随着互联网技术的发展,在线学习社区越来越多的出现在我们的学习生活中,越来越多的人开始通过在线学习社区进行自主学习。学习分析研究是指对在线学习社区中的数据进行分析研究,以帮助学生更好的利用在线学习社区进行个性化学习。然而,在线学习社区中的短文本数据存在着一些错误的信息,例如真词错误、误解等,这些错误数据会导致学习分析的研究结果与实际情况产生较大的偏差。因此,对在线学习社区中的Web短文本进行错误检测与修复研究,具有重要的理论研究与应用价值。本文主要针对Web短文本错误进行检测与修复研究,这些错误主要涉及:中文真词错误和短文本误解。结合以往研究者的相关研究工作,本文的工作如下:首先,基于在线学习社区Web短文本错误数据的检测与修复问题,本文提出了短文本错误数据检测与修复框架,为在线学习社区中Web短文本错误数据的检测与修复问题提供研究思路。针对在线学习社区短文本的中文真词错误问题和短文本误解问题,提出了基于在线学习社区Web短文本的中文真词错误检测与修复研究框架,以及基于在线学习社区Web短文本的误解检测与修复研究框架,前者用于指导真词错误检测与修复,后者用于短文本误解检测与修复的研究工作。然后,本文提出了基于在线学习社区Web短文本的中文真词错误检测与修复算法,和基于在线学习社区Web短文本的误解检测与修复算法。前者是基于三种传统算法改进之后得到的,这三种传统的词错误检测与修复算法分别基于n-gram、上下文语境、中文固定搭配。本文将这三种算法加以改进并整合到一个统一的算法中,以便获得各个算法的优点,从而提升中文真词错误检测与修复的准确率。后者是基于长短期记忆神经网络（LSTM）和卷积神经网络（CNN）构建的算法,即通过LSTM将文本转换成包含文本本身全部语义信息的向量,然后再将得到的向量作为CNN模型的输入进行训练,得到一种短文本误解检测模型;在此基础上,结合误解检测模型的输出结果,我们提出了一种短文本误解修复算法。最后,本文在真实数据集上进行了相关实验,并使用召回率、准确性和修复率这三个评价指标对实验结果进行评估。实验结果表明,本文所提的基于在线学习社区Web短文本的中文真词错误检测与修复算法和基于在线学习社区Web短文本的误解检测与修复算法均具有很好的准确性。