随着互联网技术和信息技术的交汇融合发展,引发了数据迅猛增长,世界步入大数据时代。网络学习方式灵活多变,赋予了学习者更大的自由和选择权,为终生学习提供了有效途径,同时积累了大量的网络学习经历数据。对学习者学习经历数据为对象进行学习分析和数据挖掘,综合运用分析工具和方法对学习数据进行处理与分析,挖掘出其深层次含义,建立起数量结构与意义理解之间的联系。学习分析的出现和发展为网络学习的研究提供了新的研究方向和思路。根据学习者在学习过程中的行为表现,结合学习者的基本属性建立学习者画像模型,找出规律并开展应用,使网络学习平台可以根据学习者画像为学习者提供个性化、精准化、智能化的网络学习支持服务,提高学习效率和学习质量。因此,本研究基于网络学习行为开展学习者画像建模,并阐明其应用方向。进行基于网络学习行为的学习者画像研究,首先要解决数据收集的问题。究通过文献分析,对比了SCORM和xAPI优劣,发现SCORM难以满足研究需要,本研究利用xAPI标准跨平台、跨终端的技术特征收集交换数据,让学习经历数据可以独立于学习管理平台而独立存在,方便后续学习分析和数据挖掘。另外,本研究介绍了xAPI活动流Activity Stream,分析了活动流Activity Stream的结构,进行了LMS和LRS的对比分析,设计了“以学习者为中心”的基于xAPI标准的规范动词集和规范对象集,为构建基于网络学习行为的学习者画像模型奠定基础。在基于网路学习行为的学习者画像模型构建方面,本研究运用文献研究法和模型构建法,根据学习分析的方法和一般步骤,结合xAPI标准提出了一套切实可行的、具有可操作性的基于网络学习行为的学习者模型构建框架和流程,该框架由明确画像目标、数据收集、画像建模、画像可视化输出和画像应用五个阶段构成,同时画像的应用可以进一步明确画像目标,形成正向反馈。其中,基于网络学习行为的学习者画像模型构建是整个流程的核心。本研究梳理了目前学习者画像研究现状,结合中国大学MOOC网络学习平台数据情况,从课程学习特征、人际交互特征、任务完成特征和学习绩效四个维度提出了基于网络学习行为的学习者画像模型,并设计了xAPI活动流具体标识学习者学习行为,在教育大数据学习分析和数据挖掘的基础上进行学习者画像的可视化呈现,最后指明了基于网络学习者的学习者画像的应用方向,为支持教与学利益相关者更好的开展教学实践提供支持。在基于网络学习行为的学习者画像应用方面,本研究通过对学习者进行整体画像分析、个体画像分析和群体画像分析,经过描述性分析、相关分析、聚类分析等从课程学习特征、人际交互特征、任务完成特征和学习成绩特征将学习者群体分为三类,分别是较高沉浸性学习者、低沉浸性学习者和高沉浸性学习者,并且对每一类学习者的特征进行了较为详细的解释和描述。根据画像输出原则,进行了三类学习者画像可视化输出,可以直观区分不同的学习者群体。通过对学习者群体进行画像分析,本研究面向每个群体提出了相应的一些建议,可以帮助教与学利益相关者精准地认知学习者去群体,更好地提供群体个性化学习支持服务,防止学习者流失。