智能授导系统(Intelligent Tutoring System,简称ITS)的研究主要包括学习者模型、领域模型、学习策略、学生学习情况诊断、学习方案制定、学习环境构建以及学习过程管理等方面。它涉及到教育学、心理学、认知科学、行为科学以及人工智能科学等相关领域。ITS研究的最终目的是研发能够由计算机承担起人类教育的责任,代替人类教育实现最佳教学。目前ITS系统的主流方法是在三元结构的基础上,利用产生式规则建立专家系统。但目前普遍存在结构模型简单、教学策略难以获取,所采用的产生式规则表示格式固定,教学策略模型难以维护等问题。针对结构模型简单、教学策略模型难以维护的问题,本文从智能授导系统的体系结构以及授导算法等方面进行深入研究。针对ITS的体系结构,首先给出设计思路,然后提出系统的总体结构,并分别对教师及学生所需要的主要功能进行了详细的分析和阐述,最后对教师模型、学生模型、数据管理模型及自适应模型的业务流程分别进行了详细阐述,尤其对如何通过学习过程跟踪、自适应测试、能力估计、学生学习特征更新与演化、学习资源推荐等步骤实现智能导学给出了细致的流程图。针对授导算法,首先提出了以学生的学习兴趣、学习风格、学习掌握情况为输入,学习单元及学习方式为输出的授导系统神经网络的基本结构。然后对本授导算法中的信号正向传播与误差反向传播两个过程,以及其中的信号值推演、误差值推演进行了分析和阐述。最后利用BP算法对系统的授导模型进行了模型分析。此外,对所提出的基于神经网络技术的智能授导系统,首先介绍了系统开发环境,然后通过分析系统的运行结果,得出该授导系统基本达到了预期效果:能够依据学生的特点提供个性化的授导过程,即针对性教学内容及学生特点,动态组织学习内容及学习资源,并通过对学生能力进行自适应测试保证学生的学习进度与学习质量。