近年来,能力导向的教学理念已然成为教育界的共识。传统的教学过程以知识点的掌握情况作为教学目标,难以体现学生的能力水平。同时,智慧教育发展和个性化学习需求日益增加。如何利用数据挖掘和人工智能技术对学生能力水平进行评价,以及个性化试题推荐已经成为了研究热点。本文以能力导向的教学理念为基础,提出了一种描述课程教学目标的结构化能力模型。该模型以“知识关键词+能力维度”的形式描述基本教学目标单元。其中知识关键词由教师根据经验从课程内容中提取。能力维度基于布鲁姆教育目标分类理论进行设计。进一步利用基本教学目标单元之间的关联性,形成教学目标的结构化和图形化表达。其次,根据课程目标及教育测量理论,提出了基于贝叶斯的学生能力评价方法。该方法分为无级评价和分级评价。无级评价是使用Rasch模型,引入贝叶斯理论,使用NUTS算法估计的参数值作为能力评价结果的方法。为了解决样本量过低导致模型参数估计精度低,分级评价使用K均值算法对试题的难度进行分级。根据能力分级策略构建条件概率表,通过贝叶斯公式计算各个能力级别的概率,以概率值最大的能力等级作为评价结果。然后,提出了一种基于朴素贝叶斯分类的试题推荐算法。该算法通过朴素贝叶斯得到试题在“推荐”和“不推荐”两种类别下的概率值,将属于“推荐”类中概率最大的试题进行推荐。最后,通过对高校教师和学生对于在线教学和学习需求,设计并实现了基于上述能力模型和评价方法的智能测评系统,并在实际教学过程中进行了应用。