基于决策树算法物理学科个性化学习评价系统

随着计算机技术与通讯技术的发展,我们己经步入了一个信息经济时代,信息技术在各个领域的应用正飞速的改变着人们工作、生活和学习的方式。远程教育的发展面临着前所未有的挑战。在远程教学环境下,教与学时空分离、学生个别化自主学习等特点使得教学管理者对学生进行评估时缺乏有力的数据和依据,其原因在于大多数现有的基于Web的远程教育系统缺少对学习过程的监控以及对学生在线学习行为的评估。当前的很多网络教学平台不同程度的存在着一些问题,主要表现在教学方法单一,教学双方互动性差等问题,因此现有的个性化学习平台并不能很好的解决个别化学习的需求,所以也就无法对学习者实施很好的个性化的学习服务,学习者无法针对自己的不足及时进行调整。针对这一问题本文提出了基于数据挖掘技术的个性化学习平台,个性化学习平台主要针对物理学科的学习进行评估。由于数据挖掘技术能够从海量的数据中发现一些未知的、有价值的规律,无疑为个性化的教育服务提供了强有力的支持。本文对决策树分类算法进行了分析和研究,认真分析和对比了ID3算法和.5算法的优缺点,引用了一种基于属性相关性的.5决策树规则简化算法。并将其应用到了物理学科个性化学习评估中,并通过实验数据证实评价方法的优劣。【关键词】：个性化学习数据挖掘决策树
【论文提纲】：摘要4-5Abstract5-8第一章引言8-121.1研究背景和意义8-91.2物理学科个性化学习发展现状及存在的问题9-101.3本文研究工作10-12第二章网络个性化学习的基本理论12-172.1基于网络的个性化学习理论综述12-132.1.1个性化学习的含义122.1.2基于网络的个性化学习12-132.2基于网络个性化学习的特点132.3基于网络个性化学习的上风13-142.4物理学科的基本结构142.5物理学的学科特点14-152.6个性化学习模式在物理教学中的应用15-172.6.1个性化学习模式在物理教学中应用的独特作用15-162.6.2个性化学习模式在物理教学中应用的上风16-17第三章数据挖掘理论综述17-253.1数据挖掘概念173.2数据挖掘的特点17-183.3数据挖掘的过程18-193.4数据挖掘的方法和技术概述19-213.5决策树算法21-223.5.1决策树算法的一般过程21-223.5.2决策树学习的适用问题223.6常用决策树算法先容22-253.6.1ID3算法223.6.2.5算法22-233.6.3CART算法233.6.4SLIQ算法233.6.5SPRINT算法23-25第四章物理学科个性化学习评价系统的设计25-384.1系统设计指导思想25-264.2系统特点264.3系统分析26-274.4基于网络的物理学科个性化学习评价系统模型设计27-324.4.1传统网络教学环境的改进27-294.4.2个性化评价模块总体结构294.4.3数据收集模块29-314.4.4物理学科个性化评价模块设计31-324.5算法设计32-384.5.1ID3算法的基本原理以及算法优劣的分析32-344.5.2.5算法基本原理以及算法分析34-38第五章.5算法的改进在物理学科个性化评价系统实现中应用38-525.1数据收集385.2个性化学习评价模块实现38-465.2.1数据预处理38-405.2.2天生|教育论文网|决策树40-435.2.3.5算法的改进43-465.3规则化简及正确性评估46-505.4基于决策树算法物理学科个性化评价系统应用分析50-52第六章结束语52-53参考文献53-56致谢56