随着移动通信技术、互联网技术和计算机多媒体技术的迅猛发展，学习者更希望通过学习伙伴间的讨论、思想争鸣的形式来主动建构知识。因此，移动技术支持的协作学习（mCSCL）应运而生，成为教育技术学领域研究的热点。而学习伙伴作为mCSCL中的重要角色，其对协作学习的开展具有至关重要的作用。然而，目前绝大多数国内外研究往往难以获得实时反馈，且言语交流方式相对缺乏，容易造成情感交流的阻隔，缺少实时感和临场感。　　为了解决上述学习伙伴问题，本文将LBSN（Location Based Social Network）技术与mCSCL学习情境下的学习伙伴推荐模型相结合，将虚拟网络世界与现实世界相联系，支持用户随时随地寻找地理位置相近且具有相似学习风格的学习伙伴进行协作学习[1]。主要开展的研究工作包括以下五个方面：　　1.根据学习者的个性特征信息、协作信息及地理情境信息，设计mCSCL情境下基于 LBSN技术的学习伙伴模型，并提出其构成要素，且对构成要素进行形式化描述与数据化表征。　　2.将学习伙伴模型中所提出的构成要素与KNN(K-Nearest Neighbor)算法结合，设计并优化KNN分类算法。　　3.在学习伙伴模型及KNN算法的基础上，通过情境、目标、异质及非差异这四层近邻分类，为mCSCL学习情境下的学习者组建基于位置的学习社交网络。　　4.根据本文研究的学习伙伴模型及学习伙伴社交网络，提出mCSCL情境下基于LBSN的学习伙伴推荐模型。　　5.设计并实现 mCSCL情境下基于 LBSN技术的学习伙伴推荐系统。部署并运行系统，设计适合的评价实验来检验本文提出的基于LBSN学习伙伴模型和社交网络构建算法的可行性和有效性。　　论文在mCSCL学习伙伴推荐研究成果的基础上，设计mCSCL情境下基于LBSN技术的学习伙伴模型，其在一定程度上丰富mCSCL情境下协作分组的学习伙伴模型研究。同时，构建的地理位置相近的移动学习社交网络，延伸了学习者的学习情境，也扩展了分类分析算法的应用范围。且本论文所提出的学习伙伴推荐模型，为学习伙伴推荐系统的设计和实现提供了依据，扩展了mCSCL情境下的学习伙伴推荐研究，打破了传统协作学习的局限，真正为非正式学习状态下的学习者推荐了最优的学习伙伴，使学习者达到更高效的学习效果。