AbstractThis study was conducted wi

Abstract
This study was conducted with data mining (DM) techniques to analyze various patterns of online learning behaviors, and to make predictions on learning outcomes. Statistical models and machine learning DM techniques were conducted to analyze 17,934 server logs to investigate 98 undergraduate students’ learning behaviors in an online business course in Taiwan. The study scientifically identified students’ behavioral patterns and preferences in the online learning processes, differentiated active and passive learners, and found important parameters for performance prediction. The results also demonstrated how data mining techniques might be utilized to help improve online teaching and learning with suggestions for online instructors, instructional designers and courseware developers.

ผลลัพธ์ (แอฟริกา) 1:

abstrakte
Hierdie studie is uitgevoer met data-ontginning (dm) tegnieke verskillende patrone van aanlyn-leer gedrag te analiseer en voorspellings oor uitkomste te maak. statistiese modelle en masjien leer dm tegnieke is uitgevoer 17934 server logs te ontleed 98 voorgraadse studente se leer gedrag te ondersoek in 'n aanlyn besigheid kursus in Taiwan.die studie wetenskaplik geïdentifiseer studente se gedragspatrone en voorkeure in die aanlyn leer prosesse, onderskei aktiewe en passiewe leerders, en gevind belangrike parameters vir prestasie te voorspel. Die resultate het ook getoon hoe data-ontginning tegnieke kan gebruik word om te help verbeter aanlyn onderrig en leer met voorstelle vir aanlyn-instrukteurs.instruksionele ontwerpers en kursusmateriaal ontwikkelaars.