作为早期计算机辅助教学系统(ITS)的衍生物,智能教学系统已经成为基于网络教学领域最热门的话题之一。大多数早期的教学系统在功能上非常简单,仅仅通过计算机以一定的顺序来呈现静态的教学内容,而没有考虑到学习者所具有的不同学习偏好和知识水平来自适应的引导学习。这一缺陷在ITS出现之后得到了很大的弥补。ITS最显著的特点是能够根据学生具有的不同知识水平来采取形式多样的教学策略,这一特点将教学系统提升到了一个崭新的高度。然而,教育的另一个方面却被忽略了:学生在吸收和消化知识的过程中表现出的能力和偏好是不同的,也就是说他们具有不同的学习风格。当在教学过程中学生具有的学习风格和教课老师,教学系统的教学风格有相当大的差异时,学生会觉得枯燥并分心,以至于辍学。本文阐述了解决此问题的方法并提出了一个基于B/S(服务器和客户端)结构的,并且结合了学习风格理论和贝叶斯网络的智能教学系统,称为ITLP(Intelligent Tutoring System Based on Learning Style and Probablistic Inference)。既然学生具有不同的学习风格,那么开发一个能够自动识别学生的学习风格,并且以此作为依据,来生成个性化的用户接口并呈现匹配的学习内容以便提高学生学习效率和积极性的教学系统是非常有价值的。除此之外,系统还集成了贝叶斯网络来跟踪和记录学生的知识状态,以此作为提供自适应教学策略的依据。通过集成如上所述的功能后,本系统在帮助学生更彻底和更有效率学习方面将非常有实际意义。文中讨论了如何利用学习风格工具来识别学生的学习风格,并且本文介绍了如何通过引入JavaBayes建模工具来构建贝叶斯网来推测学生的知识状态。而且,我详细介绍了ITLP的设计架构以及实现过程。为了测试系统在提高学生的学习效果的能力,对计算机系一年级的学生进行了实验,并且结果证实了我的设想:ITLP在某种程度上,是一个帮助计算机新生学习计算机编程语言的有效和实用的工具。