随着信息技术在教育中的广泛应用,产生了丰富的教学数据。那么如何针对这些数据,挖掘分析出对教学和管理有用的信息是当前研究的热点。各类教学数据中包含了大量对改善教学有利的信息,随着教学数据的积累,形成了庞大的教学数据库,而数据挖掘就是要在繁杂的海量数据中寻找有价值的数据,偏好数据是高价值的数据,因此基于大数据的偏好数据挖掘将对改善教学具有重要作用。论文针对教学积累的海量数据进行挖掘分析研究。首先对基于大数据的偏好数据挖掘进行现状分析;然后论述挖掘原理与技术;第三,构建偏好数据挖掘模型,采用K-MEANS聚类及关联规则算法构建用户学习偏好模型;最后,设计与实现自主学习支撑平台。在平台的支持下,完成挖掘任务。对学生数据偏好深度挖掘,有利于针对性教学,因材施教。论文研究内容主要有以下几个方面:一、分析偏好数据挖掘的现状,论述挖掘原理和技术,提出基于大数据的偏好数据挖掘问题。二、基于本体构建学生学习偏好本体类结构,并通过OWL语言对其描述。三、将学生学习兴趣分为短期学习兴趣和长期学习兴趣,提出一种基于大数据的学生学习偏好模型。根据学生浏览行为和日志记录数据,挖掘学生短期学习兴趣。利用后台服务器数据库中的数据,对初始学生用户注册信息进行挖掘,提取出学生长期学习兴趣。四、设计K-MEANS聚类算法和关联规则挖掘算法。基于学生学习浏览日志记录和信息反馈,挖掘具有价值的学生学习偏好信息,并对其进行关联与分类处理。五、构建自主学习支撑平台,实现平台的主要模块功能。