| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.3 研究现状分析 | 第10-11页 |
| 1.3.1 国外的研究案例 | 第10-11页 |
| 1.3.2 国内的研究案例 | 第11页 |
| 1.4 研究内容 | 第11-12页 |
| 1.5 关键技术 | 第12-14页 |
| 第二章 在线学习评价理论基础 | 第14-19页 |
| 2.1 学习评价相关理论 | 第14-16页 |
| 2.1.1 学习评价的功能 | 第14页 |
| 2.1.2 学习评价的类型 | 第14-15页 |
| 2.1.3 学习评价的要求 | 第15-16页 |
| 2.2 在线学习评价 | 第16-19页 |
| 2.2.1 在线学习 | 第16页 |
| 2.2.2 在线学习评价 | 第16-17页 |
| 2.2.3 利用大数据分析方法进行在线学习评价 | 第17-19页 |
| 第三章 预测模型的机器学习算法研究 | 第19-25页 |
| 3.1 算法介绍 | 第19-21页 |
| 3.1.1 逻辑回归 | 第19-20页 |
| 3.1.2 J48 | 第20页 |
| 3.1.3 SVM/SMO | 第20页 |
| 3.1.4 贝叶斯 | 第20-21页 |
| 3.2 输入数据数据质量的问题研究 | 第21-22页 |
| 3.3 评估Sakai工具的使用 | 第22页 |
| 3.4 评估学生活动的差异 | 第22-23页 |
| 3.5 不平衡的分类 | 第23页 |
| 3.6 模型性能评估 | 第23-25页 |
| 第四章 在线学习评价预测模型数据 | 第25-48页 |
| 4.1 在线学习系统数据统计分析功能研究对比 | 第25-26页 |
| 4.1.1 Canvas,Sakai平台统计分析功能对比 | 第25-26页 |
| 4.2 数据选取 | 第26-31页 |
| 4.2.1 背景调查 | 第26页 |
| 4.2.2 评价目标 | 第26页 |
| 4.2.3 建模数据 | 第26-31页 |
| 4.3 数据提取 | 第31-37页 |
| 4.4 相关性研究 | 第37-46页 |
| 4.4.1 属性选取 | 第37-40页 |
| 4.4.2 属性值的相关性研究 | 第40-46页 |
| 4.5 数据处理 | 第46-48页 |
| 4.5.1 需量化的数据 | 第46页 |
| 4.5.2 分类的数据 | 第46页 |
| 4.5.3 数据抽样 | 第46-48页 |
| 第五章 在线学习评价模型的应用 | 第48-58页 |
| 5.1 模型实现 | 第48-55页 |
| 5.1.1 Weka的使用 | 第48页 |
| 5.1.2 实验过程 | 第48-50页 |
| 5.1.3 实验模型比较与验证 | 第50-55页 |
| 5.2 在线学习评价应用场景 | 第55-56页 |
| 5.3 在线学习评价流程框架 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士期间学术成果与参与课题 | 第64页 |