1.一种基于数据的在线学习全过程动态分析方法，其特征在于，包括下述步骤：
s1、通过在线学习平台获取学习者的在线学习基础数据，从而得到5个在线学习相关参数：在线学习内容契合度fd、在线学习参与度pd、在线学习活跃度ad、在线学习投入度id以及在线学习完成度cd；
s2、对在线学习基础数据属性描述及分类并进行定义，形成在线学习内容契合度fd、在线学习参与度pd、在线学习活跃度ad、在线学习投入度id和在线学习完成度cd下的各项指标参数，进行描述后的在线学习行为数据用于在线学习全过程动态分析；
s3、在获取基础行为数据和进行属性描述后，根据学习者的在线学习行为数据，自动计算在线学习内容契合度fd、在线学习参与度pd、在线学习活跃度ad、在线学习投入度id和在线学习完成度cd下的各项指标参数；
所述在线学习内容契合度fd为在线学习者实际选学的内容与在线平台依据前测结果给出的实际需要选学的课程的吻合程度；
所述在线学习参与度pd为学习者在线学习过程中的参与情况；
所述在线学习活跃度ad为学习者参与学习过程中发生交互行为的情况；
所述在线学习投入度id为学习者在线学习过程中的投入程度；
所述在线学习完成度cd为在线学习过程中观看视频资源、文本资源以及学习作业的完成情况；
s4、经过数据计算，依据每项参数不同的情况采用相应的图形将其可视化呈现出来，自动生成在线学习全过程动态分析报告，从五个维度综合判断学习者在线学习效果，完成对在线学习全过程的动态分析；
s5、利用专家指标权重法，对五个维度的重要性打分，形成五个维度的权重系数，最终计算得出学习者在线学习行为综合参数p，公式为：
p＝{αfd，βpd，χad，δid，εcd}
s6、所有在线学习全过程数据自动上传，并存储在云端数据库中，通过pc端可获得个人数据及分析报告。
2.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤s1中，获取学习者的在线学习基础数据包括下述步骤：
采集web服务器和客户端形成的学习行为数据、将获得的数据上传至数据库、数据清洗并进行分层处理；
在线学习者学习后，在线学习平台保留了在线学习行为痕迹，采集web服务器和客户端形成的原始学习行为数据，并对原始学习行为数据进行去重、去噪、转换及缺失处理的数据预处理工作；
最后将处理后的数据上传至数据库。
3.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤s1中，所述在线学习基础数据包括：所选学知识模块数、实际学习知识模块数、登录次数、每次有效登录时长、参与研讨次数、观看课程视频次数、作业互评次数、浏览文本次数、上传资源次数、下载资源次数、记笔记次数、提问次数、回帖次数、删帖次数、收藏次数、点赞和踩的次数和观看视频时长。
4.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤s3中，所述在线学习内容契合度fd的计算公式如下：
其中，ns为学习者应选学的知识模块数，ni为学习者在学习过程中实际学习的知识模块数。
5.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤s3中，所述在线学习参与度pd的计算公式如下：
pd＝{αpts，βpfre}
其中pts为在线学习总时长，pfre为在线学习频率；
所述在线学习总时长pts的计算公式如下：
其中，t(logs)表示有效在线学习时长；t′(logs)表示会话开始时间、t”(logs)表示会话结束时间，ψ为时间阈值；
所述在线学习频率pfre的计算公式如下：
其中，m表示学习天数，ta为学习者平均每天的有效参与次数，t′(logs)表示会话开始时间、t”(logs)表示会话结束时间，ψ为时间阈值。
6.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤s3中，所述在线学习活跃度ad包括基于研讨的活跃度abbs和基于作业互评的活跃度ahwk，即在线学习活跃度：ad＝{χabbs，δahwk}；
设si表示第i个学生，aij表示师生研讨互动矩阵中的第i行第j列数据频数，
基于研讨的活跃度abbs：abbs＝{αdbot，βdbin}；
si表示第i个学生，bij表示作业互评矩阵中的第i行第j列数据频数,
基于作业互评的活跃度ahwk：
7.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤s3中，在线学习投入度id下含的基础数据包括：视频学习投入度iself和知识点学习投入度ikno，即在线学习投入度：id＝{μiself，νikno}；
所述视频学习投入度iself的计算公式如下：
其中，tsta为每个视频的标准时长，twat为每个视频观看时长，t′wat为开始观看时的视频时间t′wat,t”wat为结束观看时的视频时间,ψ为时间阈值；
所述知识点学习投入度ikno的计算公式如下：
ikno＝{εicon，φiexp}
其中，icon为并发行为投入度，包括学习过程中提问次数iconq和记笔记次数icont；icon的计算公式为：
iexp为拓展资源学习投入度，包括学生实际学习拓展资源的数量为iexpn，学生学习第m天内应该学习的拓展资源总数为mexpa，iexp的计算公式为：
8.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤s3中，所述在线学习完成度cd包括：视频频资源完成度cdvi、文本资源完成度cdte和作业完成度chom，即cd＝{ηcdvi，ιcdte，κchom}；
所述视频频资源完成度cdvi的计算公式如下：
其中，tsta为每个视频的标准时长，twat为每个视频观看时长，t′wat为开始观看时的视频时间,t”wat为结束观看时的视频时间,ψ为时间阈值；
所述文本资源完成度cdte的计算公式为：
即：
其中，定义word、ppt、txt、pdf资源的完成度为cdtew、cdtep、cdtet、cdtef，每天的word、ppt、txt、pdf资源总数为mword、mppt、mtxt、mpdf，每天学习word、ppt、txt、pdf的资源个数为lword、lppt、ltxt、lpdf,定义
所述作业完成度chom的计算公式为：
chom＝mhomc/mhom
其中，mhomc为学生完成作业的个数，mhom为要求完成的作业总个数。
9.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤s5中，利用层次分析法确定权重，具体方法为：
构造判断矩阵，以o表示目标,ui、uj表示因素，i,j＝1,2,…,n，uij表示ui对uj的相对重要性数值，并由uij组成o-u判断矩阵a；
计算重要性排序，根据判断矩阵,求出其最大特征根λmax所对应的特征向量w；
对判断矩阵进行一致性检验，验证权重分配是否合理。
10.基于数据的在线学习全过程动态分析系统，其特征在于，包括：
在线学习基础数据获取模块，用于通过在线学习平台获取学习者的在线学习基础数据，从而得到5个在线学习相关参数；
属性描述及分类模块，用于对在线学习基础数据属性描述及分类并进行定义，形成在线学习内容契合度fd、在线学习参与度pd、在线学习活跃度ad、在线学习投入度id和在线学习完成度cd下的各项指标参数；
计算模块，用于在获取基础行为数据和进行属性描述后，根据学习者的在线学习行为数据，自动计算在线学习内容契合度fd、在线学习参与度pd、在线学习活跃度ad、在线学习投入度id和在线学习完成度cd下的各项指标参数；
可视化模块，用于依据每项参数不同的情况采用相应的图形将其可视化呈现出来，自动生成在线学习全过程动态分析报告；
权重模块，用于利用专家指标权重法，对五个维度的重要性打分，形成各维度权重系数，最终计算得出学习者在线学习行为综合参数p；
数据上传模块，用于将所有在线学习全过程数据自动上传，并存储在云端数据库中。