本文關鍵詞：基于學習理論和web挖掘的個性化網(wǎng)絡學習資源推薦的研究

  更多相關文章： 網(wǎng)絡學習 學習興趣 Web挖掘 個性化推薦

【摘要】：近年來，隨著信息技術、網(wǎng)絡技術的迅速發(fā)展和廣泛應用，各類學習、教育網(wǎng)站如雨后春筍般大量涌現(xiàn)，網(wǎng)絡學習已逐漸發(fā)展成為當今社會的主要自主學習方式之一，它打破了時間和空間上對學習者的限制；為學習者開辟了一條獲取知識的新途徑；為學習者提供了終身學習的機會。由此一來，學習者可以依照自己的興趣和需求，按照自己喜歡的學習風格，在互聯(lián)網(wǎng)和非線性超媒體的環(huán)境中瀏覽學習資源，這種學習方式極大地增加了學習受眾面，提升了學習者自主學習的積極性。 目前的網(wǎng)絡學習方式仍然受到傳統(tǒng)的教學思維模式和學習方法的局限，提供給學習者瀏覽和學習的網(wǎng)絡教學資源也僅僅以簡單的文字鏈接方式呈現(xiàn)，傳統(tǒng)的“人找信息”的服務模式難以適應在互聯(lián)網(wǎng)環(huán)境下學習者對教學資源的需求。由于每個學習者的學習興趣、需求和風格等方面的不同，在傳統(tǒng)的網(wǎng)絡服務模式下，，學習者將無法進行有效的個性化學習。因此，本文對如何實現(xiàn)不同網(wǎng)絡學習者的個性化學習資源推薦問題開展深入的研究，運用現(xiàn)代教育技術的理論與方法，結合Web挖掘技術，為網(wǎng)絡環(huán)境下自主學習提供優(yōu)良的學習資源。 本文分析了現(xiàn)有的網(wǎng)絡學習局限性，對國內(nèi)外網(wǎng)絡學習的個性化資源推薦技術和方法研究現(xiàn)狀進行分析、評價，結合教育技術學中的網(wǎng)絡學習、人本主義學習、學習風格等理論，給出了個性化推薦系統(tǒng)的框架，通過靜態(tài)收集不同學習者的學習背景、學習水平、學習風格、學習興趣，以此提供相關的學習資源；另外，本文以建構主義知識觀、學生觀、學習觀為理論依據(jù)，通過對Web日志的關聯(lián)規(guī)則挖掘，可實時動態(tài)地發(fā)現(xiàn)學習者學習興趣的變化、學習風格的偏移和知識領域的轉(zhuǎn)變，為學習者個性化學習資源推薦服務奠定基礎；本文采用Web挖掘技術和網(wǎng)絡個性化推薦服務技術，研發(fā)了基于Web挖掘的個性化網(wǎng)絡學習資源推薦的系統(tǒng)，該系統(tǒng)具有靜態(tài)數(shù)據(jù)收集和動態(tài)數(shù)據(jù)挖掘功能，為學生在網(wǎng)絡環(huán)境下自主學習提供了個性化的學習資源，滿足了不同用戶的學習需求。針對興趣愛好個體差異的學習者，本文以學習風格可視化的方式呈現(xiàn)教學資源，并以基于內(nèi)容和協(xié)同過濾的推薦技術支撐學習過程，從而激發(fā)學習者的學習興趣和積極性，提高網(wǎng)絡學習者的主動性和主體地位。應用C#軟件開發(fā)工具和SQLServer2005數(shù)據(jù)庫系統(tǒng)對個性化網(wǎng)絡學習資源推薦模型與實驗系統(tǒng)進行了實現(xiàn)工作，實驗結果表明，本文完成的實驗系統(tǒng)在網(wǎng)絡學習效率和資源共享等方面有明顯提升。
【關鍵詞】：網(wǎng)絡學習 學習興趣 Web挖掘 個性化推薦
【學位授予單位】：云南師范大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：G434
【目錄】：

