随着计算机网络技术的不断发展和互联网应用的普及,信息技术正在不断地改变我们传统的教育教学模式。2012年,大规模开放在线课程——慕课(Massive Open Online Course, MOOC)在美国兴起,迅速掀起了一场全球范围的教育技术革命,得到了教育界、高校教师和学生以及社会受众的普遍欢迎。学习者在进行MOOC学习的过程中产生了大量与其学习行为相关的数据,这些数据可以从深层次反应出学习者的学习习惯和学习风格等特征。因此,数字化学习、学习数据挖掘、学习行为分析等研究内容吸引了越来越多的研究人员,成为一个综合教育教学理论和计算机应用的研究领域,出现了计算教育学的概念。本文的关注对象是MOOC学习者在学习过程中的学习行为数据,如观看学习视频的时间等。不同学习者在学习过程中的学习行为是存在个体差异的,本文从挖掘学习者在MOOC中的学习行为出发,主要进行了以下几个方面的工作：(1)提出了因果关联分析(Causal Association Analysis, CAA)算法。围绕MOOC中学习者的学习行为展开研究,对MOOC中的学习行为进行定义,给出学习行为的形式化表示。改进Apriori算法,提出因果关联关系分析CAA算法,对学习行为和学习效果进行关联分析,指出基于学习行为的日常学习考查体系的应用方向。(2)在CAA算法的基础上,提出加权K均值(Weighted K-means, WK-means)算法。得到学习行为对学习效果的影响后,对学习行为和学习效果构成的特征向量进行聚类分析,为取得更好的分类效果,根据CAA算法的实验结果,对学习行为加权,分析学习行为特征之间的相互影响关系,根据学习行为聚类分析的结果,将学习者划分为四类,对学习者、教师以及MOOC平台的设计开发提出了建议；(3)采用决策树构建学习风格模型。学习者不同种类的学习行为组合构成了学习者的学习风格,通过学习者的学习行为,分析学习者的学习风格,并根据学习风格的分类给学习者推荐相应风格的学习伙伴,从而更好地提高学习效率。