通过因特网来学习成为近年来的热点，越来越多的课程通过网络来发布，网络成为支持远程教育、终生学习的重要手段。然而，有研究发现，学习者在超媒体信息空间学习的时候，存在信息超载的问题。网络可以提供大量的信息，然而对大量的信息进行处理时会加重学习者的认知负荷。同时，由于网络学习缺乏指导和监控，学习者往往不能找到适合自己学习程度的学习材料。这样，学习者在进行网络学习时会感到无所适从，或者事倍功半，甚至会影响学习者进行网络学习的信心。目前网络化学习正在向着适应化方向发展，现有的网络学习系统或网络课程在给予学习者适当的引导方面还有很多值得改进的地方。近年来教育领域关于认知负荷的研究兴起，认知负荷的相关研究开始从基础研究走向应用研究。因此，本研究提出在超媒体学习系统内部建立一套“基于认知负荷和知识地图的适应性学习系统”，通过诊断性、过程性的评价策略，预测学习者对某个学习内容的学习能力，为学习者呈现适合他们知识水平的适应性学习内容，以增强网络超媒体学习系统的适应性，更好的满足学习者的需要。为了确定方法的可行性，该研究以java课程的第五章为例，设计了能够稳定实现所设计功能的原型系统——CKBALS：首先，通过认知负荷理论和知识地图的结构化知识表征，分解和建构了具有适应性的网络课程结构；其次，通过试题属性表的构建和概念累积计分算法，确定学生的概念掌握程度；然后，根据学习者的概念学习能力呈现适应性的学习材料，帮助学生更加高效地学习。通过对研究问题的分析，实施双任务法测量认知负荷实验以及原型系统的设计和开发，我们得出本研究的主要结论：内在认知负荷随着任务难度的变化而发生有规律的变化，这种规律可以应用在适应性学习系统中，是系统适应行为的依据；根据领域模型及概念层级关系建构的学生模型能够有效描述个别学生的学习情况，是系统适应行为的基础；精心设计的单元测验能够确定学生当前的知识水平，预测学习者接下来的学习行为；根据学习者的概念学习能力向学习者呈现适应性的学习内容，帮助学生高效的完成学习，减少发生认知超载的可能性。