| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-14页 |
| 1.1 问题的提出 | 第11-12页 |
| 1.2 研究的意义 | 第12页 |
| 1.3 研究内容、目标与方法 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 研究目标 | 第13页 |
| 1.3.3 研究方法 | 第13-14页 |
| 2 国内外研究现状述评 | 第14-23页 |
| 2.1 核心概念界定 | 第14-15页 |
| 2.1.1 学习分析的定义 | 第14页 |
| 2.1.2 学习分析技术与传统学习分析的区别 | 第14-15页 |
| 2.1.3 适应性学习与适应性学习路径推荐系统 | 第15页 |
| 2.2 学习分析国内外研究现状 | 第15-18页 |
| 2.2.1 国内研究现状 | 第16-17页 |
| 2.2.2 国外研究现状 | 第17-18页 |
| 2.3 学习分析模型的启示 | 第18-20页 |
| 2.3.1 学习分析模型简介 | 第18-19页 |
| 2.3.2 学习分析的核心要素 | 第19-20页 |
| 2.4 适应性学习推荐系统相关研究 | 第20-23页 |
| 2.4.1 适应性学习推荐系统研究述评 | 第20-21页 |
| 2.4.2 学习路径推荐算法比较研究 | 第21-23页 |
| 3 基于学习分析的适应性学习路径推荐系统设计 | 第23-32页 |
| 3.1 设计思想 | 第23-24页 |
| 3.2 基于学习分析的适应性学习路径推荐系统功能设计 | 第24-29页 |
| 3.2.1 学习者模型设计 | 第24-26页 |
| 3.2.2 知识模型设计 | 第26-27页 |
| 3.2.3 系统功能设计框架 | 第27-29页 |
| 3.3 系统运行流程 | 第29-32页 |
| 4 学习分析技术支持下适应性学习路径推荐系统实现机制 | 第32-41页 |
| 4.1 数据指标选择 | 第32-33页 |
| 4.2 学习分析数据来源和类型 | 第33页 |
| 4.3 学习分析与学习内容推荐 | 第33-41页 |
| 4.3.1 利用关联规则修正学习者模型 | 第34-36页 |
| 4.3.2 社会网络分析挖掘情感态度 | 第36-37页 |
| 4.3.3 决策树分析预测学习结果 | 第37-38页 |
| 4.3.4 蚁群算法实现推荐 | 第38-40页 |
| 4.3.5 可视化图表呈现 | 第40-41页 |
| 5 基于学习分析的适应性学习路径推荐系统的实现 | 第41-51页 |
| 5.1 学习内容的选取 | 第41页 |
| 5.2 开发环境和开发工具 | 第41页 |
| 5.3 适应性学习路径推荐系统功能实现 | 第41-51页 |
| 5.3.1 学生功能模块 | 第41-46页 |
| 5.3.2 教师功能模块 | 第46-51页 |
| 6 基于学习分析的适应性学习路径推荐系统有效性验证 | 第51-55页 |
| 6.1 学习路径推荐的合理性 | 第51页 |
| 6.2 学习风格推断的准确性 | 第51-52页 |
| 6.3 学习效果的检验 | 第52-55页 |
| 7 研究总结与展望 | 第55-57页 |
| 7.1 研究总结 | 第55-56页 |
| 7.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间取得成果 | 第60-61页 |
| 致谢 | 第61-62页 |
