教育信息化2.0时代,面向数据密集型教育新范式,将教育转化为以教学和学习理论为支撑、大数据为基础、计算和模型为手段的科学成为教育领域新呼声。“数据”作为教育信息化2.0特征之一,是分析决策之基,蕴含巨大教育变革潜力。教育数据挖掘和学习行为分析从数据中获取新知新智,赋能教与学的模式创新、评价精准、决策科学,助力教学质量提升。学习行为序列分析是学习分析的重要组成部分,近年来走进研究者视野。本研究通过分析不同脑偏好风格学习者行为序列并结合不同深度学习者行为序列,挖掘学习者行为规律,为智能化在线学习平台完善与优化、深度学习引导等提供参考。研究主要包括以下内容:(1)梳理国内外学习行为分析和学习行为序列分析研究现状,确定研究目标和意义,为后续研究提供理论和实践依据;(2)结合学习平台功能特征和其他研究中相关学习行为编码框架,确定本研究行为编码规范,收集、清洗和编码有效学习行为;(3)通过HBDI和深度学习问卷调查结果对学习者进行分类,借助Moodle平台收集学生在线学习数据。基于此,利用GSEQ软件分析不同类型学习者在线学习行为序列,探寻学习行为规律。行为序列分析在金融、电子商务、医疗、游戏等领域应用广泛,已受到在线教育研究者的关注。挖掘学习行为间的相关性将为精准化学习路径分析、自适应导航设计、深度学习引导等提供数据依据,基于脑偏好风格研究在线学习行为序列将为大规模个性化在线学习研究提供新的思路。