随着计算机技术的发展普及,以及数据采集和存储技术的持续优化,人类社会的数据量呈现爆炸式的增长趋势,为充分发挥数据的能量,数据挖掘技术受到极大关注并被广泛应用。在教育领域,计算机技术的普及也促进了高校信息化水平的提升,各类信息管理和网络教学系统在高校中得到广泛应用,并逐步累积了大量的学生行为数据。在此背景下,通过数据挖掘技术分析来自于教育领域的各类数据,为学生、教师和管理人员提供教学指导和教育决策等方面的帮助是当前的研究热门,由此也产生了教育数据挖掘这一新兴学科。教育数据挖掘技术通过扩展数据挖掘的行业应用范围,研究如何从教育行业的各类数据中提取可用知识。本文研究内容为通过教育数据挖掘技术分析来自于Moodle平台的学生数据,并根据建立的数据模型完成学生成绩预测,数据来源于基于Moodle搭建的北京理工大学网络教室。笔者使用了其中《C语言》课程的学生数据,具有较高的实际应用价值。本文的主要研究内容及具体工作如下:(1)研究并总结数据挖掘技术的理论基础。总结数据挖掘技术应用的一般过程,通过对数据挖掘技术各个环节的实践完成对网络教室数据的分析处理。其中,大量阅读了数据挖掘算法的相关文献,最终选择了逻辑回归算法与支持向量机算法分别用于模型训练。(2)数据收集与数据预处理。分析Moodle平台各个功能模块对应的数据结构,从中抽取相关数据。总结数据预处理与可视化相关技术,完成数据的预处理与可视化分析。(3)模型的训练与评估。通过交叉验证和特征选择完成逻辑回归与支持向量机模型的训练,并比较两种模型的性能指标,选择较优模型。