随着国家对高校的信息化建设力度持续升温，高校的教学条件逐步完善，如何更好地改善教学环境，提高教学质量，让学生更好地融入其中，是越来越多的高校一直在研究探讨的重要问题。近些年，随着互联网在校园的全面覆盖，移动互联，社交网络越来越贴近学生的日常学习生活，学生更愿意通过这些应用去展示自己，和别人去分享自己的校园生活和学习，随之而来的是大量的数据在不断地被记录和积累，速度之快，体量之大，前所未有。如何将这些体量庞大，内容多样的数据融入日常教学管理，课程选择，课程学习和考核、评估的方面，让这些数据产生价值，得到应用，值得深思和探讨。

　　1　大数据的定义

　　2　高校选课推荐系统

　　3　选课系统的展望和未来

　　4　结束语

　　本文基于大数据的前提，结合了相关方法论，通过建立协同过滤模型，阐述了个性化课程推荐的原理及应用课程推荐的优点。通过协同过滤模型的3种算法，将学生的注册信息，包含姓名、性别、专业、喜好等信息的收集汇总，建立大数据库，并使用大数据分析和挖掘的方法，使数据得以应用，产生价值。本文应用大数据的核心是通过数据建立模型，使大数据产生价值，正如大数据的定义描述的。对于海量数据的挖掘和应用，预示着新一波生产率增长和消费者盈余浪潮的到来。运用该模型搭建的智能选课推荐系统能够有效地帮助学生在选课中进行指导和帮助，适合个性化的发展需要，系统查询效率与推荐的准确性都满足学生的需求。

　　参考文献

　　[1] 柏美屹,罗颖.中部地区高校选课制实施现状研究:以三所“211工程”大学为例[J].科技致富向导,2013(11):55,104.

　　[2] 吴迪,周利娟,林鸿飞.基于随机游走的就业推荐系统研究与实现[J].广西师范大学学报:自然科学版,2011(1):179-185.

　　[3] Jiawei Han, MichelineKamber.数据挖掘概念和技术[M].北京:机械工业出版社,2001.

　　[4] 杨永斌.数据挖掘技术在教育中的应用研究[J].计算机科学,2006,33(12).

　　[5] 季文天,郭清菊.个性化推荐在高职学校选修课中的应用研究[J].软件,2013,34(4):40-41.

　　[6] 颜龙杰.基于近邻评分预测的协同过滤推荐算法[J].软件,2013,34(8):63-66.

　　[7] 郭清菊,周让明,马俊涛.基于学习兴趣的个性化推荐算法研究[J].软件,2013,34(9):51-53.

　　[8] 胡健,王理江.数据挖掘在选课推荐中的研究[J].软件,2016,37(4):119-121.

　　[9] 李娜.基于混合协同过滤的高校选课推荐方法研究[D].长沙:中南大学,2013.

吴元敏 中国人民大学公共管理学院