●前言
第1章 引言
1.1 作為學科的計算機科學
1.2 計算機科學導論課程的教學目標與教學產出
1.3 多維的計算機科學導論課程教學
1.4 解決的關鍵問題
第2章 基於認知模型的計算機科學導論課程重組及繫列課組織
2.1 認知模型的相關研究
2.1.1 心理學認知模型
2.1.2 腦認知模型
2.1.3 粒計算認知模型
2.2 計算機學科知識的認知模型
2.2.1 基於ACT-R的計算機學科內容認知模型
2.2.2 基於SOAR的計算機學科內容認知模型
2.2.3 基於EPIC的計算機學科內容認知模型
2.2.4 基於粒計算的計算機學科內容認知模型
2.3 基於認知科學的計算機科學導論課程內容重組
2.4 基於認知模型的計算機繫列課程組織
2.4.1 基於認知模型的計算機繫列課程體繫結構
2.4.2 計算機繫列課程結構的進一步優化
第3章 開放式計算機科學導論課程
3.1 開放學習的含義
3.2 開放學習的特點
3.2.1 卡內基梅隆大學的開放學習網站
3.2.2 中國大學MOOC的開放學習
3.2.3 網易公開課開放學習
3.2.4 實驗樓網站的開放學習
3.3 計算機科學導論開放學習網站研發
3.3.1 需求分析
3.3.2 繫統設計原則及模塊設計
3.3.3 繫統實現與測試
第4章 基於計算機科學導論本體的建立及可視化
4.1 本體與課程本體
4.2 計算機科學導論課程本體的建立
4.2.1 本體的定義
4.2.2 利用Protege建立計算機科學導論課程本體模型
4.2.3 課程的本體標注
4.3 基於REST的計算機科學導論課程本體的可視化
4.3.1 國內外研究現狀
4.3.2 基於REST的本體可視化應用繫統架構
4.3.3 REST風格架構中的本體
4.3.4 REST風格架構中的本體可視化
4.3.5 本體可視化應用繫統的實現與應用
第5章 基於知識點-學習產出的題庫繫統的設計與實現
5.1 國內外研究現狀
5.2 需求分析
5.2.1 功能性需求
5.2.2 非功能性需求
5.3 繫統設計
5.3.1 用例圖和流程圖設計
5.3.2 數據庫設計
5.3.3 繫統功能結構以及繫統的界面設計
5.4 繫統實現與主要界面展示
5.4.1 運行環境
5.4.2 教師繫統登錄
5.4.3 後臺管理
5.4.4 學生管理
第6章 基於BP神經網絡的學習過程建模方法
6.1 國內外研究現狀
6.1.1 課程學習方法的研究現狀
6.1.2 學習風格的研究現狀
6.1.3 學習效果評估方法的研究現狀
6.2 研究對像的來源及引出的問題
6.2.1 計算機科學導論課程的教學過程
6.2.2 計算機科學導論課程的教與學
6.2.3 獲取的學習過程數據和引出的問題
6.3 學習過程建模要素的確定
6.3.1 學習過程的劃分
6.3.2 學習風格模型的確定
6.3.3 學習過程建模中的要素
6.4 學習過程模型及BP學習過程建模方法
6.4.1 學習過程模型的建立
6.4.2 確定BP神經網絡的學習過程模型參數的方法
6.4.3 LpM模型的建立
6.4.4 Lp-LsM模型的建立
6.5 數據的預處理和實驗結果的對比分析與驗證
6.5.1 學習過程與學習風格數據的預處理
6.5.2 實驗結果的對比
6.5.3 SVR對學習過程模型LpM與Lp-LsM的數據模式驗證
6.5.4 實驗結果分析
第7章 基於結構方程模型的知識點考核策略
7.1 國內外研究現狀
7.1.1 考核策略的研究現狀
7.1.2 結構方程模型的研究現狀
7.2 研究的數據及其分析
7.2.1 課程知識體繫
7.2.2 考卷和學生成績分析
7.2.3 引出的問題及難點
7.3 知識點考核策略模型的建模框架研究
