在教育信息化2.0背景下,个性化教育受到了普遍关注。随着通识教育和全学分制的推广,学生在选课上拥有了更大的自主权,可结合专业、兴趣、知识面、能力等个性特征选择符合自己个性化发展的课程。但受限于对专业和未来就业的了解,学生往往难以做出合适的选择。利用信息化技术,基于学生大数据辅助学生进行个性化课程选择很有必要。在查阅个性化教育的相关文献基础上,梳理学生相关数据集,量化其中关键指标,提出影响课程选择的个性化特征的假说,并通过实验验证了该假说中推荐结果的有效性和推荐精确度,最终提出了基于聚类分析的高校个性化课程生成算法。在具体技术上,本文通过K-means算法对学生数据集聚类,结合学生的兴趣爱好、学习能力、学习目标等个性化因素,提出近似分类算法,来处理目标学生的分类问题;提出课程推荐指标(course recommendation index,CRI),来分析培养目标中的课程与学生特征之间的匹配度。根据面向任课老师、辅导员和学生所做的个性化课程推荐的需求调研,发现学生选课过程中存在喜欢选择轻松课程而避免选择较难的关键课程,为避免这类倾向对学生专业培养的不利影响,本文深入分析具体指标,并针对地改进了聚类算法,使得推荐结果不是投学生所好,而是真正引导学生的良好发展。根据实验结果分析,本文提出的基于K-means聚类分析的个性化课程生成算法具有一定的有效性,推荐精确度可接受。此外,专门针对引导效果做了实验分析,针对不同分数段学生的推荐效果比对,发现本文改进后的算法针对较优秀学生更为精确,但对于中等或偏下学生精确度下降。该实验结果表明,本文改进后算法更符合优秀学生选课特点,并有助于引导中等或偏下的学生适当调整课程,以更好地完成自己的专业培养。