基于多關系分類聚類的學習適應性診斷.pdf

1、適應性教學系統依據學生學習基礎和學習能力，為學生提供適合的教學內容，現已成為一項跨學科、富有挑戰(zhàn)性的研究課題之一。在適應性學習模式中，學習診斷(即學習者認知能力、學習能力判斷)是至關重要的一環(huán)，為此，探討適應性學習的診斷模式，根據學生的反應情況來估測學生能力以及領域知識的掌握程度，對了解學生的不同學習需求，提供適合學生需求的適應性教學具有重要意義。
　　 結合課題研究背景及國內外研究現狀，本文利用多關系數據分類聚類挖掘技術挖掘學

2、生學習痕跡，并以此為基礎，構建學習適應性診斷模型。
　　 本文的主要工作如下：
　　 1、從學生學習能力和認知能力兩個方面進行診斷，將學習適應性診斷過程進行了劃分，建立學習適應性診斷模型。其中使用Logistic方法進行學習前診斷，由多關系數據聚類技術建立學習過程中所需的學習資源標準參數，從而完成學習過程中的診斷，最后由多關系數據分類技術進一步更新適應性診斷結果。
　　 2、針對學生學習痕跡相關數據的非平衡特性，

3、對適用于該類數據的多關系分類方法進行了研究。借鑒One-vs-All方法思想，通過對目標類進行ECOC編碼，采用CrossMine算法構造多個子分類器，比較AUC評估后的分類器預測結果連接字的海明距離與目標類編碼，選擇最小海明距離的目標類作為最終分類結果。
　　 3、學習痕跡數據中存在著豐富屬性和鏈接，對基于屬性與鏈接的多關系聚類方法進行了研究。方法利用戶指導搜索與聚類任務最相關的多關系屬性，對每一個目標元組生成多關系屬性向量，