页 |
| 3.7.1 定义与研究目的 | 第80页 |
| 3.7.2 指标设计 | 第80-82页 |
| 3.7.3 数据准备 | 第82-83页 |
| 3.7.4 分析过程 | 第83-85页 |
| 3.7.5 结论 | 第85-87页 |
| 3.8 标杆学生学习特征研究 | 第87-100页 |
| 3.8.1 基于学生基本情况与入学基础的高效学生的综合特征 | 第88-93页 |
| 3.8.2 基于WEB日志的网络学习行为表现 | 第93-96页 |
| 3.8.3 基于BBS的行为表现 | 第96-98页 |
| 3.8.4 统考与关键课程的合理安排 | 第98页 |
| 3.8.5 标杆学生特征概括 | 第98-100页 |
| 4 网络学习沉淀预警模型实证研究 | 第100-142页 |
| 4.1 沉淀学生定义与沉淀风险 | 第100-101页 |
| 4.1.1 沉淀定义 | 第100-101页 |
| 4.1.2 沉淀风险 | 第101页 |
| 4.2 沉淀静态预警模型 | 第101-128页 |
| 4.2.1 模型要素 | 第101页 |
| 4.2.2 沉淀模型建立思路 | 第101-102页 |
| 4.2.3 数据指标 | 第102-103页 |
| 4.2.4 各要素基本情况 | 第103-117页 |
| 4.2.5 退学模型 | 第117-120页 |
| 4.2.6 分阶段低效模型 | 第120-122页 |
| 4.2.7 全程低效模型 | 第122-126页 |
| 4.2.8 低效风险预警值 | 第126-128页 |
| 4.3 沉淀预警序列模型 | 第128-137页 |
| 4.3.1 数据准备 | 第128页 |
| 4.3.2 分析流程 | 第128-129页 |
| 4.3.3 序列聚类 | 第129-135页 |
| 4.3.4 实验结果与结果分析 | 第135-137页 |
| 4.3.5 结论 | 第137页 |
| 4.4 沉淀预警模型结果与检验 | 第137-142页 |
| 4.4.1 加入行为变量的适应期退学预警模型改进 | 第137-140页 |
| 4.4.2 混淆矩阵比较 | 第140-142页 |
| 5 结论 | 第142-143页 |
| 5.1 主要成果 | 第142-143页 |
| 5.2 建议 | 第143页 |
| 参考文献 | 第143-156页 |
| 附录 | 第156-160页 |
| 附录A EM算法 | 第156-157页 |
| 附录B 网络学习沉淀预警指标体系 | 第157-160页 |
| 在学期间发表的学术论文和研究成果 | 第160-161页 |
| 后记 | 第161-162页 |