个性化学习是实施素质教育和促进人才培养的重要举措，技术支持下的个性化学习服务已成为e-Learning研究备受关注的热点问题。与其他应用领域相比较，面向教育领域的个性化推荐服务在应用规模和实际效果上仍存在较大不足，难以满足现实需求，其突出表现在技术对个性化服务支持不够。究其原因，主要是教育教学过程的复杂性、学习资源的多样化以及学生个体之间的差异等。本文在充分调研国内外同类研究现状与发展趋势的基础上，以解决教育领域的个性化服务需求为出发点，选取汉语国际教育这一具有典型性和示范意义的学科开展示范应用。论文工作立足多学科交叉，依托多项广东省科技计划项目以及暨南大学汉语国际教育基地，涉及理论、技术和应用三个层面。　　本文对个性化推荐服务研究领域的代表性项目和重要研究团队的工作进行了分析、梳理、比较和评述，指出个性化推荐服务是教育信启、化应用系统的重要功能，是解决当前e-Learning面临的“认知过载”、“学习迷航”等挑战性难题的有效方法之一。教育个性化推荐服务需要解决以下关键问题:(1)学生模型构建。目前的学生模型构建方法主要借鉴其他应用领域相类似的用户模型建构方法，对学生知识状态、技能水平、学习路径和媒体偏好等信息获取存在较大的局限性。(2)学习对象模型构建。近年来，尽管在学习对象管理及资源共享研究方面取得很大进展，但如何建构满足个性化需求的细粒度学习对象模型，还需要对资源粒度的划分和描述方法进行扩展。(3)个性化学习对象推荐服务与评价反馈学习环境的关系。个性化学习对象推荐服务作为学习环境设计的重要内容，需要解决评价反馈策略的设计原则及其有效性问题。　　本文将计算机辅助测评(Computer-assisted assessment，CAA)理论与方法引入个性化学习对象推荐服务研究，构建能准确获取学生知识掌握状态、技能水平、知识学习路径以及媒体偏好等信息的交互测评环境，设计满足个性化需求的细粒度学习对象模型，实现个性化学习对象推荐服务，并将其作为汉语国际教育个性化学习服务支撑平台的重要组成部分，开展汉语国际教育个性化推荐服务的实践和应用，探讨汉语国际教育的新学习模式。　　本文的主要内容如下:　　(1)提出并实现基于CAA的学生模型构建方法。主要特点有:①应用测评任务与知识技能之间的逻辑关系，构建蕴含学生学习特征信息的任务模型。②应用CAA技术创设与测评任务相对应的交互测评环境，通过测评矩阵准确获取学生的知识状态信息，应用概念图方法描述任务相关知识点之间的强弱关系，并通过测评数据推断并获取学生知识点学习路径。③利用迭代反馈方法获取学生媒体偏好等信息。　　CAA方法能够准确获取学生学习特征信息，为学生模型建构奠定基础。与此同时，提出结合领域本体(Ontology)细粒度推荐资源的语义描述方法，通过设定测评任务与知识点之间的映射关系，构建描述测评任务的主题词表，实现基于测评的个性化学习对象推荐服务。　　(2)提出基于个性化学习对象推荐服务的评价反馈学习模式。依据学习理论和认知理论，在基于测评的个性化推荐服务框架基础上，提出基于反馈评价的学习环境构建方法。研究表明，该模式是e-Learning环境下的一种高效学习模式。　　(3)应用示范。本文选取汉语国际教育这一具有典型性和示范意义的学科，探讨突破制约学生模型构建和个性化推荐服务等关键问题的方法，对本文所提出的观点、模型及其技术方案进行实证研究。实验证明，该研究对解决新形势下汉语国际教育面临的问题具有现实意义和实用价值，对其它学科教学以及数字内容互动服务等领域的相关研究也有借鉴意义。