人在学习过程中，表现出不同的学习风格和学习策略。如何根据每个人的具体情况，通过计算机的辅助为其更有效地学习提供支持，是本研究要探讨的基本问题。 认知科学的研究表明，人们在从事与智能有关的活动中(学习即其一例)，展示了显著的个体差异，这种差异对于其从事活动的效率起着重要的作用。本研究就是在前人工作的基础上试图发展出一种新的理论框架，为有效的教学提出新方法和新技术。 本文研究设计了个性化教学的体系结构，从认知科学的角度对学习对象、学习者模型进行形式化描述，探索相适应的理论和方法，并建立了相应的个性化学习策略与教学策略模型。 研究思路和方法如下：●首先总结了前人在个性化学习的研究中所取得的成果，如基于个性的特征及其分类，以寻找进一步工作的切入点； ●对个性化因素进行归纳，寻找影响学习者的主要个体因素及其测量方式； ●采用人工智能的方法建立概念框架，进行建模；并研究相关参数的设定方法，建立原型系统，设计实验方法，进行实验检验，得出研究结论。 本文的主要创新之处在于：●研究设计了由学习者匹配层、中间层和学习对象匹配层构成的个性化教学的体系结构。在知识空间理论的基础上，研究了学习对象的表示技术，通过在不同粒度层次上形式化地描述知识点网络，构建了基于知识空间的个性化学习对象模型。 ●在认知学习理论以及教育心理学认知风格理论的基础上，建立了适用于个性化教学的基于认知风格学习者模型基本架构。其中，认知状态模型决定了学习对象的选择，对应于个性化学习策略的确定；认知风格模型决定了学习对象的表现形式及学习者的学习方式的选择，对应于个性化教学策略的确定。 ●以不确定性推理技术及贝叶斯网络理论为基础，研究了个性化知识点定序技术，设计了基于动态网络的个性化学习策略模型，提出了专家预设和学习训练两种知识点网络初始参数设置策略，并采用动态贝叶斯网络技术解决了知识点网络参数更新问题，采用证据传播原理解决了知识点网络拓扑结构更新问题。 ●以潜质测量理论为基础，研究了个性化的评测技术及知识点网络的动态规划技术，建立了基于潜质测量的个性化教学策略模型，为不同难度等级的学习对象选择以及相应媒体呈现方式等问题提出了解决方案。 在上述研究的基础上，建立了原型系统，并精心设计了系统实验，建立相应的实验数据库，采用了同质异构分组及合并分组对学习者的学习成绩和学习效率进行了分析。研究结果表明个性化学习是学习者获取知识的有效方法，尤其对低水平的学习者来说，在个性化的网络学习环境中进步更显著。