基于大数据的MOOC平台研究与实践

教育与互联网、大数据等技术的深度融合是什么?中国的开放式网络教育在飞速发展,传统的教育理念和教学方法面临巨大的变革。本文结合"开放式网络课堂"项目的研发实践,阐述了对MOOC建设的理解和大数据技术在MOOC平台中的应用。     

基于MOOC的个性化学习模式研究

辩证地分析了MOOC和个性化学习的关系,在此基础上提出了基于MOOC的个性化学习理念,构建了基于该理念的学习模式,并对该模式运用于教学过程中的各个环节进行了详细阐述。该模式为教学过程提供了强有力的技术支持,能够最大化地满足学习者的个性化需求,提高学习效率和教学效果。     

基于Web数据挖掘研究

在Internet浪潮的冲击下,人们面临着数据爆炸的挑战;随着数据挖掘(Data Mining,DM)技术的迅速发展及数据库管理技术的广泛应用,人们积累的数据越来越多,如何从浩如烟海的数据中找到内在的规律,如何更方便地传递、交流、获取有用的信息,挖掘这些激增数据背后隐藏的重要信息已成为当前高科技领域研究的热点。Web挖掘(Web Mining),是将传统的数据挖掘同Web结合起来的技术,从广义上解释就是通过数据挖掘技术来分析与网站相关的资料。就WEB数据挖掘的一些特点、过程以及方法进行探讨。     

基于Web数据挖掘研究

在Intemet浪潮的冲击下，人们面临着数据爆炸的挑战；随着数据挖掘（Data Mining，DM）技术的迅速发展及数据库管理技术的广泛应用．人们积累的数据越来越多，如何从浩如烟海的数据中找到内在的规律，如何更方便地传递、交流、获取有用的信息，挖掘这些激增数据背后隐藏的重要信息已成为当前高科技领域研究的热点。Web挖掘（Web Mining），是将传统的数据挖掘同Web结合起来的技术，从广义上解释就是通过数据挖掘技术来分析与网站相关的资料。就WEB数据挖掘的一些特点、过程以及方法进行探讨。     

基于Web数据挖掘的研究与应用

随着Internet的迅速发展及Web的全球普及,数据挖掘技术已经在各个领域、各个行业展现了它的巨大作用。通过分析Web及数据挖掘的特点,列举出数据挖掘在Web基础上的具体应用。     

MOOC环境下高校图书馆读者学习行为研究

致力于通过对高校图书馆慕课用户的学习行为的分析研究,找出高校慕课学习者的学习模式和特点,为改进高校慕课课程的组织模式提供思路。     

基于关联挖掘的在线学习行为规律实证分析研究

当前,在线教育已经成为现代教育的重要组成部分,为教育形式的创新开拓了无限的可能。但是,以慕课为代表的在线教育的课程注册人数通常远远高于最终完成课程的人数,课程完成率较低。该文探索影响在线学习效果特别是课程完成率的因素,并据此提出改进建议。具体采取了实证研究的方法,运用了关联规则挖掘技术和WEKA数据挖掘开源工具,对学堂在线平台上39门课程的学习记录数据进行分析,得出了一系列基于大数据的、有指导意义的在线学习行为方面的关联规则,为进一步开展后续研究提供了参考。     

基于XML的Web数据挖掘研究

提出了一种基于XML的Web数据挖掘模型,该模型能很好地体现XML的优越性,并有效地实现Web数据挖掘。     

基于MOOC模式的高职在线学习平台建设与应用研究

随着信息技术的不断发展进步,职业教育的教学方法也随之变得多种多样.其中,在互联网+教育的背景下.基于MOOC(大规模开放在线课程)模式的学习平台在高职院校学生中得到了广泛青睐,能够有效地提高高职学生自主学习效率.在云计算虚拟化技术的支持下,高职信息类学生的实验实训环境得到了极大的提高.与此同时也为高职教师提供了新的...     

基于XML的Web数据挖掘模型的研究

在分析XML技术的基础上,提出了基于XML的Web数据挖掘模型,并结合实例说明了具体的实现方法,同时针对模型系统的不足提出了一些改进。     

MOOC大数据时代的高职英语教师开放学习浅析

慕课大数据时代的到来,掀起一股席卷全球的智能化在线教育浪潮。传统教学模式、高职教师的职业发展都受到前所未有的挑战和机遇。文章从高职教师如何借助慕课平台,实现自我研修的角度,提出教师的开放学习模式。同时对该开放学习模式的三个层面(实体层面、学习支持工具层面和MOOC层面)的操作过程展开论述。     

WEB数据挖掘技术分析与研究

随着互联网的迅速发展,在网络上储存的数据越来越大,为了可以科学有效的应用和管理该些数据,人类开始对数据挖掘技术深入研究与应用推广,特别是在网络营销飞速发展的情况下,为了可以获得适宜的商机,一定要对大部分业务数据进行科学管理和应用,而在当今的web数据挖掘技术中,它已经急迫成为网络营销方面发展的助力军。在本文中将对web数据挖掘技术的定义与类型进行浅析,并详细探讨了关于路径分析技术在web数据挖掘中的应用研究。     

