伴随着互联网科技的高速发展,人类正逐步迈进一个新的时代,信息化技术已经渗透到我们生活的各个方面。教育一直是我国高度关注的热点问题,结合现代社会发展新需求,利用互联网高效便捷的特点,教育行业与互联网科技的完美结合正在我们的学习和生活中发挥着不可替代的作用,学习方式由传统的师生需要共同处于同一间教室中以直接接触的交流方式转化成为横跨时间、空间、地点的新型线上学习模式。大众对这种新型学习模式接受程度极高且该在线教育学习的模式受众越来越广,人民大众对于在线教育的发展模式更是喜闻乐见。面对正在蓬勃发展社会教育新形式,如何对在线教育学习行为和学习效果进行评估尤为重要。新形势下的各所在线教育平台的使用用户一旦选择线上学习的方式,那么其过程中都会产生丰富海量的学习行为数据,如果这些数据被遗忘在角落积满尘灰从而被忽略,那么就大大失去了其数据的价值。我们需要通过探究这些数据,探寻隐藏在这些数据背后的规律,研究在线教育平台学习者的行为数据记录,为在线教育平台决策者创建更好的线上学习环境和平台规则提供有效建议。与此同时,国际教育数据挖掘大会着重强调了教育行业大数据开发应用的重要性。同时由于人工智能技术在各个领域被广泛的应用,对于教育领域的发展来说,国内外对于数据挖掘技术在此领域的应用研究就显得更为紧迫,数据挖掘技术已然成为了发展教育大数据的主力军之一。当今国内外高校运用数据挖掘技术在学生各方面情况预测的研究已经日益成熟,研究者们运用不同的数据挖掘算法从不同的角度出发,对不同种类学生个体行为特征数据进行了预处理,提出了对在线教育相关的各方面状态进行预测的不同研究成果。基于当今社会对互联网下教育新形式的重视,在线教育平台日益崛起,逐渐成为国家商业新板块一颗冉冉升起的新星。在线教育平台大数据资源积累逐渐丰富,为更加深入了解在线教育平台用户行为,挖掘教育大数据背后隐藏的信息,探究教育数据信息与学习者行为之间的关联与教育成效,从而更加有针对性的提高人们对与在线教育平台认知,更加有方向性的引导在线教育相关决策,助力在线教育平台进一步发展。本文基于国内外学术文献对在线教育学习者学习行为的研究基础上,以Canvas Network开放式数据集为数据源,对该在线教育平台的学习行为进行归纳和分析,采用描述性统计方法详细刻画了Canvas Network平台学习者的基本信息、课程设置信息以及学习者类型之间的情况分布。在线教育平台不仅应对不同类型、不同特征的学习者采用不同的引导教育方式,建立更具有有针对性的平台规则,吸引不同社会特征的群体参与进来,也应该合理设置在线教育内容与模块,使得在线教育领域达到真正的广泛普及。而后采用数据挖掘技术中的的分类方法Xgboost算法对影响在线教育平台学习者学习成绩的因素进行分析预测,通过构建成绩预测模型,成功实现了在线教育平台学习者的学习成绩预测,进而更加有方向性的指导在线教育行业领导者对该领域做出决策。同时本文对影响因素重要性进行排序,为今后在线教育领域的研究提供新思路。本文研究发现教育平台学习者学习行为是影响成绩的主要因素,因此,在线教育行业应该更加注重学习者对于平台活动参与的积极性,引导学习者主动进行先上沟通交流,提高学习效率,增加在线教育实用性,积极发挥在线教育在社会中的积极效用与价值。本文选取的Canvas Network开放式数据集本身存在一定的数据缺失情况,因此在对在线平台学习者学习成绩预测模型的建立上选用了集成分类器模型Xgboost,数据挖掘是一门复杂而又有趣的科学,在针对在线教育学习者成绩预测研究上其方法的选择和准确度上还有待进一步的提高。同时在影响学习成绩因素选取上也有待社会对于在线教育大数据的开发和应用的提高。