新时代中国教育的主要矛盾是学生日益增长的个性化高品质的、灵活终身的教育需求和基于学校标准化的、班级单一渠道的服务供给方式之间的矛盾。传统教育以班级授课制为主,为不同学生提供相同的学习资源,忽视了学习者的个性化学习需求。随着教育大数据、人工智能和自适应学习等技术的发展,为个性化学习资源推送的实现提供了技术支持,该方法是解决教育矛盾,满足学习者个性化学习需求、提高学习效果和学习兴趣的有效途径。教育大数据存在采集困难、类型庞杂、分析难度较大的问题,而测评数据具备易采集、结构化程度高、分析难度小的优势。因此,本研究旨在通过对学生测评数据进行深入挖掘与分析,精准诊断学习问题,正确定位学习需求,构建个性化学习资源推送模型,促进学习效果的提升。核心研究问题为:如何基于学生测评数据的分析,精准定位学习者的学习需求,为学习者推送个性化学习资源?该问题被分解为三个子问题:(1)如何构建学科知识模型,绘制知识结构图、组织学习资源库与编制学科测验?(2)如何对学生测评数据进行分析,构建学习者模型并定位其学习需求?(3)如何设计推送策略,构建个性化学习资源推送模型并为学习者推送个性化学习资源?针对以上研究问题,研究采用实证主义的研究范式,以基于设计的研究为核心研究方法,同时使用文献研究法与调查法开展研究。研究包括五个阶段:第一,文献综述,对学生测评数据和个性化学习资源推送系统的定义与分类、国内外研究应用现状进行了系统梳理,以全面把握其研究现状与最新进展;第二,依据知识空间理论,构建学科知识模型,绘制知识结构图,组织学习资源库,编制学科测验,获取有效的学生测评数据;第三,依据认知主义学习理论,结合CELTS-11学习者模型规范和布鲁姆教育目标分类体系,通过分析学生测评数据,构建学习者模型,精准定位学习者学习需求;第四,设计混合推送策略,构建基于测评数据的个性化学习资源推送模型,确定推送内容(错题解析、知识再现、巩固练习与课前预习);第五,模型应用效果分析与反馈评价,以浙江省高中信息技术课程《算法与程序设计》章节为例,应用推送模型,对学生使用后学习效果及师生使用反馈情况进行分析。研究发现:(1)运用上述推送模型能够促进学习者理解水平的提高,难度在中等以上的知识点提升效果显著;(2)运用上述推送模型能够提升学习者的学习成绩、学习效率,加强学习者的学习兴趣和学习信心;(3)学习者对该推送模型的满意程度较高,认为该模型推送的学习资源能够满足个人学习需求,愿意主动将其推荐给其他学习者使用;(4)推送模型优化应着重学习路径和学习资源的设计,能够提升学习者对模型的感知有用性和使用意愿。本研究提出了基于测评数据分析的个性化学习资源推送模型,从理解水平的角度为学生推送满足其个性化学习需求的学习资源,不仅丰富了个性化学习理论,也具有极强的实践应用价值,为开展数字化环境下的个性化教育提供了新的视角。