第1章 绪论 1
1.1 引言 1
1.1.1 网络教育的快速发展 1
1.1.2 虚拟学习社区是时代发展的要求 1
1.2 研究意义 2
1.3 虚拟学习社区的理论及实践研究 3
1.3.1 国内外虚拟学习社区的基本概念 3
1.3.2 虚拟学习社区的学习共同体理论 5
1.3.3 虚拟学习社区的分类 5
1.3.4 虚拟学习社区的构建研究 5
1.4 本书的主要内容 6
1.5 本书的篇章结构 7
参考文献 9
第2章 相关研究背景 10
2.1 网络教育起源 10
2.2 虚拟学习社区 11
2.2.1 虚拟学习社区的性质 11
2.2.2 虚拟学习社区的优缺点 12
2.2.3 虚拟学习社区的研究综述 13
2.3 虚拟学习社区的社会网络结构的应用研究 14
2.4 个性化推荐 15
2.4.1 个性化推荐的基本原理 16
2.4.2 个性化推荐技术 16
2.4.3 个性化推荐算法的研究综述 17
2.4.4 个性化教学 18
2.5 虚拟学习社区的发展阶段 18
2.6 虚拟学习社区的形式化定义 19
2.7 本章小结 20
参考文献 21
第3章 基于社会网络行为分析的虚拟学习社区分组构建研究 24
3.1 虚拟学习社区的社会网络结构的含义 24
3.2 层次聚类法 25
3.2.1 层次聚类法研究综述 25
3.2.2 基于层次聚类法的改进算法研究 25
3.2.3 层次聚类法的优缺点 26
3.3 k-均值法 26
3.3.1 k-均值法基础理论 26
3.3.2 k-均值法研究综述 27
3.3.3 k-均值法的优点 27
3.4 簇间距离度量准则 28
3.5 SPSS分析工具 29
3.5.1 SPSS简介 29
3.5.2 SPSS的功能 29
3.6 网络行为挖掘与分析 30
3.6.1 研究样本与研究思路 30
3.6.2 数据准备 30
3.6.3 教育数据挖掘内容 33
3.6.4 总体学习时间分布特点 33
3.6.5 学生学习时间偏好分析 34
3.7 兴趣分组与个性化资源推荐 36
3.7.1 基于知识点的个性化推荐探索 36
3.7.2 知识点模型 36
3.7.3 学习者兴趣模型 39
3.7.4 知识点的个性化推荐 42
3.8 社会网络结构分析 53
3.8.1 聚类因子的选取 54
3.8.2 层次聚类法分析数据 54
参考文献 60
第4章 基于学习特征挖掘的虚拟学习社区个性化教学策略推理机制 62
4.1 相关理论基础 62
4.1.1 教育数据挖掘概述 62
4.1.2 聚类分析算法 64
4.1.3 模糊聚类分析 66
4.1.4 模糊C-均值聚类算法 66
4.2 基于学习特征挖掘的教学策略推理机制系统模型 67
4.2.1 数据预处理模块 68
4.2.2 学习者学习特征分析模块 69
4.2.3 教学策略推理模块 69
4.3 虚拟学习社区中学习者的学习特征提取 69
4.4 教学策略推理机制 70
4.4.1 几种典型的知识表示法 70
4.4.2 教学策略的产生式表示法模型定义 71
4.4.3 基于学习特征的教学策略推理机制 71
4.4.4 基于学习特征的教学策略推理分析 73
4.5 基于模糊C-均值聚类的学习特征分析 73
4.5.1 聚类分组策略 73
4.5.2 模糊C-均值聚类分析学习特征的具体过程 73
4.6 基于模糊C-均值聚类的学习特征聚类的模拟实验 75
4.6.1 学习特征的数据来源 75
4.6.2 学习行为记录采集 76
4.6.3 算法初始参数设置 79
4.6.4 模糊C-均值聚类分组实现过程 80
4.6.5 实验结果及教学策略推理分析 84
参考文献 86
第5章 基于教学策略推理机制的虚拟学习社区系统构建 88
5.1 虚拟学习社区的构建概述 88
5.2 虚拟学习社区与复杂系统 88
5.2.1 虚拟学习社区与复杂系统的内在耦合性 88
5.2.2 自上而下与自下而上的设计方法 89
5.3 Agent在基于教学策略机制的虚拟学习社区中的应用概述 89
5.3.1 Agent的定义 89
5.3.2 Agent的基本结构 90
5.3.3 Agent在基于教学策略机制的虚拟学习社区中的应用概述 90
5.4 虚拟学习社区系统结构与设计 91
5.4.1 多Agent教学系统的优点 91
5.4.2 基于教学策略机制的虚拟学习社区结构图 92
5.4.3 基于教学策略机制的虚拟学习社区学生Agent的设计 93
5.5 虚拟学习社区交互评价模块的实现 94
5.5.1 教学策略推理模块的设计思想 94
5.5.2 教学策略推理模块的实现 95
5.6 小结 104
参考文献 106
第6章 基于学习者专业背景的虚拟学习社区建构与效能分析 107
6.1 虚拟学习社区中的个性化支持 107
6.2 研究样本选取及数据收集 109
6.3 不同专业背景的学习者学习效能差异性分析 110
6.4 不同专业背景的学习者的聚类构建分析 113
6.5 本章小结 114
参考文献 115
第7章 基于项目反应理论和Newton-中值法的学习能力自适应评估方法 116
7.1 CAT的概述 116
7.2 项目反应理论 118
7.3 Logistic模型的基本理论 119
7.3.1 Logistic函数 119
7.3.2 特征曲线 120
7.4 自适应能力评估模型 121
7.4.1 简化项目参数取值 122
7.4.2 能力估计算法 122
7.4.3 计算方法 123
7.5 测试终止条件 132
7.6 取题算法 133
7.6.1 项目与测验的信息函数 133
7.6.2 选题策略及实现 134
7.7 模拟结果及分析 135
7.7.1 仿真系统的设计 135
7.7.2 收敛速度对比分析 137
7.7.3 计算时间的对比分析 139
7.8 小结 140
参考文献 141
第8章 结论与展望 142
8.1 总结 142
8.2 展望 142