声明
摘要
第1章 绪论
1.1 研究背景及研究目标
1.1.1 研究背景
1.1.2 研究目标
1.2 研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 个性化学习路径推荐技术
1.4 论文组织结构
1.5 本章小结
第2章 基于CBL平台的学习内容管理系统INE
2.1 INE的系统架构
2.2 INE系统平台
2.2.1 CBL平台功能
2.2.2 CBL平台特色
2.3 INE系统主要功能
2.3.1 系统总体功能
2.3.2 用户管理功能
2.3.3 课件制作功能
2.3.4 作业制作功能
2.3.5 发布学习内容和分配作业功能
2.3.6 访问教学内容功能
2.4 与现有系统的比较分析
2.4.1 LMS、CMS、LCMS的联系与区别
2.4.2 LCMS的共同特点
2.5 本章小结
第3章 INE的个性化学习路径推荐策略
3.1 学习路径的推荐问题
3.2 INE系统的个性化学习模型
3.3 INE系统的个性化分析
3.3.1 学习者特征的定量描述
3.3.2 学习对象特征的定量描述
3.3.3 学习路径的生成
3.4 基本蚁群算法
3.4.1 蚁群算法原理及特点
3.4.2 基本蚁群算法数学模型
3.4.3 基本蚁群算法描述
3.5 基于扩展蚁群算法的学习路径推荐
3.5.1 相似学习者的定义
3.5.2 启发信息与信息素更新
3.5.3 学习对象的选择
3.5.4 学习对象推荐算法的实现步骤
3.6 本章小结
第4章 参数优化与分析
4.1 参数选择对扩展蚁群算法性能影响分析
4.1.1 启发因子对扩展蚁群算法的影响
4.1.2 期望启发因子对扩展蚁群算法的影响
4.1.3 信息素挥发因子对扩展蚁群算法的影响
4.1.4 学习效果评价对扩展蚁群算法的影响
4.1.5 随机抽取相似学习者数目对扩展蚁群算法的影响
4.2 扩展蚁群算法参数值的较优区间
4.3 利用遗传算法优化参数
4.3.1 遗传算法的基本原理
4.3.2 扩展蚁群算法的参数优化
4.4 学习路径推荐的仿真实验
4.5 参数优化效果分析
4.6 本章小结
第5章 总结与展望
5.1 全文总结
5.2 不足和展望
参考文献
致谢
东北大学;