劉鐘情（成都體育學(xué)院　信息技術(shù)中心計(jì)算機(jī)教研室，四川　成都　610041）

數(shù)據(jù)挖掘技術(shù)在MOOC中的應(yīng)用研究

劉鐘情
（成都體育學(xué)院信息技術(shù)中心計(jì)算機(jī)教研室，四川成都610041）

摘要：MOOC是旨在進(jìn)行基于網(wǎng)絡(luò)的開(kāi)放式大規(guī)模學(xué)生交互參與的在線課程，以其自主學(xué)習(xí)、易于使用、注冊(cè)門檻低、學(xué)習(xí)資源豐富等獨(dú)特優(yōu)點(diǎn)和優(yōu)勢(shì)吸引了全球大量的學(xué)習(xí)者，這些學(xué)習(xí)者來(lái)自世界各地，有著不同的教育文化背景和不同的學(xué)習(xí)特征，有著不同的學(xué)習(xí)目的，只有滿足了這些學(xué)習(xí)者的個(gè)性化需求和目的，才能獲得MOOC的可持續(xù)發(fā)展，并最大化其存在價(jià)值。借助數(shù)據(jù)挖掘技術(shù)，能從大量信息中獲取隱藏在數(shù)據(jù)之中的有用信息，從而為決策提供支持。將數(shù)據(jù)挖掘技術(shù)應(yīng)用在MOOC中，挖掘?qū)W習(xí)者的學(xué)習(xí)行為特征，提供更優(yōu)良的教學(xué)資源和教學(xué)策略，才能實(shí)現(xiàn)MOOC存在價(jià)值最大化。

關(guān)鍵詞：數(shù)據(jù)挖掘；MOOC；學(xué)習(xí)行為；輔助決策；監(jiān)控預(yù)警

0　引言

MOOC，從2012年開(kāi)始被廣為傳播，為“massive open online courses”的縮寫，意為“大規(guī)模開(kāi)放在線課程”，其核心理念是開(kāi)放共享知識(shí)。目前各國(guó)教育機(jī)構(gòu)紛紛投入到MOOC中，全球知名的MOOC項(xiàng)目有Coursera、Edx、Udacity等，國(guó)內(nèi)高校也密切關(guān)注MOOC的發(fā)展，北京大學(xué)于2013年先后在Edx和Coursera上發(fā)布了7門課程并對(duì)全球開(kāi)放，清華大學(xué)于2013年推出“學(xué)堂在線”平臺(tái)，面向全球提供第一批在線課程［1］。初淺的數(shù)據(jù)挖掘方法在MOOC發(fā)展過(guò)程中得到了廣泛的應(yīng)用。如杜克大學(xué)凱西·戴維森教授在發(fā)現(xiàn)常規(guī)作法的局限性后，將在Coursera平臺(tái)開(kāi)設(shè)的課程與本校面對(duì)面課程進(jìn)行混合教學(xué)，并與加利福尼亞大學(xué)教授的面對(duì)面課程同步進(jìn)行，實(shí)現(xiàn)校際教師間的協(xié)作授課，校際學(xué)生間協(xié)作學(xué)習(xí)，從而使得MOOC教學(xué)法出現(xiàn)了新動(dòng)向。又如，將MOOC的三大主流平臺(tái)Coursera、Edx、Udacity和原有的網(wǎng)絡(luò)教學(xué)平臺(tái)進(jìn)行對(duì)比分析，人們發(fā)現(xiàn)MOOC平臺(tái)的功能相對(duì)簡(jiǎn)單，并最終根據(jù)實(shí)踐需要對(duì)MOOC平臺(tái)作出調(diào)整［2］。然而，在新的歷史條件下，為了使MOOC可持續(xù)發(fā)展，并最大化其存在價(jià)值，就不能停留在初淺的數(shù)據(jù)挖掘基礎(chǔ)上，必須對(duì)MOOC涉及的各環(huán)節(jié)和對(duì)象作深入的數(shù)據(jù)挖掘，找出隱藏的有用的信息和規(guī)律。本文研究了數(shù)據(jù)挖掘技術(shù)在MOOC中的應(yīng)用。

