Durante los últimos años, la creciente popularidad de la educación en línea ha permitido que se almacene una gran cantidad de datos sobre el comportamiento de aprendizaje de los estudiantes, lo que brinda grandes oportunidades y desafíos al campo de la minería de datos educativos. El rendimiento de aprendizaje de los estudiantes puede predecirse, basándose en los datos de comportamiento de aprendizaje de los estudiantes, para identificar a los estudiantes en riesgo que necesitan ayuda oportuna para completar sus estudios y mejorar el rendimiento de aprendizaje de los estudiantes y la calidad de la enseñanza en línea. Para aprovechar al máximo estos datos de comportamiento de aprendizaje, se diseñó un nuevo método de predicción basado en investigaciones existentes. Este método construye un modelo híbrido de aprendizaje profundo, que puede obtener simultáneamente la información temporal del comportamiento y la información general del comportamiento de los datos de aprendizaje, de modo que pueda predecir de manera más precisa a los estudiantes de alto riesgo. En comparación con los métodos de aprendizaje profundo existentes, los resultados experimentales muestran que el método propuesto ofrece un mejor rendimiento predictivo.