在大数据时代下，通过学习分析技术能够对师生教与学过程进行全方位深度描述。其中I物联（IoT）和行为互联（IoB）和人工智能数据作为一种学习分析技术，根据学生特征对其进行分类、刻画与呈现，结合各种学习范式学习评价及反馈，根据课堂师生画像以及学生的知识水平或能力特质等情况教师可以更好地对学生因材施教。

师生画像是用户画像在教育领域中的应用，以教师的群体能力画像和学生的个人能力画像特征为核心，对师生进行群个体分类并描述。教师画像重点关注“解决简单学习问题、基本完成学习任务、学习推理能力弱”的学生以及“基本学习问题解决、学习方案制定困难、学习收集资料困难、学习乐于反思”的学生。目前，学生画像研究主要基于学习环境采集学生的背景、学生课中行为等绩效数据、平台交互行为数据，根据学生的学习动机、学习参与度、实时捕获学生语言、情绪、动作、等多模态课堂行为数据等特征对学生群体进行划分，来提供个性化指导，提升学生学习效果。学生画像的构建主要根据学生特征划分和刻画不同学生群体，通过学习行为记录库能够保证采集到更完整的学生学习过程数据以及采集评价指标所对应的学习数据，以支持构建更全面、精准的学生能力画像。通过数据技术分析根据能力特征划分不同的学生群体，并基于分析指标体系维度，分析不同能力特征的群体在不同阶段的行为特征，以更精准地呈现学生的能力类型及特征，从而帮助教师有针对性地指导学生以及学生及时调整学习行为。

学生画像也存在一定的局限性。一方面，大多数研究聚焦于学生行为特征的刻画，缺少对能力思维等内在认知特征的关注；另一方面，画像构建所选取的数据主要基于课中行为数据特征，并未考虑学生行为所体现的知识水平或能力表现。

利用行为互联（IoB）传感技术以及数据分析技术系统，来捕获、分析、理解和响应对学生行为所体现的知识水平或能力表现和学习过程中身心健康和内在能力特质进行分析，使用传感技术工具学习算法中的新兴技术创新和发展，来跟踪和解释学生的哪些学习行为，检测影响哪些心理变量，并施加激励或抑制措施，朝着期望的操作参数执行。另外，行为互联（IoB）可以帮助教师关注学生在学习过程中的身心健康等问题，防范风险，并且根据学生能力特质情况更好的因材施教，同时直观量化立刻看到改进学生学习绩效状况。

实践证明“IoT+IoB”技术和数据技术在教与学中的混合应用能够指导学生学习行为数据的采集以支持学生画像以及学生的知识水平或能力学习过程行为的构建。能够指导构建学生能力画像的数据采集；关注学生问题解决能力在学习过程中所反映的行为和身心健康表现，引导师生在完成不同教与学任务的过程中，培养和提升问题解决能力、监控能力；支持学生跨学科开展项目式和混合式学习。