摘要 | 第3-4页 |
Abstract | 第4页 |
第1章 引言 | 第8-13页 |
1.1 研究背景 | 第8-9页 |
1.1.1 网络教育的快速发展 | 第8页 |
1.1.2 虚拟学习社区是时代发展的要求 | 第8-9页 |
1.2 选题来源 | 第9页 |
1.3 研究意义 | 第9-10页 |
1.4 本文的研究内容与方法 | 第10-11页 |
1.4.1 研究内容及拟解决的关键问题 | 第10-11页 |
1.4.2 研究方法 | 第11页 |
1.5 本文的组织结构 | 第11-13页 |
第2章 虚拟学习社区概述 | 第13-16页 |
2.1 国内外虚拟学习社区的基本概念 | 第13页 |
2.2 虚拟学习社区的学习共同体理论 | 第13-14页 |
2.3 虚拟学习社区的分类 | 第14页 |
2.4 虚拟学习社区的构建研究 | 第14-16页 |
第3章 教育数据挖掘与聚类分析 | 第16-22页 |
3.1 教育数据挖掘概述 | 第16-17页 |
3.1.1 教育数据挖掘的定义 | 第16页 |
3.1.2 数据挖掘在网络教育中的研究现状分析 | 第16-17页 |
3.2 聚类分析算法 | 第17-20页 |
3.2.1 聚类的定义 | 第17-18页 |
3.2.2 相似度的测度 | 第18页 |
3.2.3 聚类的分类 | 第18-20页 |
3.3 模糊聚类分析 | 第20页 |
3.4 模糊C均值聚类算法 | 第20-22页 |
3.4.1 FCM算法概述 | 第20-21页 |
3.4.2 模糊C均值聚类算法的流程图 | 第21-22页 |
第4章 基于学习特征的教学策略推理机制 | 第22-45页 |
4.1 个性化教学 | 第22页 |
4.2 基于学习特征的教学策略推理机制系统模型 | 第22-24页 |
4.2.1 数据预处理模块 | 第23-24页 |
4.2.2 学习者学习特征分析模块 | 第24页 |
4.2.3 教学策略推理模块 | 第24页 |
4.3 虚拟学习社区中学习者的学习特征表示 | 第24-25页 |
4.4 教学策略推理机制 | 第25-28页 |
4.4.1 几种典型的知识表示法 | 第26页 |
4.4.2 教学策略的产生式表示法模型定义 | 第26页 |
4.4.3 基于学习特征的教学策略推理机制 | 第26-28页 |
4.4.4 基于学习特征的教学策略推理分析 | 第28页 |
4.5 基于模糊C均值聚类的学习特征分析 | 第28-30页 |
4.5.1 聚类分组策略 | 第28页 |
4.5.2 模糊C聚类分析学习特征具体过程 | 第28-30页 |
4.6 基于模糊C均值聚类的学习特征聚类实验 | 第30-45页 |
4.6.1 学习特征的数据来源 | 第30-32页 |
4.6.2 学习行为记录采集 | 第32-35页 |
4.6.3 算法初始参数设置 | 第35-36页 |
4.6.4 模糊C均值聚类分组实现过程 | 第36-41页 |
4.6.5 实验结果及教学策略推理分析 | 第41-45页 |
第5章 基于教学策略机制的虚拟学习社区系统构建 | 第45-62页 |
5.1 虚拟学习社区构建概述 | 第45页 |
5.2 虚拟学习社区与复杂系统 | 第45-46页 |
5.2.1 虚拟学习社区与复杂系统的内在耦合性 | 第45-46页 |
5.2.2 自上而下与自下而上的设计方法 | 第46页 |
5.3 Agent的概述 | 第46-48页 |
5.3.1 Agent的定义 | 第46-47页 |
5.3.2 Agent的基本结构 | 第47页 |
5.3.3 Agent在基于教学策略机制的虚拟学习社区中的应用概述 | 第47-48页 |
5.4 构建基于教学策略机制的虚拟学习社区结构图 | 第48-51页 |
5.4.1 多Agent教学系统的优点 | 第48页 |
5.4.2 基于教学策略机制的虚拟学习社区结构图 | 第48-50页 |
5.4.3 基于教学策略机制的虚拟学习社区学生Agent的设计 | 第50-51页 |
5.5 教学策略推理模块的设计与开发 | 第51-62页 |
5.5.1 教学策略推理模块的设计思想 | 第51-52页 |
5.5.2 教学策略推理模块的实现 | 第52-62页 |
第6章 总结与展望 | 第62-65页 |
6.1 研究总结 | 第62页 |
6.2 研究展望 | 第62-65页 |
参考文献 | 第65-69页 |
致谢 | 第69-70页 |
在读期间发表论文(著)及科研情况 | 第70页 |