Key points are not available for this paper at this time.
混合学习结合了课堂教学与在线教学活动。在其实施过程中，这种学习方法需要大量数据。其中之一是学生的在线测验成绩数据，这可以用作学习评估。因此，在本研究中，采用数据挖掘来确定在线学生考试的结果，以及确定学生对混合学习实施的学习兴趣。数据挖掘技术用于在线学习会话结果的日志，以评估所使用的在线学习系统。通过评估系统，可以识别出哪些学生在在线考试中努力学习，哪些学生则没有学习。所使用的系列数据是马朗国立Polytechnic学习管理系统（LMS）中的学生测验成绩数据。学生成绩数据集是基于来自教师作业的UCI教育过程挖掘（EPM）数据集中的变量进行整理的。此外，数据挖掘分类用于确定学生在学习混合学习方面的兴趣。在数据挖掘的过程中，使用RapidMiner工具的特性进行比较分析，以进行学生数据的训练和数据验证。这个过程使用几种算法，并将学生数据分为两个集合用作训练和验证。通过数据挖掘计算的结果产生了一个错误最小的分类。在测试中，产生的线性回归算法的RMSE为0.000，SE为0.000，而神经网络算法的RMSE为0.525，SE为0.275.
Ariyanto等（Mon，）研究了这个问题。