随着教育信息化进程的快速推进,在线学习成为一种主要的学习方式。各种在线学习平台中的资源即网络学习资源数量迅猛增长,然而其质量却参差不齐。如何从海量的网络学习资源中筛选出较为优质的资源,提高学习者的在线学习效率,显得尤为重要。因此,本文开展了对优质网络学习资源筛选方法的研究。首先,在综述国内外网络学习资源相关研究现状的基础上,对聚类分析、K-均值算法、多目标优化算法等理论与技术进行了归纳总结。同时,参照国内外各类网络学习资源建设和管理标准,通过对教师、学生进行调研与访谈,设计了以学习者为评价主体的网络学习资源评价体系,为优质网络学习资源筛选提供依据。其次,给出一种优质网络学习资源筛选方法,该方法先以K-均值算法为基础对资源进行分类,然后再借助多目标优化问题中的支配关系对资源进行评价,实现资源的筛选。同时,依托工程技术研究中心自主研发的精品资源共享课公共服务平台,对资源的筛选功能予以实现。最后,将该方法应用于《数据库技术及应用》的实验课中,通过筛选功能的实际应用和问卷调查,对优质网络学习资源筛选方法的可行性和有效性进行验证。结果表明:该方法能够高效、准确地筛选出优质的网络学习资源。本研究成果对于提高网络资源共享平台中资源的质量,消除学习者资源选择的盲目性,提升在线学习的效率与效果,具有一定的现实意义和应用价值。