特别时2020年上半年新冠疫情的爆发后，网络教学平台和教学方式得到爆发式增长。不同的网络教学平台各自的教学特点也不一样，以MOOC网络教学平台为例，MOOC是中国高校的在线课程开发的主要平台。他的主要特点是各个高校提供自己学校的优质教育资源在网络上进行开放式在线教学，不仅满足了本校学生教学需要，也可以方便校外学生学习，是“互联网+高等教育”重要成果体系。随着这些网络化学习系统的使用和流行，学习者在学习过程中与信息网络系统交互的中产生大量相关数据。根据这些数据提取出有用的信息以改进教育机构的管理、教学和学习者效率。将聚类算法应用到学习者行为习惯和学习方法过程中，可以帮助改进学习方式、教学手段和辅助选择课程等。通过对近三年来MOOC网络平台上的近10门课程后台记录数据进行统计分析发现，有近50%的学生并没有完全完成课程全部内容的学习。根据在线学习的学生的相似特性进行聚类分析，以及分析对课程成绩影响的各种因素统计，从课程中数据日志中抽取的特征指标可以按照倾向性指标、人机交互指标、人际交互指标和学习绩效指标四类标准进行聚类分析，对这些指标作了梳理，如表1所示。我们根据特征指标选取的考察课程和考核项目分析发现，人机交互指标中完成项目数远远高于人际交互指标；课程类型方面，建筑工程类和机械工程类课程完成率要高于财经类。研究MOOC 时也发现，课程自身所具有的特征很重要，他们选取了8个倾向性指标作为聚类过程的输入变量，包括性别、年龄、所在地区人类发展指数、教育层次、就业现状、是否有以往MOOC经历、参与课程的目标以及自认为最重要的课程交互类型。另一方面，研究过程中设计了一项问卷调查，调研项目中包含12 个方面的问题，主要考察学习者在课程内容本身、上课方式、考核过程、互动效率和学习动机等情况；然后将这些问题的答案也进行聚类分析，结果发现，课程内容点击次数最多，表明课程本身关注度最高；在回帖互动次数则最低，表明课程学习深度和互动频率欠缺。另外，在学习动机方面各不一样，但学习者绝大部分是在校学生。