教育数据挖掘是当前研究热点之一,基于学生学习过程中积累的各类数据对学生成绩进行预测,既有利于督促学生的日常学习,也有利于教师及时发现和应对教学过程中存在的问题。传统的成绩预测方法多以学生教育背景、课堂表现、上课出勤率以及课外作业完成情况作为主要参考依据。实际上,学生通过在线学习平台积累的大量学习过程、答题行为模式等流程性数据同样隐含着学生的知识水平信息。由此,论文从本校《程序设计基础》课程在线作业平台中积累的学生答题行为日志出发,着重研究由答题日志重构不同成绩等级下学生的公共答题流程或者答题行为模式的流程挖掘方法,并在此基础上进行学生成绩预测。具体工作包括如下两方面:(1)学生公共答题行为流程建模、挖掘与学生成绩等级预测:以学生不同题目的提交顺序、评测结果以及答题用时为出发点,首先探讨不同成绩等级下学生公共答题行为流程的形式化建模和模型挖掘方法;之后,给出学生个体答题行为序列与公共答题行为流程之间的四种相似性度量指标和具体计算方法;基于学生个体行为与公共答题流程相似性、借助隶属度向量阈值或分类学习对学生个体的成绩等级进行预测。(2)融合学生答题模式特征的学生成绩排名预测:将学生成绩预测类比为搜索引擎排序问题,首先由答题日志挖掘学生单一题目作答时的答题模式;之后,将挖掘到的答题模式和学生学习过程中的各项成绩作为特征,采用LambdaMart排序学习算法对学生的期末成绩排名进行预测。文中结合真实数据两种方法的可行性以及学习成绩预测效果进行了验证,证明了流程性教育数据对于学生成绩预测的重要性,为基于教育数据挖掘的学生成绩预测提供了新的视角。