论文基于贝叶斯网络模型的MLearning移动教育平台的学情分析，该文是关于教育论文范文检索与贝叶斯和MLearning和情分析研究方面毕业论文格式模板范文.
摘 要要拥有一次教育信息化的机遇,那么移动互联网和自带设备则是一次重要的机缘,它不仅可以激起学生们向往学习的动力,还能激起正处于一线教学的教师们对于应用的热情.利用教育云平台辅助的M-Learning 教学模式,能让学生真正成为学习的主体.本文探讨该模式下的数字媒体技术专业教学改革效果,从学生学习态度、学习效果等方面收集数据并进行数据分析,通过贝叶斯网络模型,对学生的学情进行分析和预测,为下一步的教学提供决策支持.
关键词翻转课堂教育云平台移动学习端贝叶斯网络模型
1 引言
近年来,随着高速发展的移动技术和移动设备水平,层出不穷的学者和教育家开始重视移动学习技能,移动学习能为自主学习带来很大的便利,使得越来越多的学习者体会到使用移动设备进行学习的好处,对于教育领域来说,它渐渐地成为关键的学习方法之一.M-Learning 是国外给移动学习的命名,而我国把它叫做移动教育或者是移动学习[1].
可以从形式和作用两个方面对M-Learning 的定义进行理解.从技术角度考虑,M-Learning 被认为是一种学习方法,主要运用类似iPad、手机、笔记本电脑等移动设备进行学习.从以学习者为中心的角度考虑,M-Learning 被认为学习者不论学习方式正规与否,即使不在特定位置进行的学习活动,只要学习是通过移动技术学习都属于M-Learning的范畴[2].
经过一系列关于移动学习的概念的解说与分析,我们可以得知,在研究移动学习方面,还存在很多不足,在研究移动设备和移动技术使用的基础上,我们更应该考虑运用移动学习时的问题,例如使用移动学习的学习者的不同、学习者学习环境的变化、学习时间的碎片化等.运用移动学习的学习方法更能激励学习者内心对于学习的热情,移动学习的学习方法不仅可以打破学习时间和学习地点的禁锢,可以让学习者随意且自由地选择在自己喜欢的环境下运用零碎的时间来进行自我学习,也可以让学习者与其他人进行交流,其他学习者或者授课老师都可以与其交流讨论.
2 系统功能中的学习者信息的处理
本课题推行的M-Learning 教学是运用一款由北京智启蓝墨技术有限公司开发的APP———蓝墨云班课APP,作为授课者的教学互动平台.M-Learning 在基于教育云平台中,为了令使用的学习者更好、更充分地进行课前的自主预习和学习,引导者即蓝墨云班课APP 的管理员,需要将一部分精力投入到蓝墨云班课APP 的管理中,这个引导者的角色由教师扮演.在M-Learning 教学课堂里,学生则扮演主人的角色,在课前的自主预习和学习中,他们可以自由地制定适合的学习基调,在课堂中,他们可以参加课内讨论与合作,将所学的知识点进行自我消化.
APP 系统服务器可以对用户的访问行为进行记录并动态跟踪,形成访问日志文件.通过数据挖掘技术分析,从而得出学习者努力的程度、学习的进度、兴趣的变化等信息,为教学提供科学的决策依据.
（1）知识库信息的处理：
在学生浏览过的知识点上标注标记、对知识点测验进行评分,分析出学习者在掌握知识点方面的水平.
（2）学习过程信息的处理：
记录下学习者点击学习资源库中知识点的时间、频率以及学习测试成绩,采用多种数据挖掘技术处理学习者信息相关数据,还可以采用关联规则从而发现数据间的关联关系,进而推断学习者特征[4].
3 云班课支持的“计算机视觉”课堂教学的学情分析
常用的学情分析模型有偏差模型、覆盖模型及贝叶斯网络模型.偏差模型可以记载学习者在遇到问题的解决办法和专家解决路径的差别,通过建立错误库,对学习者做出的错误提供补救错误的措施.覆盖模型可以获得学生的知识结构从而发现现有知识结构的缺陷,是通过学习者对知识的了解水平,与应该了解的专家知识库中相关的内容实行对比而得出结论.贝叶斯网络模型能从概率论的根本上推导出种种的不确定性,其中,存在很多不确定性的是学习者模型,而解决这些不确定性,从而推断出更加适合的教学方式就是贝叶斯网络的优点.
学生的期末成绩是由视频资源学习、签到、平时测验、讨论答疑综合作用的结果,由于各个作用因素之间存在着相关性、随机性和不确定性,有着很大的关联,而贝叶斯网络能充分地展现各个因素之间的相关性和不确定性,并推理和解释这些不确定性.
