培养问题解决能力是学校教育的重要内容。问题解决是综合运用知识解决疑难问题(不包括回忆式练习)的过程,也是知识获得的过程。人们发现很多中学生在问题解决过程中存在从知识向能力转化的困难,表现为:知识掌握的质量不高、难以建立知识与任务情境的联系；不能深入理解问题、难以快速形成解题计划等。创建基于计算机的问题解决型学习环境是解决此问题的一种有效方案。这种学习环境需具备复杂的问题任务、丰富的交互性、基于问题情境的提示与帮助等基本特征。本研究旨在探索该种学习环境的设计方法,研究主要分为两个方面。　　 1.探索问题设计方法,提出问题的客观表征工具——知识关联图,利用该工具、情境分析法等可设计开发基于目标知识的、多路径、信息丰富的问题及问题变式。通过学科专家教师评审和教学试验对设计的问题进行检验分析,结果表明这种技术方法能够初步设计出满足学习环境需要且受师生欢迎的问题。　　 2.以数据驱动的学习环境设计思想为指导,以学生的问题解决障碍为基点,构建基于隐马尔可夫模型(HMM,Hidden Markov Model)的问题解决障碍克服模型。此模型采用时序概率模型HMM,通过学生信息点击和对交互问题的反馈,挖掘学生内隐的问题解决障碍类型,并给予适当的策略引导和帮助。　　 与基于规则的智能教学系统的设计方法相比较,以HMM作为诊断模型算法的问题解决型学习环境适于复杂问题解决情境,且在持续改进系统功能方面具有更大的空间。本研究的基本过程是:首先,采用知识关联图等设计工具和设计规范开发了满足问题解决型学习环境需要的问题；其次,通过理论分析和个案研究确定了三种问题解决障碍类型及障碍克服的一般过程；然后,在分析HMM用于问题解决障碍诊断的适应性的基础上,提出基于HMM的问题解决障碍诊断模型的概念框架；再次,设计用于诊断与提供帮助的策略引导框架,并通过个案对其进行可行性分析；最后,基于这些个案数据运行问题解决障碍克服模型。基于HMM的问题解决障碍克服模型通过HMM实现智能诊断,并提供反馈、提示和告知等多层次的帮助,使得辅导更有针对性和灵活性,既能帮助学生正确解题,又不妨碍问题解决能力的自我生成。　　 本研究为问题解决型学习环境及其构成要素的设计提供了方法,把策略引导框架作为问题解决障碍克服模型的设计基础,使得模型的设计方法可以作为同类型问题的问题解决障碍克服模型设计的通用方法。