近年来,在线课程处于高速发展阶段。相比于传统的线下教学模式而言,在线课程的参与人数更多,个体间学习基础和学习情况差异更大,这使得教师很难对全体学生的学习活动进行精准诊断分析,在后续提供个性化的学习辅导和建议上也存在很大难度。为了应对这种新的教学方式带来的教学挑战,本文设计并实现了基于在线课程日志的学情分析系统。本文利用在线课程平台生成的记录着学生活动的日志文件对学生学习情况进行数据挖掘分析,日志文件信息包括:视频观看信息、作业提交信息、论坛参与信息,同时也会使用到平台提供的基本课程信息。本文首先对原始的数据进行了预处理,便于后续的数据分析。本文在日志预处理模块的基础上,设计并实现了学情分析模块,该模块分别通过参与模式的识别、作业成绩的预测、退课的预测来完成从学习态度、学习表现到学习动力这三个方面的学习情况的分析。参与模式识别是通过聚类来完成对学生参与模式的分析,其中包括高参与度目标和表现导向模式、高参与度目标导向模式、高参与度表现导向模式和低参与度模式。作业成绩预测通过学生的视频观看行为来预测对应章节的成绩表现。退课预测通过学生以往每周的学习行为来预测学生下周是否处于退课状态。最后,本文将所有的分析结果与学生特征以web系统的形式来可视化呈现,教师可以直观了解到学生的整体学习情况,教师还可以选择性地查看某个状态下的所有学生的相关特征,从而更细致地了解到学生个体的学习情况。本文利用已有的国内在线课程平台的原始日志数据,对系统的功能进行实验测试。测试结果表明,本文研发的学情分析系统可以有效完成原始数据的预处理,可以对学情进行有效分析,得到可靠的参与模式识别结果、作业成绩预测结果和退课预测结果,这使得教师可以了解到学生的学习态度、学习表现和学习动力这三方面的相关学习情况。本文相关的研究工作,可以为个性化教学提供数字化依据,以及提供技术参考。