智能授导系统ITS研究的重点在于增加远程网络教学系统的适应性和智能性。学生模型是ITS的基础和核心，是其他模块进行工作的前提。论文针对目前国内ITS中学生模型构建偏于简单而缺乏智能性的不足，结合人工智能领域的一些成熟技术，研究开发了一个基于贝叶斯网络的智能授导系统AIBNS。 论文首先分析了基于前提关系和继承关系的两种建模方式的优缺点，在划分知识项后，经过网络结构和参数学习，提出了一种构建覆盖型贝叶斯网络学生模型的方法。通过对领域相关及无关信息分别建模，构建出学生在特定领域内的知识结构，使模型具备较强的预测能力。针对学生认知状态评估上存在的不确定性，以及测试过程中不正常反应的干扰问题，论文提出了一种自适应选题算法，以期用尽量少的试题完成对学生认知状态的精确评估，并减少评估测试中的噪声。此外设计了一个基于模糊变换原理的学生认知状态评估模型，不仅可以对相关知识项进行认知评估，而且可以进行多级别的综合评价，提高了对学生认知状态评估的准确度。论文应用贝叶斯网络面向对象的知识表达方式，实现了AIBNS原型系统，对贝叶斯网络理论在ITS领域的实际应用提供了有益借鉴。 AIBNS系统区别于传统“以教为主”教学模式，实现了个性化自主学习与交互协调学习相结合，不仅能够根据学生的不同个性自适应地提供教学资源，而且可以针对学习目标提出建议，呈现给用户学习知识的步骤序列。验证表明基于贝叶斯网络的智能授导系统具有良好的智能性、交互性和适应性。