教育部在2016年发布的《教育信息化“十三五”规划》中提到,到2020年,基本建成“人人皆学、处处能学、时时可学”与国家教育现代化发展目标相适应的教育信息化体系。个性化学习是教育信息化发展的必然趋势。如何根据学习状态动态地为不同的学习者提供适合的学习内容、测试内容和呈现方式;如何根据学习者的认知水平推荐适应性的学习路径,一直是个性化学习的核心问题和难点问题。论文以适应性引擎为主要研究内容,研究使用规则引擎技术为适应性引擎提供决策解析支持,利用适应性引擎内容自适应和知识导航自适应的特点,探索适应性引擎在个性化学习环境下的应用,提出并设计了一种新型的适应性引擎结构,并使用个性化学习支持系统进行了实现与验证。论文主要的工作以及创新在于:首先,论文针对学习者模型和领域知识模型是适应性引擎的研究基础,结合个性化学习的需求与理念,完善了该类模型的构建规范。论文将学习者模型的构建过程分为动态部分和静态部分,同时为了实现模型的共享与互通,提出了模型的设计原则,基于相关的约束和适应性引擎的需要,给出了模型的结构。然后,论文提出使用规则引擎作为适应性引擎中决策解析组件,用来为适应性引擎处理决策匹配过程,并优化了匹配网络的生成算法。利用规则引擎技术中业务决策与技术实现分离的特点,解决个性化学习场景中策略频繁变化导致的维护问题。针对规则引擎在个性化学习场景中存在的规则顺序不合理和事实改变频繁导致的匹配网络内存占用空间大的问题,提出了规则预排序与事实索引的解决方法对规则引擎核心算法RETE进行了优化与改进,并对比验证了改进后的规则匹配效率。最后,论文针对个性化学习的场景,设计了一种新型适应性引擎结构。论文设计了适应性引擎中内容呈现、知识导航和模型维护功能组件的结构和工作流程,给出了适应性引擎的结构图和各部分功能块的工作原理,并基于适应性引擎给出了系统的设计方案,在网络英语教学系统中进行了应用,验证了论文提出的方案的可行性。