大规模开放在线课程(Massive Open Online Courses:MOOC)是网络技术与教育相结合的一种新的教育形式,是“互联网+教育”的重要组成部分.MOOC与传统课堂教学存在着显著不同,尤其是其具有天然的信息化特征,积累了海量的学习者属性信息及行为数据.通过分析这些数据,不仅有助于对在线学习行为特征及其形成的机理有深层次的理解,还有助于探索更具效用的知识传播手段.学习者在线学习行为研究对在线教育发展及教学改革具有重大意义.本文运用统计学、信息论等相关知识开展了以下研究工作:(1)学习者特征分析及行为模式分类.基于属性数据分析了学习者属性特征,对学习者进行画像,发现MOOC学习者在地域分布上存在差异性,且这种差异性在不同课程间具有同质性.基于行为数据分析了学习者行为特征,验证了MOOC“高辍学率、低参与度”的特征,并发现课程平均观看度与平均时长呈负相关.进一步,分别采用参数、非参数方法对学习者行为模式进行分类,探究了学习者行为特征与学习效果间的关系.(2)视频吸引力的度量.基于学习者行为数据,分别从视频播放量、学习者学习效用两个角度,结合H指数评价理论、信息熵理论构建了度量视频吸引力的混合量化指标,并根据学习者观看行为特征对指标的科学意义给出了解释.(3)视频观看行为特征建模与分析.对视频累计观看时长采用生存分析的研究方法,发现视频累计观看时长分布的风险函数由浴盆曲线控制,并且其尾部具有Lindy效应.我们建立了两个微分方程来描述累计观看时长的增长模式,实验结果表明该方程的解能够很好的重现累计观看时长的密度函数的特征,以及相应风险函数的特征.该模型不仅解释了在线学习行为特征形成的机理,同时为检验教学改进措施的效用提供了一种新的方法.