摘要：大数据背景下，教育正在发生着变革，人工智能是大数据的典型产物，教育的创新以人工智能与智慧教育为引领。对大数据进行分析，并且利用其属性对教育进行精准预测，这是当前研究的热点。我们抽取人工智能的一个分支--机器学习，利用其能满足教育大数据分析预测的需求这一特性，从不同层面对其应用与创新进行细化探究。
　　关键词：大数据；机器学习；人工智能；教育大数据；教育创新；个性化学习
　　大数据时代，智能革命正跟潮流，2017年的跨年围棋大战中，棋手Master连胜中日韩多名世界级顶尖棋手，这可以说是人工智能（AI）史上的奇迹事件。Google先进的自动驾驶汽车，它通过车内的智能驾驶仪，把书本上的理论真证的落实到了实际。美国报告指出，人工智能目前已经进入了第三波浪潮，那就是“解释性和通用人工智能技术”时代。如果能够快速的推动AI发展，这就需要“机器学习”（machine learning，ML）热门技术。
　　在大数据引领下，人工智能的渐渐发展，教育领域也在发生着改变。第一，一个新的领域开始形成，它结合了人工只能和学习科学，被叫做教育人工智能（EAI）；第二，在智慧教育的引领下，创新发展的教育信息化正在稳步前进，它带动了教育教学的创新发展，这一领域逐步的成为信息时代的趋势。
　　《重塑技术的教育角色》文件中，它主要进行了三方面的阐述。一，在学习部分，通过移动数据收集与在线协作平台的共同支持，实现了学生的个性化学习服务。二，在领导力部分，有效领导力核心关注学生的个性化学习，通过技术，实现学生的个性化学习路径。三，在测评部分，通过总结性与形成性数据的收集，个性化数字学习体验逐渐形成。所以说，通过对数据的收集和整合，以此来支持个性化学习，这已经逐步成了必然趋势，但是这些有个最重要的前提，那就是人工智能技术的应用，它是实现数据价值最大化的关键所在。
　　当前，人工智能领域最核心热门的技术就是机器学习，它通过数据自动识别，可以预测学生的学习表现，在此基础上实现智慧教育和个性化学习。对于机器学习的教育应用目前还没有系统的研究，本论文主要对器学习教育的发展现状、进展、挑战等进行阐述，梳理成一定的体系，为其在更多方面的应用提供理论依据。
　　1.1 机器学习的现状
　　近些年，传感器和连接设备这两者在大数据环境下被广泛的使用，每年的数据产生量都可以用“泽字节”（ZB）来进行衡量，也就是说每年都有数百ZB的数据产生。通常，大数据是没办法装在到内存中的，因此，我们面临着一个新的挑战，那就是如何把大数据从复杂、真实、凌乱和无模式的环境下挖掘出来，为人所用。在现有条件下，关于大数据的机器学习研究以“分类、大数据分治策略与抽样、聚类、特征选择和关联分析”这几类形式为主。
　　1.2 机器学习与智慧教育
　　在教育信息化条件下，技术中介的智慧教育是当前的新需求。智慧教育的核心目标是：在技术融合的环境下，教师的高效教学法得以施展，学习者的发展体验和学习服务更个性化。在智慧教育环境内，将学习者的数据进行收集，整合形成教育大数据，这就需要智能化手段，以智能化手段挖掘潜在的知识体系，推动智慧教育创新发展。利用计算机，从大量数据中学习规律，并且自动的发现新模式，用于创新预测，这就是机器学习的本质。如此来说，以机器学习来协助智慧教育深度理解学习者的学习是大势所趋的。
　　与传统教育相比，机器学习的作用过程是有很大变化的。机器学习主要是作用于教育数据的挖掘过程中，融合了教育与数据挖掘的过程，在收集的大量数据中，对数据进行挖掘、开发、通过研究，应用于计算机方法领域。教育数据的挖掘涉及到很多学科，有教育学、计算机科学、统计学，等等。机器学习又是融合了计算机科学和统计学，在教育数据的挖掘方面，起到了强有力的支持作用。模式图如1。
　　分析教育数据挖掘领域，在数据挖掘和解释部分，起主要作用的是機器学习，它通过对数据进行分析，对新知识和模式进行探究，最终实现传统教育中缺少或人工难以完成的功能。在数据的解释部分，对于模式和新知识的发现主要是利用机器学习的方法，建立预测与描述模型，以此实现对新数据的模型预测。比如，对学生的成绩进行分析，预测学生的学习表现，分析数据发现新的模式或结构，以此为基础实现模型描述。
　　1.3 机器学习教育应用的潜力
　　机器学习是数据挖掘的一种分析技术，在1995年，数据挖掘就开始应用在教育领域，据此来推测，机器学习的研究也在1995年开始进行。但是，在文献的查阅过程中发现，对于机器学习的大批量文献是从2010年开始的，在此之前关于此方面的文献屈指可数。从2010年起，在国外的研究中，对于机器学习的研究主要是基于其在具体的教育中案例应用为主，通过我们上述对机器学习的调研总结，希望这一框架可以为教育者、教研人员所用，帮助他们进一步的探讨研发机器学习在教育中的应用，在大数据背景下，真正的实现机器学习的智慧教育。