随着以人工智能、云计算、数据挖掘、移动互联网等为代表的新一代信息技术的不断推进,推动了智慧教育与在线教学的迅速发展。智慧教育和在线教育能够便捷地为学生提供教学资源,帮助学生巩固与学习知识。然而,随着教学资源数量爆炸式的增长,学生需要花费大量的时间在海量的教学资源中获取合适自己的教学资源。如何充分挖掘学生用户的个性特征和已有教学资源中的隐含信息,改善现有教学资源推荐算法,缓解海量教学资源所带来的信息过载与学习迷航问题成为现代智慧教育和在线教育的重要研究课题。本文分析了目前国内外关于学生个性化认知诊断和教学资源推荐算法的现状,根据实际需求与目标研究了认知诊断模型与联合概率矩阵分解模型推荐算法的改进,并实现了教学资源管理与推送平台及Office功能插件。具体如下:(1)根据教育心理学的认知诊断技术,结合学生历史作答记录,在关键的正答率计算上引入遗忘效应与知识点作答次数等影响因子,对已有的个性化学生认知诊断模型进行改进,提出时间敏感的确定性输入与噪音门模型。实验结果表明该模型在PMR和RMSE指标上优于其他认知诊断模型;(2)研究教学资源推荐算法。将卷积神经网络融入于联合概率矩阵分解模型中,充分挖掘已有教学资源中的隐含信息,改善现有的教学资源推荐算法的精确度,提出基于卷积联合概率矩阵分解模型的教学资源推荐算法,为学生提供具有更高推荐精度的教学资源。实验结果表明该算法有效提高了推荐效果;(3)基于Spring Cloud微服务架构与Office自定义插件相关技术,研究面向教育测评的教学资源管理与推送方案,提供多种教学资源生成方法,实现与标准QTI格式和通用教学开发平台Moodle的对接。