如今是大数据时代,深度学习、自然语言处理等教育人工智能技术及应用成为教育技术学界热门研究方向之一,这给通过计算机识别与分析文本带来可能,既满足了信息传播手段进步后人力难以阅读分析教育领域数以千计文献的内生诉求,又为实现智能分析海量文本的主题热点、趋势等提供了探究的可能性,且教育信息化作为教育现代化的重要助推力,其发展及国家政策具有研究意义。本文从文本挖掘技术的角度出发,通过文献调研、内容分析等研究方法,结合数理统计分析,构建基于LDA（Latent Dirichlet Allocation）模型的教育政策文本主题分析研究框架:数据采集--数据处理--主题识别--量化分析,并在此基础上,对我国2011年至2020年教育部和地方省域合计1136份教育信息化政策内容进行了实证研究:10年教育信息化政策主题的智能识别和分析;政策主题的强度、演化和扩散三方面的演进特征和相关规律研究。通过实证研究,初步验证了基于LDA模型开展教育信息化政策主题识别和演进研究的可行性。首先,对文本挖掘和教育信息化政策分析的相关资料进行了文献研究。综述国内外相关研究现状,发现文本挖掘领域中热门的LDA模型方法可自动挖掘大规模文档内容的关注聚焦点和变化情况。接着,在概述文本挖掘相关理论、教育信息化政策相关概念的基础上,梳理LDA模型挖掘主题的基本原理、与政策文本分析的适配性,挖掘出本文研究框架构建的理论基础。其次,构建基于LDA模型的教育类政策文本主题分析研究框架。基于文献研究和实验测试技术的基础上,确定科学可执行的技术路线。重点优化了数据预处理步骤,包括分词、去除停用和低效词、自定义词典、词赋权等自然语言处理,并确定了困惑度计算主题数、Gibbs抽样计算模型参数,通过LDA模型识别主题。然后,从主题强度、演化、扩散三方面构建主题演进特征分析的路径。再次,将研究框架应用于我国2011至2020年的教育信息化政策文本进行实践。经采集得到教育部270份和地方31省866份政策,识别出主题及其在文档的分布结果后按三条分析路径详细探讨主题强度分布、演化、扩散规律等。最后,对教育信息化政策的相关研究结果进行小结与探讨合理建议。研究技术路线具有良好的可执行性、结果具有良好的可识别性,对政策文本的深度挖掘与分析帮助我们把握了国家及各地的政策导向和演进特征,挖掘出潜藏在客观数据下的问题与探讨合理建议能够及时总结经验和审时度势,这对于我国教育信息化政策的研究及制定具有一定的意义。总体上验证了本文构建的利用LDA模型开展教育政策主题分析研究框架具体有一定的科学性与创新性,为其他教育类政策的主题自动识别与分析提供了一种可行的参考方案。