论文部分内容阅读
互联网技术的发展也促进了教育的发展,使人们进入了“互联网+教育”的时代。在线学习、在线作业、在线讨论等多样化的个人网络学习方式也被越来越多的人所接受。个人网络学习一般是指通过个人网络学习平台进行的在线学习行为,它突破了传统教学方式中时间和空间的局限性,带给学习者很大的便利和自由,但同时也存在着许多的问题。大多数学习平台只是简单的对学习内容进行推送,没有考虑到学生之间差异性,而且由于个人网络学习平台学习资源数量众多且结构散乱,学习者可能无法有效的从中提取出自己需要的内容。因此对个人网络学习行为进行挖掘分析并应用到个人网络学习系统中对于学习者的在线学习具有一定的指导和提升作用。目前对个人网络学习行为进行分析的方法主要有语义分析法、数据挖掘法以及统计分析方法等。本文建立了一个包括数据集、行为分析机制以及个性化推荐三位一体的在线学习行为分析模型,对学习行为的数据进行采集并利用数据挖掘的方法对其进行挖掘和分析,最终实现对学习内容的个性化的推荐,优化了在线学习的机制以及用户的学习体验。本文的主要工作有:1、对个人网络学习行为分析以及数据挖掘技术的国内外研究现状做了介绍,阐述了本文的研究背景,并论述了对学习行为挖掘的实际用途和意义。2、对个人网络学习行为相关的概念和特性以及数据挖掘技术的流程和算法进行了深入的理解,研究如何构建高效可靠的在线学习行为分析模型。3、对个人网络学习行为的影响因素以及分析策略进行分析,并在此基础上分别对学习对象模型和学习行为模型进行构建,并设计合理可行的挖掘方法。4、以学习行为的分析模型为基础,构建基于学习行为挖掘的个性化的学习系统,并对各个模块进行实现,包括对学习行为数据的采集和预处理,对学习平台进行设计和开发,以及根据数据挖掘的结果对学习资源进行个性化推荐。最后对系统进行评价以及分析,对教师提高教学质量以及学生调控学习行为具有很好的帮助作用。