首页--文化、科学、教育、体育论文--高等教育论文--教学理论、教学法论文

学习分析技术在高校教育中的应用研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第11-14页
    1.1 研究背景及意义第11-12页
        1.1.1 研究背景第11页
        1.1.2 研究意义第11-12页
    1.2 研究方法与工具第12-13页
        1.2.1 研究方法第12页
        1.2.2 研究工具第12-13页
    1.3 研究内容与论文结构第13-14页
第二章 研究现状及理论技术研究基础第14-22页
    2.1 国内外研究现状第14-19页
        2.1.1 国外研究现状第14-16页
        2.1.2 国内研究现状第16-18页
        2.1.3 学习分析技术在教学中的应用现状第18-19页
    2.2 学习分析常用方法及工具第19-22页
        2.2.1 学习分析常用方法第19-20页
        2.2.2 学习分析常用工具第20-22页
第三章 案例1: 基于决策树的个性化学习策略设计第22-42页
    3.1 研究背景及问题第22-23页
    3.2 相关算法第23-24页
        3.2.1 决策树算法第23页
        3.2.2 CART算法第23-24页
    3.3 数据采集及预处理第24-25页
        3.3.1 数据采集第24-25页
        3.3.2 数据预处理第25页
    3.4 相关性及差异性分析第25-30页
        3.4.1 CET-6和TEP口语相关性分析第25-26页
        3.4.2 性别因素对成绩的影响第26-28页
        3.4.3 学院因素对成绩的影响第28-30页
    3.5 极端学生分析第30-33页
        3.5.1 CET-6第30-32页
        3.5.2 TEP口语第32-33页
    3.6 成绩关键结点第33-41页
        3.6.1 CET-6成绩关键结点第33-37页
        3.6.2 TEP口语成绩关键结点第37-41页
    3.7 本章小结第41-42页
第四章 案例2: 基于预测分析的教学预测干预模型的设计第42-57页
    4.1 研究背景及问题第42页
    4.2 模型相关算法研究第42-45页
        4.2.1 集成学习算法第42-43页
        4.2.2 Adaboost算法第43-44页
        4.2.3 关联规则算法第44-45页
    4.3 预警模型设计第45-54页
        4.3.1 数据的收集及预处理第45-47页
        4.3.2 特征的确定第47-50页
        4.3.3 Adaboost算法验证第50-51页
        4.3.4 模型参数的设置第51-54页
    4.4 实验结果分析第54-55页
    4.5 本章小结第55-57页
第五章 案例3: 基于Topsis评价法的免费师范生学习情况分析第57-66页
    5.1 研究背景及问题第57页
    5.2 Topsis评价法第57-58页
    5.3 免费师范生学习情况分析第58-61页
        5.3.1 数据收集及预处理第58-59页
        5.3.2 免费师范生成绩分析第59页
        5.3.3 免费师范生成绩对比分析第59-61页
    5.4 培养方案量化评价第61-64页
    5.5 本章小结第64-66页
第六章 总结和展望第66-68页
    6.1 论文总结第66-67页
    6.2 研究局限及展望第67-68页
参考文献第68-72页
攻读硕士期间发表的论文第72-73页
致谢第73页

论文共73页,点击 下载论文
上一篇:基于ROS的教育机器人室内视觉定位模块研究
下一篇:高等教育电子双板应用教学接受度的影响因素研究