| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 选题背景 | 第12-13页 |
| 1.2 国内外研究现状综述 | 第13-16页 |
| 1.3 研究定位 | 第16-18页 |
| 1.4 研究方法 | 第18-19页 |
| 第2章 理论基础及相关概念 | 第19-29页 |
| 2.1 学习分析技术 | 第19-24页 |
| 2.1.1 学习分析技术的定义 | 第19-20页 |
| 2.1.2 学习分析技术的构成要素 | 第20页 |
| 2.1.3 学习分析技术的技术特征 | 第20-21页 |
| 2.1.4 学习分析技术的过程分析 | 第21-22页 |
| 2.1.5 学习分析技术的发展历史 | 第22-24页 |
| 2.2 数据挖掘 | 第24-28页 |
| 2.2.1 数据挖掘的定义 | 第24-26页 |
| 2.2.2 数据挖掘发展史 | 第26页 |
| 2.2.3 数据挖掘的功能 | 第26页 |
| 2.2.4 数据挖掘应用领域 | 第26-28页 |
| 2.3 研究综述 | 第28-29页 |
| 第3章 学习分析技术在数字化学习中的应用 | 第29-41页 |
| 3.1 学习分析技术在数字化学习中的应用价值 | 第29-30页 |
| 3.1.1 应用价值 | 第29-30页 |
| 3.1.2 应用领域 | 第30页 |
| 3.2 常用方法与主要工具 | 第30-35页 |
| 3.2.1 常用方法 | 第30-33页 |
| 3.2.2 主要工具 | 第33-35页 |
| 3.3 数据来源与模式构建 | 第35-37页 |
| 3.3.1 数据来源 | 第35-36页 |
| 3.3.2 构建模式 | 第36-37页 |
| 3.4 学习数据挖掘的过程 | 第37-41页 |
| 3.4.1 数据准备 | 第37-38页 |
| 3.4.2 数据选择 | 第38-39页 |
| 3.4.3 数据预处理 | 第39页 |
| 3.4.4 数据挖掘 | 第39-40页 |
| 3.4.5 结果表达和解释 | 第40-41页 |
| 第4章 学习分析技术在数字化教育中的实践 | 第41-62页 |
| 4.1 中国工商银行网络大学概况 | 第41-44页 |
| 4.1.1 中国工商银行简介 | 第41页 |
| 4.1.2 工商银行培训概况与E-learning实施背景 | 第41-42页 |
| 4.1.3 工商银行网络大学整体架构 | 第42-44页 |
| 4.2 学习分析技术在工行网络大学中进行数据挖掘的典型模式 | 第44-46页 |
| 4.2.1 学习者特征挖掘模式 | 第44-45页 |
| 4.2.2 学习过程挖掘模式 | 第45页 |
| 4.2.3 参训结果挖掘模式 | 第45-46页 |
| 4.3 学习分析技术在网络大学中的典型应用 | 第46-58页 |
| 实例1.学习者特征识别 | 第46-50页 |
| 实例2.学习者在线学习时长及其影响因素分析 | 第50-53页 |
| 实例3. 学员在线学习行为特点及其影响因素分析 | 第53-56页 |
| 实例4. 网络大学课程访问情况及其影响因素分析 | 第56-58页 |
| 4.4 基于学习分析技术提升企业E-LEARNING在线学习成效 | 第58-62页 |
| 第5章 学习分析技术在数字化学习中存在的问题及发展趋势 | 第62-67页 |
| 5.1 存在问题 | 第62-65页 |
| 5.2 发展趋势 | 第65-67页 |
| 第6章 结语 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间参加的科研项目和成果 | 第73页 |
