适应性学习支持系统是近年来人工智能在教育中应用的研究热点之一,它是教育学、认知科学和计算机科学的交叉研究领域。由于传统网络教学系统忽视了学习者的个体差异,对所有的学习者采用相同的教学内容和教学策略,导致了学习者经常发生网络迷航和认知超载等问题,在很大程度上影响了网络教学的质量,因此目前许多研究开始关注创建适应性和个性化的学习环境。适应性学习支持系统在本质上是一类支持个性化学习的在线学习环境,它能够针对个体在学习过程中的差异性而提供适合个体特征的学习支持,包括个性化的学习资源、学习过程和学习策略等。本研究针对适应性学习支持系统的学生模型和适应性教学内容的组织开展研究。在适应性学习支持系统中,学生模型是系统的核心组件,它记录学习者的个体特征,反映了学习者的个体差异,为系统进行智能决策提供了决策依据;适应性教学内容是系统根据学习者个体特征定制的个性化教学内容,它既是系统最重要的学习支持方式,也是系统适应性最直接的体现。本研究采用了文献研究法、系统方法和基于设计的研究方法。研究工作主要包括:1.以历史发展为线索总结了计算机辅助教学的智能化历程,分析了智能教学系统的优势与不足,认为适应性学习支持系统是当前数字化学习支持平台的发展趋势。2.在深入分析增强适应性超媒体应用模型(EAHAM)的基础上,提出了一种基于EAHAM模型的适应性学习支持系统的体系结构,它主要包括媒体空间、领域知识模型、学生模型、情境模型、教学模型和适应性模型等六个部分,并添加了适应性学习模块、学习策略模块和学习工具模块。基于EAHAM模型的适应性学习支持系统的体系结构深化了系统的组成部件和运行机制,不仅能够根据学习者在知识基础、学习风格等方面的个体差异提供适应性学习支持,而且在系统实现方面具有良好的可操作性。3.建立了一种基于认知状态和学习风格的学生模型,反映了学习者在认知状态和学习风格两方面的个体差异。通过对智能教学系统中典型的学生模型进行了详细分析,认为智能教学系统中的学生模型主要功能是诊断并记录学生的知识状态,特别是诊断学生在问题解决过程中形成的错误概念。这种学生模型局限于学习者的知识状态,而对学习者的其它个体特征缺乏了解。为了反映学习者在先前知识基础和学习风格方面的个体差异,本研究提出了一种新的基于认知状态和学习风格的学生模型,它主要包括了学生描述、学习风格、认知状态和学习历史。其中,学习者的认知状态和学习风格是基于EAHAM模型的适应性学习支持系统的主要适应维度。本研究采用Felder-Silverman学习风格模型(FSLSM),通过学习者在网络课程在线注册时填写问卷调查进行初始化。4.将认知能力和学习风格作为基于EAHAM模型的适应性学习支持系统的两个适应性维度,提出了基于认知能力和学习风格的适应性教学内容组织模型,详细分析了适应性教学内容的组织过程。适应性教学内容的动态组织模型主要包括两个过程:一是适应性学习支持系统根据领域知识的层级结构、面向任务的教学策略和学习者的认知能力水平分类动态地组织适应性教学内容。二是适应性学习支持系统根据FSLSM的“感知——输入”两个维度提供适应性教学内容表示策略:根据FSLSM的“处理——理解”两个维度提供适应性导航策略。适应性教学内容采用SCORM标准进行封装,并在学习过程中基于认知状态进行适应性标注。5.采用计算机自适应测试技术来诊断学习者的认知能力,并根据测试结果动态地更新学生模型。在项目反映理论基础上,提出了一种自适应在线测试系统的体系结构,采用三参数逻辑斯蒂模型分析了选题算法、能力评估算法和测试终止条件,并针对《现代教育技术》国家精品课程设计了自适应测试的原型系统MET-CATS,分析了系统自适应测试的运行过程和评价过程。根据测试结果,学习者的认知能力被分为初级水平、中级水平和高级水平。