智慧时代下的个性化学习模式需要在智慧学习环境下进行，这种环境应至少满足以下需求：利用传感器、可穿戴设备、人工智能等技术实现智能感知，为学习空间的构建和转换提供支持；利用大数据、学习分析和情感计算等技术实现学习者学情分析，为精准化和个性化教学提供数据支撑；基于数据分析结果，运用预测和推荐系统实现智能资源和路径推荐，为学习者提供适应性支架，进行科学化和智能化干预；对学习者的学习过程全部数据进行数据采集和挖掘，系统呈现学习者学习状态和学习效果，利用仪表盘、学习画像等可视化技术加以呈现，实现全方位的学情评价。

1.学习情况的个性化诊断

对学习者进行学情诊断是个性化学习模式的起点，它是资源推荐、路径定制、伙伴推荐、评价选择的前提和依据，学情个性化诊断能够为学习者制定合适的学习计划，并作为监控、调节和修订学习进程和状态的重要参考。学习情况个性化诊断能够反映学习者在基本信息、认知特征、知识水平、学习风格等方面的差距，当前个性化学情诊断主要包含学习者认知情感诊断和学习者知识水平诊断。学习者认知情感诊断主要从学习者的学习过程和历史数据中挖掘学习者的学习习惯、学习爱好、学习风格等情感信息，采集的数据不仅包括学习时间、学习轨迹、活动参与等内容，而且个别智能教辅系统能够采集学习者学习过程的面部表情和语音信息作为情感判断的重要依据。学习者知识水平诊断主要参考作业情况、测评结果、交互行为等数据，通过基于学习者自身的纵向比较和基于同学或班级的横向比较形成多层次多维度分析结果，从而全面系统掌握每个学习者的认知能力和知识掌握程度。

2.学习资源的个性化推荐

个性化学习要根据学习者的不同特征制定不同的学习策略，利用数据分析技术对学习者在学习过程的表现进行实时分析进而开展个性化指导，要根据学习者的偏好推荐符合学习者个人特征的个性化学习资源，使学习者与学习内容之间有良好的交互。学习资源个性化推荐一般分为基于兴趣模型的个性化资源推送和基于知识模型的个性化资源推送。其中，采用基于兴趣模型的个性化资源推送策略，教学系统能够跟踪记录学习者的学习行为，通过逻辑分析确定知识兴趣点，通过概念匹配和语义拓展等操作，定期向学习者推送资源。采用基于知识模型的个性化资源推送策略，教学系统根据目标知识水平、初始知识水平和动态知识水平的差距，针对性地推送相应学习资源，它的基本过程包括数据收集、认知诊断和个性化推送三个阶段。系统首先收集学习者在某个知识模块练习题的作答结果，其次根据练习题对应的知识点属性诊断学习者在某些知识模块的掌握程度，再次，根据学习者对知识的真实掌握情况提供补救性、强化性或进阶性学习资源。此外，部分学习系统会采用基于风格模型的个性化资源推送策略，如视觉型学习者更愿意观看动画和视频资料；听觉型学习者则更喜欢于听音频资料；读写型学习者愿意选择阅读学习文档；动觉型学习者更倾向于在仿真游戏中学习。

3.学习路径的个性化定制(www.daowen.com)

智慧时代下，由于教学环境、教学内容、教学方式呈现数字化、多元化、自主化等特征，容易出现情境转变频繁、资源多元繁杂、师生相对分离的情况，继而容易导致“学习迷航”和“认知超载”等问题。此外，由于每个学习者起点水平不同、认知能力差异、学习目标分化等原因，统一步调的教学过程和学习路径无法满足学习者个性化发展的需求。为了完成学习目标，激发学习兴趣，保障学习质量，除了个性化资源推荐外，学习者还需要更加契合的个性化学习路径，促使教育从漫灌式向滴灌式转变，实现精准化教学。个性化学习路径能够以学习者为中心，根据学习者知识水平、认知偏好和学习兴趣等方面的差异性特征，为其推荐合适的学习活动序列，从而优化学习过程支持和指导，帮助学习者进行知识构建。

4.学习伙伴的个性化匹配

智慧时代下，混合学习、移动学习、在线学习等方式逐渐与课堂教学融合，这些学习方式虽有丰富学习形式、克服时空限制、培养学习能力的作用，但容易导致师生处于时空分离、分散学习的状态，从而引发学习孤独感，降低学习积极性，影响学习效率。通过分析学习者相关数据特征，智能学习系统能够进行学习伙伴推荐，从而营造互动学习社区。当前主要有两种形式：一种是根据学习者知识水平，推荐相同起点的学习伙伴，并根据学习绩效信息，推荐榜样性质学习伙伴，促进学习过程的沟通交流，从而保证学习的目标性和积极性。另一种是根据学习者兴趣模型，为学习者推荐具有相同学习行为和学习特征的学习伙伴，例如将在学习进度、学习资源、讨论话题或学习任务等方面具有一致性的学习者组成伙伴关系，旨在弥补现代教育在学习情感方面的缺失和忽视。

5.学习评价的个性化实施

在传统大众教育模式中，教师、辅导员或管理者一般会根据自身的专业知识以及感性经验对学习者进行学习评价，一般发生在学校或课堂。但在智慧时代，由于教学过程、教学行为、教学成绩已经能够实现持续化、即时性、伴随式采集，可采集数据类型逐渐多样化，如行为数据、非认知数据和生物识别数据等，传统教师的学习评价相对而言过于感性且片面，虽然教师也尝试创新评估方法和工具，但始终难以克服不易携带、难于分享、无法快速分析等问题，但是智慧时代的个性化学习模式运用云计算、大数据、学习分析、人工智能等技术为突破这些问题提供更多思路和可能，不仅能对每个学习者的学习状态、知识结构、能力水平、互动参与等内容进行评价，而且基本已经实现基于个体且融合诊断性评价、过程性评价、总结性评价的综合评价。