“互联网+教育”促进在线学习平台的发展,使得在线学习成为一种新型学习方式。随着技术的成熟和用户的增加,在线学习平台中数据剧增,学习行为分析成为研究热潮。学习行为数据的全面解析,可以为教育者、教育管理者、学习者等提供大量有价值的信息。学习行为分析的对象主要是学习者行为数据,因而搜集全息的学习者行为数据对学习行为分析结果至关重要。然而在线学习平台中学习者行为操作类型多、分布散,海量的学习行为数据采集容易出现数据遗漏,导致学习数据收集不全面,直接影响数据分析效果,而学习行为数据模型为数据采集提供指导,可以在一定程度上解决数据采集不全面的问题。本文针对在线学习平台中数据采集出现遗漏问题,对在线学习平台的学习行为数据模型进行了研究,工作主要体现在三方面。首先,构建了在线学习行为数据模型。基于国内外在线学习行为研究现状及相关理论,以加涅的学习四要素为基础,结合在线学习平台特点提出了在线学习三要素,对在线学习行为要素进行了分析,将学习行为分为轨迹行为、社交行为、资源学习行为、评价反思行为,构建更为全面的在线学习行为数据模型。其次,分析了不同在线学习行为的数据采集方式及记录属性。在学习行为数据模型的基础上,设置了在线学习行为记录规范,对不同类型行为数据的采集方式和存储属性进行了分析。最后,应用分析了在线学习行为数据模型。依据学习行为数据模型,通过Microsoft SQL Server Analysis Services、Ucinet、SPSS 分析工具,运用序列分析、社会网络分析、聚类分析等方法对华中师范大学云课堂中学生的轨迹行为、社交行为、资源学习行为、评价反思行为数据进行了分析,为教师和学生提供了反馈信息,验证了模型的有效性。