當(dāng)前在線學(xué)習(xí)效果評(píng)估主要以測(cè)試成績(jī)、評(píng)論文本等顯式數(shù)據(jù)為依據(jù),評(píng)估模型存在評(píng)估依據(jù)片面化、忽略學(xué)習(xí)行為之間的聯(lián)系等問(wèn)題。針對(duì)這些問(wèn)題,本文提出并實(shí)現(xiàn)了融合隱式反饋數(shù)據(jù)、基于學(xué)習(xí)行為頻繁項(xiàng)集的學(xué)習(xí)效果評(píng)估模型。論文的主要工作如下:首先,介紹了隱式反饋的相關(guān)特點(diǎn),提出了在線學(xué)習(xí)環(huán)境下的12種隱式反饋數(shù)據(jù)源,給出了通過(guò)JS腳本埋點(diǎn)的方式采集隱式反饋數(shù)據(jù)的方法,提高了評(píng)估數(shù)據(jù)源的多樣性。然后,針對(duì)頻繁項(xiàng)集挖掘算法在支持度較小時(shí)會(huì)產(chǎn)生數(shù)以萬(wàn)計(jì)頻繁模式的問(wèn)題,提出了改進(jìn)的分組策略,實(shí)現(xiàn)了算法的并行化,并給出了在Spark平臺(tái)上實(shí)現(xiàn)的方法,為挖掘?qū)W習(xí)行為之間聯(lián)系提供了有效的支撐。接著,根據(jù)在線學(xué)習(xí)場(chǎng)景下隱式反饋數(shù)據(jù)的特點(diǎn),給出了數(shù)據(jù)采集的具體方法,并進(jìn)行了合適的預(yù)處理。采用第3章提出的LBPFP算法進(jìn)行頻繁項(xiàng)集的挖掘,找到學(xué)習(xí)行為之間的聯(lián)系,并據(jù)此構(gòu)建了科學(xué)合理的學(xué)習(xí)效果模型。最后,本文實(shí)現(xiàn)了融合在線學(xué)習(xí)學(xué)習(xí)者隱式反饋數(shù)據(jù)的評(píng)估系統(tǒng),給出了系統(tǒng)結(jié)構(gòu)圖,介紹了數(shù)據(jù)采集及預(yù)處理模塊、模型訓(xùn)練模塊、效果評(píng)估模塊這三個(gè)主要模塊,并展示了系統(tǒng)良好的運(yùn)行效果。 

【文章來(lái)源】：南京師范大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一學(xué)而思的評(píng)價(jià)方式

第１章緒論作為完整的教學(xué)環(huán)節(jié)，在線教育中對(duì)于學(xué)習(xí)者學(xué)習(xí)效果的評(píng)估是不教育中，老師除了課堂教學(xué)之外，十分注重平時(shí)的作業(yè)和考試，學(xué)作業(yè)和考試的成績(jī)十分在意。??依然有很多用戶習(xí)慣于線下學(xué)習(xí)，在他們的潛意識(shí)中不僅需要老師需要老師對(duì)自己的學(xué)習(xí)做出評(píng)分，這類用戶在網(wǎng)上尋找適合自己的關(guān)心著平臺(tái)能否提供一套評(píng)價(jià)體系來(lái)評(píng)價(jià)自己的學(xué)習(xí)效果。因此作環(huán)節(jié)，在線教育中對(duì)于學(xué)生學(xué)習(xí)效果的評(píng)估是必不可少的。??學(xué)而思、新東方在線、中國(guó)大學(xué)ＭＯＯＣ等在線學(xué)習(xí)平臺(tái)也意識(shí)到量的課程、提高視頻質(zhì)量、提供優(yōu)惠等措施并不能留住用戶。因此，量、平臺(tái)服務(wù)的同時(shí)，也提出了不同的評(píng)價(jià)標(biāo)準(zhǔn)和方法。圖１－２、１－３在線平臺(tái)的評(píng)價(jià)方式。??課＿?０?Ｗ：??

