互联网信息技术及教育信息化的快速发展改变了传统的学习方式,使得在线学习方式迅速兴起并广泛应用到人力资源开发与教育等领域。但同时在线学习也面临着一些挑战,师生教与学分离的学习方式,使得教师无法观察学习者的学习状态和学习行为,无法给予学习者个性化的学习指导,并且不能够及时干预学习者的不良学习行为,导致学习者的学习效果较差,平台内用户流失现象频繁发生。大数据环境下在线学习平台系统中记录着大量学习者的学习行为数据,通过分析学习行为数据,优化在线学习者学习行为模型,促进在线学习平台更好的发展。论文在已有研究的基础上,在相关理论和模型的指导下,依据在线学习行为相关分类模型以及学习平台开放数据集的指标特征,构建在线学习行为指标体系及分析框架。在此基础上,获取在线学习者学习行为数据,从三个维度展开研究。首先,了解学习者的基本情况并分析不同特征学习者的学习行为之间是否存在差异性。其次,对学习行为与学习成绩进行相关性分析,在显著相关的基础上,通过多元线性回归分析确定学习成绩预测模型。为验证该模型的准确性并判别学习者的学习成绩是否存在预警风险,利用逻辑回归和神经网络模型分别对学习成绩进行分类预测,对比分析两种模型的优缺点和预测准确率。归纳总结在线学习者学习行为的分析结果,优化在线学习者个性化学习模型和在线学习者学习行为干预模型。通过研究发现:不同特征学习者的学习行为存在显著差异且差异性的分析结果又有所不同,各维度的学习行为与学习成绩之间存在显著正相关,操作行为和问题解决行为与学习成绩的相关程度较高。通过逻辑回归验证了学习成绩预测模型的准确性,其中“学习事件跨度”、“模块浏览比例”、“发帖数”和“模块完成比例”是影响学习成绩的主要学习行为因素。在线学习者个性化学习模型为学习者提供个性化的学习规划和指导,激励学习者自主学习。在线学习者学习行为干预模型,从平台管理者、教师和学习者三个视角对不良学习行为进行干预,提高学习者的学习成绩。