教育大数据创新性地完善了当前学习系统的架构,实现了基于数据流的学习分析和挖掘机制,让以往难以实现的精准分析成为了可能,而量化自我算法将成为教育大数据分析和实现自适应学习的关键所在。本文首先分析了教育大数据背景下作为个人级数据应用的量化自我概念。然后,讨论如何通过全面地记录、跟踪和可视化学习者的学习行为,促使量化自我算法更容易、准确地获得学习者的经验,实现以学习者的认知需求为中心来优化学习者的学习过程。进而提出基于量化自我算法的MOOC自适应学习系统的模型,并且对该模型的结构进行了详细分析。最后,结合基于网络学习行为分析的智能反馈策略和认知思维层次的在线学习行为分类,构建了量化自我学习算法QSLA(Quantified Self Learning Algorithm)作为实现基于教育大数据的自适应学习的基础。