适应性学习系统是教育学、认知科学和技术科技的交叉研究领域,是当前人工智能在当前教育中应用的热点研究课题。传统网络学习系统面对所有学习者提供相同的教学方式与学习资源,忽略了学习者的个体差异和个性化学习需求,因此常常导致学习者无法准确而快捷地找到所需要的学习资源,让学习者面对海量学习资源却无从下手,让学习者在网络学习中迷失方向甚至认知超载,在线学习的质量在很大程度上受到上述因素的影响。因此,越来越多的研究开始关注构建适应性学习系统和个性化的学习环境。适应性学习系统从本质上来看是支持个性化学习的网络学习环境,它能够依据学习者在学习过程中的个体差异、学习兴趣和学习偏好为学习者提供适合个体特征的学习支持,主要包括个性化学习资源与学习策略等模块。本研究针对适应性学习系统中的推送技术与推送策略展开研究。推送策略与学生模型是构成适应性学习系统的两大核心组件。前者反映了系统向学习者推送什么样的学习资源,在什么情况下推送以及怎么推送等问题;后者反映了学习者的个性特征和学习者的个体差异,为系统进行推送提供了依据。适应性学习资源是系统根据学习者个体特征推送学习内容,它不仅是系统最重要的学习支持模块,也是适应性学习系统的直接体现。适应性学习资源是系统根据学习者个体的学习进度、学习者使用的学习设备以及所处的学习环境推送的学习资源。本研究采用了文献研究法、软件工程方法和基于设计的研究方法。研究工作主要包括:1.查阅了国内外智能教学系统研究的实际,了解和把握Push机制下Web适应性学习支持系统是当前数字化学习支持平台的发展趋势;2.在分析和研究的基础上,设计和开发一套基于Push技术的Web自适应学习系统,并进行实证。论文主要分六个部分:第一部分介绍了论文的研究背景和研究意义,通过对网络教育、计算机技术的发展以及人们对网络学习的需求,通过对当前自适应学习系统的研究和分析,提出了本文的研究内容。第二部分对相关概念进行了界定和说明,并对系统的理论基础和软件工程基础进行说明和阐述,介绍了个性化服务、软件工程的相关概念和理论基础。第三部分在系统理论的指导下对Push机制下Web自适应学习系统进行设计和理解,对其中的关键技术展开分析并做了简单的介绍,对系统的主要需求进行分析,在需求的基础上对主要模块进行设计,设计出系统的原型。第四部分在软件工程理论的指导下,针对系统主要功能进行应用开发,目前该系统已经实现了设计中的大部分功能,能够正常运行,但是由于时间关系,部分功能还待进一步完善。第五部分对系统进行了试用,并对实验结果进行分析,获得学习者对系统的评价。第六部分对已完成的工作内容进行总结和分析,并提出不足与展望,并对软件的下一步完善进行设想。