在线个性化学习是学习者处于网络学习的环境下，系统为不同的学习者制定个性化的学习方案，提供满足学习者个性化需求的资源和信息，学习者能够根据自己的学习情况对资源进行选择的一种学习方式。

（一）智能的系统给学习者个性化学习提供条件

智慧学习资源要求系统能够根据不同用户的操作方式给予不同反馈（包括信息的选取范围、信息的关联知识点、内容的呈现顺序等），准确快速地实现信息的重组与调用；另一方面，要求系统降低程序应用的难度，为用户提供最简便的获取资源方式，根据用户的不同需求提供按需定制的个性化服务。

（二）资源个性化推送满足学习者需求

学习者在进入在线学习前进行学习特征的自我评价和填写学习风格量表，能够得到学习者明显的数据描述。系统会提取文本关键信息，进行编码和分析生成学习者个人信息库。之后在线学习系统采用学习风格测量量表，检测出学习者的学习风格倾向和每种风格的强弱程度，进而推断出学习者属于何种学习风格类型。通过对学习过程中学习者的学习行为和学习路径及学习内容等进行记录、挖掘和分析，对收集的动态数据进行分析，对静态的学习风格进行修正，进而确定其在线学习的行为特征，从而为学习者推送符合其学习需求的个性化资源和信息。

（三）新兴技术的嵌入对学习者进行分析

数据挖掘技术通过对在线学习行为数据的捕获和挖掘，在学习者的在线学习过程中自动和及时地发现学习者的个体学习需求^[1]，从而为学习者提供与所学内容相关的核心概念同时推送帮助学习者消除学习误解或者理解不完全的概念，即向其推送当前满足学习者个性化学习需求的学习资源。这个过程是实时地，能够根据学习者学习习惯和学习偏好的改变自动调整所推送的学习资源和信息。

学习分析技术作为一种技术资源，能够很好的满足学生的在线个性化学习诉求。学习分析的本质是利用技术获取数据、分析数据、发现规律、进行干预、提高学与教的成效。学习分析包括数据采集、数据分析、学生学习、听众反馈、干预五个阶段^[2]。跟踪、记录学习者学习轨迹中的静态数据和动态数据，进行分析和及时反馈，能获得学习者的特征模型，给学习者推荐适合的学习需求。按需推送满足了学习者个性化差异，实现了匹配学习者的适应性，智能推送的内容不应是单一的，可以是智慧型学习资源，也可以是适合学生学习的学习路径，还有一些合适的学习服务、朋友圈等等。

以某高校已建立的智慧教育环境下学习资源推送服务模型课程平台中《信息技术与课程整合》的某个学习者为例。该学习者进入该环境下的学习课程后，首先经过学习者自我评价和学习者风格量表测试后，构建学习者风格特征为活跃型/感悟型/言语型/综合型，进入课程平台后，课程平台给学习者推送的学习资源类型如图1左侧所示。该学习者风格维度为活跃型、感悟型、言语型、综合型，所以给学习者呈现的单元学习活动顺序为单元学习提纲——单元学习资源——单元总结——单元练习——单元讨论区——单元实例分析——单元测试;系统提供抽象程度高低的资源用example(资源_x)表示(其中用x的值0,1,2表示抽象程度的不同水平)。因为学习者为感悟型，对于知识自我感悟能力比较高，可以呈现资源抽象程度比较高的资源;同时学习者学习风格维度还是语言型，资源呈现时首先呈现图片、文档等文本信息;综合型表示学习者学习路径或者学习知识点的习惯，系统平台目前推荐资源的顺序是综合型的，学习者在学习过程中也可以根据自己的爱好选择相关知识点的学习。当学习者学习需求无法通过资源推荐满足时，学习者可以进入相关知识点资源中去学习，建立个人知识网结构和学习风格。

图1  学习者学习风格转变后推送不同的资源类型

学习者在经过长期时间的学习后，服务模型根据对其学习行为的分析，修正已构建的学习者特征。连续在线学习6个星期之后，系统会根据学习者在线学习行为，修正学习者特征模型，并判定学习者学习风格在当前学习状态下，其特征为活跃型/感悟型/视觉型/综合型。学习者进入课程平台后，系统结合当前学习主题内容给学习者呈现的单元学习活动顺序为单元学习提纲一单元学习资源一单元讨论区一单元练习一单元总结一单元实例分析一单元测试(如图1右侧所示)。学习者学习的风格由言语型变成视觉型，同时学习习惯发生改变，学习活动的前后顺序发生了改变，单元学习总结和单元谈论区的顺序发生调换.资源的先后顺序也发生变化。在整个学习过程中学习资源呈现都是依据学习者学习行为以及实际教学需求进行的，得出的学习风格只是适合于学生在当前学习状态下进行该学习知识点所需资源的类型。

在学习者的学习过程中，服务模型会根据学习者知识掌握状态的三维模型了解学习者专题知识的学习处于学习阶段的哪个状态。学生在学习《信息技术与课程整合》专题三“信息化教学设计”时，首先推送资源是需要信息化教学设计的文本内容知识、课前问题讨论、课程课件、学习视频以及拓展资源等，引导学习者了解信息化教学设计的一些基本知识，课程平台会根据学生访问资源的频度以及累计时间、跳出率等判断学生的学习进度。完成感知学习阶段学习任务后，会推送给学习者信息化教学设计一些案例给学习者，提出学习者需要思考并完成的讨论问题.之后对于学习者学习信息化教学设计的情况进行测试练习，根据测试的情况，发送给学习者进一步学习的资源。

例如，学习者A在这部分学习中对于信息化教学设计的方法应用比较弱，系统平台会重点给学习者推送关于信息化教学设计方法应用的资料，并且分析每一种方法应用情况的解析。这些活动完成后，系统推送消息给学习者，提示学习者提出信息化教学设计方法学习中还存在哪些疑问，并根据疑问关键信息字段，系统资源库调用相关资源推送给学习者。系统也将与学习者A类似的学习者结合成小组，其中小组成员发送的信息，系统也会推送给小组其它成员，使其相互交流。最后，根据学习任务的要求，每个学习者需提交一份信息化教学设计的方案，教师会根据学习者提交信息化教学设计方案进行评价并提交到平台，资源服务模型会将老师评语和类似于学习者A的信息化教学设计特征的资源从资源库中提取出来随机发送给同类特征的学习者(如图2所示)。

图2  根据学习者学习状态推送对应的学习资源

[1]顾倩颐. 基于在线学习行为的个性化学习需求智能挖掘技术研究[J]. 软件导刊,2015,(12):12-14.

[2]吴洪艳. 智慧学习视角下个性化在线学习系统设计与应用[J]. 中国电化教育,2015,06:127-131.

[3]冯丽丹. 高校教学资源库个性化学习支持服务探讨[J]. 中国成人教育,2014,(22):148-150.

[4]郑晓宇. 基于用户兴趣挖掘的个性化信息推送服务[J]. 情报探索,2011,(10):33-36.

[5] 李宝,张文兰. 智慧教育环境下学习资源推送服务模型的构建[J]. 远程教育杂志,2015,(03):41-48.

Web挖掘技术支持的在线视频学习资源智能化管理——来自VOD的应用实践_李亮.pdf

基于在线学习行为的个性化学习需求智能挖掘技术研究_顾倩颐.pdf

基于智慧信息推送的个性化学习服务实证研究——以“文献选读与论文写作”课程为例_刁楠楠.pdf

在线学习资源个性化推荐服务模型的构建_张小雪,张立国.pdf

智慧学习视角下个性化在线学习系统设计与应用_吴洪艳.pdf