随着移动互联网的普及以及智能化移动终端占有率的提高，现在大众对个性化教育的热情日益高涨，比如:成人的继续教育、在职人员的职业技能教育、青少年的基础教育等，这些不同的学习需求促进在线教育的诞生和发展。而移动互联技术和大数据技术的快速发展和深度融合，为在线教育实现个性化和定制化的目标提供必要的条件，人们的学习形式也由传统的课堂内师传身教的单一模式逐渐变为了当前备受关注的“时时可学习、处处可学习”的全媒体教育模式，而其中内容更为丰富的视频学习被越来越多的人所接受。　　同时虽然流媒体技术快速发展，流媒体服务系统也被广泛部署，但是用户对于点播系统视频服务的流畅、稳定、高清等体验性要求现阶段仍然不能得到很好的解决，因此，在保障服务质量的前提下，降低交互延时从而提高用户体验已是一个迫切需要解决的问题。　　本文在此背景下，针对教育视频的特点，从时间准确性、内容可靠性和缓存有效性三个角度，提出一种主动式数据传输策略。该策略有效的结合类心跳机制和混合推荐算法模型，首先通过类心跳机制获得“特殊心跳”也就是最佳的预取时间，然后利用混合推荐算法模型得到的预取内容在这段时间内预取到移动终端，最后本文提出一种“分而治之”的缓存策略对预取的视频集合进行有效的管理，即:主动观看视频采用LRU策略，被动观看视频采用LFU策略，尚未观看视频采用FIFO策略。该策略能够充分利用移动终端设备和网络的空闲资源，预先将后续数据传送到客户端，从而降低播放过程中的延迟和抖动。　　本文基于现有的全媒体同步作业辅导平台设计并实现书网融合视频预取实验平台，最后通过实验对比分析说明提出的个性化视频预取策略的可行性与有效性。