随着信息技术与大数据处理技术的不断发展以及在线学习平台的不断完善,在线学习模式逐渐受到教学相关者的青睐。用户与在线平台的交互过程中产生大量的行为数据,这些数据隐藏的规律和信息无疑是了解学习者内在特征以及学习情况的“钥匙”。与传统分析方法相比,学习行为分析通过数据挖掘等分析技术对学习数据进行分析与挖掘,能够更加全面、深入地了解学习情况、发现学习规律、指导教学过程,对个性化教学具有重要的指导作用,是目前教育技术领域研究的热点。本文对在线学习行为分析中的要素以及关键技术展开研究,主要的研究工作体现在三方面。首先,在学习行为分析的研究现状以及相关理论的基础上,提出了学习行为分析总体架构。该分析架构主要包括学习行为模型建立、行为数据预处理、行为数据特征分析和行为评价等方面。其次,研究了在线学习行为分析的关键技术。通过对学习社交行为进行社会网络分析来发现学习者社会网络特征情况,对学习行为特征建立评价数学模型来评价行为特征表现情况,对学习行为特征与学习效果进行相关性分析发现两者之间的影响关系,对学习行为与学习效果进行回归分析来建立学习效果预测数学模型,从而指导学习行为分析的过程与实现。最后,以实际应用系统采集的数据为对象,对相关关键技术进行了实证分析。该系统通过xAPI规范实现数据的采集和存储,在此基础上分析了用户中心性等社交行为特征、学习投入度等行为评价特征、行为特征与学习效果的相关分析和回归分析等,分析结果表明所提出的方案及相关技术对于在线学习行为分析的有效性。