随着互联网的迅速发展以及大数据等现代技术的逐渐成熟,教育和技术的融合不断加深,在线学习不仅使得学习者可以在任何时间、任何地点进行学习,还提供丰富多样的学习资源和良好的交互体验,已经成为一种备受欢迎的新型教育方式,目前制约在线教育发展的首要问题是如何根据学生的个体差异进行针对性教学。考虑到认知风格是反映学生个体差异的重要概念之一,且认知风格和成绩呈强相关性,所以本文利用人工神经网络算法分析学习者的测验成绩变化量,达到自动测量学习者认知风格的目的,并将其引用到在线学习系统中。系统可以记住学习者的认知风格,为其提供认知风格类型一致的学习资源,学习者在这个针对性教学过程中就得到了一种基于“个性化”的服务。本文首先论述了认知风格的概念、常用模型和测量方法,然后对机器学习的常用分类方法进行分析对比,最终选择人工神经网络算法用于在线学习者认知风格分类研究。然后,梳理了基于认知风格的在线教学内容呈现方法。主要论述了人工智能技术和虚拟现实技术支撑下教学视频的基本呈现方法、在线学习的认知风格分类、基于认知风格的在线视频呈现方法,以为本系统中个性化教学资源的建设做准备。其次,提出了利用人工神经网络算法分析学习者的测验成绩变化量,达到自动识别学习者认知风格类型的目的,并用验证数据验证了该方法的可行性。最后,设计了具有认知风格分类能力的在线学习验证系统。具体包括在线学习系统概述、功能性需求分析、概要设计。