在线教育学习是非传统教育学习的过程中非常重要的一种学习方式,随着教育信息化的不断推进和发展,我国的教育质量和信息化教育水平的提升为在线学习的发展提供了强大的支持,学习者跨平台、跨终端、跨时空地开展在线学习,在不同在线教育平台上产生了大量的学习行为数据。MOOC是在线教育的重要平台,MOOC目前存在用户数据量庞大,难以根据用户数据把握学习者学情的问题,在线学习者画像能够有助于解决这类问题。各类在线平台数据与学习者画像和学情预警的研究不断更新,将画像技术和学情预警相结合,为MOOC平台的学情预警研究提供新的路径。基于以上的背景,本研究以在线MOOC平台中的各类学习者数据为研究对象,通过分析和利用14门课的MOOC数据进行学习者画像构建以及学情预警,通过画像进行学情分析,通过学情分析进行学情预警,最终形成学情预警策略。首先,本研究通过文献分析,对学习者画像和学情预警的概念进行界定,阐述了画像刻画和学情预警涉及的理论和技术基础,确定了在线学习者画像三个维度的分类。并根据在线MOOC平台的数据字段,构建学习者画像的标签体系,为学习者画像的标签体系提供衡量指标,为应用画像技术实现学情预警奠定基础。其次,根据学习者在线学习行为的数据和基本信息,进行在线学习数据分析,采用数据挖掘和分析方法,划分不同类型学习者的群体,输出学习者画像,进行基于画像的五个维度的学情分析,掌握学习者的学情信息。最后,借助五个维度的学情分析结果,利用关联规则和序列分析模型等技术手段进行四个维度的学情预警。根据画像的分类,提供学情预警策略。并在此基础上通过问卷调查进行了基于画像的学情预警的效果检验。本研究基于真实MOOC数据构建画像,将数据可视化,使用了多种研究方法和技术手段进行基于画像的学情预警,帮助教师和学习者掌握学习者情况以及提供学情预警策略,为在线MOOC平台的教学干预提供了新思路。