E-learning中基于聚類算法的多維度學(xué)習(xí)社區(qū)的研究.pdf

1、隨著第三次互聯(lián)網(wǎng)浪潮的襲來，用戶對網(wǎng)絡(luò)的依賴性越來越強(qiáng)，E-learning 作為一種終身學(xué)習(xí)方式，與網(wǎng)絡(luò)虛擬社區(qū)一起改變了億萬互聯(lián)網(wǎng)用戶學(xué)習(xí)與生活的方式。作為E-learning 學(xué)習(xí)環(huán)境中的一種重要應(yīng)用模式，虛擬學(xué)習(xí)社區(qū)結(jié)合了E-learning 與網(wǎng)絡(luò)虛擬社區(qū)的優(yōu)點(diǎn)，有越來越多的教育機(jī)構(gòu)和互聯(lián)網(wǎng)公司向它投來了關(guān)注的目光。
　　 本文提出了一種新型的多維度學(xué)習(xí)社區(qū)，相對于傳統(tǒng)的虛擬學(xué)習(xí)社區(qū)，它通過實(shí)時、動態(tài)的對學(xué)生學(xué)習(xí)狀態(tài)進(jìn)

2、行評估分類，自動地將學(xué)生引入學(xué)習(xí)社區(qū)中不同水平層次的群組進(jìn)行小組學(xué)習(xí)。在對學(xué)生的評估分類的設(shè)計(jì)實(shí)現(xiàn)中，我們從基于Ontology 技術(shù)的多模式交互網(wǎng)絡(luò)學(xué)習(xí)環(huán)境里采集學(xué)生的學(xué)習(xí)過程數(shù)據(jù)，生成能正確反饋學(xué)生學(xué)習(xí)狀態(tài)的認(rèn)知診斷模型，并綜合分析考慮，選取了合理有效的聚類算法，對模型實(shí)施聚類分析。在此基礎(chǔ)上，成功實(shí)現(xiàn)了一種新型的E-learning 環(huán)境中的數(shù)據(jù)挖掘應(yīng)用。
　　 本文的研究工作主要包括以下幾個部分：
　　 首先，本

3、文調(diào)研了目前互聯(lián)網(wǎng)上的一些主流虛擬學(xué)習(xí)社區(qū)的發(fā)展現(xiàn)狀，分析了這些社區(qū)的特點(diǎn)，總結(jié)其中存在的一些不足。接著我們通過一組對虛擬學(xué)習(xí)社區(qū)目標(biāo)用戶的實(shí)驗(yàn)分析，發(fā)現(xiàn)了他們在學(xué)習(xí)水平、知識需求和經(jīng)驗(yàn)興趣上的差異，驗(yàn)證了構(gòu)建不同水平層次的學(xué)習(xí)共同體群組的必要性。在此基礎(chǔ)上，本文提出了一種新形式的虛擬學(xué)習(xí)社區(qū)的概念，并對其多維度學(xué)習(xí)環(huán)境的設(shè)計(jì)思路進(jìn)行了闡述。
　　 在第二部分，依托于課程中心平臺，我們驗(yàn)證了所提出的新方法的可行性，該方法基于On

4、tology 技術(shù)采集學(xué)生的學(xué)習(xí)過程數(shù)據(jù)，并在此基礎(chǔ)上結(jié)合Q-矩陣?yán)碚?，生成評估學(xué)生學(xué)習(xí)狀態(tài)的認(rèn)知診斷模型。在對生成的模型情況的判斷總結(jié)以及對其它研究者模擬研究結(jié)果的分析之上，我們對相關(guān)聚類分析算法進(jìn)行詳細(xì)系統(tǒng)的分析比較，選取了較為理想的算法，成功對學(xué)生實(shí)施了較為合理的分類。
　　 在本文的第三部分，我們實(shí)現(xiàn)并部署了本文提出的新型學(xué)習(xí)社區(qū)，完成了通過聚類分析技術(shù)，自動將課程中心的注冊學(xué)生分入不同水平層次的社區(qū)群組的功能。并將學(xué)習(xí)