發(fā)布時(shí)間：2022-02-22 19:09

　　自我調(diào)節(jié)學(xué)習(xí)描述了學(xué)生控制和評估自己學(xué)習(xí)和行為的過程。進(jìn)行自我調(diào)節(jié)的學(xué)生能夠依靠元認(rèn)知在學(xué)習(xí)中發(fā)揮積極作用,通過使用設(shè)定適當(dāng)?shù)哪繕?biāo)、任務(wù)規(guī)劃和自我監(jiān)控等學(xué)習(xí)策略促進(jìn)學(xué)習(xí)成果。特別是在具有開放性的在線學(xué)習(xí)環(huán)境中,學(xué)生參與自我調(diào)節(jié)行為的能力是取得學(xué)習(xí)成功的關(guān)鍵因素。因此對于線學(xué)習(xí)環(huán)境的研發(fā)設(shè)計(jì)不僅需要考慮技術(shù)相關(guān)的問題,還需要考慮引導(dǎo)學(xué)生進(jìn)行自我調(diào)節(jié)學(xué)習(xí)。通過觀察模型識別與學(xué)習(xí)成功的行為模式能夠促進(jìn)在線學(xué)習(xí)系統(tǒng)的個(gè)性化發(fā)展,進(jìn)而有針對性的幫助學(xué)生提高成績。自我調(diào)節(jié)學(xué)習(xí)是一個(gè)漸進(jìn)的、連續(xù)的過程,盡管能夠使用簡單的頻率和序列分析等方法研究,但是探究學(xué)習(xí)策略的變化需要使用結(jié)合了整體學(xué)生的學(xué)習(xí)過程的算法。因此,本文主要工作如下:（1）對學(xué)生的自我調(diào)節(jié)學(xué)習(xí)行為建模做了深入分析,選擇隱馬爾可夫模型對學(xué)生行為建模,在進(jìn)行全面的理解和分析隱馬爾可夫模型的三個(gè)經(jīng)典問題及對應(yīng)的算法之后,針對多序列的實(shí)際情況對評估算法和重估公式進(jìn)行了修改。依托貝葉斯信息準(zhǔn)則選擇模型參數(shù),對于Baum-Welch算法收斂速度慢和不容易到達(dá)全局最優(yōu)解的缺陷,融合K均值聚類算法的方法進(jìn)行改善。（2）開發(fā)了一款基于自我調(diào)節(jié)學(xué)習(xí)理論框架... 

【文章來源】：華中師范大學(xué)湖北省211工程院校教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 相關(guān)研究
    1.3 研究目的
    1.4 研究意義
    1.5 論文結(jié)構(gòu)
第二章 相關(guān)理論與相關(guān)技術(shù)
    2.1 自我調(diào)節(jié)學(xué)習(xí)
        2.1.1 理論背景
        2.1.2 影響因素
        2.1.3 研究工具
    2.2 自我調(diào)節(jié)學(xué)習(xí)建模
        2.2.1 聚類
        2.2.2 序列模式挖掘
        2.2.3 隱馬爾可夫模型
    2.3 本章小結(jié)
第三章 隱馬爾可夫模型
    3.1 隱馬爾可夫模型
        3.1.1 隱馬爾可夫模型簡介
        3.1.2 隱馬爾可夫模型參數(shù)表示
        3.1.3 隱馬爾可夫模型的經(jīng)典問題
    3.2 隱馬爾可夫模型的實(shí)際問題
        3.2.1 數(shù)值下溢
        3.2.2 重估公式
    3.3 隱馬爾可夫模型實(shí)現(xiàn)
        3.3.1 貝葉斯信息準(zhǔn)則
        3.3.2 K均值聚類算法改進(jìn)隱馬爾可夫模型
    3.4 本章小結(jié)
第四章 在線輔助學(xué)術(shù)論文寫作系統(tǒng)
    4.1 系統(tǒng)設(shè)計(jì)
        4.1.1 開發(fā)環(huán)境
        4.1.2 技術(shù)架構(gòu)
        4.1.3 系統(tǒng)模塊
    4.2 系統(tǒng)設(shè)系統(tǒng)主要功能實(shí)現(xiàn)
        4.2.1 系統(tǒng)界面
        4.2.2 文獻(xiàn)與目標(biāo)模塊
        4.2.3 論文撰寫模塊
        4.2.4 意見處理模塊
    4.3 在線輔助學(xué)術(shù)寫作系統(tǒng)中的元認(rèn)知策略
    4.4 本章小結(jié)
第五章 研究方法與研究結(jié)果
    5.1 研究方法
        5.1.1 研究問題
        5.1.2 研究對象
        5.1.3 研究工具
        5.1.4 研究流程
        5.1.5 數(shù)據(jù)處理
        5.1.6 分析方法
    5.2 基于隱馬爾可夫模型的自我調(diào)節(jié)學(xué)習(xí)行為模型
        5.2.1 模型結(jié)果
    5.3 高低自我調(diào)節(jié)學(xué)習(xí)能力組差異
        5.3.1 模式差異
        5.3.2 狀態(tài)差異
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究限制
    6.3 研究展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)據(jù)挖掘的學(xué)生選課及學(xué)習(xí)行為分析算法研究[J]. 姜永超.  現(xiàn)代電子技術(shù). 2016(13)
[2]網(wǎng)絡(luò)教學(xué)平臺學(xué)生學(xué)習(xí)行為聚類分析[J]. 田娜,陳明選.  中國遠(yuǎn)程教育. 2014(11)
[3]龍芯1號處理器結(jié)構(gòu)設(shè)計(jì)[J]. 胡偉武,唐志敏.  計(jì)算機(jī)學(xué)報(bào). 2003(04)



本文編號：3640056