《2019年中国数字阅读市场研究报告》中提到,我国2019年度数字阅读的用户规模已达到7.4亿人次,同比增长1.4%。面对纷繁复杂的网络世界和良莠不齐的书籍作品,让用户真正读到自己需要的书显得至关重要。探究用户需求是帮助用户理解自己内在需求的重要途径之一。网络阅读用户来自五湖四海,经济文化背景各不相同,对于阅读的种类需求也因人而异。本文采用某互联网教育企业开发的小学二年级在线阅读理解能力测验为材料,对全国19个省、市、自治区的小学二年级被试进行调查,回收有效数据1309份。研究一旨在将样本人群通过统计方法进行科学合理归类。运用k-mediods聚类、潜在类别分析、K-nearest neighbor算法、判别分析、Logistic regression回归分析逐个探讨与本研究目的和数据形式的匹配度,主要采用R语言、Mplus分析数据,得出最适合的数据分析方法,用于数据集的客观分类。研究二采用研究一的分类结果,基于二年级在线阅读用户的阅读作答行为做社会经济地位的项目功能差异检验,同时以传统经济分类指标划分人群进行DIF检验,探究不同分类人群在阅读能力方面的差异,并比较两种分组方式的结果,最后探索影响阅读表现的主要家庭社会经济地位因素,并提出针对性的解决措施。研究一结果表明:k-mediods聚类和潜在类别分析是数据科学中用于人群或其他分类适用性最广的方法,对数据集的前提假设和限制性极小。同样非常适用于本研究的样本数据,并且两种方法得出的分类结果一致,能够较好地将人群分为高经济水平和低经济水平两类。研究二结果表明:统计方法得出的人群较传统分类指标更具真实性,所进行的DIF检验结果也能体现出规律性,二年级在线阅读用户主要在语言基础和理解推断方面表现出阅读的家庭社会经济水平差异,家庭SES中的家庭教育投资和语言环境成为最主要的影响因素。结论:当探讨不同人群阅读能力差异时,采用聚类分析、潜在类别分析、K-nearest neighbor算法、判别分析、Logistic Regression回归分析等机器学习算法进行分类能得到较为一致的结果,再应用DIF检验对类别群体的作答反应进行探讨能够有效甄别群体差异。