学习效率分析与课程知识点关联挖掘的研究

发布时间：2017-05-18 09:22

  本文关键词：学习效率分析与课程知识点关联挖掘的研究，由笔耕文化传播整理发布。

【摘要】：随着信息技术的发展,各行各业中信息技术的应用也在不断深入。学习管理系统(LMS)、Web 2.0以及移动互联网等技术的应用正在推动教育信息化的发展和大规模应用。这些新技术的采用不仅使得教育变得更加高效,也带来了大量的教育数据。如何高效地存储并有效地利用这些数据、挖掘这些教育数据中潜在的利用价值正逐渐受到研究者的关注。本文基于实验室独立项目“xAPI标准的LMS平台”进行了学习分析研究,对其中的学习记录存储系统和xAPI标准的移动客户端进行了设计与实现,并从学习效率和知识点关联的角度对采集到的学习记录进行了分析和挖掘,提出了学习效率分析模型和课程知识点关联挖掘模型,为学习者提供正确的指导和反馈。本文将所做的主要工作归纳如下：1.xAPI标准的实现与记录采集：对学习者的网络学习行为进行记录是进行学习分析研究的基础,目前多采用结构化数据记录的方式。而对于这些结构化数据的规范,则有多种不同的学习记录标准定义。其中xAPI标准因其极大的灵活性而被本文LMS平台项目所采用。本文介绍了平台中xAPI标准的实现,包括学习存储系统LRS的实现和移动客户端中学习记录的采集和xAPI语句的生成模块。并针对本文研究设计了所需学习记录数据的子格式,使平台能够充分发挥xAPI标准的灵活性,对多种学习行为进行记录。2.学习效率分析模型：本文根据平台采集到的学习行为数据,进行了学习效率分析模型的研究。针对课程在不同情景下的学习效率差异提出了学习效率分析模型,根据学习者的在线学习情况分析课程在不同情景下的学习效率,并能根据学习者当前情景提出学习建议,从而帮助提高学习者的学习效率。3.课程知识点关联挖掘模型：针对课件中存在的知识点以及它们之间的关联,本文提出了课程知识点关联挖掘模型。模型能够根据学习者对课件的页的收藏情况、页面停留时间以及学习者往回翻页动作找出课件中的知识点并挖掘知识点之间的关联,并在学习者学习相关知识点时提供导航,从而改善学习效率和学习体验。
【关键词】：学习分析 xAPI 学习效率 知识点 学习行为记录
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：G434;TP391.1
【目录】：

