在教育信息化快速发展的时代,教与学的方式也在发生多样化的转变,而传统教育难以满足社会上数量庞大的学习者群体,网络教育也因此应运而生。由于该教育模式赋予了学习者更多自主学习空间及权限,向学习者提供符合其需求的相关支持服务和个性化、适应性教学显得尤为必要。作为网络教学系统的核心要素——学习者是提供优质学习服务的对象。其中,学习者特征分析成为网络教育系统全面了解学习者需求和提供精准学习服务的关键途径。学习者特征一方面反映了学习者在学习活动中的表现、状态和特点;一方面能够促进网络教育系统对学习者的指导和服务,因此是网络教育重要的研究方向。但是在传统远程教育中,对学习者分析不够全面细致甚至忽视学习者特征以及其所反映的学习状态等,容易导致学习者产生学习迷航、学习动力降低等问题,进而影响学习者的学习成效。此外,面对庞大的学习者群体,将他们独立开来提供个性化教学和相关服务势必会耗费大量的教育资源、时间成本,还忽视了学习者之间可能存在的联系、共性和规律。因此,本研究一方面关注网络教育学习者特征的全面性和可数据化,并在此基础上将学习者特征向量化,以期为学习者特征分析提供全面的数据支撑;还注重具有相似特征的学习者,并且依据学习者特征向量形成了相似学习者。通过对学习者特征向量化和相似学习者分析,旨在为优化学习效果、改善学习过程、提升新的远程教育模式质量提供一些可行性方法。本研究基于上述背景,为了能够在网络教育中直接相对全面地应用学习者特征,进而优化学习支持服务,本文的研究工作如下:(1)通过对现有文献的分析,本文对网络教育发展现状以及学习者所面临的机遇和挑战进行梳理,并界定了网络教育学习者特征、学习者特征向量和相似学习者等概念,为学习者特征向量化和相似学习者形成奠定理论基础。(2)本研究以人本主义学习理论和建构主义学习理论为指导,以数据标准化、聚类分析为原则,以江南大学继续教育与网络教育系统的学习者体系为基础,对学习者特征体系进行实务化处理,通过二级指标数据得出一级指标特征值,并在此基础上将学习者特征向量化。(3)依据学习者特征向量,首先,随机获取江南大学网络教育平台10000条学习者特征数据、其次,应用凝聚层次聚类方法进一步形成相似学习者,并采用轮廓系数方法来选择最佳聚类结果,根据最佳聚类结果得出相似学习者类别,并对聚类结果进行分析,再对相似学习者的应用进行了探讨。最后对本研究的成果和不足之处进行总结,并对未来的研究工作进行了展望。本研究是对学习者特征体系的进一步深入应用,能够为学习者特征实际应用提供基础,同时关注相似学习者的分析和应用,为相似学习者应用服务的研究提供一些借鉴。