E-learning中基于聚类算法的多维度学习社区的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-22页 |
| ·研究背景 | 第12-13页 |
| ·智能学习系统的研究发展与启示 | 第13-16页 |
| ·数据挖掘在E-LEARNING 中的应用 | 第16-19页 |
| ·EDM在国内的研究与应用现状 | 第17页 |
| ·EDM在国外的研究与应用现状 | 第17-19页 |
| ·本文的研究意义与贡献 | 第19-22页 |
| ·本文的研究意义 | 第20-21页 |
| ·本文的主要贡献 | 第21-22页 |
| 第二章 一种新型虚拟学习社区概念的提出 | 第22-39页 |
| ·现有虚拟学习社区分析 | 第22-25页 |
| ·虚拟学习社区的特征 | 第22-23页 |
| ·虚拟学习社区的发展现状 | 第23-24页 |
| ·现有虚拟学习社区的不足 | 第24-25页 |
| ·社区中分组学习的必要性研究 | 第25-31页 |
| ·实验环境与算法介绍 | 第25-27页 |
| ·数据获取与预处理 | 第27-28页 |
| ·实验结果分析 | 第28-31页 |
| ·新型虚拟学习社区的概念 | 第31-37页 |
| ·对学生学习状态的评估 | 第33页 |
| ·分组学习活动 | 第33-35页 |
| ·社区学习环境 | 第35-37页 |
| ·多维度的社区学习环境的设计 | 第37-39页 |
| 第三章 基于聚类算法的模型生成与设计实现 | 第39-58页 |
| ·基于ONTOLOGY 技术的学习过程数据采集 | 第39-43页 |
| ·课程本体的概念 | 第39-40页 |
| ·采集学习过程数据的系统框架 | 第40-41页 |
| ·数据表关系模型简述 | 第41-43页 |
| ·认知诊断模型的生成 | 第43-50页 |
| ·Q-矩阵理论简介 | 第43-45页 |
| ·几种认知诊断模型的简介 | 第45-48页 |
| ·认知诊断模型的数据基础 | 第48-50页 |
| ·对模型的聚类分析 | 第50-58页 |
| ·Q-矩阵方法与数据挖掘的联系 | 第50页 |
| ·几种常用的聚类分析方法 | 第50-55页 |
| ·基于认知诊断模型的聚类算法的选取 | 第55-58页 |
| 第四章 虚拟学习社区的设计与实现 | 第58-69页 |
| ·模型设计 | 第58-62页 |
| ·需求分析 | 第58-59页 |
| ·用例模型 | 第59-60页 |
| ·系统体系结构 | 第60-62页 |
| ·学生聚类分组的实现 | 第62-66页 |
| ·实现聚类分组的方案流程 | 第62-63页 |
| ·数据的获取与聚类模型的生成 | 第63-64页 |
| ·数据挖掘模块的实现 | 第64-65页 |
| ·挖掘模块与社区的接口实现 | 第65-66页 |
| ·虚拟学习社区的实现 | 第66-69页 |
| ·实现平台与工具 | 第66页 |
| ·主要功能界面 | 第66-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·本文总结 | 第69页 |
| ·下阶段研究展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 附1：模型涉及的课程中心平台相关数据表 | 第74-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间已发表或录用的论文 | 第77页 |
