“数据驱动学校,分析改变教育”的大数据时代已经来临,利用教育数据挖掘技术和学习分析技术,构建教育领域相关模型,探索教育变量之间的相关关系,为教育教学决策提供有效支持将成为未来教育的发展趋势。尤其,“大数据”的出现,将掀起人类教与学的又一次变革。传统的网络学习中产生大量的教学数据,而海量的数据资源并没有真正在教育实践中发挥其应有的作用,在传统的分析方式下,大多是简单的查询和统计,很少以学生为主体的学习方式的隐含影响因素做深层的分析。数据挖掘技术是指能从海量的信息中得到有用知识,用来辅助管理者制定一些战略决策,因此将数据挖掘技术应用到教学工作中,将具有更重要的实际意义和研究意义。本文主要工作如下:(1)介绍了数据挖掘技术的发展背景及意义,数据挖掘的过程,及本文使用的挖掘工具。(2)介绍了个性化网络平台建设及相关理论。(3)数据挖掘在课程成绩大数据分析中的应用。主要介绍了现有课程成绩分析的不足,针对网络平台中课程设置与课程成绩之间的关系,将改进的关联规则挖掘算法应用到学生成绩分析中,发现隐藏在课程之间的有意义的信息,进而对得出的有价值的知识进行分析,找出教学中各方面的成效得失以及影响学生成绩的内在因素,进而为学生选课和教师教学以及教学管理工作等提供决策支持。(4)数据挖掘技术在教学平台个性化推荐中的应用研究。主要提出一种解决聚类问题的改进差分进化算法(IDECluster)对聚类准则函数进行优化,利用此算法结合协作推荐技术功能来分析学习者学习的课程内容数据,根据该学习者的学习记录和感兴趣的课程推荐给目标学习者,以此帮助目标学习者制定特色的学习计划。(5)通过改进的关联规则算法实现了访问日志的挖掘,找出访问频度较高的知识点网页,确定学生的兴趣点及知识点中的难点。进一步挖掘出若干知识点之间的访问顺序,找出学生频繁查看的知识点序列,教学平台则根据这些规则进行网页内容调整,更好的为用户提供个性化服务。