计算机导论论文哪里有？本研究为了解决在线教育平台学习者辍学率高、流失性大的现状，以如何对学习积极性不高、学习路径存在问题的学习者进行课程定制为主要研究目标，围绕着用户画像和数据挖掘技术展开了深入的讨论和研究。
第一章 绪论
一、国外研究现状
Van Barneveld 提出，用户画像和数据挖掘技术可以帮助高等教育机构发现解决具体问题的方案[7]。Peña-Ayala 认为数据挖掘结果的应用可以为教育决策者的决策过程提供支持[8]。Brown 在教育环境中使用了学习分析技术来塑造现有的教学模型[9]。Papamitsiou 和 Economides 利用学习分析技术来提供个性化、互动性更强的教育环境，以改善学习效果、教学方式[10]。
目前国外关于数据挖掘在高等教育领域应用的文献主要集中在利用分类、聚类、关联规则、统计和可视化等技术来预测、分组、建模和监控各种学习活动。利用用户画像和数据挖掘技术来提高决策质量的过程已经成为当今高等教育机构面临的一个挑战[11]。
计算机导论论文
......................
第三章 基于 CS 2013 视角的导论类课程比较研究
第一节 在线教育平台研究对象的选取
一、美国两校课程
选取卡内基.梅隆大学在 Coursicle 平台和美国哈佛大学在 edX 平台上开放的 2 门《计算机导论》类课程作为研究对象：卡内基.梅隆大学为 CS-15110：《计算原理》（以下简称”CS-15110“）[48]，哈佛大学对应 CS50：《计算机科学导论》（以下简称”CS50“）[49]。两门课程的教学内容概况如表 3.1、3.2 所示。
（一）CS-15110 课程设置
CS-15110 课程划分为五个单元：编程技能和计算机组织结构、数据结构及其效率、扩大计算规模、以计算机科学作为工具、世界范围内的计算机科学。该课程采用 Python 作为编程教学语言。
课程根据进度设计了编程实践项目，由工程量不同的编程作业组成。核心的Hw 编程题目包括：战舰游戏、电路模拟器、语言建模、蛋白质测序、社交媒体分析等，每个项目提供了程序框架（启动代码）与测试文件(starter code & tests)。
表 3.1 CS-15110 教学内容安排
...............................
第四章 数据分析及学习者画像案例研究
第一节 基于 edX 数据集的数据分析
一、数据集来源
2014 年，哈佛大学和麻省理工学院联合发布了基于 edX 平台学习者数据的第一个大规模 Mooc 开放数据集。edX 开放数据集包括 2012-2013 学年两所高校在 edX 平台开设的所有课程的课程数据和学习者数据 [53]。本文将数据集中的描述列项分为了四类，分别为课程信息、学习者人口学信息、学习者类型信息、学习行为信息[54]，表 4.1 给出了 edX 数据集中列名及对应的列项描述。
表 4.1 edX 数据集中列名及列项描述
................................
第二节 学习者画像的建立
一、学习者画像构建
（一）学习者画像构建流程
用户画像技术在商业领域已得到成熟运用，商用的用户画像首先需要确定服务对象，再根据企业要求，敲定定向投放的目标和预期的最终效果。根据应用场景建立了用户画像标签后，再结合已有的数据，明确各场景相关的数据端口，最后根据已确定的需求场景进行业务建模，为用户和消费者提供个性化推荐等服务。
在线教育领域画像的研究和应用，可以通过对在线的学习者的形象刻画，发现群体特点和学习情况。本文把学习者划分为 4 类不同的群体，根据不同学习群体的在线学习者情况制定更加具有针对性的课程安排，从而使学习者能够最大程度上的提升其学习效率。
通过对 edX 平台 Mit6.00 课程的学习行为数据处理，进行在线学习者群体画像的构建，画像的构建流程如图 4.10 所示。图中呈现了学习者画像的构建过程，共分为五个步骤：（1）对在线教育平台或学生管理系统中的学习者数据进行收集；（2）将数据存储至数据库；（3）对学习者画像建模；（4）将学习者画像可视化；（5）利用画像进行后续的教学应用。
图 4.10 学习者画像构建流程
..............................
第五章 总结与展望
第二节 不足与展望
1.数据方面，本文使用的数据集是 edX 平台进行匿名化处理后提供的公开数据集，由于学习者自身的隐私保护意识和 edX 平台对学习者个人信息的保护，一些更具体的数据，如论坛发言数据无法获得，缺少语料库，进行文本挖掘相对比较困难，情感识别方面的研究难以进行。
2.标签体系建立方面，二级维度的特征偏少，虽然数据集已提供的行为特点在一定的程度上也已经能够很好的反映出学习者的学习情况，但更加丰富的二级维度能够更加系统地完善学习者群体画像。
3.分析方面，本文主要运用集合运算、统计分析、聚类分析、回归分析等方法进行分析，比较了不同类型导论课程的特点，建立了画像标签体系，识别了不同的学习者群体，但面对海量的数据仍需使用更多的工具，更合适的分析方法，从不同的角度进行实证研究。
4.《计算机导论》类课程的设置方面，课程教学语言应根据院校背景使用运用广泛且契合学习者特点的程序设计语言，设置贴合实际的编程实践类项目，将导论类课程的设计与教学过程作为一项”系统工程“部署实施。
参考文献（略）
