十九大五中全会提出,国家要迈向高质量发展阶段,对教育领域提出了建设高质量教育体系的要求。作业作为提升教育质量的关键环节,起着不可忽视的作用。随着教育信息化的发展,作业经历了纸质化-半无纸化-无纸化的发展,在线作业与智慧作业形式已成为当前作业场景的重要应用方式。同时,中共中央、国务院印发了《深化新时代教育评价改革总体方案》,强调要“创新评价工具,利用人工智能、大数据等现代信息技术,探索开展学生各年级学习情况全过程纵向评价”。在深化教育评价改革这一时代大背景下,利用现代信息技术推动作业的优化创新是一项值得关注的研究课题。对此,画像技术作为一项基于数据挖掘的用户特征描述技术,越来越趋于精确化。教育领域中,已有研究证明学习者画像在学习表现与效果评价方面发挥重要作用。本研究将学习者画像应用于在线作业场景,以在线作业系统日志中存储的大量作业行为数据为研究对象,借助画像技术进行基于在线作业行为的画像构建与应用。在系统梳理相关研究与文献的基础上,阐述了本研究的重要概念与理论基础,归纳当前研究现状与发展,为本研究的深入开展奠定基础。在画像构建阶段,首先,从理论模型和现实经验角度出发,深入分析已有作业模型和成熟作业量表,并与一线教师访谈,提取画像模型的“初始维度集”,在此基础上采用两轮德尔菲法,最终确定画像的主要维度。然后,依据在线作业数据,选取并筛选各维度下的指标特征。最后,生成基于基本特征、行为特征（作业参与、作业努力、作业习惯）、结果特征的画像模型。在画像应用阶段,首先,依据画像应用流程,确定画像目标,并进行数据清洗与处理。然后,从基本特征、行为特征和结果特征三个主要维度对学生整体的表现进行分析与可视化。接着,基于随机森林回归算法进行重要指标特征的选择,并将选择的重要指标特征作为主要聚类特征,采用K-means聚类算法识别出三类不同行为表现的学生群体,分别是“高投入高效率积极型”、“高参与低效率拖延型”、“低参与低效率拖延型”。在此基础上,采用线性逐步回归探索影响不同学生群体成绩的重要指标特征。最后,基于画像分析结果输出三类学生群体画像,包括群体特征和针对指导意见两部分。为了验证基于在线作业行为的学生画像应用效果,本研究分别邀请学习分析领域研究者和一线教师进行访谈。本研究的创新点在于:（1）基于作业行为分析特定场景,结合理论与实际构建学生画像模型,丰富了学习分析应用场景;（2）多角度出发分析并可视化学生作业表现,为学生作业评价提供多元化的新视角;（3）以大数据为基础,借助机器学习算法识别不同类型的学生群体,为实现个性化作业与服务提供了参考。本研究基于大数据视角解决教育中的实际问题,为有效评价作业与个性化支持服务提供科学的依据与有效的方法。