在2019年3月5日的十三届全国人大二次会议中,“互联网+教育”被首次写进政府工作报告,成为了国家教育事业的重要抓手。报告指出,要发展“互联网+教育”,促进优质教育资源共享。在线学习作为“互联网+教育”的一种形式,在各个高校兴起,掀起了一股热潮,但很少应用在基础教育中。在线学习平台对学生提升学习效果有重要作用,教师也能通过在线学习平台获取学生数据,进一步地提高教学效率。本文在行为科学理论的基础上,结合高中信息技术教学平台,以高一学生在信息技术教学平台的在线行为作为研究对象,剔除无效行为数据后,根据网络学习行为模型,将在线学习行为分为两类。用Pearson相关系数对收集到的有效行为数据进行评价,确定了建立模型的三个特征值:课堂练习时间、课堂学习时间和课后平台登录次数。通过机器学习方法,利用分类算法建立考试成绩预测模型并验证模型的准确性。本论文研究内容有五部分组成:第一部分为绪论,主要阐述了论文研究背景、目的和意义、调查国内外研究现状、确定研究方法,介绍了社会学习理论、行为科学理论和新“建构主义”理论,并对在线学习、学习行为、学生行为数据、在线学习平台和在线学习行为等概念进行了界定;第二部分对信息技术教学平台和平台内的在线课程作简单介绍,从平台获取学生行为数据,包括课后平台登录次数、旷课次数、未交作品数量、精华作品数量、帮助同学次数、课堂作品成绩、课堂练习时间和课堂学习时间,并对数据进行预处理,利用Pearson相关系数分析有效行为数据和学习效果的相关性,为预测模型选择特征值;第三部分对在线学习平台学生行为数据进行分析,根据各个分类算法的特点,选择合适的分类算法:K-近邻算法和决策树算法,建立模型并进行第一次模型正确率对比,后加入第三个特征值进行模型升级以提高正确率;第四部分用散点图分析特征值与学习效果之间的规律,结合第三部分得出的结论,从教师、学生、平台层面提出相应的策略,加以实施后进行分析,得出策略对学习效果的影响是否显著;第五部分为本次研究的总结与展望。本研究用高中生在信息技术教学平台中产生的行为数据,即通过在线平台追踪学生在课堂和课后的行为,选取与成绩关系最显著的三个行为特征,从教师教学层面、学生学习层面以及平台改进层面提出了一系列教学策略,通过教学策略,有效提升了教师的教学效果、提高了学生的学习效率。特别是在平台改进层面,笔者搭建了策略所需功能的网页并应用到实际教学中,也提高了平台使用友善性。