教育行业中使用数据挖掘工具来处理大数据正在成为一种趋势。本文提出了关于教育数据挖掘和学习分析的基本概念、最受欢迎的工具、方法和技术，并探讨了大数据在语言学习方面的应用。

Jul, 2022

教育数据挖掘 (EDM) 是一个重要的研究领域，利用计算技术分析教育数据。深度学习技术在处理教育数据分析和建模的挑战中表现出明显优势。本综述旨在系统回顾 EDM 与深度学习的最新研究进展，介绍 EDM 和深度学习的背景以及其在现代教育中的重要性。另外，还详细评述了深度学习技术在知识追踪、学生异常检测、学生表现预测和个性化推荐等四个典型教育场景中的应用，并提供了 EDM 领域的公共数据集和处理工具的综合概述。最后，指出了这个研究领域的新兴趋势和未来方向。

Sep, 2023

个性化教育利用教育技术和人工智能在数字时代提升学习效果，通过数据挖掘技术的驱动，结合教育平台与个性化学习过程，为学生、教育工作者和机构提供定制化学习经验的工具，本文通过四个主要场景：教育推荐、认知诊断、知识追踪和学习分析，展示了个性化教育数据挖掘的最新进展，提供了每个领域的结构分类法和常用数据集，并指出了未来研究方向，在拓展个性化教育和为未来的探索和创新铺平道路中强调了数据挖掘的作用。

Feb, 2024

深度学习应用于教育数据科学的调查和讨论，主要涉及深度神经网络、知识追踪模型和自动情感与行为检测器等领域。

Apr, 2024

在线教育环境的爆炸性增长正在产生大量的数据，尤其是来自论坛、聊天、社交网络、评估和论文等以文本格式呈现的数据，如何挖掘文本数据以找到对教育相关人士有用的知识是一个令人振奋的挑战。本文系统概述了当前教育文本挖掘领域的现状，回答了三个主要的研究问题：在教育环境中最常用的文本挖掘技术是哪些？最常用的教育资源有哪些？主要的应用或教育目标是什么？最后，我们概述了结论和更有趣的未来趋势。

Feb, 2024

本文通过问卷调查的方式，探究了大数据在教育机构中的应用以及采用大数据和分析技术时的制约因素。

Jul, 2022

本文综述了在机器学习中收集和使用数据的许多问题和担忧，并提倡通过更谨慎和深入的数据理解来解决实践和伦理问题。

Dec, 2020

本文回顾了数据挖掘和机器学习在天文学中的应用现状，介绍了常见的机器学习算法，以及数据挖掘在天文学中的广泛应用。文章指出，只要选择合适的算法并遵循天文学问题的引导，数据挖掘可以成为一种强大的工具，而不是一个可疑的黑盒子。

Jun, 2009

本文综述了情感分析在教育领域的四个级别及其在教学决策制定以及对教学质量的提升的作用，描述了使用 AI 方法和情感标注技术对学生反馈进行分析的过程和工具，并讨论了情感分析领域中的挑战和未来趋势。

Feb, 2023

该论文对过去 10 年内关于自动化欺诈检测的技术和综述文章进行了分类、比较和总结。它定义了专业欺诈者，形式化了已知欺诈的主要类型和子类型，并呈现了受影响行业内所收集的数据证据的性质。在挖掘数据以实现更高成本节约的业务环境中，该研究提出了方法和技术，以及它们的问题。与所有相关的欺诈检测综述相比，该综述涵盖了更多的技术文章，并且是我们所知道的唯一一个提出了相关领域的替代数据和解决方案。

Sep, 2010