随着教育大数据技术的飞速发展以及在线学习平台的不断完善,SPOC这种线上线下相结合的新型教学方式孕育而出,其解决了 MOOC教学和传统课堂教学中的一些缺点。就目前而言,国内对在线的学习行为特征的研究,主要集中在MOOC平台上,并取得一定的成效。而对SPOC平台的学习行为的研究,却不够完善,这些研究要么提取的指标存在片面性或者分析的样本较少,要么没有选择多个模型进行多方面的研究。本文基于SPOC学习平台,结合数据和实际情况定量分析,深入分析在线学习行为的特点以及学习行为与学习效果的关联性,做了以下的研究:（1）在SPOC平台的数字化课程在线学习行为记录数据的基础上,通过数据处理和指标提取,建立了 7个维度相关的23个学习分析指标特征,这些特征不仅包含在线学习频率、作业提交次数、在线测验、资源使用等体现学习积极性的数据,还包含论坛讨论、课程评价、论坛浏览等交互型的数据。（2）对学习指标进行统计性的分析,并绘制图表描述,深入的分析在线学习行为的特点。同时,采用基于特征选择算法的RBF神经网络算法和传统RBF神经网络算法构建成绩预测模型,对数据集划分训练集和测试集,训练模型,并对不同算法构建的模型的性能和预测效果进行比较分析。（3）为了探索学习行为与学习效果之间的关联规律,采用基于粗糙集的Apriori关联分析算法构建了学习行为与学习效果的分析模型。通过属性约简和关联规则计算,得到关联规则,最后分析了影响在线学习效果的因素。基于SPOC平台在线学习行为的研究,为学生根据影响在线学习效果的因素,调整自己的学习路线,提高学习成效;为教师让调整教学决策,引导学生开展有效学习打下了良好地基础。