（一） 学习状态分析
利用统计分析法对学习者在在线学习系统中学习时间长短、登录频次、在线活跃程度、教学视频观看进度、作业完成情况所产生的数据进行系统有效的分析，从而了解学习者的学习状态及学习效度，对于学习状态差，学习效率低的学生通过学习平台给予及时的善意提醒，让学习者在最快的时间内意识到自己的不佳状态，及时调整以更好地适应学习。
（二）学习内容分析
利用内容分析法对学习者在学习过程中回答问题的文本或多媒体分布、搜索时所用到的文本或多媒体、请求帮助所属的资源范围了解学习者的知识体系分布及学习资源分布，利用统计分析法对学习者系统应答正确率、回答问题花费时间、请求帮助的数量、错误应答的重复率进行分析，了解学习者已掌握学习内容程度以及其知识分布的区域模块，再通过对大量学习者学习内容曲线数据的分析，对学习者学习内容进行重构，从而给学习者在合适的时间提供合适的学习内容资源。
（三）学习行为分析
利用话语分析法对学习者在网络学习过程中与学习伙伴交流的对话内容进行分析，了解学习者是如何建立起自己的学习观点的。利用社会网络分析法了解学习者是在哪些学习伙伴中获得了学习提示。同时利用统计分析法对学习者在线上遇到学习瓶颈时的需求帮助的取向，学习者在学校课堂上的行为表现，学习者在线上线下的考试成绩等来分析学习者的不同行为范式对学习结果的影响[3]。从而为学习者在在线学习系统中推荐合适的学习伙伴，以及更适合学习者思维过程的帮助讲解。
（四）学习趋势预测
利用统计分析法对学习者在一段时间内的学习方向，学习内容及学习行为所产生的海量数据进行有效分析，探索学习者在一段时间的学习后学习结果的改变，找出影响学习结果的因素，然后利用时间预测法，对学习者在不同时间段内登录学习系统学习的频率，学习时间的长度，预测学习者学习的亢奋期，从而为学习者在其学习亢奋期提供更多更好的学习资源，将对学习产生良性影响的学习因素与所提供的学习资源进行有效的融合，同时反思对学习结果产生不良影响的学习因素，并有效的对其进行个性化改善，最终实现对学习趋势的预测，为学习者在合适的时间提供合适的学习资源。
（五）学习风格预测
通过对学习者为完成学习任务或实现学习目标而采取的学习行为、学习偏向性以及获取资源的形式进行LS-Pre预测，以预测学习者的学习风格及学习偏好，从而建设更好的网络学习环境以满足学习者的学习风格需求，为学习者提供更好的学习帮助和学习取向。
（六）自适应学习系统和个性化学习
通过对学习者学习状态、学习内容、学习行为所产生的大量数据进行采集、处理和分析，从而为学习者提供更加合适的学习资源和学习方式，对学习趋势及学习风格的预测从而为学习者提供更好的学习取向及学习策略，两个方面的有效结合最终实现学习者学习系统的自适应和个性化学习环境的构建。
网友评论