随着互联网的快速发展,在线教育逐渐广泛深入开展,功能越来越强大的在线学习平台成为各高校师生自主学习的工具。在线学习的特点是摆脱了传统教学时间和空间的束缚,构建了一个全新的学习环境,这种环境是未来学习的主流趋势。在线学习平台作为学生自主学习的载体,一方面提供了丰富的学习资源和学习工具,另一方面也逐步积累了越来越多的学习行为、学习状态等大量数据,为在线学习的深入研究提供了有价值生成式的动态资源。近年来,对学习平台的研究已经不仅停留在功能性开发和应用上,而开始关注学习监控,学习过程数据分析,如何改善学习效率,如何为学生提供更好的学习环境等。尤其是近年来大数据技术在全球各领域成为研究热点,越来越多的教育研究者将大数据分析方法应用到在线学习中的各个环节,对海量学习资源数据进行深度挖掘,力图更科学有效地分析学习过程中出现的问题,快速了解学习状况,为师生提供更丰富的信息和更好的服务。在线学习评价是改善在线学习效果,增加激励机制,提高教学质量的重要一环,利用大数据分析方法对在线学习评价进行研究,能够使评价结果具有预测性,使教学更加科学,客观,有针对性。本文通过对国内外相关学习分析以及常见大数据分析方法的相关研究,结合实际的学习评价目标,提出了利用大数据分析方法的学生在线学习评价的建模流程框架。并利用北邮网络教育学院的真实学生数据,进行预测性评价建模,对学生阶段学习成果进行评价。评价结果可以使教师在一段教学过程之后预测学生是否能够顺利完成课程的学习,通过最后的测评,可以根据评价结果及时发现学生的学习问题,对有风险的学生进行有针对性的干预,进行个性化学习指导。本研究通过数据分析得到的科学客观的学习评价,不仅能为教师提供相关信息,对学生进行个性化指导,也能提升学习平台的自适应、个性化服务的功能,大大减轻教师的教学负担。