在教学过程中,了解学生的学习情况,以此进行教学内容和方法的调整是教师的重要工作。而与线下教学相比,在线上教学中,教师缺少相应的手段来了解学生的学习状态。目前,基于线上学习行为数据进行学情分析的研究较少,且这些研究大多都是基于教学视频观看数据,极少关注到其它学习行为,基于此进行学情分析的有效性和准确度有所欠缺。本文则基于师生在子曰平台学习过程中产生的多种学习行为数据进行研究,以期得到更全面,更精准的学情分析结果,从而更好的服务于教师教学工作。本文首先构建了线上学习行为数据集,包括线上学习笔记数据和观看行为数据。其次,根据笔记文本特点从句子完整性、可读性、相似性、内聚性、合群性、专业性六个指标对学习行为数据集中的学习笔记进行质量评价,构建了一个具有自动控制原理课程特点的笔记质量评价模型,通过该模型计算出笔记综合质量Q。接着基于学习行为数据中的观看行为数据对学生进行线上学习专注力评价,根据数据特点从观看度、回看度、专心度三个指标度量学习专注力,构建了一个学习专注力评价模型,通过该模型计算出学生线上学习专注力F。然后结合学生笔记质量Q、学习专注力F与课堂测验成绩,从笔记、视频、测验三个维度对学生进行线上教育学情分析。最后,结合以上两个评价模型,基于神经网络构建学生成绩预测模型,通过该模型预测学生成绩。分析结果表明,学生笔记质量与学习专注力显著正相关;与课堂测验成绩正相关;学习专注力与课堂测验成绩正相关;基于学习行为数据的线上学习评价结果与课堂测验成绩正相关,均具有统计学意义（p<0.05）。成绩预测模型在测试集上的结果误差为3.137%,误差在可接受范围内,表明模型有一定的可行性。