基于MOOC的课程教学研究与实践

MOOC创造了一个前所未有的网络大课堂,本文首先阐释了MOOC是什么及其特点,随后结合MOOC课程模式的发展及应用优势,对当前的MOOC课程模式进行改进和创新,并提出基于MOOC的课程教学设计的优化策略。     

基于URL定位信息的BBS数据挖掘方法研究

利用Web页面的采集序位和被检索页面的相关信息和主题,使得以主题为分块的网络爬虫算法,能够尽可能多地把整个Web按照主题为依据进行分块整合,可以采用对URL定位信息,提高了页面的高效检索能力。仿真实验中表明,提出的主题相关爬虫算法能够跨越BBS中URL网页中的断裂带,提高了URL网页的召回率,也不至于因为网页的断裂而中止检索。算法精度分析表明,误判点都在等分线附近徘徊,偏差不大,表明算法精度较高。     

MOOC学习与传统课堂的深度融合

将MOOC引入传统的课堂是MOOC与传统课堂的深度融合的重要前提。这种深度的融合必将促进MOOC学习资源的高效利用,改变传统的教学模式和培养学生的终身学习能力。     

基于时间特性的信息用户行为特征挖掘研究

【目的/意义】当前的信息用户行为特征挖掘方法无法将数据统一整合,且无法准确计算出时间序列内滑动 窗口内的数据均值,导致特征挖掘精度偏低。为此,提出了基于时间特性的信息用户行为特征挖掘方法。【方法/过 程】计算时间序列内滑动窗口内的数据均值,得出起始序列向量,再将用户行为划分成若干等值的时间片,通过取 样统计各种用户群体,得出用户的行为状态定性。以平均查询频率作为标准,观察用户的查询行为特征,输出信息 挖掘结果。【结果/结论】实验结果表明：所提方法挖掘出夜晚用户行为信息多于白天,休息日比工作日多,且在网络 波动下,虽然耗时增加,不过处于合理范围内。与传统方法相比,所提方法具有更低的挖掘误差,应用性较强。以 上实验结果证明了基于时间特性的信息用户行为特征挖掘研究能获取更准确的用户行为意向,提高用户兴趣预测 准确度,优化网络服务效果。【创新/局限】为进一步提高网络信息特征挖掘的效率,后续将重点研究多个网络用户 行为的并行分析,使该方法更适用于网络海量信息处理。     

基于评论数据的文本语义挖掘与情感分析

【目的/意义】基于互联网海量评论数据进行情报分析,挖掘出影响客户服务评价和满意度的关键因素,了 解客户差评背后的原因,对提升企业客户关系管理水平具有重要意义。【方法/过程】通过词云图、语义网络特征关 联分析、LDA主题模型的特征分析以及基于语义的情感词典方法,基于百度口碑中十家快递企业的客户评论数据 进行了情感计算与分析。【结果/结论】影响客户情感倾向的主要因素为：物流速度、服务态度、电话服务、投诉处理、 物流信息更新、时效性以及收费价格。基于上述结果提出了对策与建议。【创新/局限】基于现实世界真实数据,采 用数据挖掘方法分析客户情感倾向,为客户情感关键影响因素识别提供了数据科学的研究范式。     

基于大数据技术的网络舆情文本挖掘研究

通过分析大数据与网络舆情数据的相似特征,基于大数据思想构建网络舆情的文本挖掘模块,并在此基础上构建预警模型,对关系型数据库与分布式数据库进行了融合,使之适应模型从数据采集到分析查询的全部流程;并对大数据核心技术MapReduce进行扩展,改进的MapReduce贯穿于数据处理模块的文本特征向量提取与舆情指数的矩阵-向量乘积运算。通过仿真实验,证明该模型具有一定的准确性与良好的时效性。     

基于校园网的慕课(MOOC)学习平台关键技术研究

当前,在教育领域,大型开放式网络课程也就是慕课学习平台在整个教育领域引起了极大的关注,本文尝试探讨基于校园网的慕课学习平台相关关键技术的研究。     

基于“校园一卡通”数据的大学生学习行为分析

正众所周知,校园一卡通是基于物联网和互联网技术融合于校园管理、进行统一身份认证的数字化解决方案。校园一卡通基于共同的身份认证系统,不仅解决了学生在校生活和学习中的身份验证问题,也详细记录大学生个人基本信息、就餐情况、校园超市消费、借书及门禁等数据信息。挖掘这些数据背后隐藏的学生日常行为,可以了解学生的学习情况。因此,一卡通的数字化精确记录功能为学校智能管理和挖掘大学生学习规律等提供了基础的数据信息及支持。目前,关于校园一卡通的数据挖掘和分析,已有的国内外研究主要从架构系统、关联数据库和处理数