在就业市场对岗位能力的要求愈来愈细化,专业化程度要求愈来愈高的背景下,按照传统教学模式和现有自适应学习系统中“学科—课程—章节—知识点”的树形知识模型进行知识内容学习的大学生由于缺乏针对专业技能的学习和训练,难以满足用人单位的人才需求,胜任实际生产工作岗位。本文以解决用人市场中应届大学生与实际生产工作岗位间存在的人岗不匹配问题为目标,进行自适应学习系统中基于多层网状知识模型的学习路径推荐技术研究,通过构建合理的领域知识模型、学习者模型,完成自适应学习路径推荐算法的设计与实现,帮助学习者发现现有知识能力水平与实际生产工作岗位及所需相关专业技能之间存在的差距,按照个性化的学习路径完成知识内容学习,从而掌握相关专业技能、胜任实际生产工作岗位。本文的主要研究工作如下:1)分析传统教育模式与现有自适应学习系统的不足,结合自适应学习路径推荐需求,提出了一种用于描述“岗位”、“专业技能”“知识点”之间以及“知识点”与“知识点”之间复杂网状关系的多层网状知识模型,并以计算机专业的知识学习和岗位技能需求为例,通过构建领域知识本体实现多层网状知识模型的形式化描述,便于自适应学习路径推荐算法分析与处理。2)设计并构建学习者模型用于描述学习者个性化学习特征,为自适应学习路径推荐算法的实现提供依据;使用基于TAN贝叶斯网络的方法,通过分析学习者学习行为数据实现学习者学习风格的自动检测,解决了基于学习风格量表测量不准确、时效性较差的问题;提出使用知识空间模型描述学习者知识能力水平,设计了基于项目反应理论的学习诊断方法实现学习者知识点掌握程度估计。3)结合多层网状知识模型,提出了两种学习目标选取标准,并以此为依据进行自适应学习路径推荐算法设计,通过分析学习者现有知识能力水平与实际生产工作岗位及所需相关专业技能之间的差距,为学习者进行自适应的学习路径规划与推荐。4)设计模拟仿真实验,对本文自适应学习路径推荐算法的结果进行了分析和评价。实验结果表明,本文提出的学习路径推荐技术是有效的,能够对解决应届大学生与实际生产工作岗位间存在的人岗不匹配问题提供有力的支持。