發(fā)布時間：2022-02-22 19:09

　　自我調節(jié)學習描述了學生控制和評估自己學習和行為的過程。進行自我調節(jié)的學生能夠依靠元認知在學習中發(fā)揮積極作用,通過使用設定適當的目標、任務規(guī)劃和自我監(jiān)控等學習策略促進學習成果。特別是在具有開放性的在線學習環(huán)境中,學生參與自我調節(jié)行為的能力是取得學習成功的關鍵因素。因此對于線學習環(huán)境的研發(fā)設計不僅需要考慮技術相關的問題,還需要考慮引導學生進行自我調節(jié)學習。通過觀察模型識別與學習成功的行為模式能夠促進在線學習系統的個性化發(fā)展,進而有針對性的幫助學生提高成績。自我調節(jié)學習是一個漸進的、連續(xù)的過程,盡管能夠使用簡單的頻率和序列分析等方法研究,但是探究學習策略的變化需要使用結合了整體學生的學習過程的算法。因此,本文主要工作如下:（1）對學生的自我調節(jié)學習行為建模做了深入分析,選擇隱馬爾可夫模型對學生行為建模,在進行全面的理解和分析隱馬爾可夫模型的三個經典問題及對應的算法之后,針對多序列的實際情況對評估算法和重估公式進行了修改。依托貝葉斯信息準則選擇模型參數,對于Baum-Welch算法收斂速度慢和不容易到達全局最優(yōu)解的缺陷,融合K均值聚類算法的方法進行改善。（2）開發(fā)了一款基于自我調節(jié)學習理論框架... 

【文章來源】：華中師范大學湖北省211工程院校教育部直屬院校

【文章頁數】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 相關研究
    1.3 研究目的
    1.4 研究意義
    1.5 論文結構
第二章 相關理論與相關技術
    2.1 自我調節(jié)學習
        2.1.1 理論背景
        2.1.2 影響因素
        2.1.3 研究工具
    2.2 自我調節(jié)學習建模
        2.2.1 聚類
        2.2.2 序列模式挖掘
        2.2.3 隱馬爾可夫模型
    2.3 本章小結
第三章 隱馬爾可夫模型
    3.1 隱馬爾可夫模型
        3.1.1 隱馬爾可夫模型簡介
        3.1.2 隱馬爾可夫模型參數表示
        3.1.3 隱馬爾可夫模型的經典問題
    3.2 隱馬爾可夫模型的實際問題
        3.2.1 數值下溢
        3.2.2 重估公式
    3.3 隱馬爾可夫模型實現
        3.3.1 貝葉斯信息準則
        3.3.2 K均值聚類算法改進隱馬爾可夫模型
    3.4 本章小結
第四章 在線輔助學術論文寫作系統
    4.1 系統設計
        4.1.1 開發(fā)環(huán)境
        4.1.2 技術架構
        4.1.3 系統模塊
    4.2 系統設系統主要功能實現
        4.2.1 系統界面
        4.2.2 文獻與目標模塊
        4.2.3 論文撰寫模塊
        4.2.4 意見處理模塊
    4.3 在線輔助學術寫作系統中的元認知策略
    4.4 本章小結
第五章 研究方法與研究結果
    5.1 研究方法
        5.1.1 研究問題
        5.1.2 研究對象
        5.1.3 研究工具
        5.1.4 研究流程
        5.1.5 數據處理
        5.1.6 分析方法
    5.2 基于隱馬爾可夫模型的自我調節(jié)學習行為模型
        5.2.1 模型結果
    5.3 高低自我調節(jié)學習能力組差異
        5.3.1 模式差異
        5.3.2 狀態(tài)差異
    5.4 本章小結
第六章 總結與展望
    6.1 論文總結
    6.2 研究限制
    6.3 研究展望
參考文獻
攻讀碩士期間發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]基于數據挖掘的學生選課及學習行為分析算法研究[J]. 姜永超.  現代電子技術. 2016(13)
[2]網絡教學平臺學生學習行為聚類分析[J]. 田娜,陳明選.  中國遠程教育. 2014(11)
[3]龍芯1號處理器結構設計[J]. 胡偉武,唐志敏.  計算機學報. 2003(04)



本文編號：3640056