自我调节学习描述了学生控制和评估自己学习和行为的过程。进行自我调节的学生能够依靠元认知在学习中发挥积极作用,通过使用设定适当的目标、任务规划和自我监控等学习策略促进学习成果。特别是在具有开放性的在线学习环境中,学生参与自我调节行为的能力是取得学习成功的关键因素。因此对于线学习环境的研发设计不仅需要考虑技术相关的问题,还需要考虑引导学生进行自我调节学习。通过观察模型识别与学习成功的行为模式能够促进在线学习系统的个性化发展,进而有针对性的帮助学生提高成绩。自我调节学习是一个渐进的、连续的过程,尽管能够使用简单的频率和序列分析等方法研究,但是探究学习策略的变化需要使用结合了整体学生的学习过程的算法。因此,本文主要工作如下:(1)对学生的自我调节学习行为建模做了深入分析,选择隐马尔可夫模型对学生行为建模,在进行全面的理解和分析隐马尔可夫模型的三个经典问题及对应的算法之后,针对多序列的实际情况对评估算法和重估公式进行了修改。依托贝叶斯信息准则选择模型参数,对于Baum-Welch算法收敛速度慢和不容易到达全局最优解的缺陷,融合K均值聚类算法的方法进行改善。(2)开发了一款基于自我调节学习理论框架的在线辅助学术论文写作系统。本系统实现基于Java语言,采用Spring Boot微服务架构技术进行按需配置,结合数据持久化映射工具Hibernate实现数据库与实体之间的映射。同时应用Ajax、Thymeleaf等技术对系统进行开发。系统目的是提供给学习者在自我调节学习环境中进行高效论文撰写的平台,分为文献与目标、论文撰写和意见修改三个模块,实现了在线辅助学术论文写作的主要功能,具有良好的工程应用前景。(3)根据自我调节学习问卷调查将学生的自我调节学习能力分为高、低两组。对两组学生的在线数据分别构建了相应的隐马尔可夫模型,将模型解释为学生的学习策略,比较了两组隐马尔科模型的模式差异。结果表明高能力组的学生的自我反思和策略调整能力优于低能力组。然而从模型状态的普遍性结果来说,两组学生的差异性较小。