| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·选题背景 | 第11-12页 |
| ·问题提出 | 第12-13页 |
| ·研究内容 | 第13-14页 |
| ·研究意义 | 第14页 |
| ·研究方法 | 第14-15页 |
| ·相关概念界定 | 第15-16页 |
| ·本文结构 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 文献综述 | 第19-30页 |
| ·协作学习环境下伙伴形成的研究现状 | 第19-24页 |
| ·CSCL 环境下学习伙伴的研究现状 | 第19-22页 |
| ·mCSCL 环境下学习伙伴的研究现状 | 第22-24页 |
| ·mCSCL——移动技术支持的协作学习 | 第24-27页 |
| ·mCSCL 的概念 | 第24-26页 |
| ·mCSCL 的优势 | 第26页 |
| ·mCSCL 环境的组成要素 | 第26-27页 |
| ·K-means聚类分析法 | 第27-29页 |
| ·聚类分析法概述 | 第27-28页 |
| ·K 均值聚类——K-means 算法 | 第28页 |
| ·K-means 算法的优势 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 mCSCL环境下异质学习伙伴推荐模型 | 第30-45页 |
| ·mCSCL环境下协作分组的伙伴模型 | 第30-35页 |
| ·伙伴关系理论与伙伴模型 | 第30-31页 |
| ·伙伴模型的构成要素 | 第31-34页 |
| ·伙伴模型的体系结构与工作流程 | 第34-35页 |
| ·伙伴模型的数据化 | 第35-40页 |
| ·伙伴模型的形式化描述 | 第35-36页 |
| ·伙伴因素的数据化表示 | 第36-40页 |
| ·基于K-means聚类分析的异质学习伙伴推荐算法 | 第40-42页 |
| ·mCSCL环境下异质学习伙伴推荐模型 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 mCSCL环境下异质学习伙伴推荐系统的设计与实现 | 第45-56页 |
| ·mCSCL环境下异质学习伙伴推荐系统的设计 | 第45-49页 |
| ·系统的需求分析模型 | 第45-46页 |
| ·系统的功能结构分析 | 第46-47页 |
| ·业务流程分析 | 第47-48页 |
| ·数据库模型 | 第48-49页 |
| ·mCSCL环境下异质学习伙伴推荐系统的实现 | 第49-55页 |
| ·体系结构与技术路线 | 第49-50页 |
| ·异质学习伙伴推荐算法的实现 | 第50页 |
| ·服务端的实现 | 第50-52页 |
| ·客户端的实现 | 第52-54页 |
| ·系统部署与运行 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 评价 | 第56-62页 |
| ·可行性评价 | 第56-59页 |
| ·评价目的 | 第56页 |
| ·评价的设计 | 第56-57页 |
| ·评价对象 | 第57页 |
| ·评价数据分析与结论 | 第57-59页 |
| ·有效性评价 | 第59-61页 |
| ·评价目的 | 第59页 |
| ·评价设计 | 第59页 |
| ·评价对象 | 第59-60页 |
| ·评价数据分析与结论 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-65页 |
| ·总结 | 第62页 |
| ·研究创新点 | 第62-63页 |
| ·未来研究展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间参加的科研项目和成果 | 第74页 |