1　數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的和隨機(jī)的數(shù)據(jù)中提取隱含在其中的人們事先不知道的但又潛在有用的信息和知識(shí)的過(guò)程［3］。其中的常用技術(shù)有關(guān)聯(lián)分析、分類、聚類等。其中分類是基于預(yù)測(cè)型模型的數(shù)據(jù)挖掘，聚類是基于描述型模型的數(shù)據(jù)挖掘。關(guān)聯(lián)規(guī)則的基本算法有Apriori算法、抽樣算法、劃分等。分類的常用算法有基于統(tǒng)計(jì)的算法、基于決策樹(shù)的算法、基于距離的算法、基于神經(jīng)網(wǎng)絡(luò)的算法和基于規(guī)則的算法。聚類的常用算法有層次算法和劃分算法［4］。數(shù)據(jù)挖掘使用各種各樣的算法對(duì)于各種數(shù)據(jù)對(duì)象進(jìn)行挖掘，最終得到數(shù)據(jù)挖掘的結(jié)果，從而為決策提供支持和依據(jù)。

2　數(shù)據(jù)挖掘在MOOC中的應(yīng)用

2.1基于MOOC的學(xué)習(xí)者學(xué)習(xí)行為特征分析

網(wǎng)絡(luò)使得基于MOOC平臺(tái)的自主探究性學(xué)習(xí)得以實(shí)現(xiàn)，網(wǎng)絡(luò)也提供了記錄學(xué)習(xí)者隱性學(xué)習(xí)行為的載體。正如在電子商務(wù)模式中挖掘消費(fèi)者的消費(fèi)行為特征一樣，基于MOOC平臺(tái)的網(wǎng)絡(luò)學(xué)習(xí)也需要挖掘?qū)W習(xí)者的學(xué)習(xí)特征。這些看起來(lái)無(wú)意識(shí)的、零散的學(xué)習(xí)行為之間潛藏著能折射學(xué)習(xí)者真實(shí)思維和學(xué)習(xí)情況的底層規(guī)則。對(duì)于隱藏在學(xué)習(xí)平臺(tái)記錄中的學(xué)習(xí)行為，采用合適的數(shù)據(jù)挖掘方法，生成的學(xué)習(xí)行為數(shù)據(jù)是改進(jìn)學(xué)習(xí)、跟蹤學(xué)習(xí)、評(píng)價(jià)學(xué)習(xí)的最佳數(shù)據(jù)來(lái)源［5］。學(xué)習(xí)分析［6］通過(guò)對(duì)數(shù)據(jù)背后的信息進(jìn)行挖掘并有效利用，從而追求最大的教育效益［7］。構(gòu)建能滿足學(xué)習(xí)跟蹤、評(píng)價(jià)及改進(jìn)需求的行為分析模型和數(shù)據(jù)挖掘算法是關(guān)鍵。根據(jù)學(xué)習(xí)者的認(rèn)知水平、性格動(dòng)機(jī)、偏好等個(gè)性化屬性，可以制定相應(yīng)的學(xué)習(xí)內(nèi)容與學(xué)習(xí)策略，可以建立相應(yīng)的學(xué)習(xí)質(zhì)量評(píng)價(jià)模型，可以實(shí)現(xiàn)適合學(xué)習(xí)者的資源的推薦。由此可見(jiàn)，學(xué)習(xí)者行為特征分析的重要性。然而，準(zhǔn)確、自動(dòng)地獲取學(xué)習(xí)者的學(xué)習(xí)特征并不容易。MOOC出現(xiàn)的時(shí)間很短，目前，國(guó)內(nèi)有一些分析學(xué)習(xí)者反饋的課程報(bào)告［8］，全球范圍內(nèi)相關(guān)研究也很少［9］。麻省理工學(xué)院的研究者們研究發(fā)現(xiàn)，MOOC學(xué)習(xí)者的構(gòu)成學(xué)習(xí)模式、如何評(píng)估教學(xué)質(zhì)量遠(yuǎn)比想象中復(fù)雜［10］。MACFAYDEN等［11］通過(guò)對(duì)學(xué)習(xí)系統(tǒng)中的數(shù)據(jù)進(jìn)行追蹤分析，得出學(xué)習(xí)者期末成績(jī)有關(guān)的行為變量模型。蔣卓軒等［12］首次針對(duì)中文慕課中學(xué)習(xí)行為的特點(diǎn)，將學(xué)習(xí)者分類，從而更加深入地考察學(xué)習(xí)行為與學(xué)習(xí)效果之間的關(guān)系，其研究表明，基于學(xué)習(xí)行為的特征分析能有效地判別一個(gè)學(xué)習(xí)者能否成功完成學(xué)習(xí)任務(wù)，并能找出潛在的認(rèn)真學(xué)習(xí)者。羅梅羅等提出了在個(gè)性化學(xué)習(xí)系統(tǒng)中提高Web挖掘效率的高級(jí)架構(gòu)［13］。在國(guó)內(nèi)外為數(shù)不多的研究中，有的專門研究學(xué)習(xí)者背景數(shù)據(jù)；有的對(duì)學(xué)習(xí)者提交的作業(yè)數(shù)據(jù)進(jìn)行研究［14］；有的對(duì)學(xué)習(xí)者行為進(jìn)行建模，預(yù)測(cè)學(xué)習(xí)行為［15-18］。學(xué)習(xí)者行為特征分析數(shù)據(jù)挖掘的數(shù)據(jù)源通常為學(xué)習(xí)者的注冊(cè)時(shí)間，何種時(shí)間與何種課程資源的交互，如何交互以及交互的程度，練習(xí)次數(shù)，練習(xí)的成績(jī)，練習(xí)的錯(cuò)誤率，錯(cuò)誤的內(nèi)容和學(xué)習(xí)成績(jī)等。

