隨著數位化時代的來臨，人們逐漸以數位方式來記錄智慧，並透過網路出版、傳輸，使它成為一種流動性的學習資源。學習方式也因此從定點、定時的規則，慢慢改變為不定時、不定點，這就是所謂的數位學習（E-learning），意指透過電腦、網路設備等電子媒介學習各種知識、技能。做為一種未來趨勢，數位學習不僅影響教學活動的規畫與實施，也影響到學習行為。

近年有不少研究者著手發展適性化學習系統，希望能提供個人化學習路徑，但是大部分系統僅考慮學習者的興趣與瀏覽行為，而無法關照到學習者的程度，因此容易造成學習上的負擔與迷失。為了規劃一個最佳的學習路徑，政治大學圖書資訊與檔案學研究所的陳志銘副教授把「學習課程的難易度」及「學習概念間的關聯性」納入考量，希望有效降低學習迷思及認知負擔的發生率，並以數學方式發明一套電腦演算法，進一步完成個人化網路學習系統的規畫。

陳副教授建構的個人化網路學習系統，是以基因演算法（genetic algorithm）針對每一位學習者規劃最佳的學習路徑，即由「簡」到「難」、概念和概念之間有所連貫的學習路徑。首先，學習者一進入這個適性學習系統，要先接受「前測」。這套測驗是要了解學習者的程度，並辨識學習者已懂得哪些概念，還有哪些概念尚未學會。最後，系統會依照學習者的前測結果，進行最佳化的學習路徑規畫，並提供相對應的課程內容。而每套課程的內容與順序，都是根據每位學習者所量身訂作且是獨一無二的學習路徑。

陳副教授秉持著數位學習也應做到因材施教的理念，提出最佳化路徑規畫的概念，其研究的突破在於結合了課程難易度與課程概念關聯性，並建構以數位學習為出發點的適性化學習系統。陳副教授提出的學習路徑規畫概念，除了應用於網路學習上之外，也已被其他研究應用在行動學習的路徑規畫上。

此外，他所提出基於基因演算法的個人化學習路徑規畫演算法，也被許多研究者引用。這些研究者更納入其他考慮因素，包括學習風格、先後備知識等；也有基於個人化學習路徑規畫概念，提出以資料探勘方法解決這一問題的研究。其中，資料探勘意指電腦會撿選出學習狀況較好的人，並以其學習方法做為重要參考來規劃較佳學習路徑。

陳副教授坦言，臺灣目前的數位學習環境還在啟蒙時期，多數的數位學習平台都仍停留在內容管理系統（content management system, CMS）階段，較不重視學習機制的開發。儘管臺灣的數位學習研究在全世界排名第 3，僅次於美國和英國，但是這些研究成果卻未能實際應用於商用平台，殊為可惜。未來，陳副教授也期許產學之間能有進一步的磨合，讓學界開發的學習機制能發揮最大效用，進而提升臺灣的數位學習環境。