网络问题学习行为诊断与改善研究

1 绪论
1．1 研究背景与意义
1．1．1 网络教育的发展
1．1．2 网络教育的进展及面临的挑战
1．1．3研究意义
1．2 相关概念界定
1．2．1 网络学习行为
1．2．2 网络问题学习行为
1．3 研究现状
1．3．1 网络问题学习行为的调查和测量
1．3．2 网络学习监控
1．3．3 网络问题学习行为预警
1．3．4 网络问题学习行为的矫正和改善
2 网络问题学习行为量表编制
2．1 概述
2．2 量表初始设计与检验阶段
2．2．1 初测量表的设计
2．2．2 初始量表的形成
2．3 网络问题学习行为的第一次试测
2．3．1 被试
2．3．2 项目分析
2．3．3 信度分析
2．4 网络问题学习行为的第二次试测
2．4．1 第二次试测被试
2．4．2 因子分析
2．4．3 信度检验
2．4．4 维度调整
3 网络问题学习行为的调查及模型构建
3．1 研究对象
3．2 验证性因子分析
3．2．1 整体模型适配度指标
3．2．2 CFA测量模型的假设
3．2．3 模型评鉴
3．2．4 维度说明
3．3 层级结构模型构建
3．3．1 模型构建原则
3．3．2 结构方程模型的建模过程
3．3．3 潜变量的层级结构模型
3．4 观察变量的路径分析
3．4．1 观察变量的路径分析（一）
3．4．2 观察变量的路径分析（二）
3．5 总结
4 网络问题学习行为统计数据分析
4．1 数字化学习资源喜好、使用情况统计
4．1．1 数字化学习资源喜好情况统计
4．1．2 数字化学习资源使用情况统计
4．1．3 问题学习行为统计
4．2 不同性别学生的网络问题学习行为分析
4． 2．1 不同性别学生在每个维度的差异性
4．2．2 不同性别学生在每个维度内部项目的差异性
4．3 不同专业学生的网络问题学习行为分析
4．3．1 不同专业学生在每个维度的差异性
4．3．2 不同专业学生在每个维度内部项目的差异性
4．4 不同年级学生的网络问题学习行为分析
4．4．1 不同年级学生在每个维度的差异性
4．4．2 不同年级学生在每个项目的差异性
4．5 原因和措施
4． 5．1 网络问题学习行为产生的原因
4．5．2 网络问题学习行为的纠正措施
4．6 总结
5 文本挖掘在网络问题学习行为分析中的应用
5．1 概述
5．1．1 机器学习简介
5．1．2 文本挖掘的概念
5．1．3 文本挖掘的发展
5．2 文本挖掘的方法和算法
5． 2．1 文本挖掘的基本过程
5．2．2 文本挖掘的方法及算法
5．2．3 文本挖掘的工具介绍
5．3 文本挖掘在问题学习行为诊断中的应用
5．3．1 通过文本挖掘可以检测出的网络问题学习行为类型
5．3．2 文本挖掘模型
5．3．3 网络问题学习行为判定规则
5．3．4 算法及流程
5．4 基于文本挖掘的问题学习行为诊断实验
5．4．1 在线评论发言抓取
5．4．2 在线评论发言预处理
5．4．3 词典收集和建构
5．4．4 算法的实现
5．4．5 实验结果
5．5 实验性能评估
5．6 总结
6 社会网络分析及其在网络问题学习行为分析中的应用
6．1 概述
6．1．1 社会网络分析的概念
6．1．2 社会网络分析的发展及现状
6．2 社会网络分析的基本方法
6． 2．1 社会网络资源的搜集
6．2．2 社会网络分析的方法
6．2．3 社会网络分析法的表达形式
6．3 社会网络分析在问题学习行为诊断中的应用
6．3．1 社会网络分析的具体内容
6．3．2 社会网络分析在问题学习行为中的应用
7 网络问题学习行为改善的实证研究
7．1 概述
7．2 研究一（行为契约法）
7．2．1 问题的提出
7．2．2 理论依据
7．2．3 实验对象
7．2．4 实验假设
7．2．5 实验内容与结果
7．3 研究二（认知疗法）
7．3．1 问题的提出
7．3．2 理论依据
7．3．3 实验对象
7．3．4 实验假设
7．3．5 实验内容与结果
7．4 研究三（示范引导法）
7． 4．1 问题的提出
7．4．2 理论依据
7．4．3 实验对象
7．4．4 实验假设
7．4．5 实验内容与结果
7．5 总结
参考文献
附录