随着信息技术的不断进步,网络课程越来越受到人们的青睐。因其具有灵活性、开放性及普遍性等特点,一经问世便吸引了众多学习者,可以说网络课程的出现打破了传统教学的模式。但随着越来越多的人投入到网络课程的学习中,其宽进严出、结课率低、教学指导不足的问题也逐渐显现出来。究其背后原因,往往是因为网络课程无法做到个性化、差异化教学,无法激发学习者学习的主观能动性,从而导致了学习效果不理想的问题。纵观现有网络教学平台,目前对于知识点的重要程度往往来自于专家学者的教学经验,通过简单的知识图谱构建,以目录结构、思维导图等方式呈现给学习者。但这样基于经验而生成的一成不变的知识点排序,已无法满足网络课程学习者的需求,学习者无法根据自身情况,在海量的知识中迅速掌握当前学习内容的重要程度,从而降低了学习者的学习效率,减少了学习兴趣。为了最大限度上激发学习者的主观能性,减少学习者与网站间的交互障碍,降低交互成本,将离散的知识点进行科学有效的、个性化的排序,本文提出了“知识点打分”这个概念,引用了PageRank算法对这一概念的实现进行了探究。文章首先论述了当前我国网络教学课程、Hadoop平台、PageRank算法的应用现状,分析了当前环境下网络教学现状与网络教学所采用的技术中存在的问题。结合当前问题,以及网络课程学习用户对知识需求的特点,提出了“知识点打分”这一概念,探讨了基于Hadoop平台的PageRank算法在网络课程教学知识点打分上的应用。通过设计相应研究方法与研究内容,充分论证了网络教学知识点分析的理论支撑及技术支撑。分析了Hadoop平台和PageRank算法在网络课程教学知识点打分的可行性,并通过模拟实验进行实现。同时提出了将知识点打分算法运用于自动生成网络教学知识图谱的构想,明确了下一步的研究方向。