2.2輔助教學(xué)過(guò)程決策

通過(guò)對(duì)MOOC各類資源的使用情況進(jìn)行數(shù)據(jù)挖掘，可以發(fā)現(xiàn)MOOC各類資源的使用效率，資源分析的結(jié)果呈現(xiàn)給課程開(kāi)發(fā)者、課程設(shè)計(jì)者和課程學(xué)習(xí)者，從而為優(yōu)化資源配置提供依據(jù)。通過(guò)對(duì)MOOC學(xué)習(xí)者聚類，給不同類別的學(xué)習(xí)者提供完全不同的教學(xué)資源，從而提高學(xué)習(xí)者的學(xué)習(xí)興趣、提高學(xué)習(xí)效果。文獻(xiàn)［19］通過(guò)學(xué)習(xí)者在線學(xué)習(xí)的路徑、瀏覽順序和習(xí)慣，確定學(xué)習(xí)者可能的學(xué)習(xí)風(fēng)格類型，從而確定為學(xué)習(xí)者推薦合適的學(xué)習(xí)資源。通過(guò)數(shù)據(jù)挖掘的關(guān)聯(lián)分析與時(shí)間序列分析，得出課程設(shè)置先后順序、學(xué)習(xí)者特征、學(xué)習(xí)者成績(jī)之間的規(guī)則和信息，從而合理設(shè)置課程［20］。通過(guò)Web挖掘，教師可以了解和分析學(xué)習(xí)者的學(xué)習(xí)興趣，打造自主個(gè)性化學(xué)習(xí)的學(xué)習(xí)環(huán)境，并有針對(duì)性地制定教學(xué)策略。通過(guò)回歸分析、關(guān)聯(lián)規(guī)則等方法對(duì)不同類別學(xué)習(xí)者作出判別，判別教學(xué)方法和教學(xué)策略是否合適，從而為教師調(diào)整教學(xué)方法和教學(xué)策略提供依據(jù)。通過(guò)關(guān)聯(lián)規(guī)則，找出不同課程線上線下時(shí)間配置與學(xué)習(xí)者成績(jī)之間的關(guān)系，合理設(shè)置不同課程翻轉(zhuǎn)課堂的總時(shí)間以及時(shí)間安排，從而激發(fā)學(xué)習(xí)者學(xué)習(xí)興趣。通過(guò)數(shù)據(jù)挖掘技術(shù)，探索不同課程有效合理的課程考核方式，從而真實(shí)反映目前不同學(xué)習(xí)者的學(xué)習(xí)成績(jī)和狀況。

