百年大计,教育为本。在传统教育中,教师占据着主导地位,学生的学习也局限在特定的场所,这样的教学方式不利于教师因材施教,也阻碍了个性化学习的发展。近年来,随着人工智能与大数据等新技术的兴起,教育行业也焕发出新的活力。人工智能让教育的智能化评价成为现实,通过人工智能,可以实现作业文档的自动评阅,减轻教师负担。同时挖掘教育大数据中的隐藏信息,也可以帮助教师与学生了解自己的教学情况和学习情况,改善教学质量。因此,本文研究并实现了一个课程学习大数据平台,其重点在于建立一个基于词移距离的文档自动评阅模型和一个基于大数据的课程学习成效关联分析模型。本文研究的文档自动评阅模型主要用于作业主观题的评阅,其核心在于利用人工智能词语级语义分析进行文本相似度计算,提出了一种改进的词移距离WMD(Word Mover’s Distance)算法—WMD-R算法。相比原始的WMD算法,该算法采用关键词提取算法Rake来计算词语权重,通过计算关键词之间的词移距离来计算整篇文档的相似度。对Rake算法也进行了改进,不再仅仅采用停用词来划分短语,而是将中文分词、停用词以及词性标注结合起来进行划分得到候选关键词。接着以平均绝对百分误差和准确率为指标,对本文WMD-R算法与其他三种经典算法进行了对比实验。实验结果表明,无论在平均绝对百分误差还是准确率上,WMDR算法的表现均优于其他三种算法。除上述模型研究外,本文还研究实现了一个基于大数据的课程学习成效关联分析模型。通过数据挖掘算法Apriori从存储在课程学习大数据平台中的大量日常学习数据中挖掘出学生的学习行为与学习成效之间的关联关系。结果表明,学习成效好的同学在各种日常学习行为如考勤、作业、实验、课堂测试等中均表现优异。在这两个模型的研究工作基础上,本文开发实现了一个课程学习大数据平台,该平台解决了新形态下课程教学的IT平台支撑难点问题,实现了一种面向学习者的课程学习平台,将线上教育与线下教育结合起来,为教师开展混合式教学、为学生随时随地方便的课程学习提供支撑和服务。