本文關(guān)鍵詞：基于網(wǎng)絡(luò)學(xué)習(xí)行為分析的學(xué)習(xí)風(fēng)格識別及其實證研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等信息技術(shù)的發(fā)展,人們接收、反饋信息的方式發(fā)生了巨大變化,教育教學(xué)模式也因此發(fā)生了顛覆性變化。網(wǎng)絡(luò)信息技術(shù)使得學(xué)習(xí)者隨時隨地獲取學(xué)習(xí)資源成為可能,網(wǎng)絡(luò)教學(xué)受到人們的青睞。 學(xué)習(xí)管理系統(tǒng)是網(wǎng)絡(luò)教育的主要媒介,可以實現(xiàn)遠(yuǎn)程教育的自動化管理,支持教師創(chuàng)建、管理在線課程,評估學(xué)習(xí)者的學(xué)習(xí)過程、學(xué)習(xí)績效等,它存在的主要目的是為學(xué)生提供不受時間、空間等條件限制的個性化教學(xué)支持。然而目前廣泛使用的Blackboard、Moodle等學(xué)習(xí)管理系統(tǒng)只注重教師對教學(xué)資源的管理,沒有考慮到學(xué)習(xí)者之間的個體差異性,為所有學(xué)習(xí)者提供的是千篇一律的學(xué)習(xí)材料和學(xué)習(xí)活動,系統(tǒng)不能根據(jù)學(xué)習(xí)者之間的差異為學(xué)生提供個性化、自適應(yīng)的教學(xué)服務(wù),在個性化和交互性方面存在明顯的不足。 由于在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中存在教與學(xué)在時間或空間上相分離的特點,這無疑使得教師全程了解和監(jiān)督學(xué)生的學(xué)習(xí)情況變得很困難。為了更好地幫助教師了解學(xué)生的學(xué)習(xí)情況并及時做出反饋,并為學(xué)習(xí)者提供與之相適應(yīng)的教學(xué)資源,這就要求網(wǎng)絡(luò)學(xué)習(xí)平臺能夠記錄和分析學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)行為。 目前國內(nèi)對網(wǎng)絡(luò)教育的研究主要集中在對網(wǎng)絡(luò)教育平臺的設(shè)計與開發(fā)、網(wǎng)絡(luò)課件的設(shè)計與制作、網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中的教學(xué)管理等方面,對網(wǎng)絡(luò)學(xué)習(xí)行為記錄并分析的研究較少。而且,在很有限的對在線學(xué)習(xí)行為進(jìn)行記錄和分析的研究中,大多基于問卷調(diào)查方式收集網(wǎng)絡(luò)學(xué)習(xí)者的行為數(shù)據(jù),收集的信息一般都是學(xué)習(xí)者的外在行為特性,與學(xué)習(xí)者真實的行為軌跡之間存在偏差。借助于現(xiàn)代通信技術(shù),記錄并實時追蹤學(xué)習(xí)者的學(xué)習(xí)活動信息,基于真實的在線行為信息對學(xué)習(xí)者的個體屬性進(jìn)行分析的研究甚少。 本文在充分考慮學(xué)習(xí)者個體特征和學(xué)習(xí)偏好的基礎(chǔ)上,構(gòu)建適合網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的學(xué)習(xí)風(fēng)格模型。收集和整理學(xué)習(xí)者真實的在線學(xué)習(xí)行為數(shù)據(jù),同時開展線下實證調(diào)研,收集學(xué)習(xí)者的學(xué)習(xí)風(fēng)格調(diào)查問卷數(shù)據(jù)。通過問卷數(shù)據(jù)初始化學(xué)習(xí)者的學(xué)習(xí)風(fēng)格,基于線上學(xué)習(xí)行為信息建立學(xué)習(xí)風(fēng)格的預(yù)測模型,進(jìn)而訓(xùn)練和評估預(yù)測模型。研究結(jié)果證實,使用SMO (sequential minimal optimization)算法預(yù)測學(xué)習(xí)者的學(xué)習(xí)風(fēng)格具有較高的精確度。本研究為改善網(wǎng)絡(luò)學(xué)習(xí)平臺的教學(xué)支持服務(wù)提供理論依據(jù)。
【關(guān)鍵詞】：網(wǎng)絡(luò)教學(xué) 學(xué)習(xí)管理系統(tǒng) 網(wǎng)絡(luò)學(xué)習(xí)行為 學(xué)習(xí)風(fēng)格理論 SMO
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：G434
【目錄】：

