网络教育已经成为传统教育的全新补充形式。但网络学习教、学分离的特性，使学习者的学习过程缺乏教师的监控，教师难以了解学生的学习行为。因此，诊断学生的网络学习状况，并给予个性化的学习指导已成为目前网络教育研究的热点。而且，现存的网络学习平台缺乏智能性，需要学生来适应系统，系统只能对不同的学生提供完全相同的学习材料和学习任务。为此，迫切需要开发智能化、自适应的网络学习平台，从而适应学生学习模式的变革。本文利用人工智能技术和数据挖技术，设计了网络学习行为智能诊断系统。　　系统以行为科学、建构主义和人本主义等学习理论为研究依据,通过研究和诊断网络环境中人的心理和行为的发展变化规律，对学生个体、群体的行为进行预测、引导和纠正。系统以学生为中心，监控学生的网络学习行为，培养学生积极主动地建构他们自己的知识体系，力求最大限度地挖掘学生的学习潜能，使学生得到个性化的学习指导，真正体现了现代教育以人为本的理念。　　论文的主要研究工作有四个方面：　　(1)研究作业抄袭检测的技术。作业能全面、客观地反映学生学习情况，为了检测学生的作业抄袭情况，本文运用具有除噪和过滤功能的Winnowing算法提取文档的数据指纹，通过对比作业间数字指纹的相似性来识别作业的抄袭程度。　　(2)研究如何准确测定学习风格类型的技术。学习风格是学习者持续一贯的、带有个性特征的学习方式。本文运用项目评分预测算法（Item-Based Top-N）预测用户对未评分项目的评分，然后统计已评分项目的分数与预测得到的分数之和，通过对照风格量表，得出学生的学习风格类型。　　(3)研究如何为学生提供个性化学习指导的技术。本文根据学生的学习现状和潜能进行全方位的测试和诊断，运用最大前向访问(MFR)算法以及AprioriAll算法实现学生学习内容的个性化推荐。　　(4)研究如何预测学生学习效果的技术。本文运用BP神经网络训练学习行为样本，识别学生的学习行为并预测学生的考试成绩。通过对比预测结果与学生的真实考试成绩，及时把学习者在网络学习平台中的学习效果反馈给本人和教师。　　本文将数据挖掘技术及人工智能技术应用到学习行为智能诊断系统中，有效地监控学生的网络学习行为对那些学习自控力较弱的学生给予监督的同时给予了个性化的学习指导建议；对那些自控能力较高的学生则起到激励作用。