基于Hadoop的PageRank算法在网络课程教学知识点分析上的应用
发布时间：2021-04-05 00:16
随着信息技术的不断进步,网络课程越来越受到人们的青睐。因其具有灵活性、开放性及普遍性等特点,一经问世便吸引了众多学习者,可以说网络课程的出现打破了传统教学的模式。但随着越来越多的人投入到网络课程的学习中,其宽进严出、结课率低、教学指导不足的问题也逐渐显现出来。究其背后原因,往往是因为网络课程无法做到个性化、差异化教学,无法激发学习者学习的主观能动性,从而导致了学习效果不理想的问题。纵观现有网络教学平台,目前对于知识点的重要程度往往来自于专家学者的教学经验,通过简单的知识图谱构建,以目录结构、思维导图等方式呈现给学习者。但这样基于经验而生成的一成不变的知识点排序,已无法满足网络课程学习者的需求,学习者无法根据自身情况,在海量的知识中迅速掌握当前学习内容的重要程度,从而降低了学习者的学习效率,减少了学习兴趣。为了最大限度上激发学习者的主观能性,减少学习者与网站间的交互障碍,降低交互成本,将离散的知识点进行科学有效的、个性化的排序,本文提出了“知识点打分”这个概念,引用了PageRank算法对这一概念的实现进行了探究。文章首先论述了当前我国网络教学课程、Hadoop平台、PageRank算法...
【文章来源】：沈阳师范大学辽宁省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
HDFS体系结构
发布到每一个集群的每一台机器上，通过作业调度，使任务并发执行同时处理数据文件，并返回结果[36]。MapReduce的操作是先执行Map功能，然后再执行约简功能。映射功能是：通过一系列计算方法遍历成对的键值，以创建新的键值对并传递它们。归约函数将在单个键下找到用于特定过程计算的值，并最终获得配对的值结果。MapReduce的任务处理流程如图3-3所示，MapReduce的任务处理流程图展示了MapReduce程序首先将输入的数据划分到不同的Map上、再将Map的计算结果作为Reduce的输入值进行计算，最后进行处理结果的输出[37]。图3-3MapReduce的任务处理流程在整个分布式数据计算体系结构中，作为一个操作性高、容错率高的软件框架，开发者可以基于MapReduce将任务发布到每一个集群上，每一个集群由成千上万台商用机组成，命令每一个集群的每一个节点根据任务执行数据计算操作，以此方式确保了Hadoop对海量数据的存储、加载、转换、清洗及计算工作。在分布式计算体系中，每一个被MapReduce初始化的任务成为一个Job，每个Job又可分成两个阶段：Map阶段和Reduce阶段。这两个阶段分别对应Map函数和Reduce函数。MapReduce框架由JobTracker和TaskTracker共同组成，其主要区别在于以下两点：一是部署位置不同，JobTracker作用类似于管理节点，部署在单独运行的节点上，而TaskTracker部署在每个集群从节点上；二是管理范围不同，作为MapReduce的框架中心，JobTracker需要根据设定时间定时与集群发生“心跳”通信，用以监督任务在集群上的运行状态。而TaskTracker只监视本机任务的执行
各模块关系图
【参考文献】：
期刊论文
[1]建构主义学习理论简析[J]. 隋俊宇,石卉. 教育现代化. 2019(98)
[2]PageRank算法在学术网络平台中的应用研究[J]. 白莹莹. 无线互联科技. 2017(17)
[3]我国图书情报领域MOOC研究述评与展望[J]. 雷水旺,李维. 图书馆工作与研究. 2017(01)
[4]国外网络教学课程在我国高校发展问题研究[J]. 罗树武. 赤峰学院学报(自然科学版). 2016(24)
[5]PageRank算法的研究与改进[J]. 李青淋,邵家玉. 工业控制计算机. 2016(05)
[6]论建构主义学习理论对翻转课堂的教学启示[J]. 高虹,从均广. 中国成人教育. 2016(09)
[7]基于网页结构和用户行为的PageRank排序算法[J]. 张芳. 南阳理工学院学报. 2015(02)
[8]浅谈人本主义学习理论对我国高校素质教育的启示[J]. 李晓晓,朱琳. 才智. 2014(30)
[9]浅析人本主义学习理论对当代教育的启示[J]. 侯艳. 辽宁师专学报(社会科学版). 2014(01)
[10]基于MapReduce的并行PageRank算法实现[J]. 平宇,向阳,张波,黄寅飞. 计算机工程. 2014(02)
博士论文
[1]高等教育中的慕课知识传播模式研究[D]. 柴玥.大连理工大学 2019
[2]国内高校在线课程建设理念演化研究[D]. 许欢.西南大学 2019
[3]集群MapReduce环境中任务和作业调度若干关键问题的研究[D]. 顾涛.南开大学 2014
[4]基于Hadoop的海量网络数据处理平台的关键技术研究[D]. 林文辉.北京邮电大学 2014
[5]MapReduce计算任务调度的资源配置优化研究[D]. 韩海雯.华南理工大学 2013
硕士论文
[1]大数据环境下课程知识点抽取与组织方法研究[D]. 李菲.东北石油大学 2019
[2]基于复杂网络的《教育技术学》课程知识网络构建与分析[D]. 刘景霞.云南师范大学 2019
[3]基于问答方式的交通信息获取服务的研究与设计[D]. 刘帅.北京邮电大学 2019
[4]在线学习系统中知识构建及应用研究[D]. 朱梦梦.四川师范大学 2018
[5]基于知识建构理论的教学模式设计与实践研究[D]. 王幸丹.华东师范大学 2018
