声明
摘要
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 文献综述
1.2.1 国内外研究现状分析
1.2.2 文献评述
1.3 研究方案
1.3.1 主要研究内容
1.3.2 研究方法
1.3.3 文章结构
1.3.4 创新之处
2 基于贝叶斯网络的隐马尔柯夫模型
2.1 贝叶斯网络模型
2.2 隐马尔柯夫模型与序列分类算法
2.2.1 隐马尔柯夫模型概述
2.2.2 序列分类方法概述
2.3 隐马尔柯夫过程逻辑斯蒂模型
2.3.1 HMM过程回归摸型
2.3.2 HMM过程回归模型的参数估计方法
2.3.3 HMM过程回归模型估计与评价方法
3 网络学习特征分析
3.1 总体规模
3.1.1 学生入学情况
3.1.2 学生毕业与退学情况
3.1.3 在读学生规模
3.1.4 结论
3.2 毕业生学习时长
3.2.1 学制与概念
3.2.2 学业成果的定义
3.2.3 结论
3.3 学生基本信息
3.3.1 学习属性:入学批次、层次、专业
3.3.2 自然属性:性别、地域、年龄
3.3.3 结论
3.4 学生网上学习行为差异
3.4.1 总体时间分析
3.4.2 BBS行为差异
3.4.3 结论
3.5 统考表现
3.5.1 参加统考的学生规模
3.5.2 统考分科目及格率
3.5.3 结论
3.6 学分情况
3.6.1 选课学分的总体情况
3.6.2 分批次、分专业学生的前期学分选择与取得情况
3.6.3 结论
3.7 不同专业关键课程
3.7.1 定义与研究目的
3.7.2 指标设计
3.7.3 数据准备
3.7.4 分析过程
3.7.5 结论
3.8 标杆学生学习特征研究
3.8.1 基于学生基本情况与入学基础的高效学生的综合特征
3.8.2 基于WEB日志的网络学习行为表现
3.8.3 基于BBS的行为表现
3.8.4 统考与关键课程的合理安排
3.8.5 标杆学生特征概括
4 网络学习沉淀预警模型实证研究
4.1 沉淀学生定义与沉淀风险
4.1.1 沉淀定义
4.1.2 沉淀风险
4.2.2 沉淀模型建立思路
4.2.3 数据指标
4.2.4 各要素基本情况
4.2.5.退学模型
4.2.6 分阶段低效模型
4.2.7 全程低效模型
4.2.8 低效风险预警值
4.3 沉淀预警序列模型
4.3.1 数据准备
4.3.2 分析流程
4.3.3 序列聚类
4.3.4 实验结果与结果分析
4.3.5 结论
4.4 沉淀预警模型结果与检验
4.4.1 加入行为变量的适应期退学预警模型改进
4.4.2 混淆矩阵比较
5.1 主要成果
5.2 建议
参考文献
附录
在学期间发表的学术论文和研究成果
后记
首都经济贸易大学;