随着互联网的发展变革,数据挖掘应运而生,为教育大数据挖掘提供了基础和平台,数据挖掘分析数据之间的内在关联,提供更优化的前进方向。在线教育为教育大数据挖掘提供充分的数据支持,解决了传统教育中无法准确定位学生学习程度的问题,为教师的教学提供有针对性的指导建议,为因材施教的实施提供有效的途径。教育数据挖掘通过分析教育过程中产生的数据,生成提高教学质量的指导方法,提高学生学习兴趣,调动学生学习积极性。为了促进教育的信息化、可视化、智慧化发展,本文以个性化学习系统中重要的可视化工具——知识图谱为研究对象,分析学生在线测评数据,主要从以下几个方面进行研究:(1)为提高在线教育的分析能力,将具有相同特征的学生联系起来,本文提出了一种基于文本分类和聚类分析的学生知识图谱构建模型。该模型利用文本分类算法将测评试题自动分类到知识点,简化了繁杂的手动分类工作,充分分析在线测评中产生的数据,提取学生的学习特征,并使用聚类算法将学习特征相同的学生聚类,根据学生的学习特征抽取学生之间的关系,生成学生知识图谱,利用可视化工具——知识图谱将相关学生展示出来,为个性化教学在实际教学中的应用提供方法。(2)为了更深入的挖掘学生的测评数据,为学生提供学习推荐,提出了基于知识图谱的知识点推荐路线自动生成模型,该模型为学生生成适合自己学习特征的知识点推荐路线,并根据学习特征,提供学习时长参考。为了更精准定位学生需要提高的知识点,生成精炼的知识点推荐路线,该路线为学生推荐最需要提高掌握的知识点。为了挖掘不同性别学生的学习特征,将学生按性别进行分析,分析影响学生掌握程度的性格特征、行为习惯等,为性别不同、特征不同的学生提供有针对性的学习指导。该模型有效区分特征不同的学生,进一步为学生的学习提供指导与参考。(3)基于以上理论研究成果,将理论成果应用于实践中,研发出提高教学质量的原型系统——基于学生测评数据的知识图谱生成及知识点推荐路线分析系统。该系统有效分析影响学生学习特征的动态答题数据,实现了基于学生答题数据的知识图谱自动生成,并为学生量身定制知识点推荐路线。将理论研究成果以可视化的形式应用于教学系统中,根据学生特征设计教学方案,提高教学效益。