本文讨论了虚拟学习社区的理论框架、具体的模型和分析方法，设计并开发了基于学习交互行为研究的计算机感知工具。 聚焦虚拟学习社区中的实时交互过程，尝试基于HMM从学习者围绕特定目标而展开实时交互行为的序列结构判定上述三类模式的发生。 基于句首词系统，引入层次分析法(AHP)的综合评价方法，提出由“互动”、“争辩”和“建构”作为评价准则、十三类交互言行作为评价指标的评价模型，对小组成员个人贡献进行量化分析。实验结果表明，该评价模型为辅助评价小组成员提供了更有价值的参考依据。 将知网的义项、义原及其关系映射到形式化概念分析的语境中，生成一个基于知网的形式概念格。一方面，提供了一种将知网中概念关系转换为概念格的表征方式，从而为信息检索与知识推理提供很大方便；另一方面，提出一种通过分析形式概念格来计算概念相似度的方法，实验证明该方法能有效地在协作学习言论分析中加以应用。 由于句首词系统不适用于实际的网络学习，基于最大熵模型，开发了一个辅助教师对虚拟学习平台上的文本进行编码的自动标识工具。这种方法弥补了以往研究中手工编码的不足，可以在保证准确率的前提下大大减轻教师的工作量，及时的对学生的学习行为进行感知。 利用可视化技术感知学生的学习行为是最直接的感知方式，本论文借鉴了社会网络分析方法，不仅对虚拟学习社区中成员关系的特征变量进行了描述，还尝试从交互的过程、内容以及关系三个角度对学生的学习行为进行分析。 根据以上研究，提出了一个基于感知技术的学习行为分析模型，并整合了HMM模式识别技术、AHP综合评价方法、基于最大熵的自动编码技术、知网的形式概念格、可视化技术，设计开发了一个对虚拟学习社区中学习交互行为进行诊断、分析的支持工具，促进学生“感知”学习行为并辅助教师更好的对学习过程进行指导。