随着信息技术的发展,在线学习平台因能提供优质的学习环境而备受学习者的欢迎。然而,目前绝大多数的在线学习平台不能为学习者推荐所需的学习资源,学习者只能通过平台上教师发布的学习资源循序渐进地进行学习。协同过滤作为目前常用的学习资源推荐方法,也因未能从学习者的认知结构出发,导致推荐的学习资源准确率不高。因此,开展面向学习资源推荐方法的研究就显得尤为迫切。本研究在研读大量文献的基础上,梳理了协同过滤和学习资源推荐的研究现状,优化了目前协同过滤推荐所存在的问题,给出了面向学习资源推荐的协同过滤方法。首先确定利用协同过滤推荐学习资源的要素:通过认知诊断中的规则空间模型判断学习者的认知结构,由在线学习系统收集分析学习者的在线学习行为数据,得到学生的参与度分析表和资源评分表,计算目标学习者的学习偏好;其次利用余弦相似度算法计算学习者相似度,将相似度最高的T个学习者作为目标学习者的邻居集;最后依据邻居集对资源的评分预测目标学习者的评分,从而将评分最高的N个学习资源序列推荐给目标学习者,达到学习资源精准推荐的目的。为验证该方法的可行性和有效性,本研究将面向学习资源推荐的协同过滤方法应用于高中《算法与程序设计》课程的教学实践。应用结果表明,该方法能够为学生提供准确率较高的学习资源,提高了学生的学习成绩。