大数据环境下课程知识点抽取与组织方法研究

发布时间：2021-05-26 21:07

　　随着教育大数据时代的来临,课程教材资源不断积累、种类迅速增加,课程知识不断更新变化,使得对大量课程教材资源中的知识点分析和知识点的高效选取变得愈加困难;课程教材组织形式多样,造成课程教材知识结构存在差异,使得对大量课程教材进行筛选和对教材进行有效编排组织更加艰难。因此,本文借助大数据提供的数据分析和技术支持,在研究了国内外关于课程知识点和课程知识组织方面的相关观点和方法之后,提出了一种大数据环境下的课程知识点自动抽取和知识组织的方法。该方法借鉴数据挖掘、文本挖掘等在教育数据挖掘中取得的成功经验,主要研究内容包括:首先,分析组成课程教材知识结构的知识点及知识点间关系组织的现状,借鉴大数据在教育中的应用,明确存在的问题和具体研究内容,结合大数据分析方法和技术,提出了一套大数据环境下的课程知识点抽取与组织体系建设框架;其次,深入研究细化理论和知识组织理论对教材内容分析的指导,分析课程教材知识结构特征及问题,建立课程知识组织模型;最后,采用基于混合策略的课程知识点抽取方法,结合规则匹配、无监督聚类、关键词抽取等方法抽取课程知识点,对抽取的课程知识点采用大数据融合的组织方法,逐本逐层计算课程知识... 

【文章来源】：东北石油大学黑龙江省

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
创新点摘要
第一章 绪论
    1.1 研究背景及研究意义
    1.2 国内外研究现状
        1.2.1 课程教材研究现状
        1.2.2 课程知识点的定义和表示研究现状
        1.2.3 课程知识点的抽取与组织研究现状
        1.2.4 大数据应用研究的现状
    1.3 主要问题及研究内容
        1.3.1 面临问题
        1.3.2 研究内容
        1.3.3 建设框架
        1.3.4 关键技术
    1.4 论文组织结构
第二章 课程教材知识结构分析及理论依据
    2.1 课程教材内容分析的基础理论
        2.1.1 细化理论
        2.1.2 知识组织理论
        2.1.3 理论启示
    2.2 课程教材知识结构分析
        2.2.1 课程教材知识结构的特征分析
        2.2.2 课程教材知识结构的深层问题分析
    2.3 课程知识组织模型
        2.3.1 知识点概述
        2.3.2 知识的粒度
        2.3.3 概念定义
        2.3.4 知识点特性
        2.3.5 课程知识组织模型
    2.4 本章小结
第三章 基于混合策略的课程知识点抽取方法
    3.1 基于规则的章节课程知识点抽取方法
        3.1.1 章节课程知识点抽取规则的获取
        3.1.2 章节课程知识点抽取流程
        3.1.3 章节课程知识点抽取结果
    3.2 基于规则的正文课程知识点抽取
        3.2.1 正文课程知识点抽取规则
        3.2.2 正文课程知识点抽取结果
        3.2.3 抽取效果评价
    3.3 基于聚类的课程知识点抽取
        3.3.1 课程教材文本内容特征分析
        3.3.2 基于改进k-means算法划分课程文本
        3.3.3 改进k-means实验对比
        3.3.4 原子课程知识点的标识抽取
        3.3.5 原子课程知识点的标识抽取结果分析
    3.4 本章小结
第四章 基于大数据融合的课程知识点组织方法
    4.1 课程知识点间的关系分析
        4.1.1 关系分类
        4.1.2 相似度计算方法
        4.1.3 父子和兄弟关系分析
        4.1.4 相似关系分析
        4.1.5 参考关系分析
    4.2 课程教材知识结构组织方法
        4.2.1 方法概述
        4.2.2 基于融合的课程知识组织方法
        4.2.3 基于统计的课程知识点位置编排组织方法
        4.2.4 课程知识点与课程教材的关系组织方法
    4.3 组织结果与分析
        4.3.1 课程知识点融合结果与分析
        4.3.2 课程知识点与编排位置信息共现关系分析
        4.3.3 课程知识点与课程教材关系分析和可视化
    4.4 本章小结
第五章 CKPEOS的设计和实现
    5.1 系统开发工具及环境
    5.2 系统实现流程
    5.3 主要功能实现
    5.4 本章小结
结论
参考文献
发表文章目录
致谢


【参考文献】：
期刊论文
[1]基于课程标准和证据:美国语文教材评价工具研究[J]. 翟志峰,董蓓菲.  外国中小学教育. 2019(02)
[2]深度学习技术在教育大数据挖掘领域的应用分析[J]. 陈德鑫,占袁圆,杨兵.  电化教育研究. 2019(02)
[3]教育数据挖掘的研究进展与趋势[J]. 雷晓锋,杨明.  北京航空航天大学学报(社会科学版). 2018(04)
[4]基于智慧课堂的教育大数据分析与应用研究[J]. 刘邦奇,李鑫.  远程教育杂志. 2018(03)
[5]面向线性文本的K-means聚类算法研究[J]. 文必龙,李菲,马强.  计算机技术与发展. 2018(09)
[6]基于大数据平台的课程教学资源推荐系统应用研究[J]. 骆金维,曾德生,潘志宏,刘倍雄.  大数据时代. 2018(03)
[7]基于上下文关系和TextRank算法的关键词提取方法[J]. 杜海舟,陈政波,钟孔露.  上海电力学院学报. 2017(06)
[8]知识聚合研究述评[J]. 李亚婷.  图书情报工作. 2016(21)
[9]教育大数据视角下的内容语义分析模型及应用研究[J]. 刘清堂,张思,范桂林,王洋,吴林静.  电化教育研究. 2017(01)
[10]教科书研究方法的现状、问题与建议[J]. 王攀峰.  课程.教材.教法. 2017(01)

博士论文
[1]基于语义场模型的学科资源聚类及应用研究[D]. 吴林静.华中师范大学 2013
[2]知识融合中若干关键技术研究[D]. 缑锦.浙江大学 2005

硕士论文
[1]面向学科的文献资源聚类系统研究及应用[D]. 崔弘扬.华中师范大学 2011
[2]知识管理学学科体系构建研究[D]. 闫士涛.安徽大学 2011
[3]基于主题图的学科信息资源知识组织研究[D]. 韩永青.华中师范大学 2009
[4]Web信息抽取与网页摘要的研究与应用[D]. 刘秋水.大连理工大学 2008
[5]基于概念图的知识组织和检索研究[D]. 孙玲.黑龙江大学 2008
[6]CBT开发平台中的知识抽取技术研究[D]. 魏磊.南京航空航天大学 2006



本文编号：3207067