摘要: SPOC是MOOC与传统校园教学的有机融合,基于翻转课堂混合教学的SPOC为高校课堂教学注入了新鲜血液。数据学习分析技术可将SPOC在线学习行为可视化呈现,是教学预警和教学干预的重要手段,但当前SPOC多关注教学模式设计和分析工具开发,还缺乏二者融合的实证研究。本研究从实证角度分析SPOC在线学习者的个体学习行为和社会交互行为特征,构建学习成绩预测回归模型。研究发现:(1)SPOC学习者在线学习时段的特征表现明显,访问次数最多时段是8-12时,其次是16-20时。(2)在线学习的主要形式是参与课程学习任务与课程讨论。(3)基于特征向量的在线学习者社会交互分析,可以判断该学习网络的核心参与者和边缘参与者,为教学干预提供参考。(4)基于在线学习行为与期末成绩,建立预测回归模型,学习成绩=0.432*访问天数+0.247*作业Ⅱ+0.062*回复讨论+15.201*任务点+52.29（R²=0.624),为SPOC学习者提供学习分析与成绩预测。本研究结论有助于提升在线教学的质量和学习体验,为SPOC教学设计与实施提供参考。