罗晓媛，赵丽艳，刘 君，邹 栋

(1. 黑河学院理学院，黑龙江 黑河 164300；2. 哈尔滨理工大学，黑龙江 哈尔滨 150000)

1 引言

在实际的学习过程中，不同的学习者在学习水平和学习效果上存在着差异。一部分学习者对网络学习表现出较高的热情和参与度，能够取得较好的学习效果；另一部分学习者缺乏参与深度学习的积极性，甚至偏离了学习的目标。这一分化现象十分突出，在一定程度上影响了网络教学的整体质量和效果。近几年来，在线教育数据呈现出爆炸式的增长，数据挖掘技术在教育领域的应用越来越受到重视，数据采集器能为学生提供建议，为教师提供反馈，预测学生的表现，发现不良行为，将学生分组，编制课程，计划和进度，数据分析和可视化等。

当前已有较多学者开展了关于时序数据挖掘的研究，赵晓永， 王宁宁， 王磊研究了基于主动学习的离群点集成挖掘方法[1]，该方法主要根据各种基学习器的对比分析， 从标注的数据集和各基学习器投票产生的数据集中抽样， 得出最终的挖掘结果；张琳， 李小平， 来林静，等人研究了基于游戏教学的分层数据挖掘方法[2]，该方法提出了游戏教学的数据框架， 构建了分层数据挖掘模型，以对数据进行了挖掘。但是存在的离群点挖掘准确度低的问题。

人工神经网络是基于一组被称为人工神经元的连接单元或节点，不同的细胞层可对其输入进行不同类型的转换，已广泛应用于计算机视觉、语音识别、社交网络过滤领域中。……