缺乏反馈信息的问题一直是限制各种在线学习平台进一步发展的重要瓶颈之一。随着在线学习社区的逐渐壮大和新的移动学习时代的到来,在线学习平台对有效反馈手段的需求日益强烈。在本文所述的工作中,我们设计并实现了一个通过自动检测和分析学生的眼动模式来估计其学习状态的方法,并尝试将这个方法应用于在线教育场景以丰富学习者的课堂反馈。学习状态评估系统的工作流程可以描述如下:我们用普通摄像头周期性地收集学习者的面部图像,通过图像处理和计算机视觉的相关技术提取每张图片上学生的眼部子图并在其上定位眼角和虹膜的位置。通过跟踪眼角和虹膜的相对位置变化我们可以检测并建模学生的视线变化动作;最后我们使用通过机器学习方法训练出的分类器,根据检测到的眼动序列估计出学生在听课过程中各个时刻的学习状态。我们设计的方法具有部署成本低,运行效率高,支持离线实时运行等特点。其分析结果可以为教学质量评估和课堂管理等工作提供准确有价值的参考,能够有效优化在线学习平台的授课质量和用户体验。我们在这个工作中探索一种通过学生的视线变化估测学生在课堂上的认知状态的方法。该方法主要针对的应用场景集中于在线教育领域,可以估计学生通过浏览器和手机APP观看课堂视频材料的过程中经历的学习状态。我们在系统设计和实现的过程中完整实践了一套从学习状态建模、眼动信息提取抽象到分类器训练测试、系统实现部署的方法,并取得了令人满意的效果。