WEB日志数据挖掘在MOODLE中的研究与应用

摘要

本文通过研究常用数据挖掘算法，结合R工具以及SQL进行了一些基于Moodle日志的分析工作，得出了一些应用的理论思路和设计步骤，主要涉及4个论点：学习路径分析、学习进度分析、学习效果预测和课程资源推荐。具体来说，本文主要做了以下工作：
　　1.本文对2012年开始建设的基于Moodle的学习系统，在系统搭建、系统运行以及历年数据做了一系列总结和梳理。通过历年运行实践，收集和汇总了目前系统在内容设计和数据分析支持方面的需求。并且在数据分析理论和工具方面做了一些研究和积累。
　　2.本文通过汇总学生日志，通过SQL查询分析，进行了两项工作。首先，通过分析学生访问课程资源的路径，总结了目前存在的问题，以及提出了“内容结构层次化，学习路径线性化”的设计理念。然后，在Moodle现有数据库结构上设计了清晰的学习路径方案，并在此基础上分析学习进度数据，并设计学习进度量化和可视化方案。
　　3.本文运用R语言工具，结合线性回归分析、逻辑回归分析、CART以及聚类分析等方法，综合运用，进行了两方面的工作。首先，在分析学习效果过程中，本文利用已有数据，包括课程成绩、日志数据等，通过汇总和预处理，然后利用R工具进行建模。在学习督促方面，利用CART模型给出了具体模型和实现方法。在课程推荐任务中，本文结合几门课程的资源，通过访问日志聚合的方法，尝试找出重要资源。本文通过分模块按时间进行k-means聚类，结合SQL汇总得到推荐数据，并且简要设计了课程资源推荐任务的算法实现步骤和数据更新优化步骤。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1研究背景与意义

1.2用户需求与目标

1.3本文的研究内容

1.4章节安排

2 相关技术研究

2.1数据挖掘技术应用

2.2线性回归分析

2.3逻辑回归和分类

2.4推荐和聚类

2.5本章小结

3 学习平台分析与源数据获取

3.1 Moodle平台整合建设工作

3.2相关数据库结构

3.3运行日志数据收集

3.4本章小结

4 学习路径和学习进度分析

4.1学习路径分析

4.2学习进度分析

4.3本章小结

5 学习效果预测和课程资源推荐

5.1学习效果预测

5.2课程资源推荐

5.3本章小结

6 总 结

6.1本文的主要工作

6.2工作展望

参考文献

致谢

攻读学位期间发表的学术论文目录