基于隐马尔可夫模型的自我调节学习行为建模研究

发布时间：2022-02-22 19:09

　　自我调节学习描述了学生控制和评估自己学习和行为的过程。进行自我调节的学生能够依靠元认知在学习中发挥积极作用,通过使用设定适当的目标、任务规划和自我监控等学习策略促进学习成果。特别是在具有开放性的在线学习环境中,学生参与自我调节行为的能力是取得学习成功的关键因素。因此对于线学习环境的研发设计不仅需要考虑技术相关的问题,还需要考虑引导学生进行自我调节学习。通过观察模型识别与学习成功的行为模式能够促进在线学习系统的个性化发展,进而有针对性的帮助学生提高成绩。自我调节学习是一个渐进的、连续的过程,尽管能够使用简单的频率和序列分析等方法研究,但是探究学习策略的变化需要使用结合了整体学生的学习过程的算法。因此,本文主要工作如下:（1）对学生的自我调节学习行为建模做了深入分析,选择隐马尔可夫模型对学生行为建模,在进行全面的理解和分析隐马尔可夫模型的三个经典问题及对应的算法之后,针对多序列的实际情况对评估算法和重估公式进行了修改。依托贝叶斯信息准则选择模型参数,对于Baum-Welch算法收敛速度慢和不容易到达全局最优解的缺陷,融合K均值聚类算法的方法进行改善。（2）开发了一款基于自我调节学习理论框架... 

【文章来源】：华中师范大学湖北省211工程院校教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 相关研究
    1.3 研究目的
    1.4 研究意义
    1.5 论文结构
第二章 相关理论与相关技术
    2.1 自我调节学习
        2.1.1 理论背景
        2.1.2 影响因素
        2.1.3 研究工具
    2.2 自我调节学习建模
        2.2.1 聚类
        2.2.2 序列模式挖掘
        2.2.3 隐马尔可夫模型
    2.3 本章小结
第三章 隐马尔可夫模型
    3.1 隐马尔可夫模型
        3.1.1 隐马尔可夫模型简介
        3.1.2 隐马尔可夫模型参数表示
        3.1.3 隐马尔可夫模型的经典问题
    3.2 隐马尔可夫模型的实际问题
        3.2.1 数值下溢
        3.2.2 重估公式
    3.3 隐马尔可夫模型实现
        3.3.1 贝叶斯信息准则
        3.3.2 K均值聚类算法改进隐马尔可夫模型
    3.4 本章小结
第四章 在线辅助学术论文写作系统
    4.1 系统设计
        4.1.1 开发环境
        4.1.2 技术架构
        4.1.3 系统模块
    4.2 系统设系统主要功能实现
        4.2.1 系统界面
        4.2.2 文献与目标模块
        4.2.3 论文撰写模块
        4.2.4 意见处理模块
    4.3 在线辅助学术写作系统中的元认知策略
    4.4 本章小结
第五章 研究方法与研究结果
    5.1 研究方法
        5.1.1 研究问题
        5.1.2 研究对象
        5.1.3 研究工具
        5.1.4 研究流程
        5.1.5 数据处理
        5.1.6 分析方法
    5.2 基于隐马尔可夫模型的自我调节学习行为模型
        5.2.1 模型结果
    5.3 高低自我调节学习能力组差异
        5.3.1 模式差异
        5.3.2 状态差异
    5.4 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 研究限制
    6.3 研究展望
参考文献
攻读硕士期间发表的论文
致谢


【参考文献】：
期刊论文
[1]基于数据挖掘的学生选课及学习行为分析算法研究[J]. 姜永超.  现代电子技术. 2016(13)
[2]网络教学平台学生学习行为聚类分析[J]. 田娜,陈明选.  中国远程教育. 2014(11)
[3]龙芯1号处理器结构设计[J]. 胡伟武,唐志敏.  计算机学报. 2003(04)



本文编号：3640056