智能授导系统中学习者特征分析的研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 目录 | 第5-7页 |
| 第一章 引言 | 第7-14页 |
| 1.1 背景 | 第7-8页 |
| 1.2 学习者特征分析的研究现状 | 第8-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 本文的内容安排 | 第13-14页 |
| 第二章 相关理论及技术基础 | 第14-23页 |
| 2.1 智能授导系统 | 第14-15页 |
| 2.1.1 智能授导系统的定义 | 第14页 |
| 2.1.2 智能授导系统的一般结构 | 第14-15页 |
| 2.1.3 智能授导系统的功能 | 第15页 |
| 2.2 个性化学习 | 第15-16页 |
| 2.2.1 个性化学习的含义 | 第15-16页 |
| 2.2.2 个性化学习的本质特征 | 第16页 |
| 2.3 数据挖掘 | 第16-20页 |
| 2.3.1 数据挖掘的定义 | 第16-17页 |
| 2.3.2 数据挖掘的过程 | 第17-18页 |
| 2.3.3 数据挖掘的分类 | 第18页 |
| 2.3.4 数据挖掘的技术方法 | 第18-20页 |
| 2.4 Web 挖掘 | 第20-23页 |
| 2.4.1 Web 挖掘的概念 | 第20页 |
| 2.4.2 Web 挖掘的分类 | 第20-21页 |
| 2.4.3 Web 日志挖掘概述 | 第21-23页 |
| 2.4.3.1 Web 日志 | 第21-22页 |
| 2.4.3.2 Web 日志挖掘的模式发现 | 第22-23页 |
| 第三章 智能授导系统 | 第23-25页 |
| 3.1 智能授导系统的框架结构 | 第23页 |
| 3.2 智能授导系统的模块介绍 | 第23-25页 |
| 第四章 学习者特征分析模型 | 第25-29页 |
| 4.1 学习者特征分析模型 | 第25-26页 |
| 4.2 对象模型描述 | 第26-29页 |
| 4.2.1 学习者模型 | 第26-27页 |
| 4.2.2 教学策略模型 | 第27-29页 |
| 第五章 学习者特征分析关键技术 | 第29-40页 |
| 5.1 WEB 日志挖掘 | 第29-32页 |
| 5.1.1 聚类算法 | 第29-32页 |
| 5.1.1.1 问题的描述 | 第29-31页 |
| 5.1.1.2 学习者聚类算法 | 第31页 |
| 5.1.1.3 URL 聚类算法 | 第31-32页 |
| 5.1.1.4 频繁访问路径发现算法 | 第32页 |
| 5.2 数据挖掘 | 第32-40页 |
| 5.2.1 ID3 学习算法 | 第32-34页 |
| 5.2.1.1 信息论简介 | 第32-33页 |
| 5.2.1.2 信息论在决策树学习中的作用 | 第33-34页 |
| 5.2.1.3 ID3 算法 | 第34页 |
| 5.2.2 属性加权 ID3 学习算法 | 第34-35页 |
| 5.2.3 学习者个性特征分析实例 | 第35-40页 |
| 5.2.3.1 ID3 算法实例 | 第36-38页 |
| 5.2.3.2 属性加权 ID3 算法实例 | 第38-39页 |
| 5.2.3.3 两种算法结果比较分析 | 第39-40页 |
| 第六章 学习者特征分析系统实现 | 第40-47页 |
| 6.1 开发环境、工具及系统运行环境 | 第40页 |
| 6.2 系统实现 | 第40-47页 |
| 6.2.1 数据源 | 第40页 |
| 6.2.2 学习者特征分析系统 | 第40-47页 |
| 第七章 总结与展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 致 谢 | 第50-51页 |
| 在学期间公开发表论文及著作情况 | 第51页 |
