摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第11-18页 |
1.1 课题研究背景与意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.3 存在的问题 | 第15页 |
1.4 本文的研究目标与工作 | 第15-16页 |
1.5 论文的结构 | 第16-18页 |
第二章 研究基础 | 第18-28页 |
2.1 在线学习社区中的建构主义学习理论 | 第18页 |
2.2 学习建模标准与技术 | 第18-22页 |
2.2.1 学习者模型建模标准 | 第18-21页 |
2.2.2 学习者模型建模技术 | 第21-22页 |
2.3 贝叶斯知识跟踪 | 第22-23页 |
2.4 Felder-Silverman学习量表 | 第23-24页 |
2.5 学习对象元数据 | 第24-25页 |
2.6 模糊综合评价法 | 第25页 |
2.7 蚁群算法 | 第25-27页 |
2.8 二分k-means算法 | 第27页 |
2.9 本章小结 | 第27-28页 |
第三章 基于在线学习社区的个性化学习路径推荐研究框架 | 第28-34页 |
3.1 问题定义 | 第28-29页 |
3.2 个性化学习路径推荐研究框架 | 第29-31页 |
3.3 个性化学习路径推荐流程分析 | 第31-33页 |
3.4 本章小结 | 第33-34页 |
第四章 基于在线学习社区的学习者与领域知识建模 | 第34-43页 |
4.1 基于在线学习社区的个性化学习者模型 | 第34-40页 |
4.1.1 学习者模型中的个性化特征量化估计 | 第34-38页 |
4.1.2 基于个性化属性特征的学习者建模 | 第38-40页 |
4.2 基于在线学习社区的领域知识模型 | 第40-42页 |
4.3 本章小结 | 第42-43页 |
第五章 个性化学习路径推荐算法研究 | 第43-53页 |
5.1 引言 | 第43页 |
5.2 基于传统蚁群算法的个性化学习路径推荐算法优缺点 | 第43-44页 |
5.3 改进算法的设计 | 第44-52页 |
5.3.1 信息素计算优化 | 第44-47页 |
5.3.2 信息素更新规则优化 | 第47页 |
5.3.3 局部搜索策略优化 | 第47-49页 |
5.3.4 基于在线学习社区的个性化学习路径推荐算法 | 第49-52页 |
5.4 本章小结 | 第52-53页 |
第六章 实证分析 | 第53-58页 |
6.1 实验设计 | 第53-54页 |
6.2 案例构建 | 第54-56页 |
6.2.1 个性化学习过程的模拟 | 第54-55页 |
6.2.2 数据采集 | 第55页 |
6.2.3 学习路径推荐 | 第55-56页 |
6.3 实验结果分析 | 第56-57页 |
6.4 本章小结 | 第57-58页 |
第七章 总结与展望 | 第58-60页 |
7.1 总结 | 第58-59页 |
7.2 展望 | 第59-60页 |
参考文献 | 第60-65页 |
攻读硕士学位期间成果及参加的科研项目 | 第65-66页 |
致谢 | 第66页 |