人工智能時代移動學(xué)習(xí)服務(wù)

目 錄

第 1 章　人工智能時代移動學(xué)習(xí)
1．1　人工智能時代教育變革
1．1．1　人工智能教育新時代的到來
1．1．2　人工智能對新時代教育影響
1．1．3　人工智能教育跨界融合應(yīng)用
1．1．4　人工智能教育發(fā)展趨勢
1．2　人工智能時代移動學(xué)習(xí)現(xiàn)狀
1．2．1　移動學(xué)習(xí)發(fā)展變革
1．2．2　移動學(xué)習(xí)理論基礎(chǔ)
1．2．3　移動學(xué)習(xí)研究內(nèi)容
1．2．4　移動學(xué)習(xí)應(yīng)用領(lǐng)域
1．3　人工智能時代移動學(xué)習(xí)發(fā)展：機(jī)遇與挑戰(zhàn)
1．3．1　人工智能時代移動學(xué)習(xí)發(fā)展面臨的機(jī)遇
1．3．2　人工智能時代移動學(xué)習(xí)發(fā)展面臨的挑戰(zhàn)
本章小結(jié)
第 2 章　移動學(xué)習(xí)智能服務(wù)體系設(shè)計
2．1　人工智能時代移動學(xué)習(xí)框架
2．1．1　移動學(xué)習(xí)框架構(gòu)成要素
2．1．2　移動學(xué)習(xí)框架邏輯關(guān)系
2．2　人工智能時代智能服務(wù)
2．2．1　智能服務(wù)概述
2．2．2　教育領(lǐng)域的智能服務(wù)
2．3　移動學(xué)習(xí)智能服務(wù)設(shè)計思路和原則
2．3．1　移動學(xué)習(xí)智能服務(wù)設(shè)計思路
2．3．2　移動學(xué)習(xí)智能服務(wù)設(shè)計原則
2．4　移動學(xué)習(xí)智能體系設(shè)計
2．4．1　移動學(xué)習(xí)智能服務(wù)框架
2．4．2　移動學(xué)習(xí)智能服務(wù)功能
2．5　移動學(xué)習(xí)智能服務(wù)關(guān)鍵技術(shù)
2．5．1　移動互聯(lián)網(wǎng)技術(shù)
2．5．2　自適應(yīng)學(xué)習(xí)技術(shù)
2．5．3　深度學(xué)習(xí)
2．5．4　語音識別技術(shù)
2．5．5　情感計算技術(shù)
2．5．6　自然語言處理技術(shù)
本章小結(jié)
第 3 章　移動學(xué)習(xí)行為影響因素分析
3．1　移動學(xué)習(xí)行為概論
3．2　移動學(xué)習(xí)行為分析
3．2．1　移動學(xué)習(xí)能力要素
3．2．2　學(xué)習(xí)行為層次化結(jié)構(gòu)模型
3．2．3　移動學(xué)習(xí)行為類型
3．2．4　移動學(xué)習(xí)行為特征
3．3　學(xué)習(xí)領(lǐng)域影響因素分析理論
3．3．1　計劃行為理論
3．3．2　技術(shù)接受模型
3．3．3　整合型技術(shù)接受與使用理論
3．4　移動學(xué)習(xí)行為影響因素模型設(shè)計
3．4．1　移動學(xué)習(xí)行為影響因素文獻(xiàn)綜述
3．4．2　移動學(xué)習(xí)行為影響因素模型
3．4．3　變量定義與測量指標(biāo)
3．4．4　研究假設(shè)
3．5　移動學(xué)習(xí)行為影響因素實證研究
3．5．1　問卷設(shè)計
3．5．2　問卷發(fā)放與回收情況
3．5．3　描述統(tǒng)計分析
3．5．4　問卷信效度分析
3．5．5　問卷因子分析
3．5．6　結(jié)構(gòu)方程建模驗證與優(yōu)化
3．5．7　研究結(jié)果與討論
本章小結(jié)
第 4 章　移動學(xué)習(xí)資源設(shè)計服務(wù)
4．1　移動學(xué)習(xí)資源研究現(xiàn)狀
4．1．1　移動學(xué)習(xí)資源設(shè)計與開發(fā)現(xiàn)狀
4．1．2　移動學(xué)習(xí)資源管理現(xiàn)狀
4．1．3　移動學(xué)習(xí)資源應(yīng)用現(xiàn)狀
4．1．4　移動學(xué)習(xí)資源評價現(xiàn)狀
4．1．5　面臨的挑戰(zhàn)和未來的發(fā)展
4．2　移動學(xué)習(xí)資源設(shè)計理論基礎(chǔ)
4．2．1　移動學(xué)習(xí)資源概念
4．2．2　移動學(xué)習(xí)資源特點
4．2．3　移動學(xué)習(xí)資源設(shè)計原則
4．2．4　移動學(xué)習(xí)資源設(shè)計理論依據(jù)
4．3　移動學(xué)習(xí)資源設(shè)計
4．3．1　移動學(xué)習(xí)資源設(shè)計可行性分析
4．3．2　移動學(xué)習(xí)資源設(shè)計要素及其關(guān)系
4．3．3　移動學(xué)習(xí)資源設(shè)計總體思路
4．3．4　移動學(xué)習(xí)資源設(shè)計影響因素
4．3．5　移動學(xué)習(xí)資源設(shè)計模型
4．4　基于概念圖理論的移動學(xué)習(xí)資源設(shè)計
4．4．1　概念圖理論
4．4．2　資源設(shè)計服務(wù)過程
4．4．3　資源設(shè)計案例分析
4．5　移動學(xué)習(xí)資源自適應(yīng)呈現(xiàn)服務(wù)策略
