学习行为分析是对学生在学习过程中产生的大量数据进行分析,以预测学生未来的表现,发现学生的行为习惯,提升学习体验。在线教育MOOC在迅速发展的过程中暴露出来了很多问题,进而出现了更具教学适宜性的SPOC,它将面向群体的范围缩小,采用限制性的准入原则,采用线上教学和线下答疑的翻转课堂的教学模式。此外,在大数据浪潮的驱动下,以数据驱动来影响学生的学习进度和提升学习体验成为一种新的学习行为方式。华中师范大学基于SPOC的云课堂于2013年9月份开始运行,本文的数据来源于云课堂,并围绕云课堂来展开。本文以学习分析为主线,从在线教育数据收集的标准规范、大数据的存储和处理、数据的可视化等方面,研究了相关的理论和实践问题。主要研究的内容如下：(1)对在线教育、教育大数据和学习分析当前的发展做了说明,在前两者的共同作用下,学习分析有了很大的进展,借助于技术的力量来进行学习分析是大势所趋。(2)将华师云课堂作为数据源,分析云课堂的特点,将SCORM规范和xAPI规范进行对比,最终选择根据xAPI规范,建立学生行为模型,确定要收集的数据。(3)技术上的实现,基于目前主流的大数据处理平台,搭建了针对教育的数据处理平台,采用Hadoop在大数据处理方面的优势和MongoDB的NoSQL特性相结合,对收集到的数据定时进行处理,使用基于REST服务的方式实现数据的插入和查询功能。(4)对学生的学习行为进行分析。利用在线收集到的数据进行分析是传统教学无法做到的,本文主要根据云课堂客户端和论坛上收集到的数据对学生的学习行为进行了分析,将分析的结果以可视化的形式来展现给学生、教师和教育管理者。本文主要的创新点包括：以往对于学习分析的研究主要停留在理论阶段,这主要是由于缺乏数据导致的,本文搭建了通用的教育大数据分布式存储和处理平台,提供接口服务,可以将跨平台和不同客户端的数据完全收集起来,为学习分析提供了很好的数据基础；对收集到的基于SPOC的云课堂数据进行了分析,目前,对基于SPOC平台的数据进行分析的研究还是稀少的,大部分只是理论层面的分析。