基于智能计算的网络学习评价模型研究与系统设计

论文摘要

随着高校信息技术的进一步推广、网络教学资源的不断丰富和网络教学管理的不断规范,网络学习作为一种主要学习方式已经被越来越多的人所接受。近几年,各级精品课程、网络课程的建设所取得的成效已是有目共睹,但重建设、轻使用的现象已成为困扰今后精品课程、网络课程建设的主要因素。教学资源之所以建起来容易用起来难,原因是多方面的,但网络学习评价机制不健全无疑是其中的一个重要方面。目前的网络课程平台,对网络学习的支撑做得都非常出色,但对网络学习评价的研究还远远不够,功能上也严重不足。本文根据网络学习评价的特点,选用模糊神经网络进行建模,并构建网络学习评价系统。模糊神经网络系统是根据神经网络和模糊逻辑各自的特性,并将它们有机结合在而形成的。神经网络系统本质上是模拟人脑处理信息的一种模型,模糊信息又是人脑神经系统处理基本特征,而神经网络系统恰恰处理模糊信息较为困难。模糊逻辑系统可以表达人的经验知识,善于处理模糊信息,但模糊系统的规则集和隶属度函数等参数常常是依靠经验选择,很难自动调整,而这正是神经网络的专长。将神经网络和模糊逻辑结合起来而形成的模糊神经网络系统正好可以所长避短。网络学习评价系统是针对网络学习这一实际需求,基于自适应模糊神经网络理论基础而设计。它通过对学生网络学习的各种数据进行数据挖掘,并利用自适应能力模糊神经系统进行数据处理,实现对网络学习评价的智能化、自动化,从而进一步完善网络学习平台,推动网络课程的建设与使用。为构建一个智能化、自动化的网络学习评价系统,本文以指标体系构建---指标数据的获取（数据挖掘）----指标数据处理（评价模型）----评价系统设计为主线开展。本文在分析现有网络学习评价指标体系的基础上,提出了边界变化的网络学习评价指标体系;运用数据挖掘技术对网页中和后台数据库中记录的学生学习活动的信息进行挖掘,获取影响学生网络学习效果关键信息,并进行量化。然后在介绍模糊逻辑、人工神经网络、模糊神经系统的基本原理、算法的基础上,分别用人工神经网络和自适应模糊神经系统进行网络学习评价建模,并对两种模型进行实验仿真和性能分析。研究结果表明,基于自适应模糊神经网络的模型在网络学习评价中的性能明显优于人工神经网络模型,基于自适应模糊神经网络的网络学习评价模型,在理论上切实可行,在实践中结果可靠,可以作为开发网络学习评价系统的智能计算模型,具有良好的推广价值,从而为网络学习评价提供一种新评价方法。最后,我们在分析系统功能的基础上,完成了系统设计和主要代码开发。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 项目研究背景
• 1.2 项目研究现状
• 1.3 项目研究的目的和意义
• 1.4 项目的研究内容与创新
• 1.5 论文结构和研究框架
• 第2章 网络学习的评价指标体系构建与评价流程
• 2.1 网络学习评价指标体系构建
• 2.2 网络学习评价的一般流程
• 第3章 评价信息的收集与处理
• 3.1 数据挖掘的定义
• 3.2 基于数据挖掘的网络学习信息收集与处理模型
• 第4章 智能计算理论基础
• 4.1 模糊逻辑
• 4.2 人工神经网络基础
• 4.3 模糊神经网络
• 第5章 基于智能计算的网络学习评价模型建立
• 5.1 基于BP 神经网络的网络学习评价模型的建立
• 5.2 基于ANFIS 的网络学习评价模型的建立
• 第6章 网络学习评价系统设计与实验仿真
• 6.1 系统设计
• 6.2 算法实现
• 6.3 数据仿真
• 结束语
• 参考文献
• 附录
• 附件1 专家样本数据
• 附件2 基于神经推理系统网络学习评价的主要代码
• 附件3 基于自适应模糊神经推理系统网络学习评价的主要代码
• 附件4 攻读学位期间研究成果
• 致谢