互联网技术及教育信息化的快速发展加快了人们的学习、改变了思维及认知方式,在线学习模式迅速兴起并受到了广泛的认可。这种全新的学习方式及教育模式,必将会驱动教育信息化的变革与创新。在线学习在迅速发展的同时也面临着一些挑战,在线学习平台中较低的课程完成率和用户流失现象频繁发生,为找出形成此状况的原因,在大数据背景下分析在线学习平台中记录的大量用户学习行为数据,通过追踪用户在学习过程中产生的各种学习行为得出分析结果,可以为教师和平台管理者进行监督和干预学习者学习提供一定的指导建议。因此,本文在总结在线学习行为发展现状和相关理论研究的基础上,首先对在线学习行为的内涵进行了界定,将人工智能理论引入进来,从结构维度、功能维度及方式维度对在线学习行为进行了类别划分,在分析在线学习行为关联因素及驱动力的基础上,给出了大数据环境下在线学习行为分析模型的总体架构。其次依据分析模型的总体架构,自左向右、自上向下对大数据环境下在线学习行为分析模型进行了构建,先从多维度、多层次角度构建了在线学习行为数据模型,确定数据采集的来源、方法及过程,之后对在线学习行为分析模型的横向流程和纵向流程进行了设计。在此基础上,利用大数据处理技术对在线学习行为分析模型中的各个环节所涉及的具体算法进行了实现。最后选取哈尔滨理工大学在线学习平台进行实证分析,从基于K-means算法的学习行为聚类分析、基于Page Rank算法的个性化课程推荐分析、与学习效果的关联性分析三个方面进行了深入研究,并依据分析结果给出应用效果与启示。本文丰富了行为科学与人工智能理论方法及应用,深入研究了在线学习行为分析模型,不仅可以为行为数据的采集与分析提供理论基础和数据标准,还方便教师及平台管理者进行细致化及专业化的教学管理,对推动我国教育信息化快速发展具有重要的指导意义。