随着数据挖掘的快速发展,利用数据挖掘进行在线学习行为数据的分析,有利于智慧校园的建设。通过教育数据挖掘进行学生在线学习行为分析、学生成绩预测等建设智慧校园,也成为国内外的一大研究方向。通过教育大数据和和决策树算法模型的对学生的在线学习行为数据进行综合分析,掌握学生的行为规律,进行学生成绩预测,对于提升学校的教学质量,提高学生学习能力都至关重要。鉴于此,本文针对基于决策树算法模型对学生在线行为数据分析及成绩预测进行探讨,在归纳、总结教育数据挖掘技术、决策树算法模型、学生行为分析及成绩预测等文献综述研究成果为前提,明确了用决策树算法模型及数据挖掘技术来分析学生行为和成绩预测的原因、意义、内容,为本文的后续研究分奠定了扎实的理论基础。本文基于在线学习平台采集数据,进行数据处理和学习行为数据的相关分析。基于学习通平台系统统计了某高校大一年级的学生产生的学习行为数据,如学生的课程视频得分、课程视频的进度、平台中学生的作业得分、访问得分、任务完成情况。借助数据挖掘的方法,展开了在线学习平台中学生产生的一些行为数据和学生成绩之间的关联性研究。首先本文将统计的学生行为数据整理如下:课程视频得分和课程进度得分、作业得分、访问得分、任务完成情况。然后运用SPSS分析软件,用皮尔逊积差相关分析算法,对学生的行为数据与学生的综合成绩进行分析,对数据进行深入挖掘,得出行为数据与成绩之间的关联性。然后设计基于决策树算法的成绩预测模型,利用决策树算法分析进行学生成绩预测,得到决策树中学生在线学习特征之间的相关度,并对预测的成绩进行分析验证。希望本文的研究可以拓展数据挖掘、决策树算法及学生学习行为分析的知识体系。最后,依据在线学习平台中采集的数据,进行挖掘分析与成绩预测,结果表明,学生的在线学习行为分析,能为优化教师课程体系和促进学生全面均衡发展提供了有价值的建议。