| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究目的及意义 | 第11-12页 |
| 1.2 国内外研究现状及评述 | 第12-17页 |
| 1.2.1 大数据研究现状 | 第12-13页 |
| 1.2.2 在线学习平台研究现状 | 第13-15页 |
| 1.2.3 在线学习行为研究现状 | 第15-16页 |
| 1.2.4 研究现状评述 | 第16-17页 |
| 1.3 主要研究内容和方法 | 第17-19页 |
| 1.3.1 主要研究内容 | 第17页 |
| 1.3.2 主要研究方法 | 第17-18页 |
| 1.3.3 技术路线 | 第18-19页 |
| 第2章 大数据环境下在线学习行为分析模型总体架构 | 第19-29页 |
| 2.1 在线学习行为相关分析 | 第19-22页 |
| 2.1.1 在线学习行为的概念及内涵 | 第19-20页 |
| 2.1.2 基于人工智能理论的在线学习行为分类 | 第20-21页 |
| 2.1.3 在线学习行为的属性分析 | 第21-22页 |
| 2.2 在线学习行为的关联因素分析 | 第22-24页 |
| 2.2.1 内部因素 | 第22-23页 |
| 2.2.2 外部因素 | 第23-24页 |
| 2.3 分析在线学习行为的驱动力 | 第24-26页 |
| 2.3.1 需求与利益驱动 | 第24-25页 |
| 2.3.2 技术驱动 | 第25页 |
| 2.3.3 数据驱动 | 第25-26页 |
| 2.4 在线学习行为分析模型构建的基础及总体架构 | 第26-28页 |
| 2.4.1 在线学习行为分析模型构建的理论依据 | 第26页 |
| 2.4.2 在线学习行为分析模型构建原则及思路 | 第26-27页 |
| 2.4.3 在线学习行为分析模型的总体架构 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 大数据环境下在线学习行为分析模型构建 | 第29-38页 |
| 3.1 在线学习行为的数据模型构建 | 第29-33页 |
| 3.1.1 数据模型构建理论依据及原则 | 第29-30页 |
| 3.1.2 多维度的在线学习行为数据模型 | 第30-32页 |
| 3.1.3 多层次的在线学习行为数据模型 | 第32-33页 |
| 3.2 在线学习行为数据的采集 | 第33-35页 |
| 3.2.1 在线学习行为数据源 | 第33-34页 |
| 3.2.2 在线学习行为数据采集方法及过程 | 第34-35页 |
| 3.3 在线学习行为分析模型的横向流程设计 | 第35-36页 |
| 3.3.1 在线学习行为的聚类分析 | 第35页 |
| 3.3.2 基于在线学习行为的个性化课程推荐分析 | 第35-36页 |
| 3.3.3 在线学习行为与学习效果的关联规则分析 | 第36页 |
| 3.4 在线学习行为分析模型的纵向流程设计 | 第36-37页 |
| 3.4.1 行为分析的数据选取及预处理 | 第36-37页 |
| 3.4.2 行为分析方法选择 | 第37页 |
| 3.4.3 分析结果可视化及应用 | 第37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 大数据环境下在线学习行为分析模型具体实现 | 第38-50页 |
| 4.1 基于K-means算法的在线学习行为聚类分析 | 第38-40页 |
| 4.1.1 在线学习行为RFL分类指标确定 | 第38-39页 |
| 4.1.2 K-means算法聚类 | 第39页 |
| 4.1.3 学习者忠诚度等级划分 | 第39-40页 |
| 4.2 基于在线学习行为的个性化课程推荐分析 | 第40-43页 |
| 4.2.1 行为数据选取及处理 | 第40-41页 |
| 4.2.2 基于Page Rank算法和MapReduce框架的课程推荐 | 第41-43页 |
| 4.3 在线学习行为与学习效果的关联规则分析 | 第43-49页 |
| 4.3.1 在线学习行为指标确定 | 第43-44页 |
| 4.3.2 基于贝叶斯模糊粗糙集的行为属性约简 | 第44-48页 |
| 4.3.3 基于改进的Apriori算法关联规则挖掘 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 哈尔滨理工大学在线学习平台实证研究 | 第50-65页 |
| 5.1 在线学习行为分析任务确定 | 第50-52页 |
| 5.1.1 在线学习平台简介及相关分析 | 第50页 |
| 5.1.2 在线学习行为数据的采集及处理 | 第50-52页 |
| 5.2 在线学习行为分析过程 | 第52-62页 |
| 5.2.1 行为聚类 | 第52-55页 |
| 5.2.2 个性化课程推荐 | 第55-57页 |
| 5.2.3 关联规则挖掘 | 第57-62页 |
| 5.3 应用效果与启示 | 第62-64页 |
| 5.3.1 对平台用户学习评价及干预的启示 | 第62-63页 |
| 5.3.2 对教师教学决策制定与改进的启示 | 第63页 |
| 5.3.3 对教育研究者教学变革的启示 | 第63页 |
| 5.3.4 对平台管理者平台监控与管理的启示 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
