终身学习是当今社会教育发展的必然趋势。现代远程教育是构建终身学习体系的主要手段。计算机网络为开展现代远程教育提供了一个理想的学习环境,基于Web的远程教学系统是当前实施远程教学的主要平台。 对学生学习的评估是教学过程中的重要环节。在远程教学环境下,教与学时空分离、学生个别化自主学习等特点使得教学管理者对学生进行形成性评估时缺乏有力的数据和依据。其原因在于大多数现有的基于Web的远程教育系统缺少对学习过程的监控以及对学生在线学习行为的评估。 针对这一问题,本文提出了基于数据挖掘技术构建在线“学习行为-效果”模型对学生在线学习进行评估的方案。根据设计方案,在湖南广播电视大学远程教学网站的基础上实现了在线学习行为评估系统。系统根据学生在线学习情况进行评估,给出形成性评估成绩,评估结果较准确,教师和学生的认可度达90%以上。系统的应用为客观、公正、合理的评估学生在线学习提供了方法和手段,并对学生合理安排在线学习具有指导性作用;99%的用户表示此系统的应用对促进平时在线学习有较大的帮助。 本文首先详细介绍了数据挖掘技术及其中的决策树方法。然后通过对决策树中C4.5算法的研究,提出了一种基于属性相关性的C4.5决策树规则生成算法。实验数据表明该算法在保持分类精度的前提下,能有效提高规则生成时计算速度并减少所生成规则集的大小和规则数量。最后着重描述了采用改进后的C4.5算法构建在线“学习行为-效果”模型的实现过程。