如今,信息技术正在迅猛发展,互联网正改变着世界,大规模在线学习成为教育界的热点话题,各类学习平台已成为学习者们留下数据,发表文字来表达自己内心想法的重要平台。教育基础理论认为,最好的教育就是促进教育三要素(教育者,学习者,教育影响)的相互配合,相互了解,本文立足于教育理论,以华中师范大学云平台学习者在课后讨论区留下的文本数据为基础,结合学习者个体的背景信息数据,尝试对在线学习平台中学习者发表的文本数据进行研究,他们遇到的困境是什么?他们的兴趣话题是什么?以此建立教育者,教育管理者与学习者的了解与联系,便于快捷有效地对教育进行调整,使得教育能够达到最好的状态。在大量教育数据产生后,数据分析也应运而生,其中文本分析是研究学习者兴趣话题的重要手段。在文本分析中,较为困难的基础工作是对中文文本的预处理,一般采用TF-IDF算法进行文本特征化或进行中文文本分词。传统的文本分析方法是先进行人工标注文本数据,然后结合机器学习的基础方法进行研究。如朴素贝叶斯分类,K近邻分类法等。主要目的均是探究学习者的讨论话题,讨论类别。该类方法一般用于文本话题的二元识别,如识别文本数据中的话题是探索型还是非探索型。概率话题模型是基于贝叶斯概率理论针对文本数据的一种典型的分层模型,在文本话题以及单词之间建立联系。潜在的狄利克雷语义模型是一类典型的话题模型,目的在于自动化挖掘出学习者的兴趣话题。该模型比起传统的分类有明显的优势,在运行方式上更加灵活,而且适用于目前教育数据爆炸的时代。本文提出一种拓展参数的狄利克雷模型,结合学习者的背景信息数据进行话题挖掘研究。该模型能够自动化挖掘出学习者发布文本中的讨论话题,并能结合学习者背景信息确定不同性别以及不同专业的学习者所感兴趣的话题。在话题挖掘的实验结果中,可以明显看到不同专业性别的学习者在不同话题中所体现出的兴趣差异,并能够了解到学习者的困惑所在。如数学专业的学习者偏向于心理学等话题内容的讨论,在关于胎儿胎教的话题讨论中,性别方面几乎全部是女性群体。结合学习者背景信息数据的话题挖掘,可以探究到不同类别学习者的兴趣所在,看到学习者群体的兴趣差异。数据可视化技术是近年来大数据研究的热点。本文列举了常用的数据可视化技术以及文本可视化技术,并基于本文实验进行结果可视化的展示,较为清晰地展示了不同类别学习者讨论的热点,较大幅度提高了文本数据的可读性与可理解性。在未来,可以展望更多的将学习者个体数据以及所发表的文本数据的结合研究,融入时间参数将是一个重要的研究点。对于学习者的数据挖掘研究将是信息技术与教育融合的关键。