摘要：远程教育模式为学习者提供了一条新的接受教育途径,可以充分地调动受教育者的学习主动性和积极性。但网络远程教育也存在着一些不足,由于缺乏强制性纪律的约束,学生的学习行为随意性较强,为了能够监督学生的学习行为,不仅需要利用考试等手段作为检测的标准,还需要对学生日常的学习行为进行评估,从而更全面,更客观地对学生的表现进行评价。数据挖掘是一种利用大量历史数据进行分析研究,从而得出数据中隐含知识的一种途径。将数据挖掘技术引入对学生在线学习行为的评价,既可以分析得到学生日常学习行为与最终考核结果之间的联系,又可以将分析的结果作为制定学习计划的参考和依据,提高学生的学习效率。对数据挖掘的相关理论与关键技术进行了研究和分析,重点讨论了以CART(分类和回归树算法)算法为中心的决策树生成算法,指出了该算法在处理学生在线学习数据中存在的不足,然后利用其属性的相关性对该算法进行了改进,并通过测试,证明改进后的算法能够有效地缩短处理的时间,并减少所生成的规则集的大小和数量。以改进后的CART决策树生成算法为核心,结合实际的远程教育中学生学习行为的评估需求,设计并实现了学生在线学习行为评估系统。以软件工程相关理论与流程为指导,采用需求分析、架构设计、详细设计、具体实现等方法,迭代式地完成了系统的设计,并利用编程语言实现了系统的各项功能。系统的核心是利用CART决策树生成算法构建学生学习行为与学习效果之间的关系模型,利用该模型实现对学生在线学习行为的评估。学生在线学习行为评估系统设计开发完成并投入使用以后,能够准确地获取到学生各类在线学习的特征数据,经过数据挖掘模块的处理后,分析出特征数据与学习成绩之间的关系,以此为基础指导学生的在线学习行为,取得了较好的效果。