随着信息技术的成熟、移动设备的普及,学生的学习环境从现实的课堂环境转变为虚拟的网络环境。然而大多数在线学习只是简单的延续传统教学的老路,对于不同特点和水平的学生仍然采取相同的教学方式和手段,忽略了每个学生学习情况的差异性和个性的偏好。除此以外,大多数在线学习环境只是简单地告诉学生测试的结果,却并没有告诉学生错误的原因以及该怎样努力才能取得更好的成绩。鉴于此,本文拟研究在网络学习环境下学生学习行为模型的构建及其应用。本文的主要工作如下:1.首先将包含数学领域知识的知识地图转化为贝叶斯网络结构,其次根据学生试题解答数据并结合项目反映理论来计算出学生的能力值,然后得到贝叶斯网络结构中知识结点的先验分布概率和知识点之间的依赖程度,由此确定贝叶斯网络模型;然后依据该模型来预测学生的薄弱知识点,将结果反馈给学生使得学生可以自行修正学习计划。最后结合学生的学习风格和个性偏好,构建出基于网络学习环境的学生学习行为模型。2.对构建的学生学习行为模型进行了应用。根据模型数据提出了基于个性化推荐系统和相似度模型的个性推荐应用,给学生推荐符合自身实际的、个性化的题目。个性化推荐系统作为应用的核心部分,可以适应性的、智能化的控制学生在解答推荐题目过程中的学习方向和学习方法,例如推荐给学生的题目难度是增加还是减少、何时给学生推送题目以及是否给学生提供提示帮助,而相似度模型主要负责根据已有学生的推荐信息选择是否直接推送。3.将构建的基于网络学习环境的学生行为模型应用于实践中。这样使得学生可以根据模型提供的数据如薄弱知识点、推送的题目以及提供的帮助来提高成绩以及修正学习计划。本文在构建基于网络学习环境的学生行为模型及应用时将学生的个性化、差异化考虑在内,有效地避免了大多数在线学习的误区。经过实验验证,本文提出的学生学习行为模型及应用具有较高的可靠性,因此具有很好的适用价值。