4．5．1　資源自適應(yīng)呈現(xiàn)研究必要性
4．5．2　資源自適應(yīng)呈現(xiàn)研究現(xiàn)狀
4．5．3　移動學(xué)習(xí)資源自適應(yīng)呈現(xiàn)問題描述
4．5．4　基于 ANFIS 的移動學(xué)習(xí)資源自適應(yīng)呈現(xiàn)服務(wù)
4．5．5　實證研究結(jié)果分析
本章小結(jié)
第 5 章　移動學(xué)習(xí)個性化資源推薦服務(wù)
5．1　移動學(xué)習(xí)資源推薦研究現(xiàn)狀
5．1．1　在線學(xué)習(xí)資源個性化推薦
5．1．2　移動學(xué)習(xí)個性化資源推薦研究
5．1．3　存在的問題
5．2　移動學(xué)習(xí)個性化資源推薦問題
5．2．1　移動學(xué)習(xí)個性化資源推薦的定義
5．2．2　移動學(xué)習(xí)個性化資源推薦原則
5．2．3　移動學(xué)習(xí)個性化資源推薦影響因素
5．3　移動學(xué)習(xí)個性化資源推薦策略
5．3．1　移動學(xué)習(xí)資源推薦理論框架
5．3．2　移動學(xué)習(xí)個性化資源推薦模型
5．4　移動學(xué)習(xí)個性化資源推薦方法設(shè)計
5．4．1　移動學(xué)習(xí)個性化資源推薦算法設(shè)計
5．4．2　移動學(xué)習(xí)個性化資源推薦流程設(shè)計
5．5　移動學(xué)習(xí)個性化資源推薦方法性能分析
5．5．1　移動學(xué)習(xí)資源推薦算法性能測試
5．5．2　移動學(xué)習(xí)資源推薦方法性能分析
5．6　移動學(xué)習(xí)個性化資源推薦應(yīng)用
本章小結(jié)
第 6 章　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃服務(wù)
6．1　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃研究現(xiàn)狀
6．1．1　在線學(xué)習(xí)路徑自適應(yīng)規(guī)劃研究
6．1．2　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃研究
6．1．3　存在的問題
6．2　移動學(xué)習(xí)路徑規(guī)劃問題描述及本體設(shè)計
6．2．1　移動學(xué)習(xí)路徑規(guī)劃問題描述
6．2．2　移動學(xué)習(xí)行為序列定義
6．2．3　移動學(xué)習(xí)行為對象本體設(shè)計
6．3　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃模型構(gòu)建
6．3．1　學(xué)習(xí)路徑自適應(yīng)規(guī)劃模型
6．3．2　知識點結(jié)構(gòu)關(guān)系優(yōu)化
6．3．3　移動知識網(wǎng)絡(luò)構(gòu)建
6．3．4　移動學(xué)習(xí)路徑背離度函數(shù)定義
6．4　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃方法
6．4．1　移動學(xué)習(xí)路徑規(guī)劃算法設(shè)計
6．4．2　移動學(xué)習(xí)路徑背離度函數(shù)優(yōu)化
6．4．3　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃方法
6．5　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃方法性能分析
6．5．1　知識點結(jié)構(gòu)關(guān)系優(yōu)化方法
6．5．2　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃方法分析
6．6　移動學(xué)習(xí)路徑自適應(yīng)規(guī)劃服務(wù)應(yīng)用設(shè)計
6．6．1　案例應(yīng)用背景
6．6．2　課程資源分析
6．6．3　其他相關(guān)本體
6．6．4　規(guī)劃結(jié)果展示
本章小結(jié)
第 7 章　移動學(xué)習(xí)伙伴分組服務(wù)
7．1　移動學(xué)習(xí)伙伴概述
7．1．1　學(xué)習(xí)伙伴演變與作用
7．1．2　在線學(xué)習(xí)伙伴分組研究
7．1．3　移動學(xué)習(xí)伙伴分組研究
7．1．4　移動學(xué)習(xí)伙伴分組核心問題
7．2　移動學(xué)習(xí)伙伴模型設(shè)計
7．2．1　學(xué)習(xí)伙伴基礎(chǔ)理論
7．2．2　移動學(xué)習(xí)伙伴模型
7．2．3　移動學(xué)習(xí)伙伴模型抽象表示
7．2．4　移動學(xué)習(xí)伙伴模型應(yīng)用框架
7．3　移動學(xué)習(xí)伙伴分組策略
7．3．1　移動學(xué)習(xí)伙伴分組問題描述
7．3．2　基于 K 近鄰算法的移動學(xué)習(xí)伙伴分組策略
7．3．3　移動學(xué)習(xí)伙伴分組策略實證分析
本章小結(jié)