融合MOOC学习行为的教育辅助系统的设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 MOOC的研究 | 第13-15页 |
| 1.2.2 成绩预测的研究 | 第15-16页 |
| 1.2.3 存在问题 | 第16-17页 |
| 1.3 论文基本内容 | 第17页 |
| 1.4 论文基本结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 2 相关技术研究 | 第19-31页 |
| 2.1 数据挖掘概述 | 第19-22页 |
| 2.1.1 数据挖掘的定义 | 第19-20页 |
| 2.1.2 数据挖掘的工具 | 第20页 |
| 2.1.3 数据挖掘的过程 | 第20-21页 |
| 2.1.4 数据挖掘的应用 | 第21-22页 |
| 2.2 决策树分类技术 | 第22-26页 |
| 2.2.1 基础知识 | 第23-24页 |
| 2.2.2 ID3算法 | 第24-25页 |
| 2.2.3 C4.5算法 | 第25-26页 |
| 2.3 教育辅助系统关键技术 | 第26-30页 |
| 2.3.1 Python介绍 | 第26-27页 |
| 2.3.2 Pyecharts介绍 | 第27-28页 |
| 2.3.3 Python WSGI Web应用 | 第28页 |
| 2.3.4 Flask框架介绍 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 C4.5算法的改进 | 第31-45页 |
| 3.1 传统的C4.5算法存在的弊端 | 第31页 |
| 3.2 算法的改进 | 第31-34页 |
| 3.2.1 加入泰勒级数 | 第31-33页 |
| 3.2.2 加入GINI指数 | 第33-34页 |
| 3.3 算法流程图和伪代码 | 第34-37页 |
| 3.3.1 算法流程图 | 第35-36页 |
| 3.3.2 伪代码 | 第36-37页 |
| 3.4 算法实验验证 | 第37-44页 |
| 3.4.1 实验设计 | 第37页 |
| 3.4.2 实验准备 | 第37-38页 |
| 3.4.3 实验结果和分析 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 改进算法在MOOC中的应用 | 第45-52页 |
| 4.1 数据来源 | 第45-46页 |
| 4.2 MOOC数据集 | 第46-50页 |
| 4.2.1 数据的采集 | 第46-47页 |
| 4.2.2 数据的清洗 | 第47-48页 |
| 4.2.3 成绩影响因素选择 | 第48-50页 |
| 4.3 MOOC学习行为成绩预测分类 | 第50-51页 |
| 4.3.1 实验设计 | 第50页 |
| 4.3.2 实验结果与分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 系统的设计与实现 | 第52-72页 |
| 5.1 系统需求分析 | 第52-57页 |
| 5.1.1 系统参与者 | 第52-54页 |
| 5.1.2 系统功能需求 | 第54-56页 |
| 5.1.3 非功能需求 | 第56-57页 |
| 5.2 系统总体设计 | 第57-62页 |
| 5.2.1 系统架构设计 | 第57-58页 |
| 5.2.2 系统功能模块设计 | 第58-60页 |
| 5.2.3 系统数据库设计 | 第60-62页 |
| 5.3 系统的实现 | 第62-68页 |
| 5.3.1 登录及权限验证 | 第62-64页 |
| 5.3.2 数据统计实现 | 第64-67页 |
| 5.3.3 成绩预测实现 | 第67-68页 |
| 5.4 系统测试 | 第68-71页 |
| 5.4.1 测试方案 | 第68页 |
| 5.4.2 系统测试及结果 | 第68-71页 |
| 5.5 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-73页 |
| 6.1 本文总结 | 第72页 |
| 6.2 未来展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第76-78页 |
| 学位论文数据集 | 第78页 |