2.3學(xué)習(xí)者學(xué)習(xí)狀況監(jiān)控預(yù)警

學(xué)習(xí)者學(xué)習(xí)情況監(jiān)控預(yù)警是指在學(xué)習(xí)者學(xué)習(xí)的不同階段，關(guān)注學(xué)習(xí)者的學(xué)習(xí)動(dòng)態(tài)，對(duì)學(xué)習(xí)者適時(shí)作出合適的預(yù)警或提醒，從而使學(xué)習(xí)者及時(shí)調(diào)整自我學(xué)習(xí)態(tài)度和方法，提高學(xué)習(xí)者的學(xué)習(xí)效率，達(dá)到好的學(xué)習(xí)效果。采用數(shù)據(jù)挖掘技術(shù)的關(guān)聯(lián)分析與演變分析等功能，挖掘?qū)W生的學(xué)習(xí)動(dòng)機(jī)、歸因和自我效能感，尋找學(xué)習(xí)者各種行為活動(dòng)之間的內(nèi)在聯(lián)系和規(guī)則。如通過(guò)數(shù)據(jù)挖掘技術(shù)挖掘出一條規(guī)則：當(dāng)學(xué)習(xí)者同時(shí)出現(xiàn)A、B兩種狀況時(shí)，會(huì)導(dǎo)致C這種學(xué)習(xí)結(jié)果，而C結(jié)果卻是不好的。那么，在跟蹤監(jiān)控學(xué)習(xí)者的學(xué)習(xí)過(guò)程中，當(dāng)發(fā)現(xiàn)學(xué)習(xí)者出現(xiàn)了A狀況時(shí)，系統(tǒng)即對(duì)學(xué)習(xí)者發(fā)出提示，及時(shí)對(duì)學(xué)習(xí)者進(jìn)行教學(xué)干預(yù)，從而修正學(xué)習(xí)者的學(xué)習(xí)行為和學(xué)習(xí)計(jì)劃。文獻(xiàn)［21］試圖建立對(duì)學(xué)習(xí)者的即時(shí)提醒機(jī)制，從而提高學(xué)習(xí)者的學(xué)習(xí)效果。又比如通過(guò)數(shù)據(jù)挖掘技術(shù)挖掘出一條規(guī)則：當(dāng)學(xué)習(xí)者訪問(wèn)MOOC平臺(tái)的某一個(gè)知識(shí)點(diǎn)或是某幾個(gè)互相有內(nèi)在關(guān)聯(lián)的知識(shí)點(diǎn)越來(lái)越頻繁，且在線時(shí)長(zhǎng)越來(lái)越長(zhǎng)，往往意味著學(xué)習(xí)者的專注度和興趣度增高或是學(xué)習(xí)者遇到學(xué)習(xí)難點(diǎn)。當(dāng)對(duì)學(xué)習(xí)者進(jìn)行學(xué)習(xí)跟蹤的過(guò)程中，發(fā)現(xiàn)學(xué)習(xí)者訪問(wèn)MOOC平臺(tái)的某個(gè)知識(shí)點(diǎn)越來(lái)越頻繁并且在線時(shí)長(zhǎng)變長(zhǎng)時(shí)，系統(tǒng)即對(duì)學(xué)習(xí)者發(fā)出鼓勵(lì)，從而讓學(xué)習(xí)者感覺(jué)自己是被關(guān)注的，仿佛和真實(shí)的老師在交互，讓學(xué)習(xí)者有更暖心的學(xué)習(xí)體驗(yàn)和堅(jiān)定的學(xué)習(xí)態(tài)度，從而收到好的學(xué)習(xí)效果。MOOC盡管有諸多優(yōu)勢(shì)，卻仍然存在大量打醬油式的學(xué)習(xí)者并最終無(wú)法取代傳統(tǒng)的面對(duì)面的課堂學(xué)習(xí)的一個(gè)很重要的原因是，MOOC只是一個(gè)平臺(tái)，無(wú)法做到真正意義上教師的課堂管控，從而導(dǎo)致學(xué)習(xí)者想來(lái)就來(lái)想走就走的局面。而當(dāng)MOOC有了對(duì)學(xué)習(xí)者學(xué)習(xí)情況的良好監(jiān)控預(yù)警時(shí)，其人性化的一面將有更好的體現(xiàn)，從而讓MOOC的優(yōu)勢(shì)有更好的體現(xiàn)。

2.4教學(xué)評(píng)價(jià)