• 摘要3-4
• Abstract4-6
• 目錄6-9
• 第1章 緒論9-13
• 1.1 研究意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 研究內(nèi)容及文章組織結構11-13
• 第2章 個性化網(wǎng)絡學習資源推薦的相關學習理論13-20
• 2.1 網(wǎng)絡學習的內(nèi)涵13-14
• 2.2 人本主義學習理論概述14-15
• 2.3 學習風格理論概述15-16
• 2.4 建構主義理論概述16-20
• 2.4.1 建構主義知識觀16-17
• 2.4.2 建構主義學生觀17-18
• 2.4.3 建構主義學習觀18-20
• 第3章 個性化網(wǎng)絡學習資源推薦的應用技術20-39
• 3.1 Web 使用挖掘概述20-23
• 3.1.1 Web 使用挖掘20-21
• 3.1.2 Web 使用挖掘的過程21-23
• 3.2 網(wǎng)絡爬蟲技術概述23-25
• 3.2.1 網(wǎng)絡爬蟲的概念和分類23-24
• 3.2.2 網(wǎng)絡爬蟲的基本工作原理24-25
• 3.3 中文分詞技術概述25-30
• 3.3.1 中文分詞的概念及規(guī)范26
• 3.3.2 中文分詞的方法及技術26-27
• 3.3.3 中文分詞中需要解決的基本問題27-28
• 3.3.4 分詞系統(tǒng)介紹28-30
• 3.4 Web 文本挖掘概述30-34
• 3.4.1 特征表示30-31
• 3.4.2 關鍵詞提取31-34
• 3.5 聚類分析概述34-36
• 3.5.1 文本聚類模型34-35
• 3.5.2 文本相似度計算公式35
• 3.5.3 文本聚類算法35-36
• 3.6 對 Web 日志的關聯(lián)規(guī)則挖掘36-39
• 第4章 個性化網(wǎng)絡學習資源推薦模型構建與系統(tǒng)設計39-52
• 4.1 系統(tǒng)的設計目標39-40
• 4.1.1 理論層面的設計目標39-40
• 4.1.2 應用層面的設計目標40
• 4.2 系統(tǒng)的主要功能40-42
• 4.2.1 學習者基本信息收集40-41
• 4.2.2 學習者學習行為和學習內(nèi)容分析41
• 4.2.3 個性化推薦41-42
• 4.3 系統(tǒng)的模塊設計42-46
• 4.3.1 系統(tǒng)維護模塊44
• 4.3.2 資源應用功能模塊44
• 4.3.3 個性化推薦功能模塊44-46
• 4.4 系統(tǒng)的數(shù)據(jù)庫設計46-52
• 第5章 個性化網(wǎng)絡學習資源推薦系統(tǒng)的實現(xiàn)52-64
• 5.1 系統(tǒng)的實驗環(huán)境和開發(fā)工具52-53
• 5.2 實驗結果與分析53-56
• 5.3 系統(tǒng)的使用56-64
• 第6章 總結與展望64-66
• 6.1 本文所做的工作64
• 6.2 今后的工作64-66
• 參考文獻66-68
• 攻讀學位期間發(fā)表的學術論文和研究成果68-69
• 致謝69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱曉菊;;影響網(wǎng)絡學習質(zhì)量的學習者心理因素分析[J];長春師范學院學報;2006年02期

2 李斑斑;徐錦芬;;場獨立和場依賴認知風格對大學生聽力理解能力的影響[J];常熟理工學院學報;2009年06期

3 劉春輝;金順福;劉國華;李穎;;基于優(yōu)化最大匹配與統(tǒng)計結合的漢語分詞方法[J];燕山大學學報;2009年02期

4 吳岳芬;劉洪輝;;WEB文本挖掘的研究[J];電腦知識與技術;2006年11期

5 張芳芳;;二級學院學生外語學習觀念與學習風格的調(diào)查研究[J];瘋狂英語(教師版);2011年02期

6 傅賽香,袁鼎榮,黃柏雄,鐘智;基于統(tǒng)計的無詞典分詞方法[J];廣西科學院學報;2002年04期

7 管瑞霞;陸蓓;;TFLD:一種中文文本關鍵詞自動提取方法[J];機電工程;2010年09期

8 陳平;劉曉霞;李亞軍;;基于字典和統(tǒng)計的分詞方法[J];計算機工程與應用;2008年10期

9 路海明;盧增祥;李衍達;;基于多Agent混合智能實現(xiàn)個性化網(wǎng)絡信息推薦[J];計算機科學;2000年07期

10 鄭家恒,盧嬌麗;關鍵詞抽取方法的研究[J];計算機工程;2005年18期

本文編號：570394