伴随着互联网的流行,在线教育网站越来越受到学习者的欢迎,在此过程中积累了大量有价值的教育数据。自适应教学系统是计算机技术与在线教育结合的产物,通过挖掘教育数据来为教师动态地提供教学参考,已经在许多教育网站得到应用。本文主要探究在线自适应教学系统的两个功能模块——学生自动分组和主观答题自动评分。学生自动分组功能基于不同时期学生的行为序列,挖掘序列中隐含的行为模式,对每个时期生成一次分组结果,使得同组学生具有相似的行为模式,用来为教师制定每组教学计划提供参考。主观答题自动评分功能为学生在作业或测验中的主观回答提供机器评分,该评分学习的是同业互评平均分的给分方式,基于的是答题的用词和与问题的关联性,旨在提供可靠的评分体系以及帮助教师减少重复性工作。在学生自动分组功能中,本文使用演化式分组算法,使不同时刻的分组之间保持相对一致性,在实验中得到了优于传统聚类算法的结果。对于主观答题自动评分功能,本文提出答题特征向量作为输入的长短期记忆网络模型,得到了最高54%的四分类准确率。该结果虽好于25%的随机猜测正确率,但仍有很大的提升空间。