داده های سری زمانی آموزش الکترونیک مانند داده های جریان کلیک و لاگ فایل ها اهمیت زیادی در رابطه با کشف الگوی های رفتاری دانشجویان آن سامانه ها دارد. بیشتر پژوهش 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 الگوریتم های گراف پدیداری و نقش آن در حیطه تحلیل داده های سری زمانی، با نگاشت مناسب آن به حیطه داده های آموزشی می توان از این پتانسیل بهره برد. هدف این پژوهش گردآوری میانگین کلیک دانشجویان ممتاز و ضعیف براساس زمان های فعالیت در سامانه و تبدیل به گراف پدیداری طبیعی و بررسی با معیارهای تحلیل شبکه مانند مرکزیت درجه، مرکزیت نزدیکی و توزیع درجه برای تشخیص تمایز آن هاست. داده های پژوهش از سامانه OULAD که حاوی اطلاعات تعامل کاربران با سامانه آموزشی است، انتخاب شده است. نتایج نشانگر این است که بالاتر بودن مرکزیت درجه، مرکزیت نزدیکی و توزیع درجه متمایز کننده دانشجو ممتاز از ضعیف و تایید کننده عدم شباهت رفتاری دانشجویان براساس میانگین کلیک هایشان در سامانه است. میانگین دقت این معیارها با تحلیل جداساز خطیLDA و الگوریتم های درخت تصمیم، جنگل تصادفی و KNN بعد از 10 بار اجر تحلیل شده است که دقت مطلوب این معیارها در دسته بندی را نشان می دهد.
