借助计算机软件及硬件的普及和发展,学习方式从线下也慢慢向线上转移,并且从以往千篇一律的题海战术开始转向思维方式的学习。而且,实行多年的教育信息化,积攒了大量的数据基础,这些数据中潜藏着大量能够提高教学质量的信息,辅助决策教育过程中遇到的各类难题。面临现今日益庞大的知识体系,“如何提高学习效率”这一课题也逐渐进入各相关学科学者的研究范围中。不少学者从个性化学习路径着手研究,但收效甚微,其实学习过程并非完全的线性过程,而且每个人的学习路径都不一样,可学习过程中遇到的经验对后来人而言则是有一定可取之处的,利用适合的学习内容组织方式将这些经验积攒起来,可以不断提高相关知识的学习效率。因此,本研究基于马尔可夫决策过程,从学习者行为数据中挖掘学习内容之间的关联关系,并形成知识库网络,从而实现用合理的网络结构对学习内容进行组织。本文的主要研究内容有以下两个部分:(1)学习者行为数据建模。对学习者自身信息的数据、学习者学习过程产生的学习行为数据,以及学习内容的相关数据,进行分析、提炼、整理,并结合网络结构对学习内容进行组织,形成知识库网络;(2)网络更新机制研究。用知识库网络中的有向边记录节点间的关联关系,边的方向构成网络的拓扑结构,而边上的关联值描述相邻节点之间的关系。随着学习行为数据不断地调整网络结构,知识库网络进行演化,演化过程涉及到网络中节点的相对位置,以及边的相关变化,即网络的更新机制。并且,网络演化也具有一定方向性,基于网络优度这一评价机制,对知识库网络的演化机制进行研究。为了验证网络更新机制的有效性,本文进行了一系列实验,分别研究了关联值更新公式中的各个参数,以及不同的数据进入方式对网络优度的影响。实验证明随着学习行为数据对网络结构的不断调整,网络优度不断减小,并最终收敛。实验结果也进一步证明了学习行为数据中所携带的信息不断进入知识库网络之后,知识库网络的网络优度收敛,说明学习行为数据能够有效指导知识库网络的演化,与理论研究结果保持一致。但在这一过程中,对于问题的研究还处于较浅的层面,更加系统、科学的研究成果还需要大量的研究工作。