在教育信息化高速发展的情况下,面对大量的教学冗余信息,如何及时向学习者反馈学习情况是互联网教育研究的一个重要目标。在进行习题的测试时,学习者很难做出决定如何学习,特别是无法根据所做习题的结果进行相关性、针对性知识点的复习巩固。对此,本文以《C语言程序设计》课程为研究对象,鉴于学习者的学习行为、习题诊断结果及知识点本身重要程度展开研究工作。本文的主要工作包括:1)针对现有研究尚未充分考虑学习者的学习行为属性对知识点推荐结果的影响,本之应用模糊聚类算法根据学习者的学习行为将学习者表示为学习积极性不同的3类,即学习积极性高、中、低。实验表明,这三类学习者划分较为明显,并且通过对学习者习题答题结果的统计分析,验证了具有不同学习积极性的学习者对知识点有不同的出错偏好,从而验证了模糊聚类算法应用的有效性。2)由于传统的认知诊断模型中知识点掌握程度不能概率化,只有掌握和非掌握两种情况。因此,本文提出了基于学习诊断的知识点推荐模型,其中综合考虑具有相同学习积极性的学习者习题测试情况和知识点本身的特点。最后,通过对352名学习者的学习数据进行实验,实验结果验证了本文提出的基于学习诊断的知识点推荐模型的有效性,并且评估了所提模型的准确性3)根据本文提出的基于学习诊断的知识点推荐模型设计并实现了一个知识点推荐系统。该系统可以通过学习者的学习行为记录及习题测试情况,充分发掘学习者的知识点薄弱程度,并提供两种推荐建议:一种是为目标学习者推荐与其学习行为相似的学习者出错但目标学习者自身没有出错的top-N知识点;另外一种是根据目标学习者自身的知识点薄弱程度推荐自身需要加强的知识点。论文中阐述了该知识点推荐系统设计和实现的过程,并展示了该系统的实现效果。