| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 课程生成技术研究现状 | 第14-19页 |
| 1.3 推荐技术与课程生成 | 第19-21页 |
| 1.4 遗传算法与课程生成 | 第21-25页 |
| 1.5 本文的研究内容与组织结构 | 第25-29页 |
| 第二章 个性化课程生成与进化框架 | 第29-56页 |
| 2.1 课程生成研究中的相关术语 | 第29-36页 |
| 2.1.1 概念、学习对象及学习资源 | 第29-31页 |
| 2.1.2 课程及课程结构 | 第31-33页 |
| 2.1.3 课程生成与课程编列 | 第33-34页 |
| 2.1.4 E-learning 标准 | 第34-36页 |
| 2.2 课程生成研究中的相关技术 | 第36-44页 |
| 2.2.1 知识域模型 | 第36-38页 |
| 2.2.2 课程生成技术 | 第38-39页 |
| 2.2.3 个性化推荐技术 | 第39-42页 |
| 2.2.4 遗传算法 | 第42-44页 |
| 2.3 问题的提出 | 第44-45页 |
| 2.4 个性化课程生成与进化系统框架 | 第45-55页 |
| 2.4.1 学生档案模型规范 | 第47-50页 |
| 2.4.2 课程结构模型 | 第50-52页 |
| 2.4.3 课程知识结构管理与教学计划制定模块 | 第52-53页 |
| 2.4.4 个性化课程生成子系统 | 第53页 |
| 2.4.5 动态个性特征生成模块 | 第53-54页 |
| 2.4.6 课程进化子系统 | 第54-55页 |
| 2.5 本章小结 | 第55-56页 |
| 第三章 基于分层推荐算法的个性化课程生成 | 第56-83页 |
| 3.1 基于分层推荐算法的个性化课程生成模型 | 第56-60页 |
| 3.1.1 面向教师的课程自动生成 | 第58-59页 |
| 3.1.2 基于目标用户个性特征的推荐系统功能定义 | 第59-60页 |
| 3.2 个性化课程生成的概念模型 | 第60-63页 |
| 3.2.1 用户模型 | 第60-61页 |
| 3.2.2 学习对象模型 | 第61-63页 |
| 3.3 基于知识结构和个性化知识特征的推荐算法 | 第63-73页 |
| 3.3.1 面向整体目标和初始个性特征的课程知识结构生成算法 | 第65-67页 |
| 3.3.2 基于个性知识特征的个性化知识结构生成算法 | 第67-71页 |
| 3.3.3 基于用户个性特征的学习对象生成算法 | 第71-73页 |
| 3.4 算法分析、实验数据分析 | 第73-81页 |
| 3.5 本章小结 | 第81-83页 |
| 第四章 基于遗传算法的个性化课程进化 | 第83-111页 |
| 4.1 系统框架结构 | 第84-86页 |
| 4.2 初始种群生成 | 第86-88页 |
| 4.3 用户模型更新 | 第88-91页 |
| 4.3.1 主要参数定义 | 第88页 |
| 4.3.2 用户模型学习方法 | 第88-90页 |
| 4.3.3 知识状态评估 | 第90-91页 |
| 4.3.4 能力水平评估 | 第91页 |
| 4.4 参数估计 | 第91-93页 |
| 4.4.1 时间参数 | 第91-92页 |
| 4.4.2 难度系数 | 第92-93页 |
| 4.5 个性化课程进化算法 | 第93-98页 |
| 4.5.1 基因的元数据 | 第93-94页 |
| 4.5.2 算法流程 | 第94页 |
| 4.5.3 课程进化算法实现 | 第94-98页 |
| 4.6 实验 | 第98-104页 |
| 4.6.1 交叉概率与变异概率的确定 | 第98-101页 |
| 4.6.2 选择算子的确定 | 第101-103页 |
| 4.6.3 交叉算子的确定 | 第103-104页 |
| 4.7 应用与评估 | 第104-109页 |
| 4.8 本章小结 | 第109-111页 |
| 第五章 总结与展望 | 第111-114页 |
| 5.1 本文的主要工作 | 第111-112页 |
| 5.2 工作展望 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 致谢 | 第125-126页 |
| 博士期间发表的文章 | 第126页 |
