داده های جریان کلیک اهمیت زیادی در رابطه با کشف الگوی های رفتاری سامانه های یادگیری الکترونیک دارد. اکثر بررسی های انجام شده تاکنون بر داده های جریان کلیک، مبتنی بر روش های غیر شبکه ای و مرتبط با الگوریتم های یادگیری ماشین بوده است. با توجه به اهمیت گراف پدیداری و کاربردهای متعدد آن در حیطه تحلیل داده های سری زمانی، با نگاشت به حیطه داده های آموزشی می توان از این پتانسیل بهره برد. این پژوهش با هدف تحلیل الگوی میانگین کلیک دانشجوی ممتاز و ضعیف براساس زمان های فعال در سامانه، و تبدیل به گراف پدیداری طبیعی و تحلیل گراف پدیداری آن ها با معیارهای تحلیل شبکه مانند میانگین ضریب خوشه بندی، میانگین درجه، توزیع درجه و ضریب شباهت جاکارد است. داده های پژوهش از سامانه OULAD که مشتمل بر یک میلیون سطر داده است، انتخاب شده است. نتایج نشانگر این است که میانگین درجه و میانگین ضریب خوشه بندی بالاتر، متمایز کننده دانشجو ضعیف از ممتاز است. از طرفی پایین بودن ضریب شباهت جاکارد دانشجو ممتاز و ضعیف، خود بیانگر عدم شباهت رفتاری دانشجویان براساس میانگین کلیک هایشان در سامانه آموزشی است. بدین ترتیب مشخص است که الگوریتم های گراف پدیداری از کیفیت بالایی برای تحلیل دانشجوی ممتاز و ضعیف، با توجه به الگوی میانگین کلیک شان در سامانه های آموزشی برخوردار هستند.
