数据驱动的学习者建模是指基于学习者的学习交互数据对学习者的知识、行为和情绪等内隐特征进行建模,是当前智能教育和自适应学习领域的研究热点问题。学习者的学习情绪模型是学习者模型的重要组成部分,影响着学习者的学习效果。本研究聚焦学习困惑这一最为常见的学习情绪的识别问题,利用机器学习技术,提出基于面部表情的学习困惑识别方法;基于实证研究,探究学习困惑与学习成绩之间的关系。研究一中,设计在线测评实验,选取二十位被试者,采集学习者在线测评时面部表情的照片,通过对照片的预处理,建立基于机器学习的学习者困惑情绪自动检测模型。研究发现随机森林对学习困惑的检测准确率最高,超过70%,有较好的预测效果,朴素贝叶斯算法对学习困惑的检测准确率最低;研究二中,通过采集学习者在线测评时的行为及困惑情感数据,通过统计分析学习困惑与测试正确率之间的关系发现,学习困惑的人群中,试题的正确率较低。同时,建立机器学习预测模型,对学习困惑与学习成绩之间建模,发现逻辑回归是所有模型当中最优的分类器。通过学习困惑检测及成绩预测实验的分析与总结,本研究得出以下结论:(1)随机森林是本研究中最佳的学习困惑检测模型;(2)学习困惑与学习成绩有较强的相关性,学习困惑的人群中,学习者答对试题的准确率较低。(3)通过对学习困惑学习者建立回归模型,可以有效预测学习成绩。本研究丰富了学习困惑检测的方法,探究了学习困惑与学习成绩的关联性,可为学习情感融入智能教学系统起一定借鉴作用,有助于实现个性化学习。