| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-19页 |
| 2 文献及理论研究 | 第19-33页 |
| ·我国网络高等教育的发展状况 | 第19-20页 |
| ·成人网络学习理论研究 | 第20-23页 |
| ·成人学习者 | 第21-22页 |
| ·构建主义学习理论对成人网络学习的启示 | 第22-23页 |
| ·决策树相关理论研究 | 第23-29页 |
| ·数据挖掘和分类技术 | 第23-24页 |
| ·数据挖掘技术在我国网络教育领域的应用 | 第24-26页 |
| ·决策树的概念 | 第26-27页 |
| ·决策树的功能 | 第27-28页 |
| ·决策树挖掘步骤 | 第28页 |
| ·决策树的优点 | 第28-29页 |
| ·决策树挖掘工具—Weka | 第29-33页 |
| ·Weka 简介 | 第29-31页 |
| ·数据挖掘流程 | 第31-33页 |
| 3 问卷调查网络学院学业影响因素 | 第33-39页 |
| ·调查目的 | 第33页 |
| ·调查对象 | 第33页 |
| ·设计调查问卷 | 第33-37页 |
| ·调查问卷的依据—Kember 开放学习者进步模型 | 第33-35页 |
| ·网络学习者学业影响因素模型 | 第35-37页 |
| ·调查问卷的设置 | 第37-38页 |
| ·问卷数据的回收和处理 | 第38页 |
| ·本章小结 | 第38-39页 |
| 4 决策树挖掘分析 | 第39-51页 |
| ·样本数据的筛选 | 第39-40页 |
| ·数据清理 | 第40-44页 |
| ·C4.5 算法的介绍 | 第41-42页 |
| ·数据预处理 | 第42-44页 |
| ·决策树模型的生成 | 第44-46页 |
| ·模型测试 | 第46-47页 |
| ·决策树模型学习 | 第47-48页 |
| ·结果描述 | 第47页 |
| ·预测在读学习者完成学业情况 | 第47-48页 |
| ·小结 | 第48-51页 |
| 5 总结和展望 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间发表的学术论文 | 第57-59页 |
| 附录 网络学院学生学业影响因素调查问卷 | 第59-61页 |
| 致谢 | 第61-62页 |