教學(xué)評(píng)價(jià)是教學(xué)管理中的重要環(huán)節(jié)，客觀公正的教學(xué)評(píng)價(jià)是促進(jìn)教育健康發(fā)展的保障。教學(xué)評(píng)價(jià)包括教師的教學(xué)和學(xué)習(xí)者的學(xué)習(xí)。MOOC教學(xué)評(píng)價(jià)屬于網(wǎng)絡(luò)教學(xué)評(píng)價(jià)的范疇。由于MOOC教學(xué)在實(shí)現(xiàn)上對(duì)互聯(lián)網(wǎng)及教育技術(shù)的依賴以及教與學(xué)活動(dòng)在時(shí)空上的分離，MOOC教學(xué)評(píng)價(jià)重點(diǎn)關(guān)注學(xué)習(xí)資源和學(xué)習(xí)過(guò)程的評(píng)價(jià)。對(duì)學(xué)習(xí)者成績(jī)、教學(xué)信息、評(píng)價(jià)信息、學(xué)習(xí)者的問(wèn)卷調(diào)查進(jìn)行數(shù)據(jù)挖掘，可以發(fā)現(xiàn)影響教學(xué)效果的各個(gè)因素之間的關(guān)系，從而保證教學(xué)評(píng)價(jià)的公平性、科學(xué)性、客觀性和可靠性，有助于發(fā)現(xiàn)學(xué)習(xí)資源的使用和配置情況，以及教學(xué)各環(huán)節(jié)和要素有待改進(jìn)的方面，有利于MOOC教學(xué)的互動(dòng)和提高。文獻(xiàn)［22］設(shè)計(jì)實(shí)現(xiàn)了一種基于Moodle平臺(tái)，將教師評(píng)價(jià)、同學(xué)間互評(píng)以及學(xué)生本人自評(píng)相結(jié)合的基于過(guò)程的網(wǎng)絡(luò)教學(xué)評(píng)價(jià)。文獻(xiàn)［23］鑒于在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)質(zhì)量不佳的現(xiàn)狀，提出基于Web數(shù)據(jù)挖掘技術(shù)建立學(xué)習(xí)質(zhì)量評(píng)價(jià)的模型。

3　結(jié)語(yǔ)

MOOC借助網(wǎng)絡(luò)技術(shù)和資本力量的推動(dòng)，獲得了迅猛發(fā)展。盡管對(duì)MOOC褒貶不一，但其影響力深遠(yuǎn)。數(shù)據(jù)挖掘技術(shù)是從大量信息中獲取有用信息的有效途徑。將數(shù)據(jù)挖掘技術(shù)應(yīng)用在MOOC中，實(shí)現(xiàn)MOOC存在價(jià)值最大化，具有時(shí)代性和挑戰(zhàn)性。

參考文獻(xiàn)（References）

［1］孫青，艾明晶，曹慶華.MOOC環(huán)境下開(kāi)放共享的實(shí)驗(yàn)教學(xué)研究［J］.實(shí)驗(yàn)技術(shù)與管理，2014，31（8）：192-195.

［2］祝智庭，劉名卓.“后MOOC”時(shí)期的在線學(xué)習(xí)新樣式［J］.開(kāi)放教育研究，2014，20（3）：36-43.

［3］鄒志文，朱金偉.數(shù)據(jù)挖掘算法研究與綜述［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2005，26（9）：2304-2307.

［4］DUNHAM M H .數(shù)據(jù)挖掘教程［M］.郭崇慧，田風(fēng)占，靳曉明，等譯.北京：清華大學(xué)出版社，2005.

［5］胡藝齡，顧小清，趙春.在線學(xué)習(xí)行為分析建模及挖掘［J］.開(kāi)放教育研究，2014，20（2）：102-110.

［6］祝智庭，賀斌.智慧教育：教育信息化的新境界［J］.電化教育研究，2012（12）：5-13.

［7］SIMENS G，GASEVIC D，HAYTHORNTHWAITE C，et al.Open learning analytics：an integrated & modularized platform：Proposal to design，implement and evaluate an open platform to integrate heterogeneous learning analytics techniques［R/PL］.［2015-02-26］.SOLAR.http：//www.solaresearch.org.2011.

［8］TEAM OF PKU MOOC TEACHING RESEARCH.2013 first MOOCs of Peking University：people，crowd and network courseinvestigation and analysis report［R］.Beijing：Peking University，2014.

［9］WALDROP M M.Online learning：Campus 2.0［J］.Nature，2013，495（7440）：160-163.

［10］BRESLW L，PRITCHARD D，DEBOER J，et al.Stuying learing in the worldwide classroom：research into edX′s first MOOC［J］.Research & Practice in Assessment，2013，8（1）：13-25.

