“数据驱动学习,分析变革教育”的大数据时代已经来临,大数据学习分析技术的应用为在线学习提供了新的发展契机。学习分析技术作为一种先进的技术手段,有力的推动了教育教学改革,并已成为支持教与学的有效工具,虽然得到了国际范围内研究学者的广泛关注与探索,但运用学习分析技术对在线学习过程中拖延行为的诊断与干预研究却相对少见。因此,如何运用学习分析等技术手段,动态的诊断学生在线学习行为状态,给予有针对性的教学干预,解决学生在线学习拖延行为,促进学生取得成功,改善学习效果,是需要相关研究者广泛关注的研究领域。本研究以某大学教育技术学专业学生为研究对象,开展了基于学习分析的大学生在线学习学业拖延诊断与干预研究。在对大学生学业拖延的现状、影响因素与干预等相关理论研究进行总结的基础上,首先对在线学习拖延现象进行了分析,在确定教学对象,设计教学内容等前期工作完成的前提下,通过对学生拖延次数与拖延时间分析,确定学生在线学习拖延行为。其次,在国内外专家学者相关研究成果的基础上,最终确定了影响在线学习拖延的11个具体因素,按属性分为学生影响因素(时间管理、自我效能、学习动机、自我调节、情感因素、心理与身体状况、认知)、教师影响因素(任务布置、监督管理)及环境影响因素(平台故障、同伴影响)。并设计了大学生在线学习拖延具体的干预策略,构建了基于学习分析的大学生在线学习学业拖延干预实施框架。最后进行实证分析,在教学干预周利用聚类分析方法对相似行为学生进行分类,得到积极参与者、中等参与者与消极参与者三种类型学习者,并对三种类型的学习者进行个性化的干预,采用秩和检验方法对干预措施有效性进行客观验证,辅以访谈法了解学生对干预措施有效性的主观评价,结果验证了学业拖延的干预措施对预防大学生在线学习拖延行为产生了积极的影响。应用学习分析技术能够对学生在线学习过程进行全程跟踪,通过对学生在线学习行为数据进行系统的分析,进而帮助教师更全面、更精准地诊断学生的拖延行为,给予及时有效的教学决策。