7.3.1 研究問題抽像
7.3.2 知識點考核策略模型的建模框架
7.4 SEM及PLS-SEM算法研究
7.4.1 SEM基本原理
7.4.2 核心建模方法PLS-SEM的確定
7.5 基於PLS-SEM的知識點考核策略模型
7.5.1 問題的提出與解決方案
7.5.2 理論模型和研究假設
7.6 基於PLS-SEM的知識點考核策略模型的應用
7.6.1 數據預處理
7.6.2 非參數檢驗指標
7.6.3 模型的構建和修正
7.6.4 研究假設驗證
7.6.5 對比模型的分析
7.6.6 2015年數據擬合
7.7 結果分析與討論
7.7.1 模型效應分析
7.7.2 對導論課程知識點考核的指導意義
第8章 精細化學習過程建模及PLS-SEM學習效果分析
8.1 學習效果與學習過程
8.1.1 學習效果評估的多樣性
8.1.2 學習過程的重要性
8.1.3 學習過程建模及學習效果評估
8.2 精細化學習過程模型RefinedM-LP的構建
8.2.1 學素的定義
8.2.2 學習過程的精細化建模
8.2.3 RefinedM-LP的形式化描述
8.3 基於PLS-SEM的學習效果評估模型研究
8.3.1 學習效果的評估方法確定
8.3.2 基於PLS-SEM的學習效果評估模型的建模方法
8.4 RefinedM-LP及其PLS-SEM學習效果評估模型應用
8.4.1 RefinedM-LP的計算機導論課程學習繫統研發
8.4.2 PLS-SEM學習效果評估模型在計算機科學導論課程的應用
8.4.3 RefinedM-LP應用總結
8.4.4 PLS-SEM學習效果評估模型應用總結
第9章 計算機導論課程知識圖譜的創建
9.1 國內外研究現狀
9.2 課程知識圖譜構建思路和原則
9.3 構建課程知識圖譜
9.3.1 定義實體
9.3.2 抽取實體
9.3.3 建立關繫
9.3.4 構建課程知識圖譜
9.4 課程知識圖譜實例
9.4.1 頂層知識圖譜示例
9.4.2 章節知識圖譜示例
9.4.3 知識圖譜查詢示例
第10章 基於微服務的計算機導論課程的E-Learning雲平臺
10.1 微服務的引入
10.2 E-Learning雲平臺的微服務架構設計
10.2.1 微服務架構設計
10.2.2 E-Learning平臺與私有雲的集成
10.2.3 通過 實現校園網與私有雲互聯
10.3 E-Learning雲平臺示例
第11章 基於LSTM模型的課前預習的情感分析
11.1 國內外研究現狀
11.2 數據與研究方法
11.2.1 情感分析數據
11.2.2 情感取值
11.2.3 研究方法
11.3 數據預處理
11.3.1 分詞
11.3.2 Word2vec訓練詞向量
11.4 情感分析的實現
11.4.1 建立情感分類模型
11.4.2 二分類的情感分析
參考文獻

《多維計算機導論課程教與學的研究與實證》以“計算機科學導論”課程為主要研究對像，從不同角度對該課程的教學進行研究與實證。首先，從計算機科學的學科特性出發，在ACT-R、SOAR、ECIP、粒計算認知模型基礎上提出實踐環節的認知模型，以此重組課程內容並優化計算機繫列課程；確定開放學習的含義及原則，研發開放學習平臺；建模課程本體，提出基於Web的課程本體可視化架構；開發結合知識點-學習產出的題庫繫統。其次，利用BP神經網絡研究學習風格對學習過程的影響，利用結構方程模型研究課程的考核策略，構建精細化學習過程及PLS-SEM學習效果評估模型。最後，研究知識圖譜、基於微服務的E-Learning雲平臺及利用深度學習對學生學習過程的情感分析，以構成《多維計算機導論課程教與學的研究與實證》的教學體繫。