贝叶斯网络是一种对概率关系的有向图解,也是当今社会在不确定知识和推理的领域中一个最有效的理论模型之一,常常用在有前提的情况下仰仗很多种控制成分的决定,它能从不完全、不确定的信息里做出准确的决断.
学生的期末成绩是否合格,受到多种因素的影响.为简化预测模型,本文主要考虑学生的视频学习时长、签到次数、平时测验成绩及课堂讨论答疑情况这些影响因素,它们相应的变量集为：X等于 {V,S,E,D,C},其中,V 表示视频学习(video),S 表示签到(sign in),E 表示平时测验(examination),D 表示讨论答疑(discussion),C 表示考核(check).
各变量对应的值域分别为：
V:{0-2,2-4,4-6,6-8,8-10}；
S:{0-8,9-16,13-24,25-32,33-40,41-48}；
E:{50分以下,50-60,60-70,70-80,80 分以上}；
D:{0-3,4-6,6-9,9-12,12-15}；
C:{0,1},其中0 表示没能通过考核,1 表示通过考核.
同时,该模型可用于课程结束前大约一个月,预测学生能否通过课程考核.根据学生当前的视频学习时间、签到次数、讨论答疑及测验成绩情况,利用模型便可预测.若当前学生还未达到考核所要达到的要求,便可以提醒学生在最后的一个月,及时进行网上视频学习及积极参加讨论答疑.否则,将无法通过该课程的考核,这起到一个监督和警示的作用.
在大数据时代,通过数据的收集及统计方法分析学生的行为,还可以通过数学模型预测学生能否通过课程考核.教师可以根据不同学生的行为给出针对性的建议,同时还能警示期末前一个月尚无法通过考核的学生,以便这些学生产生紧迫感,进而采取一些积极的行动参与学习.
4 存在问题与教学反思
虽然通过贝叶斯网络模型对学生M-Learning 的学习情况预测[6],给教师提供了一些决策支持,但在实施教学过程中我们发现,M-Learning 教学在长时间的教学实施中学生们的学习效果、学习的积极性是否能持续保持,需要经过大量的实验来验证和研究,它的教学实施课堂的灵活性比一般课堂较强,在小样本的实验中,实验学生因为新式教育,积极性和参与性都比较高,在学习成绩和能力方面都有了很大的进步和提升.除此之外,必须通过大量的实践教学来验证实验数据的准确性和有效性.
基于贝叶斯理论的M-Learning 的教学情况在教育领域的研究还比较缺乏,本课题研究所得的结论希望能为后续的研究奠定基础,并根据实验中学习者对教学实践的反馈,进行更新和完善,令M-Learning 的教学模式更加成熟,运用更加广泛.
此文评论，这篇文章为一篇关于贝叶斯和MLearning和情分析研究方面的教育论文题目、论文提纲、教育论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文.
参考文献：
1、 知世故而不世故，处江湖而远江湖的商界大隐贝索斯 3月8日,杰夫·贝索斯在推特上发布消息法国卫星运营商Eutelsat Communications与蓝色起源（Blue Origin）签订火箭发射合同,它将成为新格伦号（New Glen.
2、 基于高斯混合模型的滚动轴承故障诊断 1 高斯混合模型理论高斯混合模型是一种概率统计模型,它是由至少两个的高斯密度函数,赋予不同的加权系数的线性组合函数 高斯混合模型定义如下图1与图2为二维与三维高斯函数模型混合示意图 运用高斯混合模型.
3、 基于贝叶斯网分类器的互联网借贷风险评估 一、前言 “互联网”和大数据的时代背景下,信贷行业在数据挖掘和云计算的技术主题下呈现爆发式增长 它促进资金优化配置,缓解市场信息不对称……问题,满足中小微企业对融资服务的需求.
4、 贝索斯的时间账本 时间是相对的,爱因斯坦打过一个比方,当某个男人坐在火炉或美女旁边时,他心里对时间流逝的感受肯定不同 又如一个小孩子常问的经典问题——你眼里看到的蓝色和我看到的蓝色一样吗人与人对.
5、 贝叶斯公式的实际运用 【摘要】贝叶斯公式是基于先验信息的概率推理方法,在医学检验、风险管理、统计决策……领域均有广泛运用 本文以主观概率的修正和参数估计为切入点,利用实际案例阐述了贝叶斯方法的具体运用 揖关键词铱贝叶斯公式.
6、 哈贝马斯生活世界理论与其 摘要本文试图从生活世界理论的来源、含义以及理论得失和启示……方面进行论述,对我国构建和谐社会重要意义 关键词哈贝马斯生活世界交往理论理论得失哈贝马斯,德国著名的社会学家、哲学家之一,西方马克思主义者,.