随着以无线网络技术、移动终端技术、云计算、人工智能等为代表的新信息技术的飞速发展,推动了各种数字化学习理论和实践不断涌现,数字化学习方式从远程学习、电子学习发展到移动学习、泛在自适应学习。传统的在线学习系统为所有学习者提供几乎相同的学习方案、学习路径及资源,在线学习系统很难按照学习者的学习目标、知识水平、学习风格、兴趣爱好等个性来设置学习方案和推荐资源,导致学习者在学习过程中出现个性缺失、场景单一等学习效率低下问题,另一方面学习者面对海量资源容易出现"学习迷航"与"信息过载"等问题。为解决这些问题,泛在自适应学习成为在线学习领域的研究热点,学习者个性模型,知识模型及教学对象交互模型是其中的核心问题。根据学习者个性,泛在适应性学习系统为学习者提供资源、学习方案、学习路径等个性化服务,从而提高学习质量与效率,减少成本,推动基于移动互联网的教育信息化变革。针对现有的学习者个性模型普遍存在的个性描述信息不足、个性描述视角单一、模型集成度低等问题,论文提出多维多粒度学习者个性模型LPM~3及其处理策略,研究LPM~3模型数据模式规范、LPM~3模型的维护策略,并针对泛在学习交互对象之间非网络原因阻塞提出基于连通图的交互处理策略以增强交互的稳定性。具体研究的核心内容包括:(1)在参考国内外学习者个性模型的基础上详细分析讨论了影响和决定学习者学习效率的关键个性属性:学籍信息、学习目标、知识水平、学习风格、学习轨迹、兴趣爱好,并分析各个性属性之间的相关性,进而提出多维多粒度学习者个性模型LPM~3。讨论了LPM~3模型的运行机制,模型的结构设计,模型的多维多粒度性分析,及LPM~3模型的数据模式规范。(2)基于LPM~3模型多维多粒度特点,提出显式获取、隐式获取、推理获取学习者个性属性策略,以及基于时间点的个性维护策略、基于可变时间窗口的个性维护策略、基于联动的个性维护策略。(3)对泛在学习中师生之间、学习者之间非网络原因交互不畅提出一种交互状态模型,基于有向连通图给出交互状态的判断策略,通过寻找连通路径找到交互的路径,通过寻找最短路径找到交互的最优路径,并提出基于连通图的交互处理策略IPSCG以最优的交互性能找到最简疏通路径。通过实验证明这些策略能显著降低交互成本,提高交互性能,增强用户交互的稳定性,为保障师生之间、学习者之间、学习者与资源对象之间的交互,资源共享的稳定和高效做出了切实的贡献。论文研究成果的应用能为学习者提供个性化的学习知识服务,能有效减少知识迷航、解决"认知过载"与"资源不足"现象,激发学习者学习兴趣,提高学习效率,促进学习者个性全面发展,对提高基础教育信息化水平,促进基础教育的均衡健康发展,具有良好的实际应用价值。随着可穿戴设备及大数据技术的发展,后续研究内容包括:①在多维多粒度学习者个性模型中融入学习者的情境、情感等个性属性,研究其对学习者学习的影响与其它个性特征属性之间的关系;②研究维度动态变化的柔性多维多粒度学习者个性模型,进而为学习者提供更优质的个性化学习服务。