利用数据挖掘技术实现远程教学系统的个性化教学

论文摘要

随着互联网应用的发展,人们越来越多地把学习过程放到了网上,学习者足不出户便可享受网上学校提供的服务。但是由于不同的学习者之间存在着显著的个性特征差异,不同学习兴趣和学习目标的学习者对学习资源均有不同的取舍要求,而现在远程教学系统大多还处于资源共享的状态,只是将传统的课堂教育简单移植到远程教学网上,存在着教学方法单一,教学双方互动性差等问题。现有的远程教学平台不能很好的解决个性化学习的需求,所以也就无法对学习者实施个性化的教学服务。如何从大量堆积的学习者信息中发现有价值的规律,从而更好地为学生提供高质量的个性化服务,实现远程教学系统的个性化教学,已经成为教育研究者一个亟待解决的课题。数据挖掘技术能够从海量的数据中发现一些未知的、有价值的规律,帮助学习者从信息的海洋中筛选有用的知识。文本在系统结构层和实施层上体现“以学生为中心”的思想,阐述了基于数据挖掘技术的个性化远程教学系统的基本构架,提出了数据挖掘在远程教学系统中的实际应用,使远程教学系统的资源根据学生的特征和需求来配置,以求达到真正的个性化教学。

论文目录

• 内容提要
• 第一章 前言
• 1.1 研究背景
• 1.2 本文意义
• 1.3 文本结构
• 第二章 远程教学系统概述
• 2.1 远程教学系统的优点
• 2.2 当前远程教学系统的不足
• 2.3 构建现代远程教学系统
• 2.4 数据挖掘技术在远程教学系统中的应用
• 第三章 数据挖掘技术综述
• 3.1 数据挖掘的概念
• 3.2 数据挖掘与OLAP的区别
• 3.3 数据挖掘与知识发现的区别
• 3.4 数据挖掘的特点
• 3.5 数据挖掘的分类
• 3.6 数据挖掘的方法
• 3.7 数据挖掘模型的建立和算法选择
• 3.8 数据挖掘的流程
• 3.8.1 确定业务对象
• 3.8.2 知识挖掘
• 3.9 数据挖掘所面临的挑战
• 3.10 数据仓库的概念
• 3.11 数据挖掘在教育领域内应用的发展趋势
• 第四章 基于数据挖掘的远程教学系统的构建
• 4.1 远程教学系统的理论依据
• 4.2 传统的远程教学模型及其弊端
• 4.3 基于数据挖掘的个性远程教学系统模型
• 4.3.1 基于数据挖掘的个性化远程教学系统模型说明
• 4.3.2 系统流程
• 4.4 系统实现模型
• 4.5 关键技术
• 第五章 用决策树方法根据考试成绩为学习者分类
• 5.1 决策树方法介绍
• 5.1.1 决策树定义
• 5.1.2 ID3算法
• 5.2 用ID3算法构造学习者考试成绩决策树
• 5.2.1 数据清理
• 5.2.2 构造学习者考试成绩决策树
• 5.3 结果分析与运用
• 5.3.1 结果分析
• 5.3.2 由决策树产生分类规则
• 5.3.3 为学习者分类
• 5.4 小结
• 第六章 利用 Web挖掘提供给学习者个性化学习界面
• 6.1 Web挖掘概述
• 6.1.1 Web数据挖掘的概念
• 6.1.2 Web数据挖掘的分类
• 6.1.3 Web日志挖掘过程
• 6.1.4 Web挖掘技术在远程教学系统中的应用
• 6.2 发现学习者频繁遍历路径以提供其个性化学习界面
• 第七章 结束语
• 参考文献
• 摘要
• Abstract
• 致谢