教育大数据时代背景下,个性化自适应学习成为数字化学习的新常态。学习者获取学习资源的方式从“学习者主动搜索”转变为“学习系统自动为学习者提供个性化学习资源服务”,是个性化自适应学习的内在要求。教育大数据的发展与应用,为实现个性化、精准化的学习支持服务提供了科学依据。学习资源推荐作为个性化自适应学习系统的重要应用方向,最初用于解决海量学习资源引起的“信息过载”和“信息迷航”等问题。但是,传统的学习资源推荐系统分析的数据量小,学习资源推荐算法设计不到位,成为了阻碍学习资源推荐效果提升的主要原因。针对上述问题,本文借助教育大数据来更科学、全面地对每位学习者产生的数据进行挖掘、存储、分析及应用。同时,通过采用多种推荐算法并行推荐的混合推荐方法,在避免以往推荐算法配置不到位的基础上,充分发挥教育大数据的技术优势,提高个性化学习资源推荐服务的有效性和精准性。笔者基于相关的学习理论,从系统架构设计、系统模型设计、推荐算法设计等方面设计数据驱动的学习资源精准推荐系统模型。并以《C语言程序设计》课程为例,从用户数据库、课程资源数据库、学习行为数据库三个方面构建推荐系统的系统数据库。最后,在推荐系统数据库的驱动下,实现多种推荐方法并行的学习资源混合推荐。实践表明,通过对推荐算法进行合理配置,并建立完善的推荐系统数据库,能够较好地实现数据驱动的学习资源推荐服务。后续研究需要关联更大的数据,为用户提供更为科学精准的学习资源推荐服务,以支持学习者的个性化自适应学习。