CSCL的伙伴模型研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·国内外相关领域的研究现状和存在的问题 | 第10-12页 |
| ·CSCL的研究现状 | 第10-11页 |
| ·协作小组分组方式研究现状 | 第11-12页 |
| ·存在的问题 | 第12页 |
| ·论文的研究内容及其所做的工作 | 第12-13页 |
| ·论文的意义和新意 | 第13页 |
| ·论文的结构 | 第13-15页 |
| 第二章 相关理论基础 | 第15-30页 |
| ·CSCL——计算机支持的协作学习 | 第15-21页 |
| ·CSCL的概念 | 第15-16页 |
| ·CSCL基本要素 | 第16-17页 |
| ·CSCL协作模式 | 第17-18页 |
| ·CSCL的系统模型 | 第18-19页 |
| ·CSCL的基本结构 | 第19-20页 |
| ·CSCL分组原则 | 第20-21页 |
| ·FOAF相关理论 | 第21-25页 |
| ·FOAF概念 | 第21页 |
| ·FOAF基本特性 | 第21-23页 |
| ·FOAF的一些应用 | 第23-25页 |
| ·蚁群算法概述 | 第25-30页 |
| ·蚁群算法基本原理 | 第25-26页 |
| ·蚁群算法基本模型 | 第26-29页 |
| ·蚁群算法优点 | 第29-30页 |
| 第三章 CSCL的伙伴模型的建立 | 第30-41页 |
| ·伙伴关系理论 | 第30页 |
| ·伙伴模型体系结构 | 第30-31页 |
| ·AHP法确定选择伙伴因素 | 第31-33页 |
| ·伙伴模型形式化描述 | 第33-35页 |
| ·伙伴动态协作信息的表示 | 第35-41页 |
| ·伙伴学习进度的表示 | 第35页 |
| ·伙伴知识水平的表示 | 第35-38页 |
| ·伙伴认知能力的表示 | 第38-39页 |
| ·伙伴协作能力的表示 | 第39-41页 |
| 第四章 基于FOAF的学习伙伴模型表示 | 第41-49页 |
| ·协作学习系统环境中FOAF的词汇扩展 | 第41-43页 |
| ·伙伴模型中类的扩展 | 第42页 |
| ·伙伴模型中属性的扩展 | 第42-43页 |
| ·信任度的扩展 | 第43页 |
| ·伙伴模型的FOAF表示 | 第43-45页 |
| ·基于FOAF的CSCL伙伴模型 | 第45-49页 |
| ·基于FOAF的伙伴模型网络框架 | 第45-47页 |
| ·FOAF管理模块 | 第47-49页 |
| 第五章 基于蚁群算法的学习伙伴聚类的分组算法 | 第49-57页 |
| ·K—means 聚类分析算法 | 第49-50页 |
| ·基于蚂蚁觅食原理的聚类分析 | 第50-52页 |
| ·蚁群算法聚类分析概述 | 第50-51页 |
| ·基于蚂蚁觅食原理的聚类分析原理 | 第51-52页 |
| ·学习伙伴分组算法 | 第52-57页 |
| ·算法的改进 | 第52-53页 |
| ·学习伙伴分组算法 | 第53-57页 |
| 第六章 实验 | 第57-64页 |
| ·基于FOAF的伙伴模型网络的实验 | 第57-60页 |
| ·实验环境 | 第57页 |
| ·实验工具的介绍 | 第57-58页 |
| ·基于FOAF的伙伴模型网络显示实验的实现 | 第58-60页 |
| ·学习伙伴分组算法的实验 | 第60-64页 |
| ·实验工具与环境 | 第60页 |
| ·学习伙伴分组算法实验的实现 | 第60-64页 |
| 第七章 结束语 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录 硕士期间发表的论文 | 第69页 |
