张省伟， 朱亚男， 李冰毅， 崔晶

(西安铁路职业技术学院 牵引动力学院， 西安 710026)

0 引言

随着互联网技术的发展，教育模式逐渐升级转型，近年来，在线教育发展迅速。据第42次《中国互联网络发展状况统计报告》统计，截至2018年6月，中国网民数量达8.02亿，在线教育用户规模达到1.72亿，仅2017年12月至2018年6月，在线教育用户增长率就达到10.8%[1]。在这个大背景下，各个高校都积极开展在线开放课程建设工作。然而面对海量用户所产生的大量数据，要依靠传统分析从数据中提取用户的学习模式十分困难，本文提供一种基于神经网络的数据挖掘方法，帮助分析在线课程用户的学习模式，从而开发最合适的教学评价体系，对在线开放课程的建设有着重要的指导意义。

1 学生属性特征值提取

传统的教学评价体系主要是通过考查学生成绩及教师是否完成教学任务这两个方面来进行的，这种评价方法较为单一，没有充分考虑教学主体的参与度，因此不能准确的评价教学成效，更不能作为在线课程的评价方法[2]。在线课程有别于传统课堂，参与在线课程的学生会留下大量数据，本文通过分析在线课程用户数据，提出学生属性的定义，即：学生本身具有或客观发生的性质或行为特征。简单地说，就是学生具体某个方面的客观表现[3]。

本文从在线课程用户数据中分析，总结出以下学生属性并赋予其特征值，用于教学评价的网络学习建模。

(1)学生性别

若学生性别为男，则特征值为1；……