• 摘要4-6
• abstract6-10
• 第一章 緒論10-18
• 1.1 研究背景10-11
• 1.2 研究意義11-13
• 1.2.1 理論意義11-12
• 1.2.2 實踐意義12-13
• 1.3 研究目的和研究對象13
• 1.3.1 研究目的13
• 1.3.2 研究對象13
• 1.4 本研究的主要創(chuàng)新點13-14
• 1.5 研究方法和論文框架14-18
• 1.5.1 研究方法14-15
• 1.5.2 論文框架15-18
• 第二章 文獻(xiàn)綜述研究18-29
• 2.1 學(xué)習(xí)管理系統(tǒng)18-19
• 2.1.1 學(xué)習(xí)管理系統(tǒng)定義18
• 2.1.2 學(xué)習(xí)管理系統(tǒng)相關(guān)研究18-19
• 2.2 網(wǎng)絡(luò)學(xué)習(xí)行為19-21
• 2.2.1 網(wǎng)絡(luò)學(xué)習(xí)行為的定義19-20
• 2.2.2 網(wǎng)絡(luò)學(xué)習(xí)行為模型20-21
• 2.2.3 網(wǎng)絡(luò)學(xué)習(xí)行為分析方法21
• 2.3 學(xué)習(xí)風(fēng)格21-27
• 2.3.1 學(xué)習(xí)風(fēng)格的定義21-22
• 2.3.2 學(xué)習(xí)風(fēng)格理論22-26
• 2.3.3 學(xué)習(xí)風(fēng)格在教育領(lǐng)域的應(yīng)用26-27
• 2.4 學(xué)習(xí)風(fēng)格檢測方法27-29
• 第三章 網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)的收集29-31
• 3.1 網(wǎng)絡(luò)學(xué)習(xí)平臺介紹29
• 3.2 網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)的收集29-31
• 第四章 網(wǎng)絡(luò)學(xué)習(xí)風(fēng)格模型構(gòu)建31-36
• 4.1 模型構(gòu)建31-33
• 4.2 學(xué)習(xí)風(fēng)格類型和行為條目的匹配33-36
• 4.2.1 信息加工維度33-34
• 4.2.2 信息感知維度34
• 4.2.3 學(xué)習(xí)態(tài)度維度34-35
• 4.2.4 社會化交互維度35-36
• 第五章 調(diào)查問卷數(shù)據(jù)的收集與分析36-42
• 5.1 問卷設(shè)計36-38
• 5.2 問卷發(fā)放與回收38
• 5.3 問卷數(shù)據(jù)分析38-42
• 5.3.1 平臺使用情況分析38
• 5.3.2 信度分析38-39
• 5.3.3 效度分析39-40
• 5.3.4 學(xué)習(xí)成績與學(xué)習(xí)風(fēng)格之間的相關(guān)性分析40
• 5.3.5 維度分組信息40-42
• 第六章 學(xué)習(xí)風(fēng)格的識別及評估42-48
• 6.1 WEKA功能介紹42-45
• 6.2 SMO算法簡介45
• 6.3 預(yù)測結(jié)果45-46
• 6.4 預(yù)測模型的精確度分析46-48
• 第七章 研究總結(jié)與展望48-50
• 7.1 研究總結(jié)48
• 7.2 研究局限與展望48-50
• 參考文獻(xiàn)50-54
• 附錄54-60
• 致謝60-61
• 作者攻讀碩士學(xué)位期間發(fā)表的論文61

【共引文獻(xiàn)】

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(下)[C];2012年

2 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六屆中國控制會議論文集[C];2007年

3 呂蓬;柳亦兵;馬強;魏于凡;;支持向量機在齒輪智能故障診斷中的應(yīng)用研究[A];第二十六屆中國控制會議論文集[C];2007年

4 ;Fault Pattern Recognition of Rolling Bearings Based on Wavelet Packet and Support Vector Machine[A];第二十七屆中國控制會議論文集[C];2008年

5 蔣少華;桂衛(wèi)華;陽春華;唐朝暉;蔣朝輝;;基于主元分析與支持向量機的方法及其在密閉鼓風(fēng)爐過程監(jiān)控診斷中的應(yīng)用[A];第二十七屆中國控制會議論文集[C];2008年

6 王海豐;李壯;任洪娥;趙鵬;;基于非下采樣Contourlet變換和SVM的紋理圖像分割算法[A];第二十九屆中國控制會議論文集[C];2010年

7 ;Image Classification with Ant Colony Based Support Vector Machine[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

8 晉朝勃;胡剛強;史廣智;李玉陽;;一種采用支持向量機的水中目標(biāo)識別方法[A];中國聲學(xué)學(xué)會水聲學(xué)分會2011年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2011年

9 劉英林;劉洪鵬;g竊

本文編號：358928