混合式学习的不断发展,为高等教育提供了一种线上线下相结合的学习方式。在线学习平台不断增加,平台中的数字化资源不断被学习,积累了海量以资源为中心的行为数据,数字化资源的应用与建设一时成为相关研究人员关注的焦点。目前,国内对教学资源的研究侧重在如何优化数字化资源建设、教学资源平台的构建诸如此类的课题,并取得一定的成效。对于不同类型数字化资源的应用分析以及资源画像构建的研究,还略为少见。针对上述问题,论文收集学习者行为日志,挖掘数据背后的资源属性特征,构建资源画像以及学习者画像,帮助资源设计者提高资源质量,为学习者提供个性化资源推荐,提高在线学习平台的资源利用率。本文的研究内容包括以下几个方面:1、在总结国内外资源分析维度及模型上,从资源基本属性、基于行为属性、结果属性三个层面进行构建在线学习平台资源分析模型,并对一些指标计算进行说明。2、经过专家评价,选出A类课程资源三门、B类课程资源三门、C类课程资源两门共1400个资源作为研究对象,通过数据的收集、清洗、预处理后,基于在线学习平台资源分析模型进行分析、数据可视化。通过数据分析发现:(1)A类课程资源和B类课程资源均处于健康状态,C类课程资源部分处于健康状态。(2)文本类资源的资源热度、资源学习达标度以及资源关注度高于视频类资源,但存在资源浪费现象。(3)A/B/C类课程资源web端的学习时长远远大于移动端,A类课程资源的平均学习时长均高于C类课程资源的平均学习时长,大多数学习者采用web端进行在线学习。(4)探究文本类资源特征时,A/B/C类课程资源中八门课程中程序性知识的资源热度大于描述性知识,除了课程C2,描述性知识的课程资源学习达标度大于程序性知识,其他七门课程程序性知识均大于描述性知识。(5)探究视频类资源特征时,10min以上资源的资源热度平均值最高,5-10min资源的资源热度平均值第二,0-5min资源的资源热度平均值最低。但是,0-5min的视频资源虽然热度较低,但课程资源学习达标度较高平均值;教师+解说字幕的方式的资源热度与资源学习达标度高于其他三类;程序性知识的资源热度与资源学习达标度高于描述性知识。3、从构建流程、设计和绘制对资源画像进行探究。其中,资源画像的绘制包括个体资源画像的绘制和群体资源画像的绘制。4、从技术建模、数据模型设计、标签体系设计、画像绘制对学习画像进行探究。5、构建基于学习者的资源推荐模型,采用PMF+和BiasSVD+模型进行推荐,采用RMSE和MAE进行算法模型评估,其中,PMF+的RMSE为1.5615,BiasSVD+的 RMSE 为 1.4123。