Nuotolinio mokymo technologijos įgauna pagreitį visame pasaulyje. Technologijos trūkumai ir silpnosios vietos tampa matomesnės, nei bet kada anksčiau. Siekiant patobulinti mokymo procesą ir sumažinti kurso nebaigiančių studentų dalį, vis svarbesnėmis tampa studentų aktyvumo skatinimo ir mokymosi paramos sistemos. Šio darbo tikslai – apžvelgti esamus studentų aktyvumo analizės ir valdymo metodus naudojamus nuotoliniame mokyme. Taip pat, pagerinti esamus arba pasiūlyti gaires naujų kūrimui. Literatūros analizė parodė duomenų gavybos metodų potencialą mokymo valdymo sistemose. Pasiūlytas studentų aktyvumo skatinimo modelis pagrįstas šiais metodais. Naujasis modelis paremtas automatiškai besireguliuojančia sistema, kuri analizuotų besimokančiųjų mokymosi įpročius. Analizės duomenys būtų naudojami sukurti ir siųsti personalizuotus priminimus ir pranešimus apie mokymosi sistemos įvykius. Ta pati sistema galėtų informuoti kurso vedėją apie neįprastus studentų veiklos pokyčius, padidėjusią nesėkmingo kurso baigimo tikimybę. Atliktas tyrimas patvirtinantis modelio kūrimui pasirinktas prielaidas ir jo reikalingumą. / Distance education technology is gaining momentum all around the world. Weaknesses and limitations in the technology are exposed more than ever. Activities, such as, stimulation of students’ activity and development of support systems are becoming important in attempts to lower student dropout rates and improve quality of education. This thesis has goals to review existing methodology of analyzing and encouraging student activity in higher education courses based on online technology. As well as to enhance current methods and set guidelines for development of the new ones. Literature analysis has highlighted the astonishing potential of data mining methods in Learning Management Systems. Based on these methods a new model of students’ activity stimulation has been suggested. The new model is based on automatic self tuning system which would analyze the behavior patterns of course users. The results of this analysis would be used to compose and send notifications of course events which are relevant for and desired by the individual user while respecting their learning patterns. Same system could inform instructor of any abnormalities in student learning behavior, unfavorable odds to successfully complete the course or even drop out. A study has been made, which confirmed the initial assumptions and potential usefulness of the proposed model.