基于教育数据的相关性分析研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 绪论 | 第10-21页 |
| 1.1 选题背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 教学质量评价 | 第12-13页 |
| 1.2.2 课程相关性 | 第13-14页 |
| 1.2.3 个性化学习 | 第14-15页 |
| 1.2.4 智能组卷 | 第15-17页 |
| 1.2.5 试题相关性 | 第17页 |
| 1.2.6 学习分析 | 第17-18页 |
| 1.3 主要研究内容 | 第18-19页 |
| 1.4 主要贡献和创新点 | 第19-20页 |
| 1.5 本文的组织结构 | 第20-21页 |
| 2 面向教学质量评价的课程相关性分析 | 第21-32页 |
| 2.1 关联规则挖掘 | 第21-25页 |
| 2.1.1 概念 | 第21-23页 |
| 2.1.2 相关算法 | 第23-25页 |
| 2.2 利用WEKA挖掘相关课程 | 第25-29页 |
| 2.2.1 数据预处理 | 第26-27页 |
| 2.2.2 使用Apriori算法进行关联挖掘 | 第27-29页 |
| 2.3 SPSS分析课程的相关系数 | 第29页 |
| 2.4 统计分析教师课程质量评价 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 面向个性化学习的试题相关性分析 | 第32-69页 |
| 3.1 项目反应理论 | 第32-33页 |
| 3.2 试题对概念的引出 | 第33页 |
| 3.3 相关系数的选取 | 第33-37页 |
| 3.3.1 支持度 | 第34页 |
| 3.3.2 置信度 | 第34-35页 |
| 3.3.3 皮尔逊相关系数 | 第35-37页 |
| 3.4 模拟做题记录相关性分析 | 第37-53页 |
| 3.4.1 数据集的生成和预处理 | 第37-42页 |
| 3.4.2 TIA模型 | 第42-44页 |
| 3.4.3 试题参数对相关度的影响 | 第44-53页 |
| 3.5 相关度与实际做题记录 | 第53-58页 |
| 3.5.1 相关度在实际做题记录中的有效性验证 | 第53-56页 |
| 3.5.2 试题相关度与试卷质量 | 第56-58页 |
| 3.6 基于TIA模型的智能组卷方案 | 第58-68页 |
| 3.6.1 基于指定初始试题的组卷方案 | 第58-59页 |
| 3.6.2 基于“最低相关度队列”的组卷方案 | 第59-62页 |
| 3.6.3 基于“最低相关度队列”的组卷系统 | 第62-65页 |
| 3.6.4 探讨组卷系统得出试卷的质量 | 第65-66页 |
| 3.6.5 同其他组卷系统的性能对比 | 第66-68页 |
| 3.7 本章小结 | 第68-69页 |
| 4 基于回归模型的成绩相关性分析 | 第69-81页 |
| 4.1 回归模型介绍 | 第69-71页 |
| 4.1.1 线性回归 | 第69-70页 |
| 4.1.2 多项式回归 | 第70页 |
| 4.1.3 基于卷积神经网络的回归模型 | 第70-71页 |
| 4.2 相关特征选择 | 第71-75页 |
| 4.2.1 学习习惯和期末考试成绩 | 第71-73页 |
| 4.2.2 平时成绩和期末考试成绩 | 第73-75页 |
| 4.3 回归模型预测 | 第75-80页 |
| 4.3.1 线性回归 | 第76-77页 |
| 4.3.2 多项式回归 | 第77-78页 |
| 4.3.3 基于卷积神经网络的回归模型 | 第78-80页 |
| 4.4 本章小结 | 第80-81页 |
| 5 “基于测试的知识学习平台”开发 | 第81-95页 |
| 5.1 开发的背景及目标 | 第81页 |
| 5.2 平台的概述和功能模块介绍 | 第81-94页 |
| 5.2.1 基本功能 | 第82-93页 |
| 5.2.2 高级功能 | 第93-94页 |
| 5.3 本章小结 | 第94-95页 |
| 6 总结和展望 | 第95-97页 |
| 6.1 论文总结 | 第95页 |
| 6.2 工作展望 | 第95-97页 |
| 参考文献 | 第97-107页 |
| 本文作者硕士期间参加的科研项目及学术成果 | 第107-108页 |
| 致谢 | 第108-109页 |
