教育数据挖掘是综合运用数学统计、机器学习和数据挖掘的技术和方法，对教育大数据进行处理和分析，通过数据建模，发现学习者学习结果与学习内容、学习资源和教学行为等变量的相关关系，来预测学习者未来的学习趋势。2012年美国国家教育部发布的《通过教育数据挖掘和学习分析促进教与学》报告中，通过对教育数据挖掘领域专家进行访谈，列出了教育数据挖掘的四个研究目标:
（1）通过整合学习者知识、动机、元认知和态度等详细信息进行学习者模型的构建，预测学习者未来学习发展趋势；
（2）探索和改进包含最佳教学内容和教学顺序的领域模型；
（3）研究各种学习软件所提供的教学支持的有效性；
（4）通过构建包含学习者模型、领域模型和教育软件教学策略的数据计算模型，促进学习者有效学习的发生。
《报告》指出，为了达到以上四个研究目标，研究者主要采用以下五类技术方法:
（1）预测。建立一个能够从整合多个预测变量推断单一被预测变量的模式，例如，研究者通过在线学习环境中学习者参与在线讨论的情况、测试情况等，预测学习者在该门课程的学习中是否有失败的风险。
（2）聚类。根据数据特性，将一个完整的数据集分成不同的子集，例如，研究者根据学习者在在线学习环境中学习困难、交互模式等将学习者分成不同的群组，进而为不同的群组提供合适的学习资源和组织合适的学习活动。
（3）关系挖掘。探索数据集中各变量之间的相关关系，并将相关关系作为一条规则进行编码，例如，研究者利用关系挖掘，探索在线学习环境中学习者学习活动和学习成绩的相关关系，进而用于改进学习内容呈现方式和序列，以及在线教学方法。
（4）人类判断过程简化。用一种便于人类理解的方式描述数据，以便人们能够快速地判断和区分数据特征，该方法主要以可视化数据分析技术为主，用以改善机器学习模型。
（5）模型构建。通过对数据集的聚类、相关关系挖掘等过程，构建供未来分析的有效现象解释模型。
资料来源：《大数据视角分析学习变革》徐鹏 王以宁 刘艳华 张海
编辑：刘雪飞