| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状: | 第12-17页 |
| ·学习质量评价体系 | 第12-14页 |
| ·数据挖掘技术 | 第14-16页 |
| ·教育技术领域的数据挖掘 | 第16-17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 泛在学习模型研究 | 第20-34页 |
| ·普适计算 | 第20页 |
| ·泛在学习环境 | 第20-26页 |
| ·泛在学习的网络技术 | 第20-21页 |
| ·现有的泛在学习设备 | 第21-23页 |
| ·泛在学习的支撑技术 | 第23-26页 |
| ·泛在学习与其他学习方式的区别 | 第26-28页 |
| ·U-learning 与Ubiquitous Computing 的区别 | 第26-27页 |
| ·U-learning、E-learning 与M-learning 的区别 | 第27-28页 |
| ·泛在学习研究 | 第28-33页 |
| ·泛在学习的结构模型 | 第29页 |
| ·泛在学习环境模型 | 第29-30页 |
| ·U-learning 服务体系的构建 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 泛在学习资源质量与评价研究 | 第34-58页 |
| ·人类主观意识与泛在资源设计 | 第34-36页 |
| ·相关理论基础 | 第34-35页 |
| ·客观资源形态与人脑身体认知 | 第35-36页 |
| ·主观态度测量 | 第36-39页 |
| ·态度的定义与测量 | 第37-38页 |
| ·态度测量技术 | 第38-39页 |
| ·泛在学习资源评价指标体系研究 | 第39-44页 |
| ·建立指标体系的基本原则 | 第39-40页 |
| ·评价指标模型 | 第40-41页 |
| ·评价指标说明 | 第41-44页 |
| ·瑟斯顿权重分配实验 | 第44-49页 |
| ·对等过程与判别误差 | 第45-46页 |
| ·配对比较测量原理 | 第46-48页 |
| ·实验数据来源 | 第48页 |
| ·设计配对比较算法程序 | 第48-49页 |
| ·实验结果分析 | 第49页 |
| ·权重分配与主观偏好实验 | 第49-57页 |
| ·亚格软信息多判据模型 | 第50页 |
| ·实验方法 | 第50-52页 |
| ·判断函数D(x)与终判值 F | 第52-57页 |
| ·结果分析 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第四章 学生评教质量因子分析研究 | 第58-75页 |
| ·因子分析 | 第58-62页 |
| ·因子分析基本原理 | 第58-60页 |
| ·因子分析模型 | 第60-61页 |
| ·因子载荷 | 第61页 |
| ·因子贡献率 | 第61-62页 |
| ·实验设计 | 第62-68页 |
| ·数据准备 | 第62-63页 |
| ·相关性分析 | 第63-64页 |
| ·实验结果分析 | 第64-68页 |
| ·主观定序尺度数据处理 | 第68-74页 |
| ·软信息与模糊子集 | 第68-70页 |
| ·实验设计 | 第70页 |
| ·实验结果分析 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 神经网络数据挖掘研究 | 第75-87页 |
| ·神经网络与数据挖掘技术 | 第75-77页 |
| ·数据挖掘的过程 | 第75-76页 |
| ·神经网络技术 | 第76-77页 |
| ·基于神经网络的满意度模拟分析 | 第77-79页 |
| ·实验设计 | 第77-78页 |
| ·实验结果与分析 | 第78-79页 |
| ·学习行为与成绩分类预测实验 | 第79-86页 |
| ·数据来源 | 第79-80页 |
| ·问题定义 | 第80页 |
| ·实验设计 | 第80-82页 |
| ·调整与分析 | 第82-85页 |
| ·实验结果 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第六章 总结与展望 | 第87-89页 |
| ·本文工作总结 | 第87-88页 |
| ·本文的不足及展望 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 致谢 | 第94-95页 |
| 攻读硕士期间发表的学术论文 | 第95-96页 |
| 攻读硕士期间所参与的科研项目 | 第96页 |