包邮人工智能视域下机器学习在教育研究中的应用

目录 1绪论1 1.1人工智能概述1 1.1.1人工智能的定义1 1.1.2人工智能的发展历程2 1.1.3人工智能与教育5 1.2机器学习8 1.2.1机器学习的定义8 1.2.2机器学习的发展历程9 1.2.3机器学习的分类11 1.3机器学习在教育领域的应用14 1.3.1机器学习服务学生学习15 1.3.2机器学习辅助教师教学16 1.3.3机器学习支撑管理者决策17 2人工智能教育研究现状及主题结构分析19 2.1人工智能教育19 2.2数据来源与研究方法20 2.3研究结果21 2.3.1发文量趋势图21 2.3.2高被引文献分析21 2.3.3高被引机构分析24 2.3.4高频关键词共词分析24 2.3.5主题聚类分析26 2.3.6战略坐标图分析31 2.4结论与建议32 3人工智能在教育领域的应用37 3.1人工智能辅助学生学习37 3.2人工智能赋能教师教学40 3.3人工智能为管理者决策提供支持43 4大数据预处理47 4.1大数据预处理的作用及分类47 4.2数据清洗48 4.2.1缺失值处理48 4.2.2离散值及极值处理49 4.2.3错误数据的处理51 4.3数据集成52 4.4数据变换53 4.4.1归一化处理53 4.4.2正态化处理54 4.4.3连续型数据处理55 4.4.4分类型数据处理56 4.5数据归约59 4.6数据平衡60 5有监督学习62 5.1有监督学习概述62 5.2*近邻算法（kNN）64 5.3线性回归69 5.3.1一元线性回归69 5.3.2多元线性回归72 5.4决策树75 5.4.1CART算法78 5.4.2C4.5算法81 5.5支持向量机（SVM）86 5.5.1线性可分数据集88 5.5.2非线性可分数据集90 5.5.3软间隔SVM96 5.6人工神经网络（ANN）101 5.6.1线性可分问题103 5.6.2非线性可分问题106 5.6.3多层感知机108 5.6.4激活函数109 5.6.5梯度下降算法112 5.6.6正向传播与反向传播算法113 6无监督学习118 6.1无监督学习概述118 6.2聚类方法120 6.2.1K-Means聚类122 6.2.2层次聚类126 6.3关联规则130 6.3.1Apriori关联算法133 6.3.2FPgrowth算法136 7教育数据分析工具介绍140 7.1数据分析工具——SPSS Modeler介绍140 7.1.1SPSS Modeler简介140 7.1.2SPSS Modeler发展历程141 7.1.3SPSS Modeler软件功能141 7.1.4SPSS Modeler的操作界面143 7.1.5SPSS Modeler基础操作介绍148 7.2数据可视化探索工具——Tableau介绍151 7.2.1Tableau简介151 7.2.2Tableau的功能152 7.2.3Tableau的操作界面153 7.2.4Tableau基础操作介绍156 8数据预处理实践160 8.1数据集简介160 8.2数据读取161 8.3数据集观察166 8.3.1利用SPSS Modeler生成图形166 8.3.2通过数据审核进行数据观察174 8.3.3通过矩阵进行数据观察177 8.4数据整理178 8.4.1缺失值处理179 8.4.2离群值和极值的处理186 8.4.3不合理数据的处理188 8.4.4数据平衡化处理189 9机器学习在教育实践中的应用案例分析192 9.1基于人工神经网络的学业表现预测研究192 9.1.1需求分析和数据来源192 9.1.2基于人工神经网络的预测模型构建193 9.2基于聚类算法的学生分类研究198 9.2.1需求分析与数据来源198 9.2.2基于K-Means的特征群组聚类模型构建200 9.3探索性可视化呈现研究203 9.3.1需求分析与数据来源203 9.3.2基于Tableau工具的可视化分析203 10人工智能教育应用展望与面临的挑战208 10.1人工智能教育应用的展望208 10.1.1基于个性化实现智能导学系统208 10.1.2基于虚拟化实现仿真教学环境209 10.1.3基于智慧化实现自动教学评价209 10.1.4基于科学化实现智能教学管理210 10.2人工智能教育面临的挑战211 10.2.1数据挑战211 10.2.2技术挑战212 10.2.3伦理挑战212 参考文献215 索引222