数字化教育时代背景下,“互联网+教育”中智能化学习模式受到了很大的关注,自适应学习成为在线学习的新常态。然而,学习资源急剧增长与无序分布给在线学习带来了挑战,如何解决学习迷航、资源推荐不适配和学习效果不明显等问题,对提高在线学习的效率与质量具有现实意义。本研究在学习资源推荐系统中融入自适应学习的理念,构建出学习资源自适应推荐系统并对其进行了应用研究,旨在为学习者提供更为适用的学习资源,促进学习资源推荐效率与学习效果的提升,让在线学习变得更具有效性、互动性和趣味性。本研究的主要工作如下:（1）构建在线学习资源自适应推荐模型。研究首先基于自适应学习的文献分析和学习资源推荐系统研究现状的综述,解析了自适应学习与学习资源推荐系统的概念与内涵。其次,参考标准模型规范设计了学习者模型,基于本体设计了知识模型。最后,结合自适应推荐服务与策略构建出在线学习资源自适应推荐模型。（2）设计在线学习资源自适应推荐服务。针对学习者特征及学习实际情况进行自适应推荐服务的分析,设计了面向学习活动序列、学习伙伴及相似资源等方面的自适应推荐服务。提出基于学习者模型中学习者风格特征及知识水平进行学习活动序列的推荐;基于学习过程中学习行为分析进行学习伙伴的推荐;基于用户协同过滤推荐算法进行相似资源的推荐及学习资源自定义搜索的分支混合式推荐策略,以此实现学习资源的自适应推荐。（3）设计和实现在线学习资源“智优推荐”系统。首先基于软件工程原理对系统进行需求和可行性的分析,然后对系统的架构、功能模块和数据库进行设计,最后进行系统的开发,推出移动端“智优推荐”微信小程序应用,以辅助学习者进行在线学习。（4）分析学习资源推荐系统的应用效果。通过系统辅助教学和学习应用情况的实验研究,分析在线学习资源推荐系统的应用效果。实验采用学习成绩对比分析、在线学习行为分析、访谈及问卷调查的方法,运用Spss软件对实验数据进行统计与分析,发现系统的使用对提升学习资源推荐效率、优化学习过程和提升在线学习效果等方面具有促进作用。本研究结果表明:在线学习资源自适应推荐系统对学习资源的适配推荐和在线学习效率的提升有积极的促进作用。推荐系统在学习过程中能够贴近学习者需求,推送与学习者特征和学习状态相适配的学习资源,在一定程度上缓解了“学习迷航”的问题,提高了学习资源推荐的效率。系统自适应推荐活动的安排,优化了学习过程,从而促进在线学习效率的提升,同时为学习者的学习体验感与学习态度带来积极的影响,在学习过程中给学习增添了不少的乐趣。