| 【论文摘要】 |
为了真正实现以学习者为主体的个性化学习,就要注重学习者特征分析以及在此基础上实现学习个性化。后者是个性化学习的关键技术。
随着数据挖掘技术在教育领域的广泛应用,对改进的ID3算法的研究作为一个研究热点在个性化学习领域得到了广泛的关注。为了有效利用学习资源,本文对数据挖掘中的决策树算法-ID3算法进行了研究,并结合个性化学习数据的特点,设计实现了一种基于ID3算法的决策树新算法—ILIDA-ID3算法,并根据新算法设计了教育信息挖掘模型。
本论文的主要工作体现在:
①本文分析了常见学生模型以及IEEE1484.2 PAPI模型规范的优缺点,分析了影响个性化学习的参数,提出了一个相对完整的个性化学生模型。
②新算法主要做了以下改进:1)根据ID3算法信息量计算公式的特点,提出了针对ID3算法信息量计算的近似计算方法,简化了信息量计算的复杂度,提高了决策树构造的效率。2)学习者有许多属性,对个性化学习挖掘结果所做的贡献也是不同的,如果考虑所有属性,挖掘涉及的属性就会很多,时间上就会浪费。本文在ILIDA-ID3算法中引入相关度概念,先对进行挖掘的非分类属性进行相关性分析,将... |