学习分析是通过网络对学习者特征进行分析的的教育应用，旨在收集和分析在线学习活动中个体学生交互细节的过程。其目标是建构更好的教学方法、促使学生主动学习、锁定处于困境的学生群体以及评估影响学业完成和学生成功的因素。自适应学习技术适应个体学生需求，将软件和在线平台应用于学习分析。在Tyton Partners的论文中，他将自适应学习描述为一个“复杂的、数据驱动的，很多时候是非线性的教学与辅导方法，适应学生的交互和所示绩效水平，随后预测学生在某个特定时间点需要哪些学习内容和资源方能取得进步。”从这个意义上来说，当今的教育工具已具有学习人类学习方式的能力。通过机器学习技术，教育工具可以实时适应每个学生。
全球各地的教育机构均已意识到，放之四海而皆准的教学方法对于那些努力弄清具体概念、较同伴更快掌握学习内容的学生来说，都不太适用。随着学习分析逐渐成熟，现在高校广泛使用促进个性化学习经验的工具和大数据。通过基于数据的解决方案，减少完成学位的时间、提高学生成绩、帮助学生精确应聘。学习分析不仅让师生受益，也让管理机构、研究人员和学校等利益相关者受益。学习分析经历从事后到预测等三个阶段:阶段一是描述结果，阶段二是诊断，阶段三是预测未来。创建可操作的数据是白适应学习的标志，也是不同教育环境中实验和试点项目的最新关注点。
自适应学习最适合应用在混合学习环境和在线学习环境中，通过软件和追踪应用程序监控学生活动。许多出版商和数字学习公司都致力于自适应学习，彻底改造其教材和课程材料开发的核心业务。例如，培生(Pearson)与Knewton合作开发了MyLab & Mastering，麦格劳——希尔教育集团则推出了ALEKS ，Macmillan提供PrepU' s自适应技术的接入服务，这些初步探索令人鼓舞。通过与Knewton和培生合作，亚利桑那州立大学应用发展数学的新自适应学习平台，结果表明学生表现要比在传统课程中更出色。思想领袖们认为，随着高等教育对其认可、采用课程标准，系统地跟踪学习者的学习进程，自适应学习将进一步发展。
有越来越多的举措促使私营企业和教育提供者合作塑造自适应学习的未来。比尔和梅林达·盖茨基金会的个性化学习举措便是该领域最为活跃的。他们的自适应学习市场加速资助项目是推动该领域发展的项目之一，它为高校研究自适应学习平台提供资助，平台上运行了采用不同教学方法的20门以上的课程。类似的还有，IMS全球学习联盟是一个超过300家企业和大学的协会，共同研制追踪与报告学习分析的共享词汇。这些被称为Caliper的概要文件可能会成为收集学生如何学习数据的通用标准，而不仅限于联盟内部应用。
教育机构加大力度提高毕业率，判明有辍学风险的学生。田纳西大学查塔努加分校正在使用分析技术来确定潜在问题的范围。例如，在调查护理专业学生的毕业率时，大学发现了没有预料到的结果，学生被迫选择不同的主修科目，因为他们在为一门特定英语课程而奋战，却不是一门核心科学课程。英国开放大学正使用类似算法来监测学生的学习投入度。通过对每位学生阅读在线教材和使用学习平台等历史行为的分析，教师可辨别出需要额外辅导的学生。虽然很多这样的实验都持续从试点走向了普遍实施，但是仍然有很多机构认为隐私问题和学生数据安全问题是其挑战。
学习分析和自适应学习具有推动学生个性化学习的潜力，同时还能为高校提高教学效率提供真知灼见，但学习分析在全球的发展并不均衡。例如，澳大利亚仍处于学习分析的萌芽阶段。教与学办公室最近的一项“澳大利亚高等教育的学习分析现状评估研究”表明，澳大利亚许多举措只具适度的规模，并仅限于使用工具来提高学生保持率。元智大学是台湾第一个研究学习分析的学术机构，他们的研究包括利用可视化分析系统帮助学生发展核心能力，为教育工作者提供学生辍学预测，评估提高MOOCs参与率的方式。
虽然利用学习分析和自适应学习技术来提高教与学正日益引起全球兴趣，但并没有太多研究详述具体结果。然而，由麦格劳——希尔教育集团主持、汉诺威研究院参加的“技术对大学生学习习惯的影响”第三个年度调查报告揭示了其发展前景，在参与调查的2600名大学生中，87%的学生获得了其学业表现的数据分析，对其学习有积极影响;75%的学生认为自适应学习技术对于帮助他们记住新概念非常有用或极为有用;68%的学生认为自适应学习技术非常有助于他们更好地熟悉新概念。
资料来源：《新媒体联盟地平线报告：2016高等教育版》L·约翰逊（Johnson,L）