随着科技与教育的深度融合,在数据和智能技术两大要素的双重影响下,以了解和优化学习及其发生环境为目标的学习分析领域逐步塑造出智能化研究形态。然而,目前学习分析领域的实证研究还缺少有效的指导框架,如何设计和开展具体情境下的学习分析实践研究、使用何种研究方法、需要收集哪些数据以及如何分析数据等难题对学习分析研究提出新的挑战。基于以上背景,研究以场域理论为理论基础,围绕智能技术驱动的学习分析模型构建与应用这一核心问题,引入场景-目标-数据-方法关系链（Sense/Indicator/Objective/Method,简称SIOM）,以国内外智能技术驱动的学习分析实践案例为研究对象,确定以下研究内容:一是计算与凝练SIOM关系链和学习分析规则;二是归纳与建构基于场域理论的学习分析模型和实践框架;三是应用与验证学习分析模型和实践框架。研究首先对“学习分析”和“SIOM关系链”进行了概念界定,并通过对比国内外成熟的学习分析模型以及梳理相关综述文献确定SIOM关系链的设计思想,为构建模型提供分类依据和理论基础。继而,研究围绕研究内容一对近十年国内外有关智能技术驱动的学习分析研究的110个应用案例进行系统性文献综述,建立22个一级指标、44个二级量化指标对应用案例的相关信息进行聚类和可视化分析,以审视国内外智能技术驱动的学习分析研究样态,归演学习分析研究路径。其次,研究基于SOM三要素的关联分析和差异分析,构建SIOM关系链,并据此总结了基于SIOM关系链的学习分析四层次规则——描述规则、诊断规则、预测规则和决策规则,并在每个规则阐述下凝练和举出一个典型的案例,简要介绍具有代表性的操作步骤。参考国内外典型的学习分析模型,研究以SIOM关系链为设计思想,构建基于场域理论的学习分析模型及实践框架,理论模型包含场景、行动者、规则和数据四个关键要素,实践框架分为学习发生、学习分析、反馈干预和安全保障四个模块。最后,研究开展基于预测规则的案例研究,在关注学习者与情境交互的智慧校园场景下探究基于运动与课堂行为实施学习绩效预测的研究,在实证研究中验证基于场域理论的学习分析模型和实践框架,以进一步明确开展学习分析实证研究的有效流程。研究的主要结论体现在以下三个方面:（1）近十年智能技术驱动的学习分析研究呈现出三大研究场景、六种数据类型、四层研究目标和六类数据分析方法的现实样态,具体表现为数据要素的生成场域逐渐回归学习本位;模态内容仍以学习行为数据为主;学习分析反馈以预测为主,教育管理决策支持缺位;机器学习成为主流方式,质性分析日渐被重视。（2）学习分析规则可以分为四层次,分别为察知和刻画过去普遍存在状态的描述规则、深挖原有状态成因及影响当下新特性生成效果的诊断规则、追寻现象变化以超出常态认知推理未来的预测规则以及融合和转化多维认识为可能达到的目标提供实施路径的决策规则。（3）为使学习分析成为个性化教学中的常态化应用,需从实践者的日常经验和成本效益出发,研究基于场域理论构建了体现“一核心、四要素、两循环”特征的学习分析模型以及包含学习发生、学习分析、反馈干预和安全保障四个模块的学习分析实践框架。