基于网络的智能教学系统是一个涉及计算机科学、教育学、心理学、认知科学和行为科学等的复杂系统。在现在的网络学习系统中,含有大量的学习者学习记录,而如何有效的对学习者特征分类并构建全面的学生模型是本论文的研究重点。本文以网络的智能教育系统、网络学习者特征、聚类技术为基础,构建了新型的学生模型。与传统的学生模型不同,该模型综合心理学,认知学,社会学等领域知识,充分考虑了影响学生学习效果的各项因素,从多角度设计了六个子学生模型,即学生知识模型、认知水平模型、学生心理模型、学习情绪模型、媒体偏好模型和社会特征模型。本文对数据预处理方法和聚类算法进行了研究,其中提出了第一样本归一化的数据规范化方法,对各种聚类算法各自适用的数据集做出总结,使得在处理学习者特征数据时可以有的放矢,选用合适的聚类技术辅助构建学生模型。通过学生的个性化模型,可了解每个学生的特征,进而为学生组织个性化的学习资料,提供个性化的学习建议和指导。