• 摘要6-8
• ABSTRACT8-13
• 第一章 绪论13-20
• 1.1 研究背景及意义13-14
• 1.2 国内外研究现状及分析14-16
• 1.2.1 学习效率分析14-15
• 1.2.2 知识点关联分析15-16
• 1.3 本文主要研究内容与目标16-18
• 1.4 本文组织结构18-20
• 第二章 相关理论与技术20-26
• 2.1 网络学习行为记录20-21
• 2.2 xAPI标准21-22
• 2.3 学习分析22-23
• 2.4 学习效率23-24
• 2.4.1 学习效率的定义与衡量23-24
• 2.4.2 学习效率与情景的关系24
• 2.5 知识点24-25
• 2.5.1 知识点的定义24
• 2.5.2 知识点之间的关系24-25
• 2.6 本章小结25-26
• 第三章 xAPI标准平台实现与记录采集26-55
• 3.1 平台功能与整体架构26-28
• 3.2 xAPI语句的结构28-33
• 3.2.1 主词(Actor)29-30
• 3.2.2 动词(Verb)30-31
• 3.2.3 受词(Object)31-32
• 3.2.4 其他可选属性32-33
• 3.3 LRS的访问请求格式33-37
• 3.3.1 Statement API33-35
• 3.3.2 Document APIs35-37
• 3.3.3 错误返回代码37
• 3.4 LRS的设计37-46
• 3.4.1 LRS架构37-40
• 3.4.2 LRS的工作原理与流程40-46
• 3.4.3 数据模型46
• 3.5 移动客户端xAPI语句生成46-51
• 3.5.1 打包课件47-49
• 3.5.2 xAPI语句生成模块49-51
• 3.6 xAPI学习行为记录采集51-54
• 3.6.1 学习活动记录51-52
• 3.6.2 学习情景记录52
• 3.6.3 学习细节记录52-54
• 3.7 本章小结54-55
• 第四章 学习效率分析模型研究55-68
• 4.1 整体流程55-56
• 4.2 学习情景56-60
• 4.2.1 姿态判断56-59
• 4.2.2 时间段划分59-60
• 4.3 学习效率分析模型60-63
• 4.4 结果分析与实验测试63-67
• 4.4.1 结果分析63-64
• 4.4.2 实验测试64-67
• 4.5 本章小结67-68
• 第五章 课程知识点关联挖掘模型研究68-85
• 5.1 课程知识点模型68-69
• 5.2 课程知识点关联挖掘总体流程69
• 5.3 知识点的判断69-73
• 5.3.1 通过对页的收藏判断69-70
• 5.3.2 通过页停留时间判断70-72
• 5.3.3 连续页知识点的判定72
• 5.3.4 重点和普通知识点的区分72-73
• 5.4 知识点关联的挖掘73-79
• 5.4.1 通过学习者回翻进行判断73-74
• 5.4.2 使用关联规则进行挖掘74-79
• 5.5 知识点关联的更新79-81
• 5.6 实验测试81-84
• 5.7 本章小结84-85
• 第六章 总结与展望85-87
• 6.1 工作总结85-86
• 6.2 未来展望86-87
• 参考文献87-92
• 致谢92-93
• 攻读硕士学位期间发表论文和科研情况93

【参考文献】

中国期刊全文数据库 前10条

1 吴青;罗儒国;;学习分析:从源起到实践与研究[J];开放教育研究;2015年01期

2 舒忠梅;徐晓东;;学习分析视域下的大学生满意度教育数据挖掘及分析[J];电化教育研究;2014年05期

3 魏雪峰;杨现民;;移动学习:国际研究实践与展望——访英国开放大学迈克·沙普尔斯教授[J];开放教育研究;2014年01期

4 吴淑苹;;基于数据挖掘的教师网络学习行为分析与研究[J];教师教育研究;2013年03期

5 李锦;陈建斌;贺艳琴;;基于Apriori算法的高考数学知识点关联分析[J];价值工程;2012年29期

6 李艳燕;马韶茜;黄荣怀;;学习分析技术:服务学习过程设计和优化[J];开放教育研究;2012年05期

7 魏顺平;;在线学习行为特点及其影响因素分析研究[J];开放教育研究;2012年04期

8 孙革;;网络学习者学习行为的研究状况及分析[J];中国教育信息化;2010年15期

9 张玉芳;杨芬;熊忠阳;陈小莉;;基于上下文的领域本体概念和关系的提取[J];计算机应用研究;2010年01期

10 余波;朱东华;刘卓君;;加权关联规则挖掘算法在电子商务中的应用[J];计算机工程与应用;2008年17期

中国硕士学位论文全文数据库 前5条

1 杨帆;基于知识点的移动学习课程资源设计研究[D];西南交通大学;2014年

2 李刚;基于知识点及关联的个性化教学系统研究[D];西北大学;2011年

3 李娜;高中数学学困生学习效率低的归因研究[D];天津师范大学;2010年

4 陈楚沧;高中生学习效率的调查研究[D];华南师范大学;2007年

5 马淑杰;高中数学学优生与学困生课堂学习效率的差异[D];首都师范大学;2005年

  本文关键词：学习效率分析与课程知识点关联挖掘的研究，，由笔耕文化传播整理发布。

本文编号：375673