人工智能視域下機(jī)器學(xué)習(xí)在教育研究中的應(yīng)用

目錄


1緒論1
1.1人工智能概述1
1.1.1人工智能的定義1
1.1.2人工智能的發(fā)展歷程2
1.1.3人工智能與教育5
1.2機(jī)器學(xué)習(xí)8
1.2.1機(jī)器學(xué)習(xí)的定義8
1.2.2機(jī)器學(xué)習(xí)的發(fā)展歷程9
1.2.3機(jī)器學(xué)習(xí)的分類(lèi)11
1.3機(jī)器學(xué)習(xí)在教育領(lǐng)域的應(yīng)用14
1.3.1機(jī)器學(xué)習(xí)服務(wù)學(xué)生學(xué)習(xí)15
1.3.2機(jī)器學(xué)習(xí)輔助教師教學(xué)16
1.3.3機(jī)器學(xué)習(xí)支撐管理者決策17

2人工智能教育研究現(xiàn)狀及主題結(jié)構(gòu)分析19
2.1人工智能教育19
2.2數(shù)據(jù)來(lái)源與研究方法20
2.3研究結(jié)果21
2.3.1發(fā)文量趨勢(shì)圖21
2.3.2高被引文獻(xiàn)分析21
2.3.3高被引機(jī)構(gòu)分析24
2.3.4高頻關(guān)鍵詞共詞分析24
2.3.5主題聚類(lèi)分析26
2.3.6戰(zhàn)略坐標(biāo)圖分析31
2.4結(jié)論與建議32

3人工智能在教育領(lǐng)域的應(yīng)用37
3.1人工智能輔助學(xué)生學(xué)習(xí)37
3.2人工智能賦能教師教學(xué)40
3.3人工智能為管理者決策提供支持43

4大數(shù)據(jù)預(yù)處理47
4.1大數(shù)據(jù)預(yù)處理的作用及分類(lèi)47
4.2數(shù)據(jù)清洗48
4.2.1缺失值處理48
4.2.2離散值及極值處理49
4.2.3錯(cuò)誤數(shù)據(jù)的處理51
4.3數(shù)據(jù)集成52
4.4數(shù)據(jù)變換53
4.4.1歸一化處理53
4.4.2正態(tài)化處理54
4.4.3連續(xù)型數(shù)據(jù)處理55
4.4.4分類(lèi)型數(shù)據(jù)處理56
4.5數(shù)據(jù)歸約59
4.6數(shù)據(jù)平衡60

5有監(jiān)督學(xué)習(xí)62
5.1有監(jiān)督學(xué)習(xí)概述62
5.2最近鄰算法（kNN）64
5.3線(xiàn)性回歸69
5.3.1一元線(xiàn)性回歸69
5.3.2多元線(xiàn)性回歸72
5.4決策樹(shù)75
5.4.1CART算法78
5.4.2C4.5算法81
5.5支持向量機(jī)（SVM）86
5.5.1線(xiàn)性可分?jǐn)?shù)據(jù)集88
5.5.2非線(xiàn)性可分?jǐn)?shù)據(jù)集90
5.5.3軟間隔SVM96
5.6人工神經(jīng)網(wǎng)絡(luò)（ANN）101
5.6.1線(xiàn)性可分問(wèn)題103
5.6.2非線(xiàn)性可分問(wèn)題106
5.6.3多層感知機(jī)108
5.6.4激活函數(shù)109
5.6.5梯度下降算法112
5.6.6正向傳播與反向傳播算法113

6無(wú)監(jiān)督學(xué)習(xí)118
6.1無(wú)監(jiān)督學(xué)習(xí)概述118
6.2聚類(lèi)方法120
6.2.1K-Means聚類(lèi)122
6.2.2層次聚類(lèi)126
6.3關(guān)聯(lián)規(guī)則130
6.3.1Apriori關(guān)聯(lián)算法133
6.3.2FPgrowth算法136

7教育數(shù)據(jù)分析工具介紹140
7.1數(shù)據(jù)分析工具——SPSS Modeler介紹140
7.1.1SPSS Modeler簡(jiǎn)介140
7.1.2SPSS Modeler發(fā)展歷程141
7.1.3SPSS Modeler軟件功能141
7.1.4SPSS Modeler的操作界面143
7.1.5SPSS Modeler基礎(chǔ)操作介紹148
7.2數(shù)據(jù)可視化探索工具——Tableau介紹151
7.2.1Tableau簡(jiǎn)介151
7.2.2Tableau的功能152
7.2.3Tableau的操作界面153
7.2.4Tableau基礎(chǔ)操作介紹156

8數(shù)據(jù)預(yù)處理實(shí)踐160
8.1數(shù)據(jù)集簡(jiǎn)介160
8.2數(shù)據(jù)讀取161
8.3數(shù)據(jù)集觀(guān)察166
8.3.1利用SPSS Modeler生成圖形166
8.3.2通過(guò)數(shù)據(jù)審核進(jìn)行數(shù)據(jù)觀(guān)察174
8.3.3通過(guò)矩陣進(jìn)行數(shù)據(jù)觀(guān)察177
8.4數(shù)據(jù)整理178
8.4.1缺失值處理179
8.4.2離群值和極值的處理186
8.4.3不合理數(shù)據(jù)的處理188
8.4.4數(shù)據(jù)平衡化處理189

9機(jī)器學(xué)習(xí)在教育實(shí)踐中的應(yīng)用案例分析192
9.1基于人工神經(jīng)網(wǎng)絡(luò)的學(xué)業(yè)表現(xiàn)預(yù)測(cè)研究192
9.1.1需求分析和數(shù)據(jù)來(lái)源192
9.1.2基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型構(gòu)建193
9.2基于聚類(lèi)算法的學(xué)生分類(lèi)研究198
9.2.1需求分析與數(shù)據(jù)來(lái)源198
9.2.2基于K-Means的特征群組聚類(lèi)模型構(gòu)建200

9.3探索性可視化呈現(xiàn)研究203
9.3.1需求分析與數(shù)據(jù)來(lái)源203
9.3.2基于Tableau工具的可視化分析203

10人工智能教育應(yīng)用展望與面臨的挑戰(zhàn)208
10.1人工智能教育應(yīng)用的展望208
10.1.1基于個(gè)性化實(shí)現(xiàn)智能導(dǎo)學(xué)系統(tǒng)208
10.1.2基于虛擬化實(shí)現(xiàn)仿真教學(xué)環(huán)境209
10.1.3基于智慧化實(shí)現(xiàn)自動(dòng)教學(xué)評(píng)價(jià)209
10.1.4基于科學(xué)化實(shí)現(xiàn)智能教學(xué)管理210
10.2人工智能教育面臨的挑戰(zhàn)211
10.2.1數(shù)據(jù)挑戰(zhàn)211
10.2.2技術(shù)挑戰(zhàn)212
10.2.3倫理挑戰(zhàn)212

參考文獻(xiàn)215

索引222