基于学习理论和web挖掘的个性化网络学习资源推荐的研究

发布时间：2017-07-20 23:07

  本文关键词：基于学习理论和web挖掘的个性化网络学习资源推荐的研究

  更多相关文章： 网络学习 学习兴趣 Web挖掘 个性化推荐

【摘要】：近年来，随着信息技术、网络技术的迅速发展和广泛应用，各类学习、教育网站如雨后春笋般大量涌现，网络学习已逐渐发展成为当今社会的主要自主学习方式之一，它打破了时间和空间上对学习者的限制；为学习者开辟了一条获取知识的新途径；为学习者提供了终身学习的机会。由此一来，学习者可以依照自己的兴趣和需求，按照自己喜欢的学习风格，在互联网和非线性超媒体的环境中浏览学习资源，这种学习方式极大地增加了学习受众面，提升了学习者自主学习的积极性。 目前的网络学习方式仍然受到传统的教学思维模式和学习方法的局限，提供给学习者浏览和学习的网络教学资源也仅仅以简单的文字链接方式呈现，传统的“人找信息”的服务模式难以适应在互联网环境下学习者对教学资源的需求。由于每个学习者的学习兴趣、需求和风格等方面的不同，在传统的网络服务模式下，，学习者将无法进行有效的个性化学习。因此，本文对如何实现不同网络学习者的个性化学习资源推荐问题开展深入的研究，运用现代教育技术的理论与方法，结合Web挖掘技术，为网络环境下自主学习提供优良的学习资源。 本文分析了现有的网络学习局限性，对国内外网络学习的个性化资源推荐技术和方法研究现状进行分析、评价，结合教育技术学中的网络学习、人本主义学习、学习风格等理论，给出了个性化推荐系统的框架，通过静态收集不同学习者的学习背景、学习水平、学习风格、学习兴趣，以此提供相关的学习资源；另外，本文以建构主义知识观、学生观、学习观为理论依据，通过对Web日志的关联规则挖掘，可实时动态地发现学习者学习兴趣的变化、学习风格的偏移和知识领域的转变，为学习者个性化学习资源推荐服务奠定基础；本文采用Web挖掘技术和网络个性化推荐服务技术，研发了基于Web挖掘的个性化网络学习资源推荐的系统，该系统具有静态数据收集和动态数据挖掘功能，为学生在网络环境下自主学习提供了个性化的学习资源，满足了不同用户的学习需求。针对兴趣爱好个体差异的学习者，本文以学习风格可视化的方式呈现教学资源，并以基于内容和协同过滤的推荐技术支撑学习过程，从而激发学习者的学习兴趣和积极性，提高网络学习者的主动性和主体地位。应用C#软件开发工具和SQLServer2005数据库系统对个性化网络学习资源推荐模型与实验系统进行了实现工作，实验结果表明，本文完成的实验系统在网络学习效率和资源共享等方面有明显提升。
【关键词】：网络学习 学习兴趣 Web挖掘 个性化推荐
【学位授予单位】：云南师范大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：G434
【目录】：

• 摘要3-4
• Abstract4-6
• 目录6-9
• 第1章 绪论9-13
• 1.1 研究意义9
• 1.2 国内外研究现状9-11
• 1.3 研究内容及文章组织结构11-13
• 第2章 个性化网络学习资源推荐的相关学习理论13-20
• 2.1 网络学习的内涵13-14
• 2.2 人本主义学习理论概述14-15
• 2.3 学习风格理论概述15-16
• 2.4 建构主义理论概述16-20
• 2.4.1 建构主义知识观16-17
• 2.4.2 建构主义学生观17-18
• 2.4.3 建构主义学习观18-20
• 第3章 个性化网络学习资源推荐的应用技术20-39
• 3.1 Web 使用挖掘概述20-23
• 3.1.1 Web 使用挖掘20-21
• 3.1.2 Web 使用挖掘的过程21-23
• 3.2 网络爬虫技术概述23-25
• 3.2.1 网络爬虫的概念和分类23-24
• 3.2.2 网络爬虫的基本工作原理24-25
• 3.3 中文分词技术概述25-30
• 3.3.1 中文分词的概念及规范26
• 3.3.2 中文分词的方法及技术26-27
• 3.3.3 中文分词中需要解决的基本问题27-28
• 3.3.4 分词系统介绍28-30
• 3.4 Web 文本挖掘概述30-34
• 3.4.1 特征表示30-31
• 3.4.2 关键词提取31-34
• 3.5 聚类分析概述34-36
• 3.5.1 文本聚类模型34-35
• 3.5.2 文本相似度计算公式35
• 3.5.3 文本聚类算法35-36
• 3.6 对 Web 日志的关联规则挖掘36-39
• 第4章 个性化网络学习资源推荐模型构建与系统设计39-52
• 4.1 系统的设计目标39-40
• 4.1.1 理论层面的设计目标39-40
• 4.1.2 应用层面的设计目标40
• 4.2 系统的主要功能40-42
• 4.2.1 学习者基本信息收集40-41
• 4.2.2 学习者学习行为和学习内容分析41
• 4.2.3 个性化推荐41-42
• 4.3 系统的模块设计42-46
• 4.3.1 系统维护模块44
• 4.3.2 资源应用功能模块44
• 4.3.3 个性化推荐功能模块44-46
• 4.4 系统的数据库设计46-52
• 第5章 个性化网络学习资源推荐系统的实现52-64
• 5.1 系统的实验环境和开发工具52-53
• 5.2 实验结果与分析53-56
• 5.3 系统的使用56-64
• 第6章 总结与展望64-66
• 6.1 本文所做的工作64
• 6.2 今后的工作64-66
• 参考文献66-68
• 攻读学位期间发表的学术论文和研究成果68-69
• 致谢69

【参考文献】

中国期刊全文数据库 前10条

1 朱晓菊;;影响网络学习质量的学习者心理因素分析[J];长春师范学院学报;2006年02期

2 李斑斑;徐锦芬;;场独立和场依赖认知风格对大学生听力理解能力的影响[J];常熟理工学院学报;2009年06期

3 刘春辉;金顺福;刘国华;李颖;;基于优化最大匹配与统计结合的汉语分词方法[J];燕山大学学报;2009年02期

4 吴岳芬;刘洪辉;;WEB文本挖掘的研究[J];电脑知识与技术;2006年11期

5 张芳芳;;二级学院学生外语学习观念与学习风格的调查研究[J];疯狂英语(教师版);2011年02期

6 傅赛香,袁鼎荣,黄柏雄,钟智;基于统计的无词典分词方法[J];广西科学院学报;2002年04期

7 管瑞霞;陆蓓;;TFLD:一种中文文本关键词自动提取方法[J];机电工程;2010年09期

8 陈平;刘晓霞;李亚军;;基于字典和统计的分词方法[J];计算机工程与应用;2008年10期

9 路海明;卢增祥;李衍达;;基于多Agent混合智能实现个性化网络信息推荐[J];计算机科学;2000年07期

10 郑家恒,卢娇丽;关键词抽取方法的研究[J];计算机工程;2005年18期

本文编号：570394