［11］MACFAYDEN L P，DAWSON S.Minging LMS data to develop an″Early Waring″system for educators：a proof of concept［J］.Computers & Education，2010，54（2）：588-599.

［12］蔣卓軒，張巖，李曉明.基于MOOC數(shù)據(jù)的學(xué)習(xí)行為分析與預(yù)測(cè)［J］.計(jì)算機(jī)研究與發(fā)展，2015，52（3）：1-14.

［13］NESTERKO S，DOTSENKO S，HU Q，et，al.Evaluating geographic data in MOOCs［C/OL］//NIPS Workshop on Data Driven Education，2013［2014-06-01］.http：//nesterko.com /files/papers /nips2013-nesterko.pdf.

［14］HAN F，VEERAMACHNENI K，O′REILLY U.Analyzing millions of submissions to help MOOC instruciors understand problem solving［C/OL］//NIPS Workshop on Data Driven Education，2013［EB/OL］.［2014-06-01］.http：//groups.csail.mit.edu/EVODesignOpt /groupWebSite/uploads /Site/ProblemAnalytics.pdf.

［15］YANG D，SINHA T，ADAMSON D，et al.″Turn on，tune in，drop out″：Anticipating student dropouts in massive open online courses［C/OL］//NIPS Workshop on Data Driven Education，2013［2014-06-01］.http：//lytics.stanford.edu/datadriveneduca?tion/papers/yangetal.pdf.

［16］RAMESH A，GOLDWASSER D，HUANG B，et al，Modeling learner engagement in MOOCs using probabilistic soft logic［C/ OL］//NIPS Workshop on Data Driven Education，2013［2014-06-01］.http：//lytics.stanford.edu/datadriveneducation/papers/ ramshtal.pdf.

［17］BALAKRISHNAN G.Predicting student retention in massive open online courses using hidden markov models，UCB/EECS-2013-109［R/OL］.Berkeley：University of California，Berkeley，2013.

［18］KIZILCEC R，PIECH C，SCHNEIDER E.Deconstructing disengagement：analyzing learner subpopulations in massive open online courses［C］// Proc of the 3rd Int Conf on Learning Analytics and Knowledge，New York：ACM，2013：170-179.

［19］LO J J，SHU P C.Identification of learning styles online by observing learners′browsing behavior through a neural network［J］.British Journal of Educational Technology，2005，36（1）：43-55.

［20］李瑞林.數(shù)據(jù)挖掘技術(shù)在教學(xué)過(guò)程中的應(yīng)用［J］.制造業(yè)自動(dòng)化，2010，32（9）：153-154.

［21］WILLIAMS J J，WILLIAMS B.Using interventions to improve online learning［C/OL］//NIPS Workshop on Data Driven Education，2013［2014-06-01］.http：//lytics.stanford.Edu /datadriveneducation/papers/williamswilliams.pdf.

［22］常金娥.網(wǎng)絡(luò)教學(xué)中教學(xué)評(píng)價(jià)系統(tǒng)的實(shí)現(xiàn)［J］.中國(guó)教育信息化，2008（12）：67-68.

［23］ALKHATTABI M，NEAGU D，CULLEN A.Assessing information quality of e-learning systems：A web mining approach［J］.Computers in Human Behavior，2011，27（2）：862-873.

（責(zé)任編輯：范建鳳）

Application of Data Mining Technology in MOOC

LIU Zhongqing
（Information Technology Center，Chengdu Sport University，Chengdu 610041，Sichuan，China）

Abstract：MOOC is aiming to support web-based massive open interactive online course.It is self-study，easy to be used，easy registration，abundant resource of study.So it attracts a lot of learners who have different study aim，different education background and different study characteristic all over the world.Only when MOOC meets learners individual requirements and study aim，it can obtain sustainable development and maximize its existence value.A lot of useful information can be obtained and to provide decision-making support with the technology of data mining.Data mining technology is used in MOOC to find the learners study behavior characteristic to support better education resource and teaching strategy，and then the existence value of MOOC is maximized.

Keywords：data mining；MOOC；study behavior；assistant decision-making；monitor early-warning

作者簡(jiǎn)介：劉鐘情（1982—），女，助教，碩士，研究方向：計(jì)算機(jī)應(yīng)用。

收稿日期：2015-04-15

DOI：10.16389/j.cnki.cn42-1737/n.2015.03.015

中圖分類號(hào)：TP391

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1673-0143（2015）03-0367-04