随着互联网的广泛普及,在线学习已成为一种重要的学习途径,也是众多国内外高校和企业研究的热点领域。然而,作者在试用一些在线练习平台后发现,这些平台的使用流程仍然重复着做题和查看解答的传统模式,并没有提供个性化的学习评价和针对性的试题推荐,而这些问题在当前的大学英语诊断性练习系统中也同样存在。因此,本文在系统使用过程中收集的数据的基础上进行数据分析,研究并实现了诊断性评价模型,然后作者依据诊断性评价模型设计并实现了两种试题推荐算法,完善了大学英语诊断性练习系统的诊断性评价功能以及相关组卷算法。本文首先对诊断性评价模型进行研究和设计,作者对系统收集的大量数据进行三个维度的分析:使用S-P表分析法构建学习状态评价模型、使用数据挖掘构建题型关联模型、使用机器学习构建大学英语四级分数预测模型,最终加上系统现有的知识点关联模型合并得到了诊断性评价模型。在诊断性评价模型的基础上,作者分别设计并实现了基于学习者学习状态的组卷算法、基于题型关联规则的组卷算法,并从组卷时间、试题推荐和成绩提升这三个方面进行了相关验证。最后根据需求分析,作者使用诊断性评价模型及相关组卷算法设计实现了诊断性评价子系统,并加入到大学英语诊断性练习系统中。本文提出的大学英语诊断性评价模型能够准确地评价学习者学习状态、动态诊断学习者学习障碍。通过对比实验可以得到,本文提出的两种基于诊断性评价模型的组卷算法能够有效地针对学习者的学习状态和知识点题型障碍给出更好的练习指导和试题推荐,并且能够切实有效地提高学习者的成绩,具有广泛的应用前景和研究价值。