随着移动互联网、大数据、云计算等信息技术的发展,人们接收、反馈信息的方式发生了巨大变化,教育教学模式也因此发生了颠覆性变化。网络信息技术使得学习者随时随地获取学习资源成为可能,网络教学受到人们的青睐。学习管理系统是网络教育的主要媒介,可以实现远程教育的自动化管理,支持教师创建、管理在线课程,评估学习者的学习过程、学习绩效等,它存在的主要目的是为学生提供不受时间、空间等条件限制的个性化教学支持。然而目前广泛使用的Blackboard、Moodle等学习管理系统只注重教师对教学资源的管理,没有考虑到学习者之间的个体差异性,为所有学习者提供的是千篇一律的学习材料和学习活动,系统不能根据学习者之间的差异为学生提供个性化、自适应的教学服务,在个性化和交互性方面存在明显的不足。由于在网络学习环境中存在教与学在时间或空间上相分离的特点,这无疑使得教师全程了解和监督学生的学习情况变得很困难。为了更好地帮助教师了解学生的学习情况并及时做出反馈,并为学习者提供与之相适应的教学资源,这就要求网络学习平台能够记录和分析学习者的网络学习行为。目前国内对网络教育的研究主要集中在对网络教育平台的设计与开发、网络课件的设计与制作、网络学习环境中的教学管理等方面,对网络学习行为记录并分析的研究较少。而且,在很有限的对在线学习行为进行记录和分析的研究中,大多基于问卷调查方式收集网络学习者的行为数据,收集的信息一般都是学习者的外在行为特性,与学习者真实的行为轨迹之间存在偏差。借助于现代通信技术,记录并实时追踪学习者的学习活动信息,基于真实的在线行为信息对学习者的个体属性进行分析的研究甚少。本文在充分考虑学习者个体特征和学习偏好的基础上,构建适合网络学习环境的学习风格模型。收集和整理学习者真实的在线学习行为数据,同时开展线下实证调研,收集学习者的学习风格调查问卷数据。通过问卷数据初始化学习者的学习风格,基于线上学习行为信息建立学习风格的预测模型,进而训练和评估预测模型。研究结果证实,使用SMO (sequential minimal optimization)算法预测学习者的学习风格具有较高的精确度。本研究为改善网络学习平台的教学支持服务提供理论依据。