当前可收集到的混合课程实施过程只包含学生在线学习部分的数据，收集哪些在线学习数据，如何处理和转换学生在线学习数据，在当前并无统一的指导原则。在线学习数据的选择和处理方式对学习成绩预测结果的准确率也有显著影响；混合课程学习成绩预测模型如何构建及其准确性如何保障当前也无定论，最后对于已构建的混合课程学生成绩预测模型的通用性限制条件有哪些还是当前研究领域的空白。本书试图分析大量混合课程实施中产生的数据，提出解决上述问题的方法。 本书基于三所高校混合课程中学生的在线学习行为数据，探讨混合课程的分类，提出具有良好的跨课程通用性的分类方法，构建基于机器学习算法的学习成绩预测模型，分析影响预测的因素，提出基于混合课程学生在线学习行为进行学习成绩预测的判别条件。并进一步提出混合课程学习成绩预测模型的跨课程迁移应用条件。