[6]基于PageRank的垃圾评论用户群组检测[D]. 张小旭.浙江大学 2018
[7]高校网络课程教学现状及其有效教学策略研究[D]. 赵利梅.云南师范大学 2017
[8]基于Blackboard平台的在线学习行为分析与预测[D]. 张英杰.内蒙古师范大学 2017
[9]基于MapReduce计算模型的PageRank算法的优化与实现[D]. 孟德鑫.南京邮电大学 2016
[10]MOOC在我国高校本土化建设初探[D]. 宋文.中央民族大学 2015
本文编号：3118767
【文章来源】：沈阳师范大学辽宁省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
HDFS体系结构
发布到每一个集群的每一台机器上，通过作业调度，使任务并发执行同时处理数据文件，并返回结果[36]。MapReduce的操作是先执行Map功能，然后再执行约简功能。映射功能是：通过一系列计算方法遍历成对的键值，以创建新的键值对并传递它们。归约函数将在单个键下找到用于特定过程计算的值，并最终获得配对的值结果。MapReduce的任务处理流程如图3-3所示，MapReduce的任务处理流程图展示了MapReduce程序首先将输入的数据划分到不同的Map上、再将Map的计算结果作为Reduce的输入值进行计算，最后进行处理结果的输出[37]。图3-3MapReduce的任务处理流程在整个分布式数据计算体系结构中，作为一个操作性高、容错率高的软件框架，开发者可以基于MapReduce将任务发布到每一个集群上，每一个集群由成千上万台商用机组成，命令每一个集群的每一个节点根据任务执行数据计算操作，以此方式确保了Hadoop对海量数据的存储、加载、转换、清洗及计算工作。在分布式计算体系中，每一个被MapReduce初始化的任务成为一个Job，每个Job又可分成两个阶段：Map阶段和Reduce阶段。这两个阶段分别对应Map函数和Reduce函数。MapReduce框架由JobTracker和TaskTracker共同组成，其主要区别在于以下两点：一是部署位置不同，JobTracker作用类似于管理节点，部署在单独运行的节点上，而TaskTracker部署在每个集群从节点上；二是管理范围不同，作为MapReduce的框架中心，JobTracker需要根据设定时间定时与集群发生“心跳”通信，用以监督任务在集群上的运行状态。而TaskTracker只监视本机任务的执行
各模块关系图
【参考文献】：
期刊论文
[1]建构主义学习理论简析[J]. 隋俊宇,石卉. 教育现代化. 2019(98)
[2]PageRank算法在学术网络平台中的应用研究[J]. 白莹莹. 无线互联科技. 2017(17)
[3]我国图书情报领域MOOC研究述评与展望[J]. 雷水旺,李维. 图书馆工作与研究. 2017(01)
[4]国外网络教学课程在我国高校发展问题研究[J]. 罗树武. 赤峰学院学报(自然科学版). 2016(24)
[5]PageRank算法的研究与改进[J]. 李青淋,邵家玉. 工业控制计算机. 2016(05)
[6]论建构主义学习理论对翻转课堂的教学启示[J]. 高虹,从均广. 中国成人教育. 2016(09)
[7]基于网页结构和用户行为的PageRank排序算法[J]. 张芳. 南阳理工学院学报. 2015(02)
[8]浅谈人本主义学习理论对我国高校素质教育的启示[J]. 李晓晓,朱琳. 才智. 2014(30)
[9]浅析人本主义学习理论对当代教育的启示[J]. 侯艳. 辽宁师专学报(社会科学版). 2014(01)
[10]基于MapReduce的并行PageRank算法实现[J]. 平宇,向阳,张波,黄寅飞. 计算机工程. 2014(02)
博士论文
[1]高等教育中的慕课知识传播模式研究[D]. 柴玥.大连理工大学 2019
[2]国内高校在线课程建设理念演化研究[D]. 许欢.西南大学 2019
[3]集群MapReduce环境中任务和作业调度若干关键问题的研究[D]. 顾涛.南开大学 2014
[4]基于Hadoop的海量网络数据处理平台的关键技术研究[D]. 林文辉.北京邮电大学 2014
[5]MapReduce计算任务调度的资源配置优化研究[D]. 韩海雯.华南理工大学 2013
硕士论文
[1]大数据环境下课程知识点抽取与组织方法研究[D]. 李菲.东北石油大学 2019
[2]基于复杂网络的《教育技术学》课程知识网络构建与分析[D]. 刘景霞.云南师范大学 2019
[3]基于问答方式的交通信息获取服务的研究与设计[D]. 刘帅.北京邮电大学 2019
[4]在线学习系统中知识构建及应用研究[D]. 朱梦梦.四川师范大学 2018
[5]基于知识建构理论的教学模式设计与实践研究[D]. 王幸丹.华东师范大学 2018
[6]基于PageRank的垃圾评论用户群组检测[D]. 张小旭.浙江大学 2018
[7]高校网络课程教学现状及其有效教学策略研究[D]. 赵利梅.云南师范大学 2017
[8]基于Blackboard平台的在线学习行为分析与预测[D]. 张英杰.内蒙古师范大学 2017
[9]基于MapReduce计算模型的PageRank算法的优化与实现[D]. 孟德鑫.南京邮电大学 2016
[10]MOOC在我国高校本土化建设初探[D]. 宋文.中央民族大学 2015
本文编号：3118767
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3118767.html
