基于数据挖掘的网络教学平台用户行为分析研究

发布时间：2017-08-09 01:28

  本文关键词：基于数据挖掘的网络教学平台用户行为分析研究

  更多相关文章： 网络教学 教学评估 数据挖掘 分类回归树算法

【摘要】：高等教育发展的趋势之一是教育的信息化与数字化,高校数字化建设的过程中,网络教学平台的适用越来越广泛。但在将网络教学平台应用到高校的教学和管理中也产生了新的问题,也就是如何来进行网络教学评估。传统教学模式中我们采取现场听课等方法来评估教师的教学质量和效果。但是在网络教学这样的非传统教学模式中,不能采用传统的方法来评估,因此,就有了对网络教学进行教学评估的需求。在现在的网络教学模式中,教学行为是面对电脑等工具进行的,并不是直接展现给评估人员,而是通过键盘点击,鼠标打字,触摸屏触摸等来进行的。这是信息化的教学行为,也只能以信息化的手段来对这些行为进行分析。在本人期望的理想网络教学评估模式中,教学评估系统本身,成为一个机器学习系统,以教师的教学行为和学生的学习行为作为输入,课程的成绩作为输出。其中,评估系统在教师学生的行为信息输入并且以成绩作为反馈(也就是监督学习)的过程中,挖掘出教育和学习的新知识和新技能,达到不断提高教学效果的目的。最后具体可实现如下的效果,一是对教师的教学效果进行评估,二是根据历史评估结论,反过来提示教师,根据系统以往数据分析的结果,在什么时候,对哪种学生,采用何种教学方式可取得预期的更好教学效果。更简单的概括,就是通过机器学习的方式,教学评估系统可以智能化的帮助教师和学生提炼和总结教育和学习中的优缺点。也就是说,在有了网络教学这种信息化教学平台的前提下,以机器学习的方式来总结和发现教学的规律,从而提高教学的效果。当然,要实现这个系统,需要非常大量的工作。所以本人在有限时间的条件下,参考现今主流的大数据分析的例子,采用数据挖掘的手法,在本文中对教学平台中的学生行为数据进行初步分析。本文针对的网络教学平台是SAKAI系统。采用数据挖掘的方法对一学年两学期中,共3名教师对《JAVA语言基础》这门课程开设的5个网络课堂中,共271名学生的行为数据进行整理,统计和分析。通过学生在这一门课程中的期末考试成绩作为结果,来分析学生在网络教学平台中的学习行为对其科目成绩有什么样的影响,和影响的大小。本文采用的数据分析算法是分类回归树(CART)算法。具体数据挖掘的流程是,先通过数据库的手段提取整合原始数据,然后进行数据预处理,建立数据模型,最后通过软件来进行数据挖掘。之所以采用数据挖掘,而不简单的排序统计等传统方式进行评价,是因为传统的统计分析方法只能得出有限的粗略的结果。而采用数据挖掘的方法,则可以得出更为详细的结果,如教师和各种网络教学模块中对学生成绩起作用的比例如何,哪些因素的或哪些因素的组合对学生的成绩来说是更有效的。以此来进行网络教学的评估,就更有参考价值,更利于保障和提升网络教学平台的教学效果了。
【关键词】：网络教学 教学评估 数据挖掘 分类回归树算法
【学位授予单位】：重庆理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：G434;TP311.13;TP312.2-4
【目录】：

• 摘要4-6
• ABSTRACT6-9
• 第1章 绪论9-15
• 1.1 系统研究目的与意义9-10
• 1.2 国内外的研究现状10-11
• 1.3 研究内容11-12
• 1.4 本文的组织结构12-15
• 第2章 相关技术和算法15-29
• 2.1 数据分析流程15
• 2.2 数据挖掘原理15-17
• 2.3 数据分类17-18
• 2.4 决策树算法18-20
• 2.5 分类回归树算法20-26
• 2.5.1 分类回归树CART简介20
• 2.5.2 CART分类过程20-23
• 2.5.3 CART剪枝23-26
• 2.6 数据库相关技术26-29
• 第3章 网络教学数据分析29-35
• 3.1 数据收集和预处理29-33
• 3.1.1 场景分析29-30
• 3.1.2 建立行为信息数据库30-33
• 3.2 数据模型建立33-35
• 第4章 CART分类回归树算法实现35-43
• 4.1 CART算法在本文情况下的优势35
• 4.2 CART算法应用案例分析35-38
• 4.2.1 应用场景介绍35-36
• 4.2.2 软件结构设计36-37
• 4.2.3 软件类设计37-38
• 4.3 实例分析结果38-43
• 第5章 总结与展望43-45
• 致谢45-47
• 参考文献47-49
• 个人简历、在学期间发表的学术论文及取得的研究成果49

【参考文献】

中国博士学位论文全文数据库 前1条

1 冯名正;Web服务组合关键技术研究[D];东南大学;2006年

中国硕士学位论文全文数据库 前9条

1 刘博;云环境下频繁项集挖掘与调度策略的研究[D];扬州大学;2013年

2 潘政;Web服务搜索与执行引擎的研究与实现[D];温州大学;2013年

3 吴泰;高校招生管理系统的设计与实现[D];南昌大学;2010年

4 施惠娟;可视化数据挖掘技术的研究与实现[D];华东师范大学;2010年

5 胡广飞;基于AFS模糊逻辑的模糊关联分类研究[D];大连海事大学;2009年

6 骆国靖;基于主题模型的模块化网络和社区挖掘研究[D];浙江大学;2008年

7 杨帛;基于AFS模糊逻辑的分类器设计[D];大连海事大学;2008年

8 许海涛;基于数据仓库的知识发现策略研究[D];黑龙江大学;2008年

9 孙涛;多策略数据挖掘系统DBIN Miner的设计与并行数据挖掘技术的研究[D];吉林大学;2006年

，

本文编号：642959