同樣一套學習方式並不一定適合每一個學習者 ，而適性學習 (adaptive learning )的概念就在這樣的情形下產生出來。適性學習的意義 就是要為每一位學習者找到最適合的學習方式，強調個人主動的控制 學習的歷程，以建構自己所需的知識內容，提升學習成就與學習效率
（薛雅明，2005；Tseng, Chu, Hwang, & Tsai, 2008）。在傳統學習的領 域中，同學們同在一間教室上課，所有人都吸收到一樣的內容，這也 是傳統學習要適性化所遇到最大的問題。因此，近年來教育模式逐漸 朝向以學習者為中心，並強調適性學習的重要性（游光昭、林坤誼、
林珍瑩，2004）。
張時力(2005)認為為每一位學習者找到最適合的學習方式，就是適 性學習。黃明月(1999)指出適性學習是爲了適應學習者的需求，並提升 學習者對社會的適應性，陳欽峰(2004)認為適性學習能實現教育機會均 等理念，排除因學習者間之個別差異而造成的學習不平等現象，達成
「有教無類」與「因材施教」。適性學習系統能蒐集使用者的某些特 徵並將其存放於使用者模組(user model)中，並運用使用者模組，提供 不同使用者選擇不同的內容(Brusilovsky, 1996)。
數位學習使學生在不受時間空間限制下學習，這樣的優勢使得數 位學習系統非常適合進行適性化學習的發展(張時力，2005；Sun et al., 2008) 。
因此，建置一個適性數位學習網站應考量之重點如下(林信男，
2001；溫嘉榮、郭勝煌，2007；曾文良，2002；Perkowitz & Etzioni, 1997)：
一、適性的類型(types of adaptation)
在網站裡的網頁，由於鏈結的增加或減少，將會造成網頁的 增減，因此，網站的鏈結與文件格式是可以調適的。
二、個人化與轉換(customization vs. transformation)
個人化就是網站為因應不同使用者，所提供內容不同的網 頁。以網頁內容而言，要實現個人化就必須製作不同版本的網頁 內容，因此，針對不同一群的人，網頁內容的轉換是必要性，針 對不同國家的使用者，亦要提供不同語言的轉換。
三、內容與存取的導向(content-based vs. access-based)
網站可以根據網頁內容的組織呈現方式做內容導向式的調 適，以及分析學習者過去使用網站的行為模式做存取導向式的調 適，以產生互補的效果。
四、自動化程度(degree of automation)
Chen 與 Macredie（2004）認為數位學習系統環境應提供有效 的自我引導式的知識蒐尋，使其能以主動的學習方式來提高學習 成效。在自動化的程度上可分為兩種：一種是學習者自訂，它是 目前實現個人化網站最常使用的方式，其內容大多由教學網站提 供網頁特定的特徵供使用者設定，透過學習者主動設定自己想要 的網站型態或內容（Santally & Alain, 2006）；另外一種是系統自 動調適，它具有較高的自動化程度，網站對於學習者難以表達的 特徵或是較不容易有主觀顯現的特性，採取系統自動調適是比較
有效的方式，又可分為主動式與被動式兩種。主動式是由學習者 主動給予系統調適的依據，例如透過網路問卷或評分的方式，系 統可以客觀的分析使用者個人的特徵，建立各類學習者模式，以 找出適合學習者的調適方向，被動式則是由系統間接取得或蒐集 學習者的相關資料，進行資料分析，再將分析的結果回饋給學習 者，以達系統自動調適的目的。
O’Hear（2006）認為傳統的數位學習是以單向的課程結構為主，
比較無法激發學習者本身的自我學習動機。Armatas、Holt 與 Rice
（2003）研究指出數位學習環境若能依照個人的偏好與需求予以配合 修改，則會增加選擇線上教學課程的動機。吳俞民（2003）的研究發 現，在適性數位學習的環境中，由學生主動進行學習活動，教師僅扮 演著引導者的角色，學生可以擁有個人化的學習進度，對學習方式也 具有高度的自主性。然而在這樣高度自主性的學習環境下，若沒有妥 善的學習規劃，將更容易造成學習上的迷失或挫折（溫嘉榮，2003）。
因此，本研究的目的之ㄧ，乃建構出即時動態適性數位學習系統 所需的即時動態適性數位學習狀態診斷模式。相較於目前的適性數位 學習系統，增加可於學習者學習歷程中，持續性、即時偵測學習狀態 的診斷機制，持續辨識即時的學習狀態，與資料庫中的學習狀態診斷 模組進行比對，預測學習者未來的學習負荷趨勢，即時、自動向學習 者建議最適化的學習路徑。學習者與教學者也同時透過即時動態的互 動介面，轉換經由即時動態適性數位學習狀態診斷模式所監測到的學 習狀態資訊，成為使用者導向的學習負荷曲線預測圖與色階表尺，提 供學習者更為視覺親和辨識的輔助資訊，搭配即時動態適性數位學習 系統所提供的最適化的學習路徑，讓學習者進能夠自主控制決定最佳
的學習決策。未來可進一步導入人工智慧技術於即時動態適性數位學 習系統，可針對特定學習者的歷往學習歷程資料，透過人工智慧技術 的經驗學習功能，持續對其資料庫中的學習狀態診斷模式進行調整，
使其更加符合特定學習者個人的特色需求，形成個人化、可經驗學習 的智慧型適性數位學習系統。
因此，本研究關於適性學習理論應用的相關發展工作與研究工具 選用，如下所示：
一、以認知負荷搭配動態評量理論，結構層化學習路徑，發展歷 程性即時動態學習負荷的計量機制，進而開發出即時動態適性 數位學習狀態診斷模式，成為即時動態適性數位學習系統所需 之診斷模式。
二、以認知負荷與動態評量理論的特性，作為選擇本研究所需之 數位學習系統的準則，使選用的數位學習系統符合認知負荷與 動態評量特性需求，成為開發適性數位學習系統之有效研究工 具。