近年来,随着工程教育理念的逐步推广以及国家持续推进教育信息化,在线教育平台发展趋势迅猛,混合式教学模式已在越来越多的高校中盛行。本课题的目标便是针对混合式教学模式下,学生在课后复习阶段容易遇到的问题,设计并实现一个能够在课后复习阶段为学生提供学习支持服务的在线学习支持服务平台。主要研究内容如下:首先,本文基于学习支持服务的理念,设计了一种“线上”结合“线下”的提供学习支持服务的模式。模式如下:一方面平台通过提供核心功能模块直接向学生用户提供学习支持服务。另一方面,平台的核心功能模块也向教师提供数据支持,教师利用平台提供的数据支持在线下帮助学生进行课后复习指导。该模式充分发挥了混合式教学环境的优势。其次,基于上述模式和面向的实际场景问题,本文分析了教师和学生的用户需求,明确了系统的业务需求以及提炼出了功能需求,并根据功能需求完成了课后复习支持服务平台的设计与开发。核心功能模块包括:数据处理模块,用于解决多数据源带来的数据“混杂性”问题,并且通过建立不同的量化模型将多渠道数据源中的原始数据转化为一级数据指标。同时,基于层次分析法（AHP）构建了二级主题指标的量化模型,深入挖掘了用户的隐式特征。该模块产出的一二级数据指标为整个平台的实现和后续个性化智能推荐算法的实现提供了数据支撑;学情报告模块,该模块用于帮助不同身份用户快速了解与自身最相关的阶段性学习情况分析信息;手动分析模块,帮助用户灵活查询具体的数据指标和深入分析特定指标间的关联性。再次,本文研究了学习者画像和主流智能推荐算法,设计并实现了一种基于学习者画像的个性化智能推荐算法,并以此算法为基础设计并实现了平台的另一个核心模块个性化智能推荐模块。本文中算法的设计与实现过程充分考虑了传统的基于用户的协同过滤算法中单一评分造成的用户相似性计算不准确的问题。通过结合学习者画像提升了用户相似性的计算。同时,对学习者画像中的聚类算法进行了研究,设计并实现了一种优化初始质心选择的K-means算法,提升了画像的准确度,从而提升了群体画像的效果。最终推荐的学习资源,在一定程度上对学生用户在课后复习的自主学习阶段进行了个性化指导,也向其提供了拓展的学习资源。本文的最后使用本校大一信通导论课新生的真实数据结合实际应用场景,对平台的核心功能进行了测试和效果验证,结果证明了系统的稳定性及可行性,并设计对比实验验证了所设计的基于学习者画像的个性化智能推荐算法的有效性。