20世纪80年代以来,计算机和网络技术的发展极大的促进了在线学习的发展应用。在线学习的蓬勃发展主要表现在各种成熟的在线学习平台的出现,如LAMS、Moodle、Sakai等和各种网络学习资源成指数的增加。这些在线学习平台虽然关注了各种学习工具的功能实现,注重了对知识内容的合理组织,也考虑到了对各种学习活动的支持,然而,这些在线学习平台都没有解决在线学习中的一个重大难题——在线学习中教师和学生在时空上处于分离状态,教师很难像传统课堂教学一样通过直接观察学习者的学习行为来发现其存在的问题并给予及时合理的帮助指导。要解决这一问题,必须对学习者的各种在线学习行为进行实时采集、分析、评价,从中挖掘出学习者的学习问题、学习模式和行为特征。虽然对各种在线学习行为进行分析评价的重要性早就得到了人们的认可,然而,由于问题的复杂性和条件的限制性,直到近年来才得到人们的关注。在国内,彭文辉等人组成的团队从理论上对在线学习行为的含义、组成和模型上做了比较深入的研究,然而其注重对所有的学习行为的分析建模,不具有针对性,在具体的应用时不具有可行性。在国外,Karin Anna Hummel、Jia-Jiunn Lo、Chen等则从微观的、具体的某一方面的学习行为入手,注重于对分析评价方法的应用研究上,这种研究方法最大的优点就是可行性较高,然而,由于其没有对学习行为在理论上做深入探讨,不便于对学习行为的深入分析。本文通过对现有在线学习行为分析评价研究成果的分析,结合在线学习行为的理论成果和应用目标,提出了面向分析评价目标的在线学习行为评价指标,该评价指标针对具体的三个分析评价目标,即在线学习结果评价、在线学习方式评价和在线平台使用评价,在此基础之上,进一步研究了在线学习行为分析评价的过程原理,介绍了现有的在线学习行为采集方法、分析评价方法,为在线学习行为分析评价提供了方法论依据。最后,将在线学习行为评价指标体系和在线学习行为分析评价模型应用于华中师范大学“研究生课程在线”学习平台,以“生物教学实验研究”网络课程作为实验对象,运用加权平均法从测试、作业和考试三个方面来计算学习者的学习结果,根据学习者的学习结果对学习者进行相对评价和绝对评价,使学习者清楚自己在班级里的学习情况和与预定目标的差距；运用weka平台的分类技术,根据采集到的数据,将学习者分为资源为主的自主学习方式、以讨论为主的探究式学习和混合式学习三种学习方式,就此作为学习者个性化学习推荐的依据。对学习平台使用的评价为在线学习平台的建设提出指导性的建议。通过对在线学习结果的评价、在线学习者学习方式的评价和在线学习平台的评价,为下一步智能学习推荐做了准备。