| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文的选题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 课题的研究意义与价值 | 第13-14页 |
| 1.4 主要工作及论文结构 | 第14-16页 |
| 1.4.1 主要工作 | 第14-15页 |
| 1.4.2 论文的组织结构 | 第15-16页 |
| 第二章 相关理论与技术 | 第16-26页 |
| 2.1 行为科学理论 | 第16-17页 |
| 2.1.1 行为科学理论的概念 | 第16页 |
| 2.1.2 行为科学理论的研究内容 | 第16-17页 |
| 2.2 行为科学理论对网络环境学习行为的指导作用 | 第17-18页 |
| 2.3 网络学习行为 | 第18-20页 |
| 2.3.1 网络学习行为的概念 | 第18页 |
| 2.3.2 网络学习行为的特征 | 第18-19页 |
| 2.3.3 网络学习行为的体系研究 | 第19-20页 |
| 2.4 数据挖掘理论 | 第20-22页 |
| 2.4.1 数据挖掘概述 | 第20页 |
| 2.4.2 数据挖掘的系统结构 | 第20-21页 |
| 2.4.3 数据挖掘理论在教育领域的指导作用 | 第21-22页 |
| 2.5 项目反应理论 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 构建网络环境下学生学习行为模型 | 第26-53页 |
| 3.1 构建数学知识地图 | 第26-27页 |
| 3.2 构建贝叶斯网络 | 第27-47页 |
| 3.2.1 贝叶斯网络结构 | 第28-29页 |
| 3.2.2 结点的先验分布 | 第29-36页 |
| 3.2.3 结点的条件概率分布 | 第36-38页 |
| 3.2.4 预测验证分析 | 第38-44页 |
| 3.2.5 物理知识数据集验证 | 第44-47页 |
| 3.3 学生学习风格的确定 | 第47-50页 |
| 3.4 学生学习行为模型的确立 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 个性化推荐 | 第53-66页 |
| 4.1 引言 | 第53页 |
| 4.2 个性化推荐的实施 | 第53-62页 |
| 4.2.1 题目的推荐 | 第54-55页 |
| 4.2.2 学习时段的修正 | 第55-56页 |
| 4.2.3 控制学习过程 | 第56-59页 |
| 4.2.4 个性化推荐的验证 | 第59-62页 |
| 4.3 相似度模型 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 基于学生网络学习行为模型的个性化推荐学习平台的设计与实现 | 第66-78页 |
| 5.1 技术实现 | 第66-68页 |
| 5.1.1 B/S结构和MVC框架 | 第66-67页 |
| 5.1.2 开发环境及展现技术 | 第67-68页 |
| 5.2 系统设计 | 第68-74页 |
| 5.2.1 系统整体结构 | 第68-69页 |
| 5.2.2 系统的模块 | 第69-70页 |
| 5.2.3 数据库设计 | 第70-74页 |
| 5.3 系统实现 | 第74-77页 |
| 5.3.1 学生学习模型展示 | 第74-76页 |
| 5.3.2 个性化推荐展示 | 第76-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 全文总结 | 第78-79页 |
| 6.2 后续工作展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士期间取得的研究成果 | 第84-85页 |