随着在线教育平台的迅速发展,数据挖掘技术在在线教育平台中得到了广泛应用。教育数据挖掘已然成为一个新兴的研究方向,但是如今教育数据挖掘的研究大都针对大型的教育平台,对于程序在线评测系统的研究较少。随着在线评测系统的广泛应用,使用人数的日积月累,题目和课程的不断完善,数据量更是与日俱增。在庞大而杂乱的数据中挖掘出有价值的信息具有重要意义,不仅可以协助教学者改善教学方法,还可以帮助学习者充分了解自身的学习状况。因此,本文根据山东科技大学在线评测系统的数据,分析了学习者的学习行为,并预测了他们的学习成绩。本文的研究工作主要如下:(1)本文详细分析了在线评测系统与学习者之间的交互方式。准确把握本系统的数据特点,是对学习者进行分析和研究的首要任务。本文选取了某一课程中学习者提交的作业数据、题目数据以及学习者自身的学习记录等数据,并对其进行预处理。(2)采用聚类算法分析学习者的行为,并详细介绍每类学习者的行为和产生此行为的原因。根据聚类分析,我们不仅可以发现学习者的特点,也可以定位到表现异常的学习者。(3)本文提出了一种题目类型的描述方式,即由学习者的不同类别来对题目进行描述。通过对题目类型进行描述,我们可以更好的体现学习者与题目之间的关系。(4)学习者成绩预测模型的建立,即根据学习者在一门课程提交作业的情况预测学习者在该门课程中的最终成绩。不同于以往的学习者成绩预测分析,本文在提取学习者的特征时,加入了题目类型的因素,而且采用了多种分类算法进行组合。最后设计对比试验,验证了在学习者的特征中加入题目类型因素,可以提高模型的精度。