以大数据、云计算、学习分析等技术为核心的信息技术生态系统的形成与发展,为人工智能技术的推广应用和纵向发展提供了必要支持,同时促进了人工智能方面的教育应用和研究。人工智能能够为在线学习的学习者创造独特的学习路径的能力,在线学习会产生大量的网络学习行为,大数据分析技术能够根据这些行为挖掘出有效信息,为学习者的自适应学习提供支持。Web2.0的发展为e-learning提供了丰富的不同类型的学习资源,但是随之而来是“认知过载”、“信息迷航”等问题,因此个性化学习路径的构建成为在线学习推广的首要问题。个性化学习路径能够根据学习者的学习情况和学习特点选择合适的学习路径,但是,推荐适合学习者的个性化学习路径有一定的困难。论文首先分析了国内外关于个性化学习路径的相关文献,发现目前的个性化学习路径多倾向于固定路径构建,难以满足学习者动态的个性需求。因此设计了动态的个性化学习路径,首先生成学习活动序列,再统计学习者的网络学习行为数据,根据构建的贝叶斯网络预测学习者的学习风格,并结合学习者的知识结构特点,选择相似学习者,通过相似学习者的访问记录选取适应性资源,再融合学习活动序列生成个性化学习路径;然后,以个性化学习路径为基础,以在线学习平台为支撑,设计了个性化学习路径支持的教学设计模式,主要包括前端分析、策略设计和学习评价三个环节,以改进和优化个性化学习路径构建方法,给予学习者个性化服务。最后,将个性化学习路径支持的教学设计应用于计算机基础网络课程中,应用结果表明,融合活动序列的个性化学习路径能够为学习者推荐适合的活动序列,缓解了认知负载和信息迷航现象,有效促进学习者知识的建构,可以帮助学生有效利用学习时间,提高学习质量,并且通过实验组和对照组学生的学习成绩分析,实验组学生学习效果更好,同时调查问卷结果显示学生更满意该教学设计模式。总之本研究为个性化学习路径构建和应用提供了可操作性方法,为在线个性化学习的发展提供了可操作性指导和案例支持。