现代远程教育作为继续教育的一种重要形式,借助互联网技术的发展得到了广泛的应用,学生通过在线教学平台提供的课程进行学习来获得知识。对现代远程教育的研究是继续教育研究的主要方向。在现代远程教育的研究中,制定与实际相适应的学生评价体系成为教育工作者研究的重点内容。贝叶斯网络是一种具有综合先验信息的增量学习特性和丰富的概率表达能力的数据挖掘工具。应用贝叶斯网络分析现代远程教育学生的学习成绩,完善现有的学生评价方案,对现代远程教育的发展具有重要作用。本文针对现代远程教育学生学习成绩数据主要做了以下三个方面的工作:(1)针对课程考核,提出了基于课程组织构建学生成绩评定结构图。首先,通过随堂练习、平时作业、课程论坛和期末成绩四个主要因素建立相应的贝叶斯网络模型,并用Excel进行分析。然后,用MATLAB分析数据的特点,调整了四个因素的权重,改进模型并进行实用性验证。实验结果分析和模型评价表明,改进模型能全面客观地评定学生学习成绩并实现更加合理的过程性评价。(2)针对学生课堂表现,提出了基于学习状态构建学生成绩评定结构图。首先,找出成绩等级评定与表现程度的对应关系,建立学生成绩评定系统的层次图形;然后,根据因素间因果关系建立的贝叶斯网络进行推理,估计学生成绩并用实例验证。实验结果表明,模型可以很好的根据学生的学习状态评定学生的成绩。(3)综合两个模型分析了影响学生学习成绩的六个主要因素,建立影响学生成绩的评定模型。通过课程组织和学习状态两个方面分析构建了影响学生成绩的贝叶斯网络。首先,基于前两章的模型构建了贝叶斯网络拓扑结构,然后,结合先验知识对模型进行参数分析,依据数据特点找出理想评价方案。本文应用MSBNX工具创建和评估贝叶斯网络。研究结果表明本文提出的学生成绩评定模型完善了现有的评价方案。