如學(xué)而思、慕課網(wǎng)、中國(guó)大學(xué)ＭＯＯＣ等在線學(xué)習(xí)平臺(tái)的頁(yè)面都是??視頻與文本內(nèi)容相結(jié)合的，包括每個(gè)知識(shí)點(diǎn)的教學(xué)視頻、關(guān)于該知識(shí)點(diǎn)的文字講??解、相關(guān)評(píng)論、師生問(wèn)答交流等。圖２－１給出了中國(guó)大學(xué)ＭＯＯＣ的學(xué)習(xí)界面。??Ａ?；？？？：諷?陽(yáng)Ｐ々－２??矜ＭＭ３料?－??麵?ｍｓ齡??圖２－１?ＭＯＯＣ的學(xué)習(xí)界面??１２??

【參考文獻(xiàn)】：
期刊論文
[1]基于MOOC的多維度學(xué)習(xí)質(zhì)量及教學(xué)質(zhì)量綜合評(píng)價(jià)研究——以“好大學(xué)在線”歷史數(shù)據(jù)為例[J]. 趙子濠,陳昊鵬,吳強(qiáng)強(qiáng),蔣建偉.  工業(yè)和信息化教育. 2017(11)
[2]基于Spark的并行FP-Growth算法優(yōu)化與實(shí)現(xiàn)[J]. 陸可,桂偉,江雨燕,杜萍萍.  計(jì)算機(jī)應(yīng)用與軟件. 2017(09)
[3]基于數(shù)據(jù)挖掘技術(shù)的在線學(xué)習(xí)行為研究綜述[J]. 柴艷妹,雷陳芳.  計(jì)算機(jī)應(yīng)用研究. 2018(05)
[4]基于并行Adaboost-BP網(wǎng)絡(luò)的大規(guī)模在線學(xué)習(xí)行為評(píng)價(jià)[J]. 曹建芳,郝耀軍.  計(jì)算機(jī)應(yīng)用與軟件. 2017(07)
[5]高等教育信息化發(fā)展趨勢(shì)和具體舉措——《地平線報(bào)告（2017高等教育版）》解讀[J]. 高茜,殷丙山.  中國(guó)教育網(wǎng)絡(luò). 2017(04)
[6]MOOCs學(xué)習(xí)行為與學(xué)習(xí)效果的邏輯回歸分析[J]. 宗陽(yáng),孫洪濤,張亨國(guó),鄭勤華,陳麗.  中國(guó)遠(yuǎn)程教育. 2016(05)
[7]面向隱式反饋的推薦系統(tǒng)研究現(xiàn)狀與趨勢(shì)[J]. 陸藝,曹健.  計(jì)算機(jī)科學(xué). 2016(04)
[8]基于Spark的PFP-Growth并行算法優(yōu)化實(shí)現(xiàn)[J]. 方向,張功萱.  現(xiàn)代電子技術(shù). 2016(08)
[9]在線學(xué)習(xí)方式與傳統(tǒng)學(xué)習(xí)方式的對(duì)比分析研究[J]. 崔彩英,孫紅衛(wèi).  科技展望. 2016(06)
[10]基于歷史大數(shù)據(jù)決策樹(shù)分類的MOOC教學(xué)評(píng)估方法研究[J]. 戴慧珺,桂小林,張成,張佳庚.  計(jì)算機(jī)教育. 2015(22)

碩士論文
[1]MOOC中的學(xué)習(xí)行為挖掘研究[D]. 王洪巖.山東大學(xué) 2016
[2]學(xué)生在線學(xué)習(xí)行為評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 謝杰.中南大學(xué) 2013
[3]基于用戶隱式反饋的個(gè)性化資訊推薦系統(tǒng)研究與實(shí)現(xiàn)[D]. 許昕.北京工業(yè)大學(xué) 2012
[4]基于決策樹(shù)的在線學(xué)習(xí)分析[D]. 何雨.北京交通大學(xué) 2009



本文編號(hào)：3279393