随着智能移动终端的普及,移动终端学习的互动学习体验更加便利,智能移动终端与教育教学的有机结合逐渐成为新时代的主流学习方式。移动终端学习环境打破了传统课堂的界限,学习者可以不受时间地点的限制合理使用移动终端进行学习,解决了课前课后一体化问题。由于2020年新冠肺炎疫情的严重影响,导致大量学习者不能进行正常线下课程,所以通过移动终端进行线上学习变得越来越重要。通过移动终端进行学习广泛应用于学习者的日常生活中,为学习者与教学者带来了很多的便利,然而通过移动终端学习教学者无法像线下课堂一样了解学生上课时是否认真听讲以及学习专注度,移动终端在线学习无法对学生的学习行为进行监测与指导。针对这一问题,本文通过对终端学习行为的获取,实现学习者移动学习环境下学习专注度影响因素的探究及在线学习状态的监测。因此,本论文使用监听技术和事件处理技术融合深度学习算法获取三大类移动终端学习行为数据,分别为终端数据获取、触屏操作获取以及人体行为识别。首先,基于Android框架开发一款学习者行为数据获取的工具,获取学习者自主学习过程的终端数据,并以操作虚拟仿真实验为例,捕捉学习者触屏事件的发生,实现触屏操作数据的获取。其次,以终端数据获取工具中所采集的加速度传感器数据作为原始数据集,将经过预处理的加速度传感器数据导入长短期记忆网络与卷积神经网络相互融合的改进式神经网络模型（CNN-LSTM）中对数据进行人体行为识别,并通过研究与应用实验的方法,将本文提出的改进式CNN-LSTM模型与隐马尔可夫模型、机器学习算法、LSTM模型等方法进行对比。最后,通过线性回归模型拟合学习者行为数据权重,预判学习者各类学习行为数据对移动学习环境下学习专注度的影响系数。本文基于移动终端学习的应用场景获取学习行为数据,实现一个终端数据获取工具获取学习者学习状态设备感知信息、以虚拟仿真实验为基础捕捉学习者实验触屏操作以及通过改进CNN-LSTM获取学习者学习活动状态,对以上移动终端学习者学习行为数据的获取是分析学习者在线学习专注度因素影响的前提。通过对学习者在线学习行为数据权重拟合,实现对学习者在线学习行为的监测,探究学习专注度的影响因素,计算学习者移动终端学习行为对